2

INSTITUTO POLITCNICO NACIONAL
CENTRO DE INVESTIGACIN EN COMPUTACIN

LABORATORIO DE TIEMPO REAL Y AUTOMATIZACIN
PROYECTO DE INVESTIGACIN:
INSTRUMENTOS VIRTUALES PARA

VIDEO-VIGILANCIA Y SEGURIDAD
T E S I S
QUE PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS EN INGENIERA DE CMPUTO
CON OPCIN EN SISTEMAS DIGITALES
PRESENTA
ING. PAMELA ARACELI RANGEL TIRADO
DIRECTORES
DR. LUIS PASTOR SNCHEZ FERNNDEZ
DR. OLEKSIY POGREBNYAK
MXICO D.F., 2012
INSTITUTO POLITCNICO NACIONAL

SECRETARA DE INVESTIGACIN Y POSGRADO
CARTA DE CESIN DE DERECHOS
En la ciudad de Mxico, el da 22 del mes noviembre del ao 2012, la que suscribe Pamela
Araceli Rangel Tirado alumna del Programa de Maestra en Ciencias en Ingeniera de
Cmputo, opcin Sistemas Digitales, con nmero de registro B1018883, adscrita al Centro
de Investigacin en Computacin, manifiesta que es autora intelectual del presente trabajo
de Tesis bajo la direccin del Dr. Luis Pastor Snchez Fernndez y del Dr. Oleksiy
Pogrebnyak y cede los derechos del trabajo titulado Instrumentos virtuales para videovigilancia y seguridad, al Instituto Politcnico Nacional para su difusin, con fines
acadmicos y de investigacin.
Los usuarios de la informacin no deben reproducir el contenido textual, grficas o datos

del trabajo sin el permiso expreso del autor y/o director del trabajo. Este puede ser
obtenido escribiendo a las siguientes direcciones pamela.rangel.t@gmail.com,
lsanchez@cic.ipn.mx o olek@cic.ipn.mx. Si el permiso se otorga, el usuario deber dar el
agradecimiento correspondiente y citar la fuente del mismo.
Pamela Araceli Rangel Tirado
AGRADECIMIENTOS
A mis directores de tesis, el Dr. Luis Pastor Snchez Fernndez y el Dr. Oleksiy Pogrebnyak por
todo el apoyo, paciencia y gua que me brindaron durante mi estancia en el Centro.
Al Comit Tutorial y Snodo, integrado por el Dr. Sergio Surez Guerra, el Dr. Amadeo Jos
Argelles Cruz, el Dr. Jos Juan Carbajal Hernndez, el Dr. Marco Antonio Moreno Armendriz y
el M. en C. Pablo Manrique Ramrez, adems del Coordinador de Programa, el Dr. Jos Luis
Oropeza Rodrguez por sus recomendaciones y consejos que me proporcionaron durante el
desarrollo del proyecto.
Al Instituto Politcnico Nacional, al Centro de Investigacin en Computacin (CIC-IPN), al

Consejo Nacional de Ciencia y Tecnologa (CONACyT) y al Programa Institucional de Formacin
de Investigadores (PIFI) por el soporte acadmico y econmico que me otorgaron.
Por ltimo pero no menos importante, a mi familia por el apoyo en cada momento de la vida. A
todos mis compaeros, amigos y profesores con los que compart vivencias, trabajo y ayuda.
INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD
RESUMEN
En este trabajo se propone un modelo computacional para automatizar la obtencin de imgenes con
mayor detalle, a travs de un sistema de video-vigilancia dual que est compuesto por
cmaras fijas y
una mvil, para potenciar los sistemas comerciales de bajas y medias prestaciones a travs de la
incorporacin de instrumentos virtuales que llevan a cabo la deteccin y procesamiento de eventos
relevantes.
La inspeccin se realiza en todas las cmaras fijas, an cuando el domo est atendiendo el procesamiento
de un evento relevante. El video es obtenido a travs de comunicacin TCP/IP, empleando las
Herramientas de Desarrollo de Software (SDK, por sus siglas en ingls) de los dispositivos.
El evento relevante es detectado en las regiones de inters definidas manualmente en el campo de visin
de alguna las cmaras fijas para localizar al objeto que lo gener. El procesamiento comienza con una
resta de imgenes; a continuacin se ejecutan operaciones morfolgicas y filtrado que antecede al anlisis
de partculas. Posteriormente, se discriminan los objetos debido a su cercana con las coordenadas del
punto donde se detect la presencia. De esta forma se puede obtener la imagen que contiene slo la
partcula que caus el evento.
Dos tareas muy importantes antes de buscar la ubicacin del objeto de inters son: primero, el
preposicionamiento, para asemejar su campo de visin (FOV, por sus siglas en ingls) con el de la cmara
fija que gener el evento y as poder buscar el objeto por reconocimiento de patrones; adems para
comenzar con nuevas localizaciones. Y la segunda, es la calibracin intercmara que debido a que la
imagen inicial despus del procesamiento proviene de una cmara fija y que se desea encontrar el objeto
de inters en el FOV de la cmara mvil, es necesario compensar los niveles de iluminacin.
Una vez que las condiciones anteriores se han cumplido, se ejecuta la bsqueda de patrn para encontrar
el objeto que ha entrado a escena, localizndolo continuamente en el FOV del domo hasta que est
centrado; esto se logra a travs de la programacin del protocolo de comunicacin Pelco-D y el uso de
RS-485, adems de la lgica aplicada sobre la definicin de reas de vigilancia correspondientes al
movimiento y de una relacin de aspecto para el acercamiento.
De esta forma, se obtiene una imagen con mayor detalle, misma que es usada en la generacin de reportes
a usuario en formato PDF. Finalmente, ste se enva por correo electrnico al usuario designado por el
administrador.
Como parte de los resultados, se presentan imgenes finales con mayor detalle y de los reportes a usuario
derivadas de pruebas realizadas en un estacionamiento exterior restringido.
~i~
ABSTRACT
This work proposes a computational model to automate imaging in more detail through a video
surveillance system that consists of dual
fixed cameras and a mobile camera to promote systems of low
and medium commercial performance through incorporating virtual instruments that perform the detection
and processing of relevant events.
The inspection is performed on all fixed cameras, even when the dome is processing another relevant
event. The video is obtained through TCP / IP channel using the Software Development Kit (SDK) of the
devices.
A relevant event is detected defining manually regions of interest in the field of vision of one of the fixed
cameras to locate the object that is generated that event. Processing beginning with subtraction of images
and particle analysis; after that running mathematical morphology operations and filtering Afterwards, the
objects are discriminated because of their proximity to the coordinates where the presence was detected.
This way, the image containing only the particle that caused the event is obtained.
Two important tasks before seeking the location of the object of interest are; first, pre-positioning in order
to move the dome to an area known to resemble its Fields of Vision (FOV) with fixed camera that
generated the event and thus be able find the object by pattern matching; also starting with new locations.
The second activity is the inter-camera calibration: because the original image is from a fixed camera and
the system searches for the object of interest in the FOV of the moving camera, it is necessary to
compensate lighting levels.
Once the conditions are right, the system starts finding the search pattern that match to the object entered
the scene, continuously locating it on FOV dome until it is focused. This is achieved through
programming the communication protocol Pelco-D and using RS-485, plus the logic applied to the
definition of surveillance areas for the movement and an aspect ratio for the zoom in.
This way, an image in more detail is obtained. Then, it is used to generate user reports in PDF. Finally, the
report is sent by e-mail to the user designated by the administrator.
As a part of the results, final images with more detail and user reports are obtained by testing in an
outdoor parking restricted.
~ii~
ndice General
RESUMEN .................................................................................................................................................................... I
ABSTRACT ................................................................................................................................................................. II
NDICE DE FIGURAS ............................................................................................................................................. VI
NDICE DE TABLAS ............................................................................................................................................ VIII
GLOSARIO ............................................................................................................................................................... IX
ABREVIATURAS ............................................................................................................................................................... IX
TRMINOS .........................................................................................................................................................................X
CAPTULO 1.
INTRODUCCIN ......................................................................................................................... 1
1.1
MOTIVACIN Y ANTECEDENTES ............................................................................................................................... 1
1.2
PLANTEAMIENTO DE PROBLEMAS ........................................................................................................................... 2
1.3
JUSTIFICACIN ............................................................................................................................................................ 2
1.4
HIPTESIS .................................................................................................................................................................... 3
1.5
ALCANCE ...................................................................................................................................................................... 3
1.6
LMITES ........................................................................................................................................................................ 4
1.7
OBJETIVOS ................................................................................................................................................................... 4
1.7.1
Objetivo general ..................................................................................................................................................... 4
1.7.2
Objetivos particulares ......................................................................................................................................... 4
1.8
CONTRIBUCIONES ....................................................................................................................................................... 4
1.9
METODOLOGA Y DESARROLLO DE LA INVESTIGACIN ........................................................................................ 5
1.9.1
Propuesta de solucin ......................................................................................................................................... 5
1.9.2
Diagrama .................................................................................................................................................................. 6
1.10 ESTRUCTURA DE LA TESIS ......................................................................................................................................... 7
CAPTULO 2.
ESTADO DEL ARTE................................................................................................................... 9
2.1
DOMTICA ................................................................................................................................................................... 9
2.2
VIDEO-VIGILANCIA ..................................................................................................................................................... 9
2.2.1
Diseo de sistemas de video-vigilancia .................................................................................................... 10
2.2.2
Beneficios de la video-vigilancia ................................................................................................................. 10
2.2.3
Sistemas basados en arquitectura cliente/servidor .......................................................................... 11
2.2.4
Sistemas de video-vigilancia avanzados ................................................................................................. 12
2.3
ELEMENTOS DE UN SISTEMA DE VIDEO-VIGILANCIA...........................................................................................12
2.3.1
Unidades de captura de video ...................................................................................................................... 13
2.3.2
Sensores de movimiento .................................................................................................................................. 14
2.3.3
Manipulacin de las cmaras: zoom ptico y digital ........................................................................ 14
2.3.4
Grabador de video digital ............................................................................................................................... 15
2.4
FUNDAMENTOS DE VIDEO .......................................................................................................................................16
2.4.1
Video analgico ................................................................................................................................................... 17
2.4.2
Video digital .......................................................................................................................................................... 17
2.4.3
Codificacin........................................................................................................................................................... 18
2.4.4
Color ......................................................................................................................................................................... 19
2.4.5
Formatos de video .............................................................................................................................................. 19
2.5
SEGURIDAD ................................................................................................................................................................20
~iii~
2.6
2.7
CONFIGURACIN DE SISTEMAS COMERCIALES .................................................................................................... 21

CONCLUSIONES ......................................................................................................................................................... 22
CAPTULO 3.
MARCO TERICO ....................................................................................................................23
3.1
COMUNICACIN ENTRE DISPOSITIVOS .................................................................................................................. 23
3.1.1
Comunicacin serial como estndar ......................................................................................................... 23
3.1.2
Comunicacin serial en LabVIEW: VISA .................................................................................................. 24
3.1.3
Comunicacin por TCP/IP .............................................................................................................................. 25
3.2
PROCESAMIENTO DE IMGENES ............................................................................................................................ 25
3.2.1
Conectividad ......................................................................................................................................................... 26
3.2.2
Regiones de inters ............................................................................................................................................ 27
3.2.3
Histograma ........................................................................................................................................................... 27
3.2.4
Umbralado como herramienta de segmentacin. ............................................................................... 28
3.2.5
La resta de imgenes como operador matemtico bsico.............................................................. 29
3.2.6
Morfologa matemtica................................................................................................................................... 30
3.2.7
Deteccin de bordes .......................................................................................................................................... 32
3.3
ANLISIS DE PARTCULAS ....................................................................................................................................... 32
3.4
MEJORAMIENTO DE LAS CONDICIONES EN LAS IMGENES ................................................................................ 33
3.4.1
Ajuste de histograma ........................................................................................................................................ 34
3.4.2
Reajuste de los niveles de gris....................................................................................................................... 34
3.4.3
Filtrado espacial ................................................................................................................................................. 35
3.4.4
Especificacin del histograma...................................................................................................................... 35
3.5
BSQUEDA DE PATRONES ....................................................................................................................................... 36
3.5.1
Plantilla................................................................................................................................................................... 36
3.5.2
La bsqueda .......................................................................................................................................................... 37
3.6
CONCLUSIONES ......................................................................................................................................................... 39
CAPTULO 4. DISEO Y DESARROLLO DE LOS INSTRUMENTOS VIRTUALES PARA VIDEOVIGILANCIA Y SEGURIDAD.................................................................................................................................40
4.1. DISEO DE PROPUESTA ........................................................................................................................................... 41

4.1.1
Requisitos del sistema base............................................................................................................................ 42
4.1.2
Conexin y montaje ........................................................................................................................................... 43
4.2. OBTENCIN DE VIDEO EN TIEMPO REAL .............................................................................................................. 44
4.3. SELECCIN DE LAS REGIONES DE INTERS........................................................................................................... 46
4.4. PREPOSICIONAMIENTO ........................................................................................................................................... 47
4.5. GENERACIN Y ENVO DE REPORTES A USUARIO ................................................................................................ 48
4.6. CONCLUSIONES ......................................................................................................................................................... 50
CAPTULO 5. PROCESAMIENTO DE EVENTOS RELEVANTES .................................................................51
5.1
PROCESAMIENTO DIGITAL DE IMGENES PARA DETERMINAR PRESENCIA DE OBJETOS ............................... 51
5.1.1
Deteccin de bordes .......................................................................................................................................... 51
5.1.2
Presencia de objeto ............................................................................................................................................ 53
5.1.3
Discriminacin entre partculas .................................................................................................................. 54
CALIBRACIN INTERCMARA................................................................................................................................. 55
5.2
5.3
BSQUEDA DE PATRN ........................................................................................................................................... 56
5.3.1
Aprendizaje ........................................................................................................................................................... 57
~iv~
5.3.2
Bsqueda ................................................................................................................................................................ 57
5.4
LGICA DE MANDO DE LA CMARA TIPO DOMO ...................................................................................................58
5.4.1
reas de vigilancia............................................................................................................................................. 58
5.4.2
Control del domo ................................................................................................................................................ 59
5.4.3
Protocolo de comunicacin Pelco-D .......................................................................................................... 62
5.5
DIAGRAMA DE JERARQUA .......................................................................................................................................63
5.6
CONCLUSIONES .........................................................................................................................................................64
CAPTULO 6. RESULTADOS EXPERIMENTALES.......................................................................................... 65
6.1
6.2
6.3
6.4
6.5
6.6
INTEGRACIN DEL SISTEMA ....................................................................................................................................65

SISTEMA CLIENTE/SERVIDOR PARA LA TRANSMISIN Y RECEPCIN DE IMGENES......................................65
DETECCIN DE EVENTOS RELEVANTES EN ESTACIONAMIENTOS RESTRINGIDOS ..........................................66
EVALUACIN DE TIEMPOS DE EJECUCIN DE LOS MTODOS Y ALGORITMOS ..................................................68
TRABAJO ADICIONAL: DETECCIN DE MOVIMIENTO PARA SEGUIMIENTO.......................................................69
CONCLUSIONES .........................................................................................................................................................73
CONCLUSIONES ...................................................................................................................................................... 74
TRABAJOS FUTUROS............................................................................................................................................. 75
REFERENCIAS ......................................................................................................................................................... 76
ANEXO A. GLOSARIO DE FUNCIONES DE LABVIEW.................................................................................. 80
ANEXO B. PROTOCOLO PELCO-D ..................................................................................................................... 84
B.1
B.2
B.3
B.4
B.5
PROTOCOLO D .......................................................................................................................................................84
FORMATO DEL CONJUNTO DE COMANDOS ............................................................................................................84
FORMATO DEL CONJUNTO DE DATOS ....................................................................................................................84
CHECK SUM ...............................................................................................................................................................85
RUTINAS PRECONFIGURADAS .................................................................................................................................85
ANEXO C. SDK IDIS WATCH CLIENT................................................................................................................ 86
C.1
C.2
C.3
GENERALIDADES.......................................................................................................................................................86
MODELOS DE DVR APLICABLES .............................................................................................................................86
COMPONENTES EMPLEADAS DEL SDK..................................................................................................................87
ANEXO D. SDK VIVOTEK...................................................................................................................................... 88
D.1
D.2
D.3
ALTO PERFIL..............................................................................................................................................................88
CONTROL VITAMIN ..................................................................................................................................................88
COMANDOS EMPLEADOS..........................................................................................................................................89
ANEXO E. PRECONFIGURACIN DE POSICIONES EN EL DOMO ............................................................ 91
E.1
E.2
CONFIGURACIN .......................................................................................................................................................91
OPERACIN................................................................................................................................................................91
ANEXO F. DIAGRAMA GENERAL DE SOFTWARE ........................................................................................ 92

ANEXO G. ESPECIFICACIN DE LOS CMARAS ANALGICAS ............................................................. 93
ANEXO H. PUBLICACIONES ................................................................................................................................ 94
~v~
ndice de Figuras
Figura 1.1
Figura 1.2
Figura 1.3
Figura 1.3
Figura 2.1
Figura 2.2
Figura 2.3
Figura 2.3
Figura 3.1
Figura 3.2
Figura 3.3
Figura 3.4
Figura 3.5
Figura 3.6
Figura 3.7
Figura 3.8
Figura 3.9
Figura 3.10
Figura 3.11
Figura 3.12
Figura 3.13
Figura 3.14
Figura 3.15
Figura 3.16
Figura 3.17
Figura 3.18
Figura 3.19
Figura 4.1
Figura 4.2
Figura 4.3
Figura 4.4
Figura 4.5.
Figura 4.6
Figura 4.7
Figura 4.8
Figura 4.9
Figura 4.10
Figura 5.1
Figura 5.2
Figura 5.3
Figura 5.4
Figura 5.5
~vi~
Esquema propuesto para video-vigilancia ............................................................................................ 4

Diagrama general de etapas......................................................................................................................... 6
reas de vigilancia ........................................................................................................................................... 6
Diagrama de caso de estudio ....................................................................................................................... 7
Patrn de Bayer ............................................................................................................................................. 15
Escaneo en video analgico ...................................................................................................................... 17
Elementos del codificador ......................................................................................................................... 18
Configuracin de un sistema de video-vigilancia comercial ....................................................... 22
Comunicacin serial ..................................................................................................................................... 24
Referencia de pxel ....................................................................................................................................... 25
Pxeles de una imagen ................................................................................................................................. 26
4-Conectado ..................................................................................................................................................... 26
6-Conectado ..................................................................................................................................................... 26
8-Conectado ..................................................................................................................................................... 27
Imagen con regiones de inters .............................................................................................................. 27
Imagen e histograma ................................................................................................................................... 28
Imagen A ........................................................................................................................................................... 29
Imagen B ........................................................................................................................................................... 29
Imagen destino .............................................................................................................................................. 30
Dilatacin ......................................................................................................................................................... 31
Erosin .............................................................................................................................................................. 31
Deteccin de bordes .................................................................................................................................... 32
Anlisis de partculas .................................................................................................................................. 33
Plantilla para bsqueda de patrones .................................................................................................... 36
Correlacin cruzada normalizada .......................................................................................................... 37
Muestreo de plantilla en el mtodo entendimiento de imagen ................................................. 38
Muestreo no uniforme ................................................................................................................................ 39
Diagrama de bloques de operacin general ....................................................................................... 40
Conectividad del sistema bsico de video-vigilancia...................................................................... 41
Esquema de conexin del sistema de video-vigilancia .................................................................. 43
Configuracin general para la obtencin del video en tiempo real .......................................... 44
Diagrama de jerarqua para obtencin de video en tiempo real .............................................. 45
Definicin de ROI ........................................................................................................................................... 46
Mensaje para preposicionamiento ......................................................................................................... 47
Plano de preposicionamiento................................................................................................................... 48
Generacin y envo de reportes a usuario .......................................................................................... 49
Diagrama de jerarqua para la generacin de reportes a usuario ............................................ 50
Diagrama de bloques para el procesamiento de eventos relevantes ...................................... 51
Ajustar parmetros en la deteccin de objetos................................................................................. 52
Estado de ejes de deteccin ...................................................................................................................... 52
Imagen en tiempo real con deteccin de bordes .............................................................................. 53
Regin de inters global ............................................................................................................................. 53
Figura 5.6
Figura 5.7
Figura 5.8
Figura 5.9
Figura 5.10
Figura 5.11
Figura 5.12
Figura 5.13
Figura 5.14
Figura 6.1
Figura 6.2
Figura 6.3
Figura 6.4
Figura 6.5
Figura 6.6
Figura 6.7
Figura 6.8
Figura 6.9
Figura 6.10
Figura B.1
Figura B.2
Figura C.1
Figura E.1
Figura E.2
Figura F.1
Discriminacin de partculas ....................................................................................................................55

Histogramas antes de calibracin ...........................................................................................................56
Resultado en imgenes despus de calibracin ...............................................................................56
Bsqueda de patrones .................................................................................................................................57
Divisin del FOV en reas de vigilancia ...............................................................................................58
Diagrama de bloques del control del domo ........................................................................................60
Dimensiones de rea 40 y objeto ............................................................................................................61
Diagrama de bloques para convertir trama .......................................................................................63
Diagrama de jerarqua para el procesamiento de eventos relevantes ....................................63
Sistema de videovigilancia instalado .....................................................................................................65
Panel Frontal para la visualizacin del video en LabVIEW ..........................................................66
Imagen resultado 1 .......................................................................................................................................66
Reporte a usuario...........................................................................................................................................68
Grfica de tiempo de ejecucin para la aplicacin ...........................................................................69
Panel frontal para deteccin de movimiento ....................................................................................70
Cuadro base para discriminacin de objetos .....................................................................................71
Diagrama de bloques sobre la deteccin de movimiento .............................................................72
Trama de protocolo Pelco-D .....................................................................................................................84
Ejemplo de trama para clculo de check sum .....................................................................................85
Partes empleadas del SKD IDIS Watch ..................................................................................................87
Pantalla principal del domo ......................................................................................................................91
Pantalla de configuracin del domo .......................................................................................................91
Digrama de jerarqua total .........................................................................................................................92
~vii~
ndice de Tablas
Tabla 2.1
Tabla 4.1
Tabla 4.2
Tabla 5.1
Tabla 5.2
Tabla 5.3
Tabla 6.1
Tabla B.1
Tabla B.2
Tabla B.3
Tabla B.4
Tabla C.1
Tabla G.1
~viii~
Caractersticas de formatos de video MPGE-4 .................................................................................... 20

Requisitos para el sistema cliente-servidor ......................................................................................... 42
Equipo empleado en el sistema ................................................................................................................. 42
Parmetros de filtrado de partculas ...................................................................................................... 54
Parmetros para calibracin intercmara ............................................................................................ 56
Datos de configuracin para comunicacin serial ............................................................................. 62
Tiempos de ejecucin en toda la aplicacin ......................................................................................... 69
Comandos Pelco-D.......................................................................................................................................... 84
Comando 1 Pelco-D ........................................................................................................................................ 84
Datos Pelco-D ................................................................................................................................................... 85
Rutinas preconfiguradas Pelco-D ............................................................................................................. 85
Modelos DVR aplicables ............................................................................................................................... 86
Cmaras analgicas ......................................................................................................................................... 93
GLOSARIO
Abreviaturas
1D
Unidimensional.
2D
Bidimensional.
3D
Tridimensional.
API
Aplicacin de Interfaz de Programacin (Application Programming Interface).
CCD
Dispositivo Acoplado por Carga (Charge-Coupled Device).
CMOS
Semiconductor Complementario de Metal xido (Complementary Metal-OxideSemiconductor).
DNS
Servicio de Nombres de Dominio (Domain Name Service).
DVR
Grabador de Video Digital (Digital Video Recorder).
FOV
Campo de Visin (Field of Vision).
fps
Marcos por segundo (Frames per Second)
IP
Protocolo de Internet (Internet Protocol).
PDF
Formato de Documento Portable (Portable Document Format).
PTZ
Movimiento horizontal (Pan), vertical (Tilt) y acercamiento/alejamiento (Zoom).
PUI
Pxel bajo inspeccin (Pxel Under Inspection).
ROI
Regin de Inters (Region of Interest).
SDK
Herramientas de Desarrollo de Software (Software Development Kits).
SMTP
Protocolo de Transferencia de Correo Simple (Simple Mail Transfer Protocol).
SO
Sistema Operativo.
TCP
Protocolo de Control de Transmisin (Transmission Control Protocol).
UDP
Protocolo de Datagramas de Usuario (User Datagram Protocol).
USB
Bus Serial Universal (Universal Serial Bus).
VISA
Instrumento Virtual de Arquitectura de Software (Virtual Instrument Software Architecture).

~ix~
Trminos
Algoritmo
Conjunto ordenado y finito de operaciones que permite hallar la solucin de un problema.
Brillo
Es el atributo de una sensacin visual segn la cual un rea parece emitir ms o menos
luz. [51]
Color
Es el atributo de una sensacin visual segn la cual un rea parece ser similar a uno de los
colores percibidos, rojo, amarillo, verde y azul, o una combinacin de dos de ellos. [51]
Contraste
Es la diferencia en las propiedades visual que hace que un objeto distinguible de otros
objetos y el fondo. El contraste es determinado por la diferencia en el color y el brillo del
objeto y otros objetos dentro del mismo campo de visin.
Correccin
Gamma
Se trata de una transformacin donde se busca expandir los niveles altos de gris en una
imagen mientras suprime los niveles bajos de gris.
Decolar
(Dequeue) Remueve un elemento del inicio de la cola.
Ecualizacin
Consiste en encontrar una transformacin con la cual el histograma tenga una

representacin uniforme, es decir, lo ms cercano al histograma ideal. [57]
Encolar
(Enqueue) Agrega un elemento en el final de la cola.
Iluminancia
Magnitud que expresa el flujo luminoso que incide sobre la unidad de superficie. Su unidad
en el Sistema Internacional es el lux.
Imagen
Representacin del mundo a travs de una funcin bidimensional con coordenadas

) es la intensidad de luz para un pxel dado.
donde cada (
y ,
Imagen binaria Fotograma en el cual todos sus pxeles tienen valores solo de dos clases, 0 o 1.
Imagen
digitalizada
Fotograma que ha sido discretizada tanto en coordenadas espaciales como en brillo. Es una
matriz cuyos ndices de filas y columnas identifican un punto en la imagen y su valor de
gris en ese punto.
Imagen en
Fotograma con coordenadas espaciales y con sus respectivos valores de intensidad.
escala de grises Este tipo de imgenes son las ms sencillas y su uso es muy frecuente en el anlisis. [53]
Lab VIEW
Lenguaje de programacin de alto nivel, de tipo grfico, y enfocado al uso en

instrumentacin. Los programas desarrollados con Lab VIEW se llaman Instrumentos
Virtuales (VI, Virtual Instruments).[51]
Luminancia
Es proporcional a la energa de la luz emitida por unidad de rea de la fuente, pero esta
energa se pondera de acuerdo a la sensibilidad espectral del ojo. [51]
Lux
Unidad de iluminancia del Sistema Internacional, que equivale a la iluminancia de una

superficie que recibe un flujo luminoso de un lumen por metro cuadrado. (Smbolo lx).
~x~
Mtodo
Procedimiento que se sigue en las ciencias para hallar la verdad y ensearla.
Pxel
Unidades bsicas de imagen en arreglos de dos dimensiones para formar una imagen o
marco. Acrnimo formado con las palabras inglesas 'Picture' y 'element'.
Saturacin
Es el colorido de un rea juzgado en proporcin a su brillo. [51]
Vecindario de
pxeles
Conjunto de pxeles alrededor de un punto; la fortaleza de su unin depende del tipo de

conexin entre ellos.
Visin artificial
Subdisciplina de la inteligencia artificial que busca analizar las imgenes para extraer
informacin valiosa para controlar un proceso o actividad. [53]
Vision Lab
VIEW
Conjunto de herramientas para el procesamiento de imgenes en LabVIEW. [50]
~xi~
INSTRUMENTOS VIRTUALES PARA

VIDEO-VIGILANCIA Y SEGURIDAD
CAPTULO 1. INTRODUCCIN
De los cinco sentidos que posee el ser humano, la vista es uno de los ms importantes, pues ste
proporciona el 80% de la informacin que es tomada del exterior durante el da y casi tres cuartas partes
de las clulas receptoras sensoriales del cuerpo estn ubicados en la parte posterior de los ojos: las retinas.
Muchas decisiones son tomadas a travs de lo que se puede ver y cmo se interpretan esos datos. Esto es
la base del desarrollo cientfico y tecnolgico realizado en el campo de la visin por computadora y la
aplicacin en reas tan importantes en la actualidad, como son la video-vigilancia y seguridad.
1.1 Motivacin y antecedentes

La palabra domtica proviene de la unin de la palabra domo y el sufijo tica. La primera,
etimolgicamente viene del latn domus que significa casa, y la segunda de la palabra automtica. Aunque
algunos autores tambin diferencian entre tic de tecnologas de la informacin y de la comunicacin y
a de automatizacin. En general, este trmino se deriva de la palabra francesa domotique que es definida
como el concepto de vivienda que integra toda la tecnologa permitiendo gestionar de forma
energticamente eficiente, segura y confortable para el usuario, los distintos aparatos e instalaciones
domsticas tradicionales que los conforman. [1]
La domtica busca el aprovechamiento al mximo de la energa, adecuando su comportamiento a las
necesidades, al mismo tiempo que mejora la seguridad personal y patrimonial en las edificaciones. Es
precisamente este ltimo punto donde la domtica juega un papel trascendental, pues la seguridad es una
de las funciones ms importantes debido a que disminuye el riesgo de daos a las personas y a los bienes
materiales. Dentro de este rubro, la video-vigilancia es una de las herramientas bsicas, pues adems de
frenar a los intrusos, permite detectar sospechosos antes de que ocurran los hechos delictivos o
proporcionar pruebas de delitos.
Sin embargo, la video-vigilancia puede utilizarse en otras funciones, tales como:
Monitoreo y control de trfico terrestre, urbano y rural.

Caracterizacin del tipo de trfico terrestre y las horas crticas.
Obtencin de caractersticas del trfico terrestre tales como velocidad, aceleracin, entre otras.
Mejora de procesos industriales.
Gestin empresarial.
Actividades mdicas.
Adems, gracias a la video-vigilancia se soluciona uno de los principales objetivos de la prevencin de

riesgos, la supervisin ininterrumpida de las eventuales alarmas y averas en los diferentes sistemas de
seguridad instalados, descargando a los seres humanos de ciertas responsabilidades. En este sentido, la
video-vigilancia puede complementar otros sistemas de monitoreo y control, para de esta forma obtener
herramientas que mejoren las directrices para tomar mejores decisiones, e incluso adquirir reportes e
histricos sobre los eventos relevantes.
Relacionado con lo anterior, un ejemplo con posibilidad de complemento con video-vigilancia es el
monitoreo del ruido ambiental en reas urbanas, donde el trfico juega un papel fundamental, siendo un
fuerte generador de contaminacin acstica [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] la cual se produce, entre
otras causas, por las siguientes:
Intenso trfico.
Hacer sonar el claxon, innecesariamente.
Aceleraciones innecesarias.
Sirenas con elevado nivel sonoro.
Ruido de silbatos producido por agentes encargados de controlar el trfico en situaciones crticas.
Para este caso, se han creado mtodos computacionales novedosos para el reconocimiento de patrones de
ruido. Dichos trabajos se han presentado en eventos cientficos internacionales de alto impacto [12] [13]
[14] [15] [16] [17].
1.2 Planteamiento de problemas

I.
II.
III.
IV.
La localizacin automtica de un objeto en tiempo real, la deteccin y procesamiento de eventos

relevantes, son temas complejos que requieren de algoritmos y mtodos avanzados para su
realizacin, as como imgenes que permitan la extraccin de rasgos caractersticos, siendo estas
actividades ejecutadas por equipos sofisticados que suelen tener precios elevados
A fin de disminuir los costos, se emplean equipos de video-vigilancia de baja y media resolucin, lo
que conlleva a la prdida de detalle en las imgenes.
Los sistemas comerciales de medias y bajas prestaciones no realizan tareas inteligentes ni
comunicacin entre cmaras, adems de ser generalmente operados de forma manual.
Monitorear un rea abierta grande con una cmara implica perder detalles importantes que permitan
el anlisis de rasgos, el reconocimiento ptico de caracteres (OCR) o la identificacin de personas.
1.3 Justificacin
Existe una frase muy famosa que dice que una imagen vale ms que ms que mil palabras", esto ha
caracterizado la evolucin de la medios de comunicacin y tecnologas. Grandes inventos como la
televisin, los videograbadores y las cmaras son un claro ejemplo de la voluntad humana para interactuar
con las imgenes, as como con audio y texto.
~ 2~
Tanto para el hogar, la seguridad pblica, como para cualquier tipo de negocio o empresa, la
videovigiliancia se convirti en una herramienta til que se ha popularizado en los ltimos aos,
emplendose para el monitoreo continuo de las acciones que realizan los seres humanos. Sin embargo,
esto no ha sido suficiente, pues existe la importante necesidad de ampliar la video-vigilancia para
combatir los actos delictivos en diversas zonas y ciudades, creando sistemas integrales de monitoreo y
seguridad que ayuden a definir las directrices para mejorar la vida de las personas.
Las imgenes son de vital importancia en el anlisis de delitos, como evidencia de abusos o simplemente
para seguimiento de eventos, sin embargo, la mayora de los sistemas proporcionan grabacin continua
mientras ocurra cualquier suceso detectado mediante el sensor de movimiento que tienen intrnsecamente
las cmaras, adems, esto requiere que un administrador verifique los videos y pueda definir si existi
alguna anomala o evento trascendente.
Una solucin posible a estos problemas, es potenciar los sistemas comerciales de video-vigilancia de bajas
y medias prestaciones con algoritmos avanzados que realicen actividades de mayor complejidad, como la
localizacin automtica de objetos o individuos, para minimizar la actividad del administrador y
maximizar la utilidad de cmaras que no necesariamente sean de ltima tecnologa o con las prestaciones
ms avanzadas.
1.4 Hiptesis
Mediante la combinacin de una cmara fija ( ) de bajas o medias prestaciones y una cmara mvil de
mediana o alta resolucin, se puede detectar un objeto en mltiples regiones de inters (ROI, por sus siglas
en ingls) definidas dentro del FOV amplio y obtener detalles del objeto mediante la cmara mvil, sin
necesidad de emplear sistemas costosos de altas prestaciones.
1.5 Alcance
El sistema ejecutar las siguientes actividades:
I.
II.
Dada la presencia estacionaria de un objeto en una regin de inters (ROI) detectado por una cmara
fija , se realiza el mando de la cmara tipo domo para tomar imgenes de mayor detalle.
Los reportes a usuario se realizan con la imagen adquirida a travs de la actividad antes descrita.
La manipulacin de las cmaras se realiza con un valor mayor a 0.01 lux, esto es, cuando las condiciones
de iluminacin son equivalentes a la luz de da o con alumbrado pblico de mediana intensidad.
Otro punto importante a mencionar es la condicin que el tiempo de vida o permanencia del evento, debe
ser siempre mayor que el tiempo de respuesta del sistema, que est entre 15 y 20 segundos.
~ 3~
1.6 Lmites
En la Fig. 1.1 se muestra el esquema del sistema propuesto, en el cual se tienen
cmaras fijas de
circuito cerrado, donde
, y depende del FOV de la cmara tipo domo, sin embargo, si este
nmero es muy grande, la operacin del sistema puede ser ms lenta al presentarse muchos eventos de
inters de manera simultnea y aumentar as el tiempo de respuesta del domo.
DOMO
DVR
PROCESAMIENTO
SERVIDOR
CMARA Xi
CLIENTE
i = 1, 2, , n
n= ?
Figura 1.1
Esquema propuesto para video-vigilancia
1.7 Objetivos
1.7.1
Objetivo general
Desarrollar instrumentos virtuales para video-vigilancia y seguridad, con operacin local y remota.
1.7.2
I.
II.
III.
IV.
Objetivos particulares
Generar mtodos, algoritmos y software que permitan potenciar sistemas comerciales de

video-vigilancia de bajas y medias prestaciones.
Integrar un sistema de video-vigilancia local y remoto, mediante cmaras analgicas y
digitales (cmaras IP).
Estructurar un sistema cliente/servidor para la transmisin y recepcin de imgenes y avisos
sobre eventos relevantes obtenidos mediante un sistema de video-vigilancia.
Detectar eventos relevantes relacionados con la seguridad en edificaciones, tales como los
generados en estacionamientos en zonas restringidas, adquiriendo imgenes y videos con
mayores detalles y generando reportes a usuarios.
1.8 Contribuciones
Con el presente trabajo se lograr:
I.
Incorporar desarrollo tecnolgico de costo reducido en los sistemas de video-vigilancia comerciales

de bajas y medias prestaciones, mejorando su desempeo.
~ 4~
II.
III.
Potenciar los sistemas comerciales de bajas y medias prestaciones, debido al complemento de la

deteccin, procesamiento y localizacin de eventos relevantes.
Un sistema de video-vigilancia accesible para Pequeas y Medianas Empresas (PyME) con
aplicacin en grandes rea de vigilancia para edificaciones, va pblica y con posibilidad de ser
complemento para un sistema distribuido de monitoreo permanente de ruidos ambientales urbanos.
1.9 Metodologa y desarrollo de la investigacin

En la Fig. 1.2 se puede observar un diagrama que enuncia todas las etapas que el sistema desarrolla. Cada
una forma parte de la metodologa que da solucin a los problemas expuestos. Con el fin de llevar a la
prctica la teora estudiada, se disearn, programarn e implementarn un conjunto de algoritmos que
procesan la secuencia de fotogramas comparando el actual con el inmediato anterior para obtener
parmetros que faciliten la deteccin y localizacin de objetos.
1.9.1
Propuesta de solucin
A partir del esquema de un sistema automtico como el mostrado en la Fig. 1.1, se obtienen imgenes
continuas en tiempo real a travs del par por una cmara fija y una mvil.
Las etapas son mostradas en la Fig. 1.2. La primera consiste en la adquisicin de video del grabador
digital por medio del Protocolo de Control de Transmisin (TCP, por sus siglas en ingls), esto se realiza a
travs de un conjunto de herramientas de desarrollo propio del grabador y de la cmara IP, con la
resolucin original estndar del grabador, que es de 336 x 224 pxeles y de la cmara IP, 320 x 240
pxeles.
La presencia de objetos se hace con la evaluacin de una ROI para verificar cambios en los ejes de una
lnea de referencia.
Por otro lado, se realiza un segmentado en el rea de video-vigilancia para tener una correspondencia de
reas de vigilancia, como se muestra en la Fig. 1.3, con cada una de las acciones de movimiento que se
pueden realizar con la cmara tipo domo y con ello realizar la localizacin de objetos.
Una vez que se tiene la imagen extrada y un arreglo de reas, se realiza la comparacin: si el objeto de
inters se encuentra en cualquier rea diferente a la cero (A0), entonces se tiene que realizar el
movimiento del domo y posiblemente un acercamiento; de otra forma se detiene el movimiento y
comparacin, se toma una fotografa; y se genera el reporte a usuario.
~ 5~
Obtencin
de video
Generacin
de reportes
a usuario
Deteccin
de
presencia
de objeto
Procesamiento de
imgenes
Instrumentos
Virtuales
Mando
PTZ
reas de
vigilancia
A1
A2
A3
A4
A0
A5
A6
A7
A8
Calibracin
intercmara
Bsqueda
de patrn
Figura 1.2 Diagrama general de etapas
Figura 1.3 reas de vigilancia
Las caractersticas especficas del sistema son:

a) La obtencin de imgenes a travs de
cmaras de circuito cerrado que envan el video a un
grabador digital (DVR, por sus siglas en ingls) o directamente tomado de una cmara IP, donde
y depende del campo de visin global de la cmara tipo domo.
b) Los fotogramas obtenidos sern empleados en los algoritmos programados en la computadora
central que tambin tendr el rol de servidor, ste proporcionar la informacin procesada en
reportes a usuario a travs de una computadora cliente, adems de modificar la posicin de la
cmara tipo domo para realizar la localizacin de objetos y la toma de fotografas con mayor
detalle.
c) La cmara mvil localiza continuamente el objeto y lo posiciona en el centro de su FOV,
modificando las condiciones PTZ (Pan, Tilt, Zoom). Es necesario que esta cmara posea enfoque
y manejo de diafragma automticos. Adems, es recomendable que el domo tenga un zoom ptico
mayor o igual a 22x.
1.9.2
Diagrama
A continuacin se muestra la Fig. 1.4, la cual contiene el diagrama sobre la metodologa de la

investigacin.
~ 6~
INICIO
FIN
OBSERVAR
EVENTOS
ACTUALES EN
INGENIERA
SELECCIONAR
LA DOMTICA
COMO TEMA
INTERESANTE
PUBLICAR
RESULTADOS
ESTABLECER A PRIORI
LOS PROBLEMAS A
RESOLVER (VIDEOVIGILANCIA)
BUSCAR
INFORMACIN
CIENTFICA
ESPECIALIZADA
Resta de
imgenes
Calibracin
intercmara
Anlisis de
partculas
Binarizado
Bsqueda
de patrn
Deteccin
de bordes
ELEGIR LA VIDEOVIGILANCIA
COMO TEMA
CENTRAL
Videovigilancia
Fundamentos de video
Seguridad
ANLISIS DEL ESTADO

DEL ARTE
Morfologa
matemtica
CONCLUSIONES Y
RECOMENDACIONES
Domtica
OBTENCIN DE VIDEO
EN TIEMPO REAL
DELIMITAR OBJETO DE
ESTUDIO: BSQUEDA DE
MEJOR DETALLE EN
IMGENES
INTEGRAR Y MONTAR
EL SISTEMA DE VIDEOVIGILANCIA
PLANTEAR LOS
OBJETIVOS DE
TRABAJO
MARCO TERICO
DESCOMPONER
LOS OBJETIVOS
EN TAREAS
ESTABLECER LA
HIPTESIS
DELIMITAR
ALCANCE
PROCESAMIENTO DE IMAGENES
COMPROBAR
HIPTESIS
Movimiento
PRUEBAS DE
OPERACIN
Comunicacin serial
Preposicionamiento
Acercamiento
Pelco-D
automtico
REPORTE A USUARIO
CONTROL DEL DOMO
Figura 1.3 Diagrama de caso de estudio
1.10 Estructura de la tesis

Este documento se encuentra dividido en 6 captulos, bibliografa y anexos. Los primeros dos captulos
explican de forma detallada el procedimiento utilizado para dar solucin al problema de estudio; los
captulos restantes muestran la metodologa empleada, los resultados, las conclusiones y las propuestas de
trabajos futuros.
El captulo 2 presenta un panorama sobre los trabajos y tcnicas desarrolladas en otras investigaciones de
la misma rea.
El captulo 3 muestra la base terica que sustenta la presente investigacin, presentando los conceptos y
definiciones necesarias.
El captulo 4 explica el diseo y montaje del sistema propuesto, adems la metodologa sobre la
obtencin de video en tiempo real, la seleccin de regiones de inters, el preposicionamiento y la
generacin de reportes a usuario.
El captulo 5 se trata los temas de visin por computadora para realizar la deteccin y procesamiento de
eventos relevantes. Estos temas abarcan la deteccin de bordes, el procesamiento de imgenes a travs de
la operacin de resta, binarizado y anlisis de partculas, as como la calibracin intercmara y el
reconocimiento de patrones, componente fundamental para lograr la ubicacin y acercamiento al objeto de
inters, adems de la lgica de mando de la cmara tipo Domo
El captulo 6 se presenta la integracin del sistema y la obtencin del video en tiempo real, as como
imgenes de los resultados de las pruebas finales y los tiempos de ejecucin para todas las secciones de la
aplicacin. Adicionalmente, se muestra un bloque de programacin que sienta las bases para realizar el
seguimiento de objetos en movimiento.
~ 7~
En los anexos se presenta la recopilacin de las funciones ms importantes de LabVIEW empleadas en la

aplicacin; la explicacin del protocolo de comunicacin y mando de las cmaras que emplean control
PTZ; los SDK para la obtencin del video en tiempo real; la preconfigurain de posiciones del domo; el
diagrama general de jerarqua de software; las condiciones de resolucin para los dispositivos; y por
ltimo las publicaciones derivadas del presente trabajo.
~ 8~
CAPTULO 2.
ESTADO DEL ARTE
En este captulo se muestra la perspectiva general de los temas que fundamentan el presente trabajo, para
tener una visin sobre la situacin actual de este tipo de desarrollos a nivel mundial.
2.1 Domtica
La evolucin de la tecnologa en los hogares fue marcada por el uso de la electricidad y el desarrollo de la
electrnica y computacin, todo lo cual ha permitido elevar el nivel de confort y ha dado paso a la entrada
de los electrodomsticos, mquinas capaces de realizar tareas cotidianas de forma casi autnoma y que
emplea la electrnica, permitiendo realizar rutinas. El siguiente paso en la evolucin es la domtica, que
se encarga de la integracin y regulacin de sistemas elctricos y electrnicos, de tal manera que ante una
solicitud prevista, da la respuesta adecuada dentro de una gama acotada y ordenada al mecanismo
correspondiente para que acte en consecuencia. Incluye tres reas: confort, ahorro energtico y
seguridad. Adems el desarrollo de la electrnica permiti un control descentralizado de estos procesos; y
finalmente la informtica permiti una gestin del edificio en su control y centralizacin. [1]
Actualmente existen sistemas [18] que integran nuevas herramientas computacionales para unificar en una
sola aplicacin los contenidos en el hogar de servidores en casa y los compartidos por otros usuarios, a
travs de servicios como Flickr, YouTube, iTunes y Facebook para comunicar contenidos en forma
segura y acceder a ellos desde cualquier lugar.
Segn algunas fuentes [19], los ltimos 20 aos de desarrollo no han logrado los resultados previstos. La
demanda y el suministro han sido bajos. Para disear estos sistemas es necesario considerar la
construccin, infraestructura informtica y aspectos de prestacin de servicios; las necesidades del usuario
e intenciones deben ser estudiadas con ms detalle y respetadas siempre que sea posible; e investigar los
problemas legales y ticos, el usuario y la aceptacin del proveedor.
Se cree que el futuro de las redes domsticas depender en gran medida de la utilidad de los servicios para
el hogar y en su facilidad de uso, donde el objetivo principal ser proporcionar una buena experiencia para
usuarios que puedan acceder a su "vida personal digital" en un una manera segura en cualquier lugar.
2.2 Video-vigilancia
En el aspecto social, el aumento de delitos es uno de los principales factores que han influido en la
demanda de sistemas de video-vigilancia remota [20], pues busca disuadir, prevenir y combatir ilcitos.
Sin embargo, pueden aplicarse en otros campos que incluyen la comunicacin y mejora de relaciones
entre proveedores y clientes que no se encuentran cerca. [21] Es comn que grupos de trabajo sean
monitoreados para tener registro o consulta en lnea de una correcta ejecucin de funciones, horarios y
hbitos.
En la industria existen procesos elaborados por mquinas o lugares de alto riesgo en los cuales es
prcticamente imposible contar con supervisin presencial [22], por lo que la video-vigilancia es til para
tener un monitoreo masivo de procesos. [23]
~ 9~
2.2.1
Diseo de sistemas de video-vigilancia
La visin artificial para sistemas de video-vigilancia realiza varias funciones comunes necesarias para el
procesamiento de bajo nivel de datos de video. Estos algoritmos incluyen [24]:
Adquisicin de imgenes desde una cmara.

Calibracin de la cmara.
Segmentacin de una imagen en pxeles de primer plano y de fondo.
Ubicacin de los objetos que poseen componentes conectadas.
Obtencin de las descripciones de objetos.
Seguimiento de objetos dentro del campo de visin de una cmara.
Adems de las funciones anteriores, la video-vigilancia tambin puede realizar el seguimiento de las
trayectorias de objetos, almacenamiento y recuperacin de recorridos para el anlisis a largo plazo.
De manera general, lo indicado por algunos autores [20] [25], un sistema de video-vigilancia avanzado
debe contener las siguientes funcionalidades:
Obtencin de imgenes de las cmaras a travs de una red privada.

Transmisin del servidor a los clientes por comunicacin basada en HTTP.
Acumulacin temporal de datos como imgenes en un buffer interno del servidor.
Reduccin de tamao de los datos en el servidor para la comunicacin con dispositivos mviles.
Almacenamiento de imgenes en su base de datos interna para la recuperacin remota de clientes.
Escalabilidad del sistema.
Operacin en tiempo real.
Bajo consumo de recursos.
Control de la transmisin del servidor con los clientes.
Reconfiguracin en tiempo de ejecucin.
Adicionalmente, San Miguel et al. [25] proponen una clasificacin general unificada con otros autores:
Segn el propsito o fin para el cual fue diseado.

Segn la distribucin del sistema.
Segn la centralizacin del control del sistema.
2.2.2
Beneficios de la video-vigilancia
Tecnologas como la video-vigilancia permiten observar, responder, intervenir y mitigar riesgos que se
puedan presentar. [26] Los sistemas de este tipo poseen las siguientes bondades:
Disponibilidad. En los ltimos aos, la tecnologa relacionada con la video-vigilancia se ha

expandido y popularizado, existiendo cada vez ms compaas dedicadas a desarrollar hardware y
software para este fin, por lo que es ms fcil adquirir sistemas convencionales de monitoreo y
video, generalmente de bajas y medias prestaciones.
Monitoreo en tiempo real. Gracias al internet, es posible realizar un monitoreo simple a travs de
una pgina web. En el pasado, los eventos capturados en video eran usados para recabar
informacin importante y emplearlos como evidencia posteriormente. Sin embargo, las nuevas
tecnologas permiten a los usuarios monitorear y responder a las alarmas en tiempo real.
~ 10~
Acceso remoto. Una de las ventajas ms fuertes de la video-vigilancia es la posibilidad de

monitorear remotamente desde cualquier lugar mediante dispositivos como computadoras o
celulares.
2.2.3
Sistemas basados en arquitectura cliente/servidor
Boyd et al. [24] describen un sistema de video-vigilancia que asimila la informacin de mltiples cmaras
en un nico modelo de una escena. En una aplicacin en tiempo real con procesadores separados para
realizar las operaciones de bajo nivel (segmentacin de movimiento y reconocimiento de objetos), y luego
compartir, a travs de una red de rea local, la informacin con otras partes del sistema de vigilancia. Otra
propuesta la presenta Sayles et al. [27], quienes describen el CAML (CAmera Markup Language), un
sistema de cmaras de red, que extrae el procesamiento de bajo nivel referido por el sistema de Boyd et al.
[24] para crear un servidor de informacin de video. Este sistema ofrece, a travs de conexiones de red,
una descripcin de funciones de la cmara, una secuencia de video y un flujo de documentos XML que
describen objetos detectados y sus trayectorias en coordenadas de la imagen. Para detectar el movimiento,
el sistema calcula el flujo de CAML por ptica de Lucas-Kanade [28], umbrala e identifica grandes
componentes conectados de pxeles en movimiento. El sistema est implementado en el lenguaje de
programacin Python, y hace uso de la librera de desempeo primitivo integrada por Intel [29] para
optimizar la velocidad de ejecucin.
As, Sayles et al. [27], presentaron su sistema de servidor CAML con una aplicacin cliente que combina
las trayectorias de la imagen y los datos de calibracin de la cmara (realizada por los servidores) para
calcular las trayectorias en un modelo tridimensional de una zona sometida a video-vigilancia. Sin
embargo, Boyd et al. [30] mejoran este sistema con innovaciones tales como que los servidores, los cuales
son dinmicamente configurables por determinados clientes, proporcionan la descripcin del objeto y su
trayectoria de manera separada, con comunicacin bidireccional, adems los clientes poseen nombres de
usuario y contraseas para solicitar informacin al servidor con lo cual se evitan conflictos de mando a
una misma cmara por diferentes clientes. Este sistema tiene ciertas similitudes con las nuevas cmaras
MPEG-7 [31] pues la informacin en los servidores tambin se maneja con metadatos a travs de
documentos XML para la comunicacin con el cliente.
Por otro lado, Imai et al. [20] proponen un sistema de seguridad para monitoreo con acceso remoto a
travs de internet operando a travs de plataformas como Open PLANET y Java que facilitan las
operacin de aplicaciones pensadas para telfonos celulares. Otra alternativa empleando estos
dispositivos, es la presentada por Lien et al. [32], donde emplean el software Microsoft MSN, el cual
permite mandar mensajes instantneos o mostrar el video en tiempo real al cliente, el cual puede iniciar
una sesin regular en MSN desde un equipo remoto o PDA y enviar comandos de texto simple como una
solicitud para monitorear las instalaciones.
Muchos sistemas como los anteriormente descritos, emplean tecnologas TCP/IP como protocolo de
transmisin y la arquitectura es en su mayora cliente/servidor (C/S), o navegador/servidor (B/S) si el
cliente es un PC. [33] An con la ventaja de alta velocidad de datos y la reutilizacin de software, esta
solucin no est disponible para todas las situaciones, debido a su diseo de hardware complicado y alto
consumo de energa [34]. Para eliminar estos inconvenientes, Yang et al. [35] proponen un sistema
basado en Linux con el protocolo de comunicacin Bluetooth con arquitectura cliente/servidor, pues,
exponen, que en comparacin con otras soluciones, ese protocolo tiene una menor tasa de datos, pero ms
~ 11~
fcil de implementar en hardware. Combinado con MPEG-4, que es una tecnologa de codificacin de
video efectiva, Bluetooth puede ser una valiosa exploracin en el sistema de video-vigilancia.
2.2.4
Sistemas de video-vigilancia avanzados
En los sistemas de video-vigilancia, existen algunos que realizan el seguimiento de objetos de inters, ya
sea con una nica cmara o con sistemas ms avanzados. En referencia al primer caso, Varcheie y
Bilodeau [36] realizaron un proyecto donde buscan identificar y reconocer objetos, as como detectar y
seguirlos, empleando una cmara con movimiento (PTZ) con comunicacin va Internet; este mtodo se
basa en la comparacin de muestras elpticas con el objetivo, evaluando la probabilidad de semejanza para
estimar la localizacin del objeto, a travs de un estudio difuso sobre las reas sin movimiento y con
movimiento, empleando el algoritmo de flujo ptico de Lucas Kanade. As mismo se realiza la prediccin
de posicin del objeto para ayudar al seguimiento. Este sistema tiene la peculiaridad que es necesario
tomar la muestra manualmente, lo que lo hace til para identificacin de personas previamente elegidas.
Otro sistema innovador es el propuesto por Chu-Sing et. Al [37], que adems de emplear algoritmos de
seguimiento para interiores, tambin adiciona la localizacin geogrfica de personas.
Existe otro sistema propuesto por Hsien-Chou y Wei-Yi [38], el cual propone un sistema de cmara dual,
empleando cmaras con movimiento PTZ para asemejar la identificacin y seguimiento de un objeto
como lo hacen las guilas, empleando la primer cmara para ver el panorama general y la otra para el
detalle en una misma rea.
2.3 Elementos de un sistema de video-vigilancia

Un Circuito Cerrado de Televisin (CCTV) es indispensable para el sistema de seguridad inteligente, los
cuales hoy en da son operados de forma manual en los centros de control [39]. En general los sistemas
digitales de video-vigilancia estn compuestos de tres mdulos:
Unidades de captura de video. Son un conjunto de cmaras digitales o analgicas con el apoyo de
un dispositivo codificador de video que es capaz de realizar la transicin analgico-digital. En
este mdulo se captura el video, comprime los datos en bruto y la codifica en un formato popular
estndar (MPEG, JPEG, H261, H263, entre otros).
Red transmisin. Proporciona el flujo de video codificado a travs de una red que puede ser de
rea local (LAN) o incluso de Internet.
Mdulo de control central. Puede visualizar y grabar cada canal de video. Tambin controla las
acciones de las cmaras mediante el envo de comandos de control
Por otro lado, dos tipos de datos fluyen entre los mdulos:
~ 12~
Control de datos. El transmisor de control y mando puede ser una computadora, un teclado de
control o una matriz de conmutacin. El destinatario puede ser una cmara IP PTZ (pan-tiltzoom), un conmutador de matriz, o un DVR.
Secuencia de video. El video digital requiere hasta 4 Mbps de ancho de banda de red.
El sistema propuesto por Hintermaier y Steinbach [40] presenta un sistema novedoso para aplicaciones de
asistencia al conductor con una cmara donde el funcionamiento ejemplifica la arquitectura general de un
sistema de video-vigilancia:
La ptica est determinada por el campo de aplicacin y caracterizada por el ngulo de abertura. La
conversin de una imagen ptica en una seal digital se realiza por un sensor de imagen. Las tcnicas de
compresin ms adecuadas a la perspectiva de hoy son el estndar de JPEG y H.264. Y por ltimo el
protocolo de red para esta aplicacin es IP / Ethernet.
2.3.1
Unidades de captura de video
Las cmaras de seguridad juegan un papel importante de los sistemas de video-vigilancia y varias
empresas han diseado y producido muchos tipos [20]. A continuacin se describe el manejo de algunas
de ellas:
a. Analgica
Los sistemas de video-vigilancia se comenzaron a desarrollar en la dcada de 1970, incorporando
formatos de video de tipo NTSC (Comisin Nacional del Sistema de Televisin) y PAL (Fase de Lnea
Alternada) obtenido de las cmaras analgicas convencionales que son conectadas por medio de un cable
coaxial, inicialmente a grabadoras de VHS y ms recientemente a grabadores de video digital, en una
estacin de monitoreo. Algunos sistemas analgicos tienen la desventaja de proporcionar el video en
blanco y negro, adems de mantener bajos niveles de calidad en las imgenes, con un pobre
procesamiento de la seal y la necesidad de grabar la informacin en una cinta, todo lo cual puede no ser
una prueba de delito en un tribunal de justicia.
b. Domo
Debido a la capacidad de pan-tilt-zoom (PTZ) para cubrir al mismo tiempo una zona panormica adems
de mantener imgenes de alta resolucin y con el fin de ampliar la gama de video-vigilancia, las
investigaciones en este tipo de sistemas automticos han empleado cmaras tipo domo, pero su
movimiento aumenta la dificultad de la segmentacin del objeto en movimiento para aplicaciones
avanzadas.
Segn Liu y Xiao [39], hay muchos algoritmos de reconocimiento en la video-vigilancia, pero los
primeros pasos de ellos son comunes: la segmentacin de objetos en movimiento. Ellos proponen un
algoritmo donde toman como referencia una imagen y despus procesan la informacin del movimiento
empatando las dems; esto se aplica para calcular la distancia el movimiento horizontal de la secuencia de
imgenes en escala de grises.
Chen et al. [35] presentan un interesante diseo para la manipulacin de mltiples domos a travs de
parmetros como los ngulos de pan, tilt y posiciones objetivo en x, y, z para el zoom, en el cual dividen
~ 13~
las fases de operacin en dos: la de adquisicin, cuyo propsito es recoger informacin deseada para
relacionar los parmetros; y la de montaje, que emplea un modelo de aproximacin polinomial unificado
entre los valores de giro (pan) e inclinacin (tilt) de las cmaras PTZ con parmetros intrnsecos
desconocidos y configuraciones del sistema en la escena.
c. Con Protocolo de Internet (IP)
La tecnologa de internet hace que la vigilancia por video sea mucho ms fcil de aplicar y ms rentable
que el cableado tradicional en los CCTV. Si bien hay varias ventajas de la tecnologa IP para sistemas de
video-vigilancia, los sistemas tambin estn expuestos a nuevas amenazas de seguridad, lo cual es un
factor crtico al hacer que estos sistemas sean prcticos y utilizables. [41]
Combinando cmaras tradicionales y la tecnologa de video en red, la cmara IP puede comprimir y
entregar los clips de video en directo a Internet sin utilizar una computadora para que el usuario pueda ver
de forma remota las reas protegidas. Por lo tanto, las cmaras IP son dispositivos clave de los sistemas de
vigilancia actuales. El rendimiento de las cmaras de vigilancia IP es generalmente evaluado en velocidad
de codificacin, resolucin de video, velocidades de transmisin de fotogramas y distorsin, disipacin de
potencia, entre otros. [42]
2.3.2
Sensores de movimiento
Existen dos tipos principales de sensores de imagen:
CMOS (Complementary Metal-Oxide-Semiconductor) es el ms empleado. Detecta miles de

imgenes por segundo. Posee un conjunto de elementos electrnicos para cada pxel, lo cual da la
posibilidad de elegir cierta rea de visin y con ello aumentar la velocidad. La principal
desventaja es que es difcil su uso en exteriores.
CCD (Charge-Coupled Device), es ms barato que el CMOS. Controla millones de pxeles y
proporciona una mejor calidad de imagen.
Una nueva propuesta surgi en 2004 [43] cuyo objetivo era ampliar las capacidades de los sistemas de
sensor de corriente y garantizar la seguridad de vulnerabilidades que de otro modo no se haban tratado.
Este tipo de sensor no slo detecta movimiento tridimensional de video, sino tambin proporcionan
informacin de alto nivel que no estaba disponible con otras tecnologas de sensores volumtricos, cuyos
datos de la evaluacin estn disponibles de manera inmediata al operador, lo que permite tomar decisiones
crticas en el momento oportuno. Este sistema emplea una red de sensores independientes que opera en
una plataforma PC. El inconveniente de esta innovacin es que si alguna parte del objeto bajo observacin
no es vista por dos cmaras al menos, entonces no es parte de la deteccin.
2.3.3
Manipulacin de las cmaras: zoom ptico y digital
Para entender el funcionamiento del zoom ptico es necesario conocer la base fsica de la fotografa: la luz
atraviesa una lente y concentra la informacin en una zona, donde se encuentra el sensor. En funcin de la
distancia que haya entre la lente y el sensor, la imagen resultante ser mayor o menor, a esto se le conoce
como distancia focal, a partir de la cual las fotos que obtenemos se ven aumentadas. La calidad de este
aumento se debe a la propia calidad de la lente y a la informacin que pueda recoger el sensor.
~ 14~
La intencin de emplear el zoom en una cmara de video es la obtencin de informacin visual ms

detallada que el punto de vista de fotograma completo. Los mecanismos de zoom ptico proporcionan esta
informacin adicional, sin embargo, cuando el zoom es ptico, la cmara deja de detectar el punto de vista
de fotograma completo. En aplicaciones tales como la video-vigilancia, es necesario detectar el punto de
vista de imagen mxima en todo momento, sin embargo, la cmara debe ser capaz de proporcionar
informacin visual adicional cuando se acerca a la regin de inters (ROI, por sus siglas en ingls). Los
lentes de zoom ptico son caros y difciles de mantener. La regin de conocimiento (ROA, por sus siglas
en ingls) [44] representa el campo que es constantemente monitoreado por la cmara.
Por lo general, la ROA se espera que sea rea mucho ms grande en comparacin con la ROI. Sin
embargo, con una cmara de zoom ptico, la ROA puede ser igual a la ROI.
Para supervisar estas reas de estudio es necesario tener un sistema para manipulacin PTZ.
Al emplear el zoom, el ROA se mantiene constante, mientras que el ROI es ajustada a la salida de video al
tamao del marco, en este caso, esta ampliacin puede un causar un desenfoque de video y el deterioro de
la calidad de imagen; en comparacin con la solucin de zoom ptico producido por algoritmos
avanzados, que producen la misma resolucin y calidad de imagen en todos los niveles de zoom. Un
mtodo para mejorar la resolucin de captura electrnica es el uso de un sensor de imagen de gran tamao
[44] o desplegar varias cmaras para capturar el ROA [43].
Un mtodo popular de zoom electrnico es producir el marco de color de la imagen completa de la ROA
total y seleccionar la ventana de la ROI para ajustarse al marco de salida. Sin embargo, este mtodo
incurre en clculos innecesarios en la reproduccin del color en las reas de la ROI y lleva a cabo la
ampliacin en el color interpolado del fotograma de video de entrada [45]. En los sistemas de un solo
sensor de imagen electrnica, el color de la escena se adquiere por el submuestreo en los planos de tres
colores para captar los datos de color de imgenes de forma simultnea para rojo, verde y componentes de
color azul. Por lo general esto se logra mediante un conjunto de filtros de color (CFA) en un conjunto de
sensores 2D. Un tipo de CFA llama el patrn de Bayer [45] se muestra en la Fig. 2.1:
Figura 2.1 Patrn de Bayer
2.3.4
Grabador de video digital
Un grabador de video digital (DVR, por sus siglas en ingls) emplea una unidad de disco duro para
almacenar video. Tiene varias ventajas sobre los grabadores antiguos, incluyendo una mayor fidelidad,
acceso aleatorio y la capacidad de grabar y reproducir simultneamente. Hasta hace poco, este sistema era
~ 15~
prohibitivamente caro; las reducciones de circuitos integrados y los costos de la unidad de disco han hecho
de ste un producto viable.
Los elementos fundamentales de un grabador de video digital son: [46]
Codificador.
Mtodo de compresin.
Formato de datos.
Procesador y sistema operativo para control.
Interconexin de componentes perifricos (PCI, por sus siglas en ingls).
Procesador de video.
Actualmente existen grabadores de video digital con funciones muy avanzadas de video anlisis, tales
como conteo de personas y objetos, intrusin y seguimiento, deteccin de objetos removidos y olvidados,
deteccin de multitudes y hasta deteccin de rostros. Adems proporciona otras funcionalidades tales
como notificacin de eventos por correo electrnico, acceso por un explorador de internet, control remoto
de parmetros y de cmaras y compatibilidad con telfonos celulares inteligentes.
2.4 Fundamentos de video

Una imagen fija es una distribucin espacial de la intensidad que es constante con respecto
a tiempo, donde la intensidad se entiende por una medida en un intervalo del espectro electromagntico de
la corriente de energa que se irradia desde la superficie. Por lo general se mide en Watts por metro
cuadrado.[47]
El video, por el contrario, es un patrn
con el tiempo, es decir, es una secuencia de imgenes.
espacial
de
la
intensidad
que
cambia
Existen algunos parmetros importantes para considerar en las seales de video que a continuacin se
enumeran:
Relacin de aspecto: es la relacin entre el ancho a la altura de un marco.

Resolucin vertical: es el nmero de lneas a escanear por marco.
Velocidad de marcos: es el nmero de fotogramas escaneados por segundo. El efecto de
movimiento suave se logra utilizando una velocidad de 25 a 30 marcos por segundo. Sin embargo,
con esta tasa, el ojo humano capta el parpadeo producido por la actualizacin de la pantalla entre
los marcos. Para evitar esto, la tasa de actualizacin de la pantalla debe estar por encima de 50 Hz.
La industria emplea diferentes combinaciones de parmetros de video. Por ejemplo, las computadoras
utilizan la exploracin progresiva, con una velocidad de fotogramas de 72 marcos por segundo. La
industria de la televisin utiliza de 25 o 30 marcos por segundo para mantener el movimiento suave.
~ 16~
2.4.1
Video analgico
El trmino de video analgico se refiere a la seal elctrica unidimensional que se obtiene con el muestreo
del patrn de intensidad de video en las coordenadas vertical y temporal y convirtindola en una
representacin elctrica. Este proceso se conoce como escaneo.[47]
La exploracin de la trama de comienza en la esquina superior izquierda y avanza en sentido horizontal
con una ligera pendiente vertical, a travs de la imagen, como se ve en la Fig. 2.2. Cuando se llega al
extremo derecho, regresa a la esquina superior izquierda para comenzar con una nueva lnea. Al llegar a la
esquina inferior derecha, un fotograma completo ha sido escaneado y la digitalizacin se ajusta a la
esquina superior izquierda para comenzar un nuevo marco.
Hay tres principales sistemas de video analgico, en la mayora de Europa occidental, el sistema PAL
625/50 se utiliza; en Rusia, Francia, oriente medio y Europa del este, el sistema 625/50 SECAM se
emplea; en Amrica del norte y Japn, el sistema de 525/60 NTSC se utiliza.
Figura 2.2
Escaneo en video analgico
2.4.2 Video digital

El video digital tiene las siguientes ventajas sobre el video analgico:
Facilidad de editar, mejorar y crear efectos especiales.

Conversin de software fcil de un estndar a otro.
Robustez al ruido y la facilidad de cifrado.
Facilidad de escalabilidad (espacial, temporal, o relacin seal-ruido, SNR, por sus siglas en
ingls). Esto facilita la prestacin del mismo servicio en una amplia gama de redes y plataformas
de hardware.
Interactividad.
Facilidad de bsqueda y recuperacin.
Para convertir el video analgico a digital es necesario realizar la digitalizacin, que consiste en el
filtrado, muestreo y cuantificacin: la operacin de filtrado se utiliza para limitar la banda de la seal de
~ 17~
entrada y acondicionarlo para la operacin de muestreo siguiente; la amplitud de la seal analgica filtrada
es luego muestreada en los instantes especficos para generar una seal discreta; la tasa mnima de
muestreo se conoce como la tasa de Nyquist y es igual a dos veces el ancho de banda de la seal. La
operacin de cuantificacin se utiliza para asignar esos valores en un conjunto finito de amplitudes
discretas que pueden ser representadas por un nmero finito de bits.
Cada tiempo discreto y amplitud discreta de la muestra es llamada un elemento de imagen y es
generalmente abreviado a una pel o un pxel. El video digital se compone de una secuencia de tales
marcos. Para video en color, las operaciones anteriores se repiten para cada componente, generalmente 3
bsicas de dos dimensiones (rojo, verde y azul).
2.4.3 Codificacin
La codificacin de video o compresin es una tecnologa clave para compactar la informacin contenida
en un video, de manera que se pueda almacenar y reproducir de una forma ms conveniente al uso y
transportacin de los datos. As, el objetivo de la codificacin de video es el de reducir el nmero de bits
utilizados, eliminando las redundancias presentes en la seal de video, las cuales son:
a) Estadstica: est presente porque ciertos patrones de datos son ms probables que otras. Esto se
debe principalmente a la alta resolucin espacial (intraframe) y temporal (interframe) que
correlaciona a los pxeles vecinos.
b) Psicovisual: se debe al hecho de que el sistema visual humano (HVS) es menos sensible a cierta
informacin visual que a otra.
c) De cdigo: esto ocurre cuando el video est codificado en una forma que usa ms smbolos de los
que son absolutamente necesarios.
Para realizar esta reduccin de bits son necesarios tres elementos indispensables que tiene el codificador:
a) El mapeador transforma los datos de entrada en bruto en una representacin que reduce los datos
ms susceptibles a la compresin en etapas posteriores. La transformacin es uno a uno y el
mapeo, por tanto, reversible.
b) El cuantificador reduce la precisin de la salida del mapeador, de acuerdo con algn criterio de
fidelidad, para reducir la redundancia psicovisual. Este es un mapeo de muchos a uno, por tanto,
irreversible.
c) El codificador de smbolos asigna un cdigo de acceso, una cadena de bits binarios de cada
smbolo en la salida del cuantificador. El cdigo disminuye la redundancia de codificacin. Esta
operacin es reversible.
Mapeador
Cuantificador
Figura 2.3
Smbolo del
Codificador
Elementos del codificador
En general, los mtodos de compresin se pueden clasificar en mtodos sin prdidas y con prdida. En los
primeros, la reconstruccin de datos es idntica a los datos originales. Esto significa que tales mtodos no
utilizan un cuantificador. En los mtodos con prdida, la reconstruccin no es idntica a los datos
~ 18~
originales debido a la cuantificacin del proceso. Tales mtodos son por lo tanto, irreversibles, y por lo
general logran una mayor compresin de los mtodos sin prdidas.
2.4.4 Color
Segn la teora tricromtica de la visin del color [48], ste se percibe a travs de tres tipos
de conos o foto receptores en el ojo. En consecuencia, un video en color puede ser producido por la
superposicin de tres seales. Cada seal representa uno de los tres colores primarios: rojo, verde y azul
(RGB, por sus siglas en ingls), que es un sistema de color aditivo. Esto significa que cuando todas las
componentes primarias son aadidas en cantidades mximas iguales, el color blanco es percibido.
Los sistemas de video normalmente convierten esta representacin RGB a un espacio de color diferente de
la luminancia (que est estrechamente relacionada con la percepcin de la luminosidad) y crominancia
(que se relaciona con la percepcin de la tonalidad de color y saturacin). Esta representacin tiene dos
propsitos. En primer lugar, la luminosidad asegura la compatibilidad con video monocromo. En segundo
lugar, esta representacin se presta ms fcilmente a la compresin de video.
Hay tres principales sistemas de codificacin de color: PAL (Phase Alternation Line), SECAM
(SEquential Couleur Avec Memoire) and NTSC (National Television System Committee). Se diferencian
principalmente en la forma de calcular los componentes de luminancia y crominancia de los
componentes RGB.
2.4.5
Formatos de video
Los datos de compresin y descompresin han sido desde hace mucho tiempo la respuesta a las
preocupaciones de seguridad y autenticacin. En los ltimos aos, varios algoritmos y tcnicas se han
utilizado para asegurar las comunicaciones de datos. [49]
Los estndares internacionales permiten que las imgenes y video puedan ser procesados en diferentes
plataformas de hardware, ser almacenadas y ser transmitidas en redes de comunicacin. Esta
interoperabilidad abre un gran mercado para equipos de video y al mismo tiempo ofrece a los
consumidores una amplia gama de servicios.
A continuacin se describe brevemente el formato de video comercial ms empleado en la actualidad: [47]
[48]
~ 19~
Tabla 2.1
ESTNDAR
MPEG-4
FECHA DE
CREACIN Y
DESARROLLADOR
1993, ISO/IEC
JTC1/SC29/WG11
MPEG
Caractersticas de formatos de video MPGE-4
APLICACIONES
Empleado en
comunicaciones,
informtica y
entretenimiento
(TV/cine)
SUBTIPOS,
SEMEJANZAS
CON OTROS
ESTNDARES
TCNICAS DE
PROCESAMIENTO
Agrega
contenido intera
ctividad, la
compresin y el
acceso universal
Utiliza un modelo de
representacin basado
en objetos, en donde se
representa una escena,
codificada, y
manipulada como objeto
s audiovisuales
individuales
2.5 Seguridad
El enfoque desarrollado para resguardar la seguridad en la construccin y automatizacin de los sistemas
en las edificaciones (BACS, por sus siglas en ingls) trata de armonizar dos enfoques distintos sobre la
seguridad, para reducir el riesgo en las construcciones. [50] Aunque en espaol la palabra seguridad tiene
un uso general, en el idioma ingls pueden verse ms claramente las dos variantes: security y safety.
Safety, est definido bajo la norma IEC 61508 y se refiere a la proteccin de las personas, entendiendo
esto como procurar la ausencia de riesgos inaceptables de dao fsico o dao a la salud de las personas
[50], teniendo presente que este concepto atiende a la idea sobre si en un lugar los habitantes estn seguros
o no.
Por otro lado, Security, esta normalizado por el proyecto de Criterio Comn (CC) desarrollado en Estados
Unidos en 1993, especficamente dentro de ISO/IEC 15408 y trata sobre la proteccin al abuso de los
recursos y la informacin [51], as como buscar patrones de eventos delictivos previamente planeados a
travs de procedimientos para encontrar pruebas y preservarlas.
En relacin con lo anterior, la domtica busca mantener la seguridad integrando tres campos
normalmente estn controlados por sistemas distintos: [1]
Seguridad de las personas (safety)
1. Teleasistencia y telemedicina para las personas mayores, enfermos o discapacitados.
2. Acceso a los servicios de vigilancia sanitaria, polica, etc.
Incidencia y averas (safety)
1. La deteccin y control de todo tipo de averas de agua, gas, etc.
2. Deteccin de incendios y alarmas
3. Detectar averas en los accesos, en los ascensores, o cualquier otro sistema.
~ 20~
que
Seguridad de los bienes (security)

1.
2.
3.
4.
5.
Gestin del control de acceso con reconocimiento o identificacin de los usuarios.

Control de presencia y deteccin de intrusismo y de la posterior persuasin.
Deteccin de rotura de cristales y forzado de puertas.
Simulacin de presencia, memorizando acciones cotidianas para su repeticin.
Video-vigilancia a travs de cmaras
2.6 Configuracin de sistemas comerciales

Usar una IP esttica en una red tipo LAN/WAN, requiere de altos gastos de administracin de la red y
costos para los usuarios. Por tanto, los sistemas comerciales soportan direcciones IP dinmicas, para redes
usando DHCP (Dynamic Host Configuration Protocol). Esto reduce los gastos para los usuarios y costos
de los sistemas. [52]
Los sistemas comerciales de video-vigilancia estn conformados, en general, por:
Grabador de video, que entre otras caractersticas, posee entradas para una o ms cmaras de
video, salida de video para monitor, codificacin de diversos formatos de video, modos de
grabacin (por evento y/o por tiempo) y conexiones para alarmas.
Software de usuario.
Servidor de sistema.
El proceso de operacin de estos sistemas para monitoreo remoto es el siguiente:

1. Se registra el nombre de la unidad y la direccin IP del grabador en el servidor.
2. En el software de usuario, se busca la direccin IP con que fue registrado el grabador de video
para comunicarse con el servidor.
3. El servidor notifica al software de usuario que la direccin IP es vlida y se ha dado de alta.
4. Se conecta el grabador de video usando la direccin IP a travs del software de usuario para
entablar comunicacin continua con el servidor.
Para direcciones dinmicas, es necesario realizar los pasos b) al d) cada vez que se conecte el grabador de
video, con la finalidad de tener siempre una comunicacin exitosa.
~ 21~
Paso 4
DVR
SOFTWARE DE
VIDEOVIGILANCIA
Paso 2
Paso 1
Paso 3
SERVIDOR DVRNS
Figura 2.3 Configuracin de un sistema de video-vigilancia comercial
2.7 Conclusiones
La domtica es un conjunto de sistemas y tcnicas que buscan satisfacer tres objetivos principales:
mejorar el confort, emplear de manera eficiente la energa y mejorar la seguridad. Es precisamente en este
ltimo punto donde existe una herramienta que ha tenido auge en la ltima dcada: la video-vigilancia;
sta busca desestimular a los intrusos y detectar sospechosos antes de que ocurran los eventos, as como
proporcionar pruebas sobre abusos o delitos con imgenes y video.
El equipo que integra este tipo de sistemas se define de acuerdo al diseo o requerimientos que se deseen
cubrir. Sin embargo, bsicamente se deben considerar las unidades de captura de video, conociendo el
tipo de sensor de deteccin, la red de transmisin y el modulo de control central que almacena la
informacin no siempre valiosa, pues los sistemas comerciales de video-vigilancia de bajas y medias
prestaciones no realizan operaciones inteligentes tales como el procesamiento de video o la comunicacin
intercmara.
Debido a lo anterior, se han desarrollado algoritmos para el procesamiento cuadro por cuadro en un video
para desarrollar tareas ms complejas. Entre los sistemas de este tipo, destacan los llamados sistemas de
cmaras dual, donde se combinan distintos tipos de cmaras que tienen una interelacin para detectar,
localizar y tomar una imagen final con ms detalle del objeto de inters.
~ 22~
CAPTULO 3. MARCO TERICO

En este captulo se definirn los trminos importantes para el presente trabajo, as como la justificacin
sobre su empleo para el desarrollo de la aplicacin.
3.1 Comunicacin entre dispositivos

La comunicacin es un conjunto de mtodos que buscan compartir informacin entre dispositivos. Sin
embargo, no es suficiente que los equipos hablen el mismo lenguaje, tambin es necesario que las
aplicaciones posean cierta estructura.
Para que una aplicacin computacional est bien organizada, se tienen tres niveles de desarrollo, lo que
permite maximizar el reuso del cdigo; el tiempo de mantenimiento y modificacin es minimizado; y el
cdigo gana abstraccin. Estas capas son: [53]
Principal: proporciona las funciones de interfaz de usuario y prueba la ejecucin de las

aplicaciones.
Lgico: este nivel es llamado por el principal; contiene la parte de prueba y medidas de
subrutinas.
De controlador: este nivel entabla las comunicaciones necesarias para que los instrumentos y
dispositivos sean usados. Los controladores pueden ser clasificados en: los empleados para
medicin; los de configuracin; y los controladores de estado que verifican el estado de un
instrumento por medio de la lectura de sus registros.
Cuando la comunicacin con un dispositivo externo o programa se est realizando, las operaciones de
entrada y salida se ejecutan en el nivel lgico o inclusive en el nivel principal, en lugar de utilizar un
controlador.
3.1.1
Comunicacin serial como estndar
Como se dijo en la seccin anterior, los controladores o drivers, como son comnmente conocidos, se
emplean para mejorar la legibilidad, reutilizar el cdigo y mejorar la velocidad de la aplicacin. El
propsito principal de un controlador es abstraer el cdigo de bajo nivel.
Actualmente, hay muchas maneras de entablar comunicacin entre dispositivos. La comunicacin serial es
una de las ms empleadas. Una de sus ventajas con respecto a otros mtodos es su disponibilidad, pues
casi todas las computadoras poseen un puerto serial. Otro beneficio es la habilidad que presenta al
controlar dispositivos a grandes distancias.
Existen muchos equipos que emplean la comunicacin serial incluyendo RS-232C y RS-422A que
soportan la llamada comunicacin full duplex, como se ve en la fig. 3.1 (a). Mientras que en la fig. 3.1 (b)
se observa el formato de rs-485 que trabaja bajo la comunicacin half duplex. La primera tiene muchas
ventajas sobre la segunda, sin embargo, debido a las propiedades elctricas, la distancia de comunicacin
para RS-232C es solo de 15 m, en cambio, para RS-485 alcanza los 1200 m. As, tanto el RS-422A, como
RS-485 tienen casi las mismas propiedades elctricas, con dos extremos TXD y RXD. [54]
~ 23~
TXD
RXD
RXD
TXD
(a) RS-485
TXD
RXD
RXD
TXD
(b) RS-422A
Figura 3.1
Comunicacin serial
Adems de lo anterior, otras ventajas de emplear RS-485 son las siguientes:
Estable a interferencias (anti-jamming).

Amplio uso industrial.
Emplea el mismo cableado para conectar dos dispositivos.
3.1.2
Comunicacin serial en LabVIEW: VISA
Para tener comunicaciones exitosas entre el puerto serial y un dispositivo, la configuracin en ambos debe
ser igual, de manera que todos los parmetros sean correspondientes; stos son:
Tamao del buffer.

Nmero de puerto.
Velocidad de transmisin.
Nmero de bits de datos.
Nmero de bits de paro.
Datos de paridad.
Control de flujo de datos.
Desde la versin LabVIEW 7, la comunicacin serial tradicional fue cambiada por el conjunto de
herramientas llamadas VISA (Virtual Instrument Software Architecture); es una API para entablar
comunicacin con instrumentos de entrada y salida.
Una de las ventajas ms notables de VISA es que es una plataforma independiente, pero esto no quiere
decir que existan problemas con otras aplicaciones, pues VISA realiza las conversiones pertinentes. Es
importante recordar que en la comunicacin serial es necesario que, una vez que se termina la
comunicacin, el puerto sea liberado, pues no se podr utilizar nuevamente hasta que LabVIEW sea
cerrado completamente.
~ 24~
Adems de VISA, otra variante en la comunicacin serial ha sido ampliamente usada USB (Universal
Serial Bus), que permite conectar dispositivos en un puerto comn, y proporciona la habilidad de sustituir
los elementos sin necesidad de detener o alterar la operacin normal de la computadora donde se
encuentran; adems de poder conectar ms de un elemento USB al mismo puerto gracias a los
concentradores. [53] USB permite una velocidad de transferencia de 1.5 Mbps a 5 Gbps.
3.1.3
Comunicacin por TCP/IP
Hay tres principales protocolos de comunicacin a travs de redes: Protocolo de Control de Transmisin
(TCP), Protocolo de Internet (IP) y Protocolo de Datagramas de Usuario (UDP). TCP est encima de la
capa de IP; divide los datos en paquetes para enviar a IP. TCP tambin realiza la comprobacin de los
datos para asegurar que los datos lleguen a su destino de forma completa. Los datos TCP/IP constan de 20
bytes de informacin de IP, seguido de 20 bytes de informacin de TCP y finalmente los datos que se
envan.
Cada computadora en una red IP tiene una direccin de Internet exclusiva. Esta direccin es un nmero
entero de 32 bits que se divide en cuatro enteros de 8 bits separados por puntos decimales. El Servicio de
Nombres de Dominio (DNS) del sistema es una base de datos de las direcciones IP asociadas cada una a
nombres nicos.
Hay una serie de estndares que utilizan TCP/IP que se puede implementar utilizando LabVIEW. Por
ejemplo, SMTP se utiliza para aplicaciones de correo.[53]
En cuanto a operacin, al igual que en la comunicacin serial, es necesario cerrar la sesin TCP, pues de
otra forma ninguna otra aplicacin podr entablar contacto por este medio.
3.2 Procesamiento de imgenes

Las imgenes que han sido adquiridas por las unidades de captura no tienen el formato y caractersticas
adecuadas para analizarlas, por lo que es necesario tratarlas de manera adecuada, a esto se le conoce
como procesamiento.
Por convencin, la referencia espacial del pxel con coordenadas ( ) est localizada en la esquina
superior izquierda, por tanto el incremento en horizontal es a la derecha y el vertical hacia abajo como se
) es un pxel de la imagen digital.[55]
observa en la Fig. 3.2, donde (
Figura 3.2
Referencia de pxel
~ 25~
3.2.1
Conectividad
El procesamiento de imgenes altera el valor de cada pxel y de su vecindario en el fotograma; a esto se le

conoce como Conectividad.
Los arreglos de Conectividad ms usados son 4 y 8, aunque tambin existen algunas ocasiones en que se
emplea la configuracin 6-Conectado. A continuacin la explicacin de cada uno. Considrese una
imagen como la vista en la Fig. 3.3. [53]
00
10
20
30
40
01
11
21
31
41
02
12
22
32
42
03
13
23
33
43
04
14
24
34
44
Figura 3.3 Pxeles de una imagen
4-Conectado
Se refiere a la rutina de procesamiento de imgenes en forma cardinal. Supngase que el pxel
actual es el nmero 22, para analizar su vecindario, se toman los pxeles 12, 21, 23 y 32 como se
muestra a continuacin:
00
10
20
30
40
01
11
21
31
41
02
12
22
32
42
03
13
23
33
43
04
14
24
34
44
Figura 3.4 4-Conectado
6-Conectado
Representa una conectividad hexagonal, que se puede ver ms fcilmente si se traslapa media
posicin alternadamente las filas de pxeles, de manera que el procesamiento es como sigue:
00
01
10
20
11
21
30
40
02
14
24
23
33
32
42
04
13
12
22
31
41
03
43
34
44
~ 26~
8-Conectado
Es la conectividad ms usada. Se realiza el procesamiento en el vecindario del pxel actual de
manera cardinal y subcardinal. De manera que el vecindario se ve en la Fig. 3.6.
00
10
20
30
40
01
11
21
31
41
02
12
22
32
42
03
13
23
33
43
04
14
24
34
44
3.2.2
Regiones de inters
Tambin llamadas subimagen, una ROI (Region of Interest) es una estructura de pxeles que permite la
definicin solo de un rea de la imagen dada, siendo sta un marcador de posicin que recuerda una
ubicacin dentro de una imagen, para realizar el procesamiento y anlisis.[53] [55]
Las propiedades de una ROI son:
Puede tener forma irregular, no necesariamente rectangular o cuadrada; inclusive rotada.

Al tener varias ROI de una misma imagen, se pueden procesar por separado, evitando hacer
clculos para todo el marco y perder eficiencia computacional.
Se pueden modificar las ROI dinmicamente durante la ejecucin.
En la Fig. 3.7 se muestra una imagen que contiene diversas formas de regiones de inters.
Figura 3.7 Imagen con regiones de inters
3.2.3
Histograma
Un histograma es una herramienta muy til para determinar e interpretar de forma objetiva las
caractersticas de una imagen, tales como fondo, objetos y ruido, sin necesidad de observarla en forma
directa. La definicin formal es:
El trazado de frecuencias en que se repite cada uno de los niveles de grises de una imagen. En el eje se
(
)) de la imagen, mientras que en el eje se coloca
coloca cada uno de los niveles de grises (
la frecuencia de aparicin ( ) de cada uno de estos niveles. [56]
Se pueden detectar fundamentalmente dos criterios a partir del histograma:
~ 27~
Saturacin. Demasiada luz causa una sobre exposicin del sensor. Imgenes con saturacin no
contienen toda la informacin que se requiere para inspeccionar la escena que se observa, de
hecho, tienen muchos pxeles con valores muy bajos de la escala de grises; esto aparece como un
pico en extremo izquierdo del histograma. [55]
Bajo contraste. Este es un problema muy comn que se presenta en el anlisis de imgenes. En la
seccin 3.5 se plantean procedimientos para mejorar las condiciones de luz.
En la Fig. 3.1 (b) se muestra el histograma ( ) de la imagen de Fig. 3.1 (b):
(a)
(b)
Figura 3.8 Imagen e histograma
3.2.4
Umbralado como herramienta de segmentacin.
La segmentacin es una de las etapas cruciales de cualquier sistema de anlisis de imgenes, tanto por las
dificultades que conlleva como por la importancia de sus resultados. El objetivo fundamental de esta
operacin es el de separar los objetos de inters del resto no relevante el cual es considerado como fondo.
[56]
Realizar la segmentacin no es una tarea trivial; su uso depende del problema a resolver y de la imagen de
entrada. Es por esta razn que se han originado diferentes tcnicas de segmentacin; uno de los ms
antiguos y clsicos es el mtodo basado en el umbralado a partir del histograma de la imagen, el cual
busca transformar una imagen en escala de grises o color a binaria.
El umbralado bsico corresponde a la siguiente definicin:
) las coordenadas espaciales de una imagen y sea
Dado un conjunto
de nmeros naturales sean (
{
} un conjunto de nmeros positivos que representan los niveles de grises de cada pxel
(
), donde es el nmero de bits. Entonces se puede definitir una funcin de imagen como
{
} un par de niveles de gris binarios (
). El
. Sea
un umbral y sea
resultado de segmentar una funcin de imagen respecto a un umbral es la funcin como se representa a
continuacin:
(
~ 28~
(
(
)
)
Ec. 3.1 Umbralado
As, se tienen dos clases, donde cada uno corresponde al fondo y al objeto de inters respectivamente. En
este caso se dice que la imagen ha quedado binarizada. El xito de este mtodo depende de la distribucin
de los niveles de gris de la imagen y, por tanto de la forma del histograma.
3.2.5
La resta de imgenes como operador matemtico bsico
Los operadores matemticos bsicos ejecutan clculos pxel por pxel con los valores de intensidad de
cada uno a lo largo de la imagen fuente y una funcin en dos modos: con otra imagen, restando las
intensidades entre ellas; o solo con la imagen fuente y una constante.
Existen distintas operaciones aritmticas entre imgenes, tales como la suma, la multiplicacin, la
divisin, el mdulo y la resta. Adems otras lgicas como AND, OR y XOR, entre otras.
Especficamente, la resta es calculada entre matrices, de modo que:[53]
(
Ec. 3.2
Resta entre imgenes
Es importante recordar que si se trata de imgenes en escala de grises, la operacin solo se realiza en el
nico canal de color; adems, si el resultado es un nmero negativo, simplemente se pondr con una
intensidad igual a cero (negro) en dicho pxel. Sin embargo, si se trata de cualquier otra configuracin,
ser necesario hacer la resta por componente, es decir, si se trabaja en RGB, se tendr que hacer la resta en
tercera dimensin. Indiscutiblemente esto representa mayor dificultad en los clculos.
Las Fig. 3.9 y 3.10 muestran las imgenes fuente para calcular la resta:
Figura 3.9 Imagen A
Figura 3.10 Imagen B
La imagen A contiene mayor informacin que la imagen B, de manera que lo que se busca con ello es
aislar el objeto que ha entrado en escena, despreciando todo el fondo y objetos ya existentes. De esta
forma se tiene La Fig. 3.11 muestra la imagen resultante al aplicar la resta.
~ 29~
Figura 3.11 Imagen destino
3.2.6
Morfologa matemtica
La morfologa matemtica se refiere a la alteracin de una imagen usando rutinas computacionales.[53]

Es un marco terico muy poderoso para el procesamiento digital no lineal de imgenes, cuando stas
presentan ruido u objetos con orificios, efectos que no son deseables en las aplicaciones de visin.
Las operaciones morfolgicas estn basadas en la modificacin del PUI (por sus siglas en ingls, pxel
bajo inspeccin) con respecto a su vecindario. Posee dos operaciones fundamentales, la erosin y la
dilatacin. A partir de stas, se derivan las dems. A continuacin la demostracin matemtica tomada de
la fuente [56].
El conjunto
es conocido como elemento de estructura, pues define la forma en que la erosin o
dilatacin operar.
(
Sea
) un conjunto arbitrario. El conjunto traspuesto , denotado como es el conjunto:

}
Ec. 3.3
Adems, considrese que para cualquier

el conjunto:
{
Conjunto transpuesto de B
, la traslacin de , denotada como
por el vector , es
Ec. 3.4 Traslacin de B por el vector a
La dilatacin de por es el conjunto de los puntos en

tal que la interseccin entre y
es no
vaca. Se refiere a la expansin de un objeto para aumentar su tamao, rellenar huecos y conectar pxeles
vecinos.[53] El conjunto resultante se denota por:
Ec. 3.5
En la Fig. 3.12 se muestra la operacin de dilatacin.[53]
~ 30~
Expresin matemtica de dilatacin
PUI
(a) Imagen
(b) B
Figura 3.12 Dilatacin
(c) Resultado
La erosin desgasta los bordes de la imagen, disminuyendo su tamao y abriendo agujeros en el objeto.
Se define de forma similar a la dilatacin, como se expresa a continuacin
Ec. 3.6
Expresin matemtica de erosin
En la Fig. 3.13 se muestra la operacin de erosin.[53]
PUI
(a) Imagen
(b) B
Figura 3.13 Erosin
(c) Resultado
Estas operaciones son duales, lo que quiere decir que se complementa una a la otra, es decir:
Ec. 3.7 Dualidad erosin-dilatacin
~ 31~
3.2.7
Deteccin de bordes
Un eje en una imagen es generalmente definida como una caracterstica del objeto con alto contraste; si la
intensidad de una imagen cambia drsticamente dentro de un intervalo pequeo, entonces se puede
considerar como un borde. [53]
La inspeccin se realiza analizando la intensidad de gris de un conjunto de pxeles que se encuentran
dentro de una ROI, que puede ser una lnea o las aristas de cualquier figura geomtrica.
En la Fig. 3.14 se muestra la grfica que define el borde.
Figura 3.14 Deteccin de bordes
Donde:
1. Perfil de la escala de grises.
2. Distancia de evaluacin de pixeles dentro de la ROI para detectar cambios en la escala de grises.
3. Contraste de la imagen. Diferencia entre el nivel de gris del fondo y del objeto. Para mejores
resultados, este intervalo debe ser pronunciado, de lo contrario podran ocurrir errores en la
deteccin.
) donde se detect el borde.
4. Punto de evaluacin (
Existe otro concepto importante, que es la polaridad. ste se refiere a la direccin del cambio de
iluminacin. Para el punto (
) la polaridad es positiva pues el flanco ascendente se caracteriza por
un aumento de la escala de grises valores a medida que cruzan el borde, a diferencia de la polaridad
negativa donde ocurre lo contrario. Este parmetro est vinculado con la direccin de bsqueda.
3.3 Anlisis de partculas

El anlisis de partculas se emplea para detectar las regiones conectadas de una imagen y luego hacer
mediciones seleccionadas de esos grupos de pxeles. Estas regiones se denominan comnmente como
partculas, por tanto son porciones de imagen contiguas de pxeles distintos de cero.
~ 32~
El analizar las imgenes segmentando partculas, da la posibilidad de extraer solo las porciones que son
significativas. Tambin es til filtrar las partculas que no cumplen con ciertos parmetros preestablecidos,
de esta forma se realiza la eleccin de material til.
Un proceso de anlisis de partculas tpico se describe en la Fig. 3.15, donde primero se debe crear una
imagen binaria mediante un proceso de umbralado. A continuacin, puede mejorar la imagen binaria
utilizando transformaciones morfolgicas por ejemplo, la dilatacin y erosin. Otra actividad importante
es el filtrado, que busca eliminar espurios que provocan ruido en la imagen. Despus se explora toda la
imagen para detectar las partculas. Se hacen mediciones sobre las partculas en la imagen. Finalmente se
construye un informe detallado sobre cada partcula, para su posterior uso en el procesamiento de
imgenes. [55]
(a) Umbralado
(b) Dilatacin
(c) Erosionado
(d) Filtrado
Figura 3.15 Anlisis de partculas
3.4 Mejoramiento de las condiciones en las imgenes

El objetivo fundamental del mejoramiento digital de imgenes es destacar informacin acerca de un objeto
no claramente observable en la imagen original. [56] Los aspectos ms importantes son:
Mejorar el contraste
Eliminacin o atenuacin del ruido.
Calibracin entre imgenes cuya fuente es distinta.
Las operaciones a realizar en el mejoramiento digital de imgenes se pueden enmarcar en tres grupos:
Operaciones puntuales: su resultado depende nicamente del valor del pxel de entrada en una
posicin dada.
~ 33~
Operaciones locales: depende tanto del valor del pxel de entrada, como de los valores de los
pxeles de su vecindad.
Operaciones globales: cuando un punto de la imagen de salida depende en gran parte de los
valores de los pxeles de la imagen de entrada.
3.4.1
Ajuste de histograma
El uso de operaciones puntuales tiene muchas ventajas, entre las cuales se encuentran alcanzar una alta
velocidad en su ejecucin y expresiones matemticas ms sencillas. El ajuste del histograma es una de las
operaciones puntuales ms conocidas para mejorar el contraste, donde su aumento es un paso previo a
llevar a cabo procedimientos ms complejos. [56]
Para realizar el ajuste de histograma es necesario calcular el histograma acumulativo de una imagen, que
es la suma de todas las frecuencias de los niveles de gris en el histograma original ( ) de la imagen en la
resolucin de bits de la imagen.
()
Ec. 3.8 Histograma acumulativo de una imagen
) es el valor de un pxel con sus coordenadas y ( (

)) el histograma de la imagen de
Si (
entrada, se tiene una transformacin , cuya funcin es montona, que se aplica a esa imagen, entonces el
valor del pxel de salida est dado por:
(
( (
))
Ec. 3.9 Pxel de salida despus de transformacin
Esto origina un nuevo histograma
3.4.2
( (
)) .
Reajuste de los niveles de gris
Cuando los objetos aparecen concentrados solo en una parte de la escala de los
niveles de gris, se
pueden tener problemas al realizar ciertas transformaciones. El nivel del fondo ( ) puede ser fijado a
cero y el valor de gris de uno de los objetos ( ) se fija en el mximo de la escala, el intervalo entre
y
puede ser reajustado linealmente entre valores de nivel de gris de todo el histograma.
El procedimiento propuesto en [56] busca elevar el contraste por medio de la siguiente ecuacin:
( (
(
)
{
~ 34~
)(
(
(
(
)
)
)
Ec. 3.10 Transformacin de la escala de niveles

de gris
Donde (
) es la imagen transformada y
coordenadas dadas.
3.4.3
) el valor de gris de la imagen orginal en las
Filtrado espacial
Los mtodos de realce de imgenes se dividen en dos categoras: los mtodos de realce en el dominio
espacial, que manipulan directamente los pxeles de la imagen; y los mtodos de realce en el dominio de la
frecuencia, que corresponden a tcnicas basadas en la representacin de los pxeles, a travs de una
transformacin haca el dominio frecuencial.
En general, los filtros se dividen en lineales (tambin llamados convolucin) y los no lineales; su
operacin se basa en alterar el valor de los pxeles con respecto a variaciones de intensidad de luz en su
vecindario, el cual est definido por una matriz, donde del pxel central se modificar su nivel de gris. Los
filtros espaciales se dividen en dos categoras: [55]
El filtro pasa baja atena las variaciones de la intensidad de luz, tienen adems, la tendencia a
eliminar detalles y contornos borrosos.
El filtro pasa alto enfatiza las variaciones de intensidad en una imagen, detecta bordes, elimina
ruido y mejora detalles finos de una imagen.
3.4.4
Especificacin del histograma
Si se desea ajustar una imagen por medio del histograma de otra imagen para tener una distribucin
semejante y as ajustar el brillo, se necesita definir funciones de densidad de probabilidad ( ), que puede
estimarse de la imagen de entrada y ( ) que es la funcin de densidad de probabilidad especificada,
considerndose ambas continuas; donde es el nivel de gris y la imagen procesada. [57]
Si se toma como base la expresin para linealizar un histograma (ecualizacin), se tiene que:
( )
( )
Adems si la variable
( )
Ec. 3.11 Transformacin de ecualizacin para r
se define de la siguiente forma:
( )
Ec. 3.12 Transformacin de ecualizacin para z
Para igualar los histogramas, es necesario que tenga la forma ( )

condicin:
( )
[ ( )]
( ), entonces
debe satisfacer la
Ec. 3. 13 Especificacin del histograma
~ 35~
Una vez que se tiene definida , se aplica esa transformacin a todos los pxeles de la imagen. El resultado
de este procedimiento es una imagen cuyos niveles de gris
tendrn la funcin de densidad de
probabilidad especicada, ( ).
3.5 Bsqueda de patrones

El reconocimiento de objetos es una de las actividades ms importantes y complejas del anlisis de
imgenes. Despus de la segmentacin, la porcin extrada ser la imagen de entrada, con la finalidad de
obtener una serie de parmetros descriptores que facilitarn la tarea de buscar, detectar y reconocer
patrones; de esta forma, se pueden emplear tambin clasificadores, que cataloguen la informacin en un
conjunto de hiptesis indicando al usuario qu objetos se pueden encontrar en la imagen de prueba.[58]
La bsqueda de patrones tiene tres usos:[55]
1. Alineacin: determina la posicin y orientacin de un objeto.
2. Medicin: localiza el objeto y mide ciertas caractersticas predefinidas.
3. Inspeccin: detecta fallas y presencia/ausencia de objetos.
Para comenzar la bsqueda, se requiere definir el objeto que se desea encontrar; se trata de una imagen
que es llamada plantilla, as como una lista de grados de libertad permitidos y una rutina de bsqueda en el
fotograma deseado.
3.5.1
Plantilla
La plantilla requiere tener un buen nivel de contraste. En Lab VIEW, el algoritmo que ms adelante se
explicar no se limita a buscar las coincidencias exactas en los niveles de gris de las imgenes, por lo que
puede encontrar objetos bajo diferentes condiciones de luz, ya que la informacin de fondo es un auxiliar
en la deteccin. [53]
Generalmente, esta plantilla es tomada como una ROI de la misma imagen donde se desean encontrar
todos los objetos de ese tipo. Sin embargo, existen otras formas; una de ellas es que el usuario de la
aplicacin proporcione la plantilla desde una fuente externa, es decir, otro programa con la que se guarde
la porcin de imagen que se desea buscar, aunque la informacin adicional valiosa podra perderse. Otra
opcin es encontrar la plantilla en un imagen y buscar el patrn en otra, en cuyo caso se debern
considerar opciones de nivelacin de contraste y brillo interimagen para hacer equivalentes las imgenes y
que el algoritmo pueda funcionar adecuadamente.
Otro punto importante es elegir una imagen que tenga un fondo significativo, de manera contraria podra
causar ruido y la bsqueda no sera exitosa.
Figura 3.16 Plantilla para bsqueda de patrones
~ 36~
3.5.2
La bsqueda
Para encontrar la plantilla en la imagen se requiere poner en prctica un algoritmo que sea capaz de
hallarlo de manera eficiente y bajo ciertas caractersticas que el usuario determinar, tales como si el
objeto sufre cambios en escala y/o rotacin.
El algoritmo base para la bsqueda del patrn es la correlacin cruzada normalizada, sin embargo ste
tiene algunas desventajas, pues debido a que su operacin se trata de una serie de operaciones de
multiplicacin, el proceso puede consumir mucho tiempo. Para atacar ese problema se han desarrollado
tecnologas que realizan los clculos de manera paralela. Otra solucin que se ha probado es reducir el
tamao de la imagen y restringir la regin de la imagen en la que la coincidencia se produce.
Correlacin cruzada normalizada
En esta parte del algoritmo, la plantilla se coloca sobre la imagen buscando la mayor coincidencia a travs
de multiplicaciones pxel a pxel, despus todos esos resultados se suman para producir un valor de
correlacin simple. Ver Fig. 3.17
Figura 3.17 Correlacin cruzada normalizada
Donde:
x
y
M
N
K
L
j
i
(
(
)
)
Desplazamiento horizontal
Desplazamiento vertical
Tamao horizontal de imagen
Tamao vertical de imagen
Tamao horizontal de plantilla
Tamao vertical de plantilla
Coordenada horizontal
Coordenada vertical
Imagen
Plantilla
~ 37~
La plantilla se mueve entonces una casilla y el proceso se repite formando una matriz:
(
) (
Ec. 3.14 Matriz de Correlacin
Finalmente se elije el valor mximo y as localizar el grupo de pxeles donde existe la mayor probabilidad
de encontrar el objeto buscado. Sin embargo, este mtodo es sensible a los cambios de amplitud de la
imagen y de la plantilla, por lo que es necesario calcular el coeficiente de correlacin normalizado como
se muestra en la Ec. 3.15.
(
( (
( (
)
) ( (
) [
)
( (
))
)
)) ]
Ec. 3.15 Coeficiente de

correlacin
Uno de los defectos ms grandes de correlacin cruzada es su incapacidad para que coincida con los
objetos de una imagen de origen que son o bien de un tamao diferente a la plantilla, o han sido rotados.
Para ello se emplean otros mtodos para elegir las caractersticas ms valiosas de la plantilla y con esto
incrementar la velocidad de procesamiento y reducir los clculos. Ejemplos de estos algoritmos son la
bsqueda piramidal, que reescala tanto la imagen como la plantilla para encontrar el mejor candidato; y el
llamado entendimiento de la imagen, procedimiento que reduce la informacin redundante y enfatiza la
caracterstica para permitir una eficiente, pero robusta, la correlacin cruzada.
Image undestanding
El entendimiento de la imagen (image undestanding) utiliza una tcnica de muestreo no uniforme que
incorpora comprensin de imgenes para describir a fondo y de manera eficiente la plantilla. Esta tcnica
de muestreo inteligente incluye especficamente una combinacin de pxeles del borde y los pxeles de la
regin como se muestra en la Fig. 3.18.
Figura 3.18 Muestreo de plantilla en el mtodo entendimiento de imagen
Para observar a mayor detalle el muestreo no uniforme, considrese la Fig. 3.19 (a) como una imagen
binaria con cierta forma. En la Fig. 3.19 (b) se ve cmo se toman secciones de pxeles con las mismas
intensidades que sus vecinos.[59]
~ 38~
(a)
(b)
Figura 3.19 Muestreo no uniforme
3.6 Conclusiones
En este captulo se enumer la teora que sustenta la aplicacin que se explicar en los captulos
subsecuentes. La organizacin fue de acuerdo a la lgica de operacin del sistema, yendo desde un
panorama sobre las comunicaciones, especficamente del tipo serial, pasando por los conceptos
fundamentales sobre la visin artificial. Posteriormente el anlisis de partculas para rellenar huecos y
remover pequeas porciones de imagen binarizada que no son tiles en este tratamiento, siendo esto una
alternativa al filtrado. Despus se revisaron tcnicas para mejorar el contraste, esto con la finalidad de
hacer una calibracin intercmara y preparar las imgenes para la bsqueda de patrones y encontrar el
objeto deseado.
~ 39~
CAPTULO 4. DISEO Y DESARROLLO DE LOS INSTRUMENTOS

VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD
En este captulo se describe el diseo y montaje del sistema, as como el desarrollo de los Instrumentos
Virtuales utilizados para la visualizacin del video en tiempo real, la comunicacin entre cmaras, el
preposicionamiento de la cmara mvil, la elaboracin y envo de los reportes a usuario.
En la Fig. 4.1 (a) se muestra el diagrama de bloques donde comienza la aplicacin con el escaneo de todas
las cmaras fijas , para determinar si existe o no evento en las regiones de inters que el usuario
configur previamente. Cuando la presencia de un objeto ha sido detectada, tanto el identificador de la
cmara que gener el evento, como las imgenes limpia y con el objeto, son puestos en un elemento de la
cola y enviados a la siguiente parte de la aplicacin, mientras se contina con la verificacin de la
cmaras, haciendo uso del procesamiento paralelo o pseudoparalelo. La lnea de retroalimentacin se
refiere a que an cuando los datos se envan, la inspeccin de las cmaras contina para verificar si existe
un evento en otra cmara.
Cmara
Fija 1
Cmara
Fija 2
INICIO
DEFINICIN
ROI
No
Evento?
:
:
:
Si
Elemento
en cola
Enqueue
Cmara
Fija n
ESCANEO
(a)
PROCESAMIENTO
ESPECFICO
ALGORITMO
DE CONTROL
DOMO
Elemento en
cola
Dequeue
PREPOSICIONAMIENTO
Imagen con
mejor detalle
Correo electrnico
REPORTES DE
USUARIO
(b)
Figura 4.1 Diagrama de bloques de operacin general
~ 40~
FIN
En la Fig. 4.1 (b) se indica que cuando la cola tiene elementos, se ejecuta el algoritmo de control del
domo, que se ver en el siguiente captulo. Al obtener una imagen con mejor detalle y con un
acercamiento aceptable se genera el reporte a usuario, mismo que es enviado a una cuenta de correo
electrnico. El bloque de procesamiento especfico se refiere a la utilidad que puede tener la imagen
final para otro tipo de anlisis no atacado en el presente trabajo, tal como la determinacin de placas de
automviles o rasgos como texturas, color e incluso modelo.
4.1.Diseo de propuesta
La idea bsica del sistema de video-vigilancia se muestra en la Figura 4.2. Se tienen
una de es tipo IP y la otra analgica, adems de un domo.
cmaras fijas,
En el Centro de Investigacin en Computacin se tiene todo el equipo y servidor del sistema. La cmara
IP se conecta a la PC ubicada en el Laboratorio de Tiempo Real y Automatizacin a travs de Internet; el
el mismo sitio se encuentran la cmara analgica fija, el domo y el DVR; las dos primeras estn
conectadas a ste ltimo en comunicacin serial RS-485. Tanto el servidor como el DVR tienen las
funciones mostradas en la Fig. 4.2 y ambos estn en comunicacin a travs de internet gracias al software
comercial del grabador y la obtencin del video programado para esta aplicacin.
Por otro lado, el cliente representa, en principio, cualquier computadora que cumpla con ciertas
caractersticas que se mencionan ms adelante. En este dispositivo se mostrarn los reportes a usuario y se
podr tener acceso al sistema por medio del software comercial.
La configuracin de todo el sistema la realizar el administrador en la computadora servidor.
Domo
Analgica
T
IP
T
CLIENTE
INTERNET
RS-485
INTERNET
INTERNET
Monitoreo remoto
Control de sistema a travs de
pgina de internet o software
comercial
Recepcin de reportes a usuario
OTROS CLIENTES
SERVIDOR:
DVR
Administracin del sistema

Procesamiento
Control automtico de cmaras
Elaboracin de reportes
Monitoreo remoto/local
Figura 4.2
Almacenamiento de video
Mando a cmara domo
Monitoreo local
Conectividad del sistema bsico de video-vigilancia
~ 41~
4.1.1
Requisitos del sistema base
A continuacin se enlistan los requisitos de software y hardware para el cliente y para el servidor:
Tabla 4.1 Requisitos para el sistema cliente-servidor
CLIENTE
Software
SERVIDOR
SO Microsoft Windows.
Adobe Reader o similar.
Acceso a Internet.
Correo electrnico google
(gmail)
Hardware
SO Microsoft Windows (preferentemente Windows 7).

Lab VIEW 2010.
Toolkit Lab VIEW Visin.
Toolkit Lab VIEW generacin de reportes para Microsoft
Office.
Bull zip PDF Printer.
SDK Vivotek, Vitamin Decoder.
SDK IDISWatch.
Tarjeta RS-485/USB NI
Como se mencion anteriormente, el equipo empleado en este sistema es:

Tabla 4.2 Equipo empleado en el sistema
CMARAS
Minitrax Dome Camera,

Syscom
3DNR Super Night Vision IP Camera Vivotek

Outdoor Camera, Epcom
DVR
4-channel digital video recorder, Syscom
CABLEADO
Cable UDP
Cable coaxial
Tarjeta RS-485/USB NI
PROTOCOLO
~ 42~
Protocolo Pelco D (ver Anexo C)
Cable ethernet
4.1.2
Conexin y montaje
Particularmente para el diseo del sistema de pruebas, se emplean dos cmaras analgicas (domo y bala)
que son conectadas por cableado UDP a travs de sus conexiones seriales RS-485 al DVR de cuatro
canales, ste digitaliza el video. En la Fig 4.3 se muestra el esquema de conexin fsica empleada.
DOMO
RS-485
Video
RS-485
DVR
Ethernet
Video 1
Video 2
Video 3
Video 4
BALA
RS-485
Video
SERVIDOR
TARJETA
RS-485
USB
USB
Ethernet
IP
Ethernet
INTERNET
Figura 4.3 Esquema de conexin del sistema de video-vigilancia
Para la comunicacin serial RS-485 en el domo solo se emplea el canal de recepcin, pues el domo no
mandar ningn mensaje al DVR, por lo que no ser necesario emplear el canal Tx. Tambin, se usa
conexin para enviar el video analgico al grabador por medio de cable coaxial.
De manera semejante al anterior, la cmara tipo bala emplea el cableado UTP, pero con la diferencia que
el video lo enva directamente por cable coaxial y que, aunque la comunicacin serial est conectada, no
se tiene manipulacin de las condiciones PTZ a travs de la interfaz comercial, nicamente por el men
propio de la cmara. Tambin emplea un transformador para proporcionarle los niveles correctos de
energa.
Las imgenes de las cmaras anteriores, son enviadas al DVR. Este dispositivo est conectado a Internet,
lo que dar la posibilidad de visualizar el video en tiempo real desde cualquier computadora cliente,
adems de ser el medio de almacenamiento de video, siempre y cuando posea un disco duro en su interior.
La tarjeta que adapta la seal de RS-485 a USB es conectada a la computadora donde se realiza todo el
procesamiento. Este adaptador tiene el objetivo de entablar la comunicacin para manipular las
condiciones PTZ de la cmara tipo domo a travs de aplicaciones diferentes al software comercial, por
ejemplo LabVIEW, pues al ser parte del equipo de National Instruments, la comunicacin es transparente.
Por otro lado, la cmara IP solo debe conectarse a la alimentacin y a Internet para que pueda funcionar.
El video es almacenado en la ubicacin que sea elegida dentro de la computadora principal de usuario,
pero ste mismo puede ser visualizado en cualquier computadora cliente a travs de su direccin IP,
nombre de usuario y contrasea.
~ 43~
Para la aplicacin del presente trabajo, el video del DVR y de la cmara IP puede visualizarse por medio
del software comercial por Internet, o empleando el SDK del grabador en LabVIEW. Esta ltima opcin
fue la que se eligi. Para mayor informacin, consultar Anexos C y D.
4.2.Obtencin de video en tiempo real

Existen dos formas para obtener el video en tiempo real a partir del grabador digital, la primera es tener
una tarjeta para conectarla en directo al DVR, con entrada coaxial y salida con puerto compatible a la
computadora (USB, HDMI u otros), o bien, a travs de comunicacin TCP/IP, entrando al servidor del
DVR.
Aunque la primer opcin resulta tener mayor fidelidad en la transmisin de informacin, las tarjetas con
entrada coaxial han sido descontinuadas desde mucho tiempo atrs, debido a la nueva generacin de
cmaras digitales, por lo que resulta muy difcil conseguir una tarjeta que podra no tener una respuesta
confiable. Por esta razn, se emplea la segunda solucin al problema: comunicacin TCP/IP.
En la Fig. 4.4 se muestra la configuracin general para obtener el video en tiempo real a travs de la
comunicacin con el DVR y la cmara IP.
INICIO
CREAR OBJETO DE
COMUNICACIN
ARGUMENTOS
CONECTAR A
SERVIDOR
OBTENER
FOTOGRAMAS
Si
TERMINAR
No
DESCONECTAR
FIN
Figura 4.4
Configuracin general para la obtencin del video en tiempo real
Debido a que se emplean los SDK (Anexos C y D) tanto del grabador como de la cmara IP, es necesario
crear un objeto de comunicacin. Para conectar con el servidor de cada uno de los dispositivos, se definen
algunos argumentos, tales como nombre del sitio, direccin IP, usuario, contrasea, identificador y puerto
de comunicacin. Despus se obtienen los fotogramas que conforman el video, ubicndolos en colas para
~ 44~
la visualizacin del mismo y su posterior uso en el procesamiento. El programa espera hasta que le sea
indicada la desconexin del servicio.
En la Fig. 4.5 (a) contiene el diagrama de jerarqua de la aplicacin solo para la obtencin del video en
tiempo real de la cmara IP. El esquema del mismo tipo para el DVR se muestra en la Fig. 4.5 (b).
3
(a)
3
(b)
Figura 4.5. Diagrama de jerarqua para obtencin de video en tiempo real
Los diagramas muestran que para ambos dispositivos se tiene la misma lgica de operacin, con la
diferencia que en el caso de la cmara IP se emplean funciones de llamado (callback 1 y 2) necesarias para
solicitar las imgenes a travs de su SDK, como se observa en la Fig. 4.5 (b), punto 1.
~ 45~
Los fotogramas son almacenados en una cola (punto 2) que guarda cada uno de ellos para evitar el
conflicto que se crea al no tener una tasa constante de marcos por segundo, lo cual es un problema
caracterstico de los sistemas de video-vigilancia.
Al mantener comunicacin constante con el resto de la programacin a travs de las variables globales
(punto 3), se garantiza que la aplicacin est sincronizada para el paro del sistema o desconexin, como se
mencion en la explicacin de la Fig. 4.4.
4.3.Seleccin de las regiones de inters

Las ROI se seleccionan para tener un punto de comparacin en la deteccin de bordes y verificar el
cambio de iluminacin. Bajo ese esquema, se puede emplear cualquier figura geomtrica; la recomendada
es la lnea, pues puede ponerse en cualquier direccin.
Como se guardan los descriptores de estas ROI en un arreglo, pueden elegirse hasta
elementos.
Sin embargo, esto no es necesario. Dependiendo de la amplitud de la zona que se desea vigilar, es
suficiente poner hasta cinco lneas, pudiendo cada una de ellas abarcar tanto espacio como el usuario
desee.
Es importante mencionar que se debe tener cuidado al colocar estas ROI sobre la imagen, pues con el
criterio de evaluar el cambio de iluminacin, pueden tenerse medidas errneas al sobreponer la lneas en
bordes a primera vista observados. En la Fig. 4.6 se muestran un ejemplo de una deficiente seleccin de
regiones de inters (a) y (b) el uso recomendado en el presente trabajo para una deteccin de bordes
adecuada.
(a)
(b)
Figura 4.6 Definicin de ROI
Aunque en el primer caso se elige solo una lnea como ROI, esta seleccin induce un error en la deteccin
temprana de bordes que evidentemente existen, pero que no proporcionan ninguna informacin valiosa.
Si se consideran dos puntos como mnimo para generar evento, en esta imagen se hara un falso llamado a
las funciones de procesamiento. A diferencia de lo anterior, en el segundo caso se tiene una mejor
distribucin de ROI en la imagen, pudiendo evaluar la existencia de eventos sin objetos que produzcan
ruido y con una mejor distribucin para monitorear ciertas zonas del FOV.
~ 46~
4.4.Preposicionamiento
El preposicionamiento emplea rutinas antes configuradas directamente en la memoria del domo. Esto se
hace ingresando al men principal de esta cmara por medio del software comercial, ah se establecen
puntos con valores PTZ (procedimiento en Anexo E). De esta forma se puede hacer uso de las subrutinas
con solo elegir el punto deseado (parmetro nmero, segn la Fig. 4.7) y el domo modificar sus
condiciones de acuerdo a lo programado en el mensaje que se enva. (Ver Anexo B, sobre protocolo
Pelco-D).
Nmero
FF
01
00
07
00
RUTINA
CheckSum
ENVIAR TRAMA
TRAMA
Figura 4.7
Mensaje para preposicionamiento
Este bloque tiene la finalidad de mover el domo hacia una zona conocida para asemejar su FOV con el de
la cmara fija que gener el evento y as poder buscar el objeto por reconocimiento de patrones; esto es
esencial, de otra forma el domo no tendr una imagen adecuada de referencia y por lo tanto no habr xito
en la localizacin. La preconfiguracin de los puntos se muestra en la Fig 4.8, donde las posiciones 3, 6 y
7 lograran el propsito antes mencionado.
Otro punto en donde se emplea el preposionamiento es despus de adquirir la imagen con mayor detalle
cuando es deseable poner el domo en un punto para comenzar con nuevas localizaciones y no mantener su
FOV cubierto por el objeto de inters que ya se encontr. Ejemplos de estas ubicaciones seran las
posiciones 1, 2 y 8 en la Fig. 4.8 segn el FOV que se desee cubrir mientras se est libre de tareas
asignadas.
Probablemente para este caso no sera necesario configurar las posiciones 4 y 5, a menos que se tuvieran
ms cmaras fijas o que se deseara observar ese FOV.
~ 47~
FOV DOMO
8
3
FOV CAM Xi
FOV CAM 1
6
5
Figura 4.8 Plano de preposicionamiento
Se observa que se pueden elegir tantos puntos como se requiera y permita la memoria del domo, siempre
cercanos al FOV de las otras cmaras y al menos uno que sea el lugar a donde vuelva el domo despus de
la localizacin.
4.5.Generacin y envo de reportes a usuario

Cuando se detecta que un objeto existe en una regin de inters, se hace el procesamiento de video para
tener una imagen que contenga detalles mejor definidos. Una vez terminada esta secuencia se
complementa generando un reporte a usuario con la fecha, la hora y la fotografa del evento.
En la Fig. 4.9 se muestra la lgica para generar el reporte a usuario.
~ 48~
Figura 4.9 Generacin y envo de reportes a usuario
Con las funciones de LabVIEW para Microsoft Office es posible llenar un reporte basado en una plantilla
previamente definida. Una de las formas ms sencillas es tomando una tabla en el documento y rellenar
las celdas de manera programada. Despus se guarda y se libera la memoria.
Para tener un documento general y de fcil acceso, se transform por medio de LabVIEW y el SDK de
Bull Zip Writer, el archivo de Office Word a PDF bajo la siguiente lgica: [60]
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Cargar la configuracin de Bullzip.PdfWriter.

Establecer el nombre de la impresora.
Crear un archivo temporal para comprobar su estado de impresin.
Establecer todos los parmetros de nombre de archivo.
Realizar los ajustes de PDF para ejecutarse slo una vez.
Cargar las utilidades de Bullzip.PdfWriter.
Imprimir el archivo de origen.
Esperar el tiempo en que el archivo se crea.
Comprobar si el archivo existe.
Eliminar el archivo temporal, liberar memoria.
Una vez que se ha guardado el archivo PDF, ste se puede adjuntar en un correo electrnico. LabVIEW
tiene funciones para envo a travs de SMTP. Sin embargo, estas funciones no soportan la autentificacin
que casi todos los servicios comerciales tienen, por lo que fue necesario emplear un programa para envo
de correos con archivos, con la limitante que est desarrollado para gmail de Google Inc., aunque puede
ser modificado para otros servidores. [61]
En la Fig. 4.10 se muestra el diagrama de jerarqua para la elaboracin de reportes a usuario
correspondiente a la lgica antes explicada. Una vez ms, la variable global proporciona una
sincronizacin y constante comunicacin con el resto de la aplicacin.
~ 49~
Figura 4.10 Diagrama de jerarqua para la generacin de reportes a usuario
4.6.Conclusiones
En este captulo se explic el diseo de los instrumentos virtuales para video-vigilancia y seguridad,
recordando que se trata de un sistema base con dos cmaras fijas y una mvil, siendo la lgica cmaras
fijas para una mvil, trabajando un par a la vez. Tambin se explic la manera en que se obtiene el video
en tiempo real a travs de los SDK de los fabricantes (para mayor informacin, consultar Anexos C y D).
Tambin se dijo que la seleccin de las ROI se hace de acuerdo a la amplitud de la zona que se desea
vigilar, teniendo un nmero mximo de
de ellas. Aunque puede ser utilizada cualquier forma
geomtrica, se sugiere el uso de la lnea, debido a que puede colocarse en cualquier direccin.
El preposicionamiento del domo hacia el rea vigilada por la cmara que genera el evento, es muy
importante para la posterior bsqueda de patrones. Esto se logra a travs de establecer puntos en la
memoria del propio domo a travs de su men principal.
Despus de todo el procesamiento y control de movimiento, podra ser suficiente tener la imagen deseada,
pero el usuario no podra visualizarla fcilmente. Para atacar este problema, se aadi la generacin de
reportes a usuario realizndolo primero en un archivo de Office Word para despus cambiar el formato a
PDF y tener una mayor disponibilidad. Finalmente se enva por correo electrnico de Gmail al usuario
que desee el administrador.
~ 50~
CAPTULO 5. PROCESAMIENTO DE EVENTOS RELEVANTES

En este captulo se explican los temas relacionados a la visin artificial empleados en el algoritmo del
presente trabajo. En la Fig. 5.1 es mostrado el diagrama de bloques para el procesamiento de eventos
relevantes comenzando con la obtencin de imgenes de la cola para hacer una resta entre ellas, anlisis
de partculas y calibracin intercmara en el procesamiento de imgenes. Despus, el control del
domo hace una comparacin entre las coordenadas proporcionadas por la bsqueda de patrn y la
divisin de las reas de vigilancia. Una vez que se ha determinado la ubicacin y adems se ha hecho el
acercamiento al objeto se guarda una imagen con mejor detalle.
Elemento
Cola
Imagen
extrada
Ie(x,y)
PROCESAMIENTO
DE IMGENES
CALIBRACIN
INTERCMARA
BSQUEDA DE
PATRN
Imagen
calibrada
Ic(x,y)
Imagen
Ip(x,y)
Coordenadas
(c,d)
Imagen con mayor detalle

If(x,y)
Acercamiento
Domo
Si
Cmara
Domo
Comparador
Movimiento
Domo
Proceso
Completo?
No
CONTROL DEL DOMO
REAS DE
VIGILANCIA
Coordenadas
{(aij, bij)}
Figura 5.1 Diagrama de bloques para el procesamiento de eventos relevantes
5.1 Procesamiento digital de imgenes para determinar presencia de objetos

Esta parte de la aplicacin tiene la finalidad de detectar la presencia de nuevos objetos en una imagen de
alguna de las cmaras fijas, sin poseer ninguna informacin extra. Como se ve en la Fig. 5.1, la entrada es
un elemento de cola que contiene dos imgenes que se usarn en la subseccin 5.1.2, y el identificador de
la cmara de gener el evento, parmetro empleado con anterioridad en el preposicionamiento.
La lgica del procesamiento se divide en tres secciones.
5.1.1
Deteccin de bordes
Este algoritmo es empleado para determinar que un evento ha ocurrido, a travs de la deteccin de
cambios de iluminacin a lo largo de las regiones de inters.
A continuacin se explica la lgica acorde a la estructura de secuencia que se emplea en la programacin:
0. Inicializacin de variables; abrir puerto serial.
1. Limpiar las regiones de inters que puedan existir; inicializar en cero arreglos correspondientes.
2. Agregar regiones de inters con el botn limitar, e indicar el nmero mnimo de cambios de
iluminacin que se requiere para tener un disparo de evento, llamado puntos de deteccin. En la
Fig. 5.2 se observa esta parte en la preconfiguracin:
~ 51~
Figura 5.2 Ajustar parmetros en la deteccin de objetos
3. Una vez determinadas todas las ROI, se guarda una imagen inicial limpia. sta ser el punto de
referencia en el procesamiento de imgenes explicado en la siguiente seccin 5.1.2.
4. Se agrupan todos los descriptores de ROI para obtener un rectngulo global que abarque todas
ellas.
5. Procesamiento principal:
5.0 Con cada uno de los descriptores de ROI y el nmero de puntos de deteccin como
argumentos, se evala si existe un cambio de iluminacin en todos los ejes. Esto cambiar el
estado de los ejes de deteccin y activar la bandera de objeto detectado. En la Fig. 5.3 se
observa el panel de deteccin en la interfaz de usuario.
Figura 5.3
Estado de ejes de deteccin
5.1 Cuando se ha detectado un cambio de iluminacin, los puntos son sobrepuestos, ver Fig. 5.4.
Esto no solamente genera una indicacin para el usuario, sino tambin generar un arreglo que
guarde todas las coordenadas de dichos puntos. Esto ser de gran importancia para la
discriminacin de partculas explicado en la seccin 5.1.3.
~ 52~
Figura 5.4 Imagen en tiempo real con deteccin de bordes
5.2 Si uno o ms objetos se han detectado, se ejecuta el bloque de presencia del objeto (seccin
5.1.2) para finalmente mover la cmara domo al objetivo.
6. Cerrar puerto serial.
5.1.2
Presencia de objeto
En esta seccin se obtienen los nuevos objetos que aparecen en la imagen. Esto se realiza teniendo dos
imgenes, una es limpia, despus de seleccionar las regiones de inters; y la otra cuando el objeto ha
entrado a escena.
Las regiones de inters empleadas son lneas, pero stas tienen un rectngulo que las encierra. En la Fig
5.5 se muestra un conjunto de ROI. Si se toma las esquinas superior izquierda mayor (punto 1) y la que
est ms a la derecha abajo de entre todas ellas (punto 2), se obtiene el rectngulo exterior que abarca a
todas. Esta ser la regin de inters global.
2
Figura 5.5
Regin de inters global
Con esas coordenadas, y con la finalidad de establecer de manera ms fuerte los lmites de procesamiento,
adems de eficientar el proceso, las imgenes completas son cortadas para solo analizar esas porciones de
imgenes. Se tienen, por tanto, dos fotogramas cortados en la misma proporcin y ubicacin.
~ 53~
Entonces se procede a realizar una resta de imgenes. Esta operacin matemtica bsica tiene la finalidad,
al igual que en la aritmtica, de sealar en escala de color o grises los pxeles que no existen en la imagen
limpia, convirtiendo todos los dems en cero (negro), como la Fig. 3.11 mostrada en el marco terico.
Esto es de gran utilidad, pues se tiene una imagen en escala de grises con un gran contraste, razn por la
cual es conveniente emplear un binarizado sencillo. Para ello se toman los datos de su histograma,
tomando el valor medio como umbral, de manera que se divida en dos clases la distribucin de la imagen.
Ahora comienza el anlisis de partculas. Primero se rellenan los huecos internos en todas los elementos
que se hayan binarizado. Despus se erosiona 5 veces con una ventana de 3x3. Esto garantiza que la
mayor parte del ruido se elimine tras las erosiones. Una vez realizado lo anterior se procede a filtrar las
partculas, eliminando las que no se cumplan con los siguientes parmetros:
Tabla 5.1
PARMETRO
Parmetros de filtrado de partculas
VALOR
Tipo de filtrado
Por rea
Lmite menor
Lmite mayor
400
800
Filtrado fuera de lmites
Medidas en unidades reales
EXPLICACIN
Este concepto de filtrado permite quitar las partculas ms
pequeas y/o ms grandes.
Estos lmites estn dados acorde a la resolucin de las
imgenes en pxeles.
Esto presupone el filtrado dentro de los lmites
establecidos
La medicin se hace en pxeles, si este caso fuera
verdadero, se tendra que realizar una calibracin previa
Finalmente se obtienen los datos de localizacin de las partculas, guardando en un arreglo las
coordenadas del rectngulo circunscrito, lo que ser de muy importante para la siguiente seccin.
5.1.3
Discriminacin entre partculas
De manera ideal, solo debera detectarse una partcula en la imagen, sin embargo esto puede no suceder.
Para evitar confusin en el sistema, se discriminan los objetos debido a su cercana con las coordenadas
del punto donde se detect presencia en las regiones de inters.
) y (
) que corresponden a partculas obtenidas
Supngase que se tienen dos coordenadas (
despus del anlisis donde se eliminaron espurios. Adems considrese que el punto donde que dispar
), pero se tiene un margen de 10 pxeles para definir si la
el evento en la regin de inters es (
partcula corresponde al objeto. Ver Fig. 5.6.
~ 54~
Xa-10
Xa+10
0
Ya-10
(X1,Y1)
(Xa,Ya)
(X2,Y2)
Ya+10
Figura 5.6 Discriminacin de partculas
De manera matemtica, la lgica de operacin es de la siguiente forma:

[
] [
Ec. 5.1 Objeto de inters
Esto es, la partcula (con coordenadas iguales a su subndice) es el objeto de inters , si y solo si se
encuentra dentro de los lmites establecidos por la tolerancia
pxeles en ambas direcciones.
) que contiene solo la partcula que caus el
De esta forma se puede obtener la imagen extrada (
evento, eliminando todas las dems posibilidades; para la Fig. 5.6, solo la partcula se considerar. Es
importante mencionar que en la prctica no solamente un punto en la ROI es detectado, por lo cual se
tiene un arreglo que almacena todas las coordenadas que generaron evento y cada una de las partculas
tendr esta evaluacin para encontrar la adecuada.
5.2 Calibracin intercmara

Debido a que la imagen inicial despus del procesamiento y extraccin proviene de una cmara fija y se
desea encontrar el objeto de inters en el FOV de la cmara mvil, es necesario compensar los niveles
iluminacin antes de buscarlo por reconocimiento de patrones.
Lo anterior se realiza midiendo la intensidad de luz de la imagen del domo para tomar algunos parmetros
y efectuar la transformacin en el histograma de la imagen extrada de la cmara fija.
En la Fig. 5.7 (a) se muestra el histograma original de la imagen fija y en el inciso (b) el histograma de la
imagen del domo.
~ 55~
(a) Imagen de cmara fija

(b) Imagen de cmara mvil
Figura 5.7 Histogramas antes de calibracin
Los parmetros se muestran en la Tabla 5.2. En la segunda columna se encuentran los valores del
histograma del domo y en la tercera el factor que afecta el parmetro para ajustarse a las condiciones
buscadas.
Tabla 5.2
Parmetros para calibracin intercmara
PARMETRO
HISTOGRAMA
VALOR
Intensidad mnima
Desviacin estndar
0~7
48.80~72
FACTOR
(
(
)
)
PARMETRO
TRANSFORMADO
Brillo
Gamma
El resultado de las imgenes se muestra en la Fig. 5.8, en el inciso (a) se tiene una porcin de la imagen de
referencia tomada del domo, en el (b) la imagen de la cmara fija original y en (c) la imagen de la cmara
fija transformada.
(a)
Figura 5.8
(b)
Resultado en imgenes despus de calibracin
(c)
) es ms oscura que el FOV del domo, esto podra

Como se puede ver, la imagen calibrada (
corregirse modificando tambin el contraste, que tiene el nivel neutro (45). Sin embargo, para este caso es
suficiente con tener la imagen de este modo para que el reconocimiento de patrones pueda encontrarlo.
5.3 Bsqueda de patrn

El reconocimiento de patrones tiene muchas utilidades. Para este caso se emplea para encontrar el objeto
que ha entrado a escena, obteniendo su ubicacin y pudiendo con ello, localizarlo continuamente en el
FOV del domo hasta que est centrado.
~ 56~
En la Fig. 5.1 se encuentra un rectngulo con el nmero 1, la lgica se explica a continuacin: una vez que
), se espera a que se haga el control del domo, esto
se ha aprendido la imagen plantilla a buscar (
para obtener un FOV actualizado del domo. Despus de se realiza el movimiento del domo pero el
) para buscarlo nuevamente. Esto
proceso no se ha completado, entonces se toma la misma plantilla (
asegura que el objetivo sea igual y as evitar un error en la seleccin del objeto de inters.
La bsqueda de patrn se compone de dos etapas: el aprendizaje y la bsqueda.
5.3.1
Aprendizaje
En esta etapa, se extraen los rasgos descriptivos de los objetos de inters contenidos en la plantilla. Para
este caso es necesario extraer la informacin de partculas que estn rotadas, escaladas y/o trasladadas.
Con los datos anteriores se hace una descripcin del objeto, escribiendo en una cadena la informacin
necesaria para realizar la bsqueda. Todo lo cual se guarda en la misma imagen de plantilla.
5.3.2
Bsqueda
Durante la fase de bsqueda, el descriptor se extrae de la imagen de la plantilla y se utiliza para buscar el
objeto en la imagen de inspeccin. Para esto es necesario especificar el contraste siendo ste la diferencia
mnima esperada entre el valor de pxel mximo y el valor mnimo de pxel en la imagen de inspeccin.
Adems definir si los objetos que se buscan pueden estar rotados y finalmente la informacin que se
guard en la imagen durante la etapa de aprendizaje.
En la salida se tiene un conjunto de datos del objeto encontrado. Las ms importantes para la localizacin
del mismo son las coordenadas del centro del objeto encontrado en la imagen de inspeccin y la
dimensin del rectngulo donde est inscrito. Otros datos son el porcentaje de xito en la bsqueda y el
nmero de patrones encontrados. Para este caso solo se desea encontrar un objeto. En la Fig. 5.9 (a) se
muestra la imagen con el patrn encontrado y en el inciso (b) los parmetros para cada objeto encontrado.
(a)
(b)
Figura 5.9
Bsqueda de patrones
~ 57~
5.4 Lgica de mando de la cmara tipo domo

Esta seccin es una de las ms importantes de la aplicacin, pues gracias a esta cmara se tendr el
movimiento para localizar al objeto de inters, haciendo un acercamiento que proporcionar una imagen
con mayor detalle, siendo capaz la observacin de caractersticas importantes. Esto se logra a travs de la
programacin del protocolo de comunicacin Pelco-D para dar el mando PTZ, adems de la lgica
aplicada sobre la definicin de reas de vigilancia correspondientes al movimiento y de una relacin de
aspecto para el acercamiento. Por ltimo, emplear el preposicionamiento a una localidad conocida facilita
la espera en el escaneo para una nueva bsqueda.
5.4.1
reas de vigilancia
Segn la Fig. 5.1, este bloque de programacin es la base para el control del domo, pues fracciona su
FOV de 2 dimensiones (2D) en 81 reas de vigilancia, esto con la finalidad de correlacionar cada una de
las porciones con las direcciones de acciones de mando. De esta forma, el campo de visin queda de la
siguiente forma:
0
9
18
1
10
19
2
11
20
3
12
21
4
13
22
5
14
23
6
15
24
7
16
25
8
17
26
A0
A1
A2
Centro, se detiene.
Noreste
Norte
27
28
29
30
31
32
33
34
35
A3
Noroeste
36
37
38
39
40
41
42
43
44
A4
Este
45
46
47
48
49
50
51
52
53
A5
Oeste
54
63
72
55
64
73
56
65
74
57
66
75
58
67
76
59
68
77
60
69
78
61
70
79
62
71
80
A6
A7
A8
Sureste
Sur
Suroeste
Figura 5.10 Divisin del FOV en reas de vigilancia
En el cuadro central se tienen reas de cada color para hacer un movimiento fino y poder centrar de mejor
manera al objeto.
Las coordenadas son guardadas en una matriz de acuerdo a las dimensiones de cada rea de vigilancia
teniendo como referencia la esquina superior izquierda y la inferior derecha para su comparacin. Esto se
expresa matemticamente en la Ec. 5.2
(
{(
Ec. 5.2 Conjunto de pares ordenados de reas de vigilancia
Donde:
(
~ 58~
: Es el nmero de reas de vigilancia por lado, asumiendo que tendr

una representacin de matriz cuadrada.
5.4.2
Control del domo
El control del domo se logra a travs del protocolo de comunicacin Pelco-D y RS-485, por medio de una
cadena de comando en hexadecimal que es enviada para su manipulacin.
En la Fig. 5.11 se muestra el diagrama de bloques de la lgica de mando del domo, comenzando con el
clculo de la condicin inicial a partir de las coordenadas de las reas de vigilancia y del objeto de inters
(punto 1). Tomando como referencia la Ec. 5.2, se comparan por pares de coordenadas para conocer el
rea de vigilancia donde el objeto se encuentra, realizando
clculos bajo la Ec. 5.3, comenzando con el
ndice cero.
(
) (
Ec. 5.3 Clculo de condicin para asignacin de rea de vigilancia
Donde:
(
(
(
)
)
)
Coordenada rea de vigilancia, esquina superior izquierda.

Coordenada rea de vigilancia, esquina inferior derecha.
Coordenada de objeto de inters derivada de la bsqueda de patrones.
Dependiendo del nmero de clculo que result verdadero, el selector de rea de vigilancia (Fig. 5.11,
punto 2) dar el identificador para definir la direccin del movimiento que el domo realizar.
Una vez que se encuentra en la zona 40, el mando del domo se detiene para tomar hacer el acercamiento al
objetivo.
~ 59~
~ 60~
Coordenadas
(c,d)
Coordenadas
{(aij, bij)}
CALCULAR
CONDICIONES
No
Condiciones?
Si
2
SELECTOR
AREA
VIGILANCIA
Si
CALCULAR
TOLERANCIA
Si
MOVIMIENTO
DOMO
Dentro de
tolerancia?
Direccin
GUARDAR
IMAGEN
ENVIAR
TRAMA
DOMO
No ACERCAMIENTO
RETARDO
Figura 5.11 Diagrama de bloques del control del domo
No
ID=40?
ID Area
Resolucin Ext
(x,y)
ENVIAR
ACTUALIZAR
TRAMA
REGRESAR
A ORIGEN
Mensaje
Hx
DOMO
Imagen con mayor detalle

If(x,y)
Movimiento
Segn la Fig. 5.11 (punto 3), si el identificador es diferente a 40, entonces entra a la rutina del
movimiento. Una vez que se sabe cul es la ubicacin del objeto, se manda un nico pulso para trasladar
el domo en esa direccin a travs de un mensaje que es enviado va RS-485. Se enva la trama por medio
de la comunicacin al domo para realizar el movimiento como se vi en la Fig. 5.10. Despus de esto, se
regresa a la Fig. 5.1 donde el proceso no est completo, por lo que vuelve a la bsqueda de patrn para
que el ciclo se repita hasta que el objeto se encuentre en el centro del FOV del domo.
Acercamiento
De acuerdo a la Fig 5.11 (punto 4), cuando el selector de rea de vigilancia proporciona el identificador
40, quiere decir que la imagen est lista para comenzar con el acercamiento. Las dimensiones del FOV del
domo se muestran en la Fig. 5.12 (a); para el acercamiento, lo primero que se debe calcular son las
tolerancias establecidas en la Ec. 5.4.
FOV
DOMO
A0x
Obj
Ix
Iy
b
A0y
(a)
(b)
Figura 5.12 Dimensiones de rea 40 y objeto
Donde:
Ec. 5.4 Tolerancia para acercamiento
Despus de realizar pruebas de ajuste, se encontr que el factor 1.1 es adecuado para hacer una relacin de
aspecto, este parmetro se ocupa para redimensionar la imagen extrada solo como referencia para los
incrementos que se hacen en el acercamiento, pero no afecta completamente a la imagen.
La lgica se detendr hasta que el tamao del objeto sea menor o igual a la resolucin en alguno de los
lados del FOV del domo, como se muestra matemticamente en la Ec. 5.5.
(
) (
Ec. 5.5 Expresin matemtica para detener acercamiento
El pseudocdigo se presenta a continuacin:
~ 61~
) (
While ((
{
(
(
)
))
)( );
)( );
(
( (
( (
);
));
));
Salida
Una vez finalizado el clculo y operacin de acercamiento, Fig. 5.11 (punto 5), se procede a guardar la
) anteponiendo un retardo de 7 segundos, tiempo que necesita la comunicacin con el
imagen final (
SDK para actualizar la imagen mostrada en LabVIEW. Una vez que se tiene la imagen en una localidad
conocida, se manda el domo a la posicin presestablecida que se elige, bajo la misma lgica que en el
preposicionamiento.
5.4.3
Protocolo de comunicacin Pelco-D
La manipulacin de la posicin del domo se realiza por medio de una tarjeta de comunicacin serial RS485 con conexin USB para unir la computadora Servidor con el DVR; de manera que la programacin
del protocolo Pelco-D desarrollado en LabVIEW permite tener caractersticas tales como movimiento
manual que provee el software comercial, con la diferencia que ste proporciona un control automtico
del domo.
La programacin del protocolo Pelco-D (Anexo B) comienza con la funcin de abrir serial y as
entablar la comunicacin con la tarjeta RS-485/USB, abriendo el puerto con los parmetros mostrados en
la Tabla 5.3.
Tabla 5.3 Datos de configuracin para comunicacin serial
Nombre de dispositivo
Velocidad de transmisin
Paquete de bits
Paridad
Bits de parada
Control de flujo
COM 4, es necesario verificar en dispositivos

9600
8
Ninguno
1
Ninguno
Dependiendo del cambio que se haga de direccin o acercamiento, las posiciones de los arreglos binarios
sern cambiadas. Adems, otros parmetros como velocidad para movimiento y nmero identificador del
domo (siempre 1).
Despus de ello, se debe hacer una transformacin a para enviar la trama en el formato adecuado (Fig.
5.13). Consiste en la inicializacin de variables; la conversin de formatos en los datos; el clculo de
~ 62~
la suma de verificacin (checksum), la cual es una funcin que tienen como propsito principal detectar
cambios accidentales en una secuencia de datos para proteger la integridad de datos, verificando que no
haya discrepancias. Finalmente todos los datos se empaquetan en una cadena que es enviada al bloque
escribir serial.
INICIALIZACIN
Arreglos binarios
de comandos
Arreglos enteros
de comandos
Calcular Check
Sum entero
Check Sum
binario
CONVERSIN
Figura 5.13 Diagrama de bloques para convertir trama
La comunicacin serial concluye cerrando el puerto. Esto es muy importante, pues como se vio en el
captulo 3, de lo contrario podra causar problemas operativos.
5.5 Diagrama de jerarqua

En la Fig. 5.14 se muestra el esquema sobre los bloques de programacin descritos en este captulo; est
numerado de acuerdo a la seccin en donde fue explicado. El punto 5.1 trata el procesamiento digital de
imgenes; el 5.2 la calibracin intercmara; en el 5.3 la bsqueda de patrn; y el recuadro de lnea
discontinua es el punto 5.4 la lgica de mando del domo, que incluye la divisn en reas de vigilancia, el
control de movimiento/acercamiento y el manejo del protocolo Pelco-D que hace un llamado al
preposionamiento para regresar a un origen dado, adems del envo del mensaje por comunicacin serial.
5.4
5.1
5.3
5.2
Figura 5.14 Diagrama de jerarqua para el procesamiento de eventos relevantes
~ 63~
5.6 Conclusiones
La visin por computadora es una rama de la inteligencia artificial que permite alcanzar varios objetivos,
entre los cuales se encuentran analizar imgenes a travs de su procesamiento, esto solo como operacin
preparatoria para tareas ms complejas como la deteccin de eventos relevantes, empleando bsqueda de
patrones para ello.
En este captulo se explic el desarrollo de los algoritmos para analizar los fotogramas de video en tiempo
real. El primer paso consiste en descubrir que un objeto ha entrado en escena a travs de la deteccin de
bordes, que observa el cambio de contraste en la imagen a lo largo de una lnea (ROI). El siguiente paso
es procesar las imgenes por medio de una resta entre ellas, binarizado y posteriormente con un anlisis de
partculas para determinar cuntos nuevos objetos existen. Finalmente, la discriminacin entre partculas
complementa al anlisis previo de stas, pues evala la cercana que existe entre el centro del objeto y las
coordenadas del punto donde el evento se desencaden.
Por otro lado, la calibracin intercmara es una parte fundamental de los sistemas duales de videovigilancia, los cuales combinan imgenes de diferentes fuentes para encontrar un objetivo en comn.
Debido a la diferencia de condiciones entre estos captores, es necesario asemejar los niveles de
iluminacin como actividad previa a la bsqueda de patrones, que finalmente determinar la ubicacin de
los objetos para su localizacin por medio de la cmara mvil.
Una de las partes ms importantes del presente trabajo es la lgica de mando del movimiento del domo,
pues sirve para ubicar el objeto de inters dentro de las reas de vigilancia, hacer un acercamiento y con
ello conseguir una imagen de mejor calidad.
~ 64~
CAPTULO 6. RESULTADOS EXPERIMENTALES

En este captulo se presenta la integracin del sistema y la obtencin del video en tiempo real. Los
resultados de las pruebas finales que se realizan nicamente durante el da no lluvioso. Se muestran los
tiempos de ejecucin para todas las secciones de la aplicacin, as como imgenes con mayor detalle de
los resultados experimentales. Adicionalmente, se muestra la programacin de la deteccin de
movimiento con vectores de movimiento como trabajo adicional, sienta las bases para realizar el
seguimiento de objetos.
6.1 Integracin del sistema

En la Fig. 6.1 se muestra la imagen del montaje final del sistema. Como se mencion en la seccin 4.1.1,
se tienen dos cmaras analgicas, una de ellas fija y la otra domo, conectadas a un DVR para el
almacenamiento y visualizacin del video. Adems se tiene la cmara digital tipo IP y una tarjeta de
comunicacin RS-485/USB para el mando del domo.
3
1
4
Figura 6.1 Sistema de videovigilancia instalado
Ambas cmaras analgicas (puntos 1 y 2) se encuentran montadas en techo y pared en el Centro de

Investigacin en Computacin con vista hacia el estacionamiento exterior. La IP (punto 3) est sobre un
tripie para mayor movilidad al hacer las pruebas. La tarjeta de comunicacin (punto 4) est conectada a la
computadora central donde se encuentra el software desarrollado.
6.2 Sistema cliente/servidor para la transmisin y recepcin de imgenes

Como se explic en la seccin 4.2, el video se obtiene a travs de los SDK de cada dispositivo. Estas
imgenes tienen un retraso con la realidad de aproximadamente 0.5 s en el software comercial. Cuando se
~ 65~
conecta con LabVIEW solo para la visualizacin, se tiene un retraso con una diferencia despreciable con
respecto al caso anterior. Sin embargo, cuando se realiza el procesamiento, ese retardo es mayor, de
manera que al final de la rutina, es necesario adicionar 7 segundos en la espera de la actualizacin de la
imagen final en LabVIEW.
En la Fig. 6.2 se muestra la pantalla del panel frontal para la visualizacin del video.
Figura 6.2 Panel Frontal para la visualizacin del video en LabVIEW
6.3 Deteccin de eventos relevantes en estacionamientos restringidos

A continuacin se muestran imgenes como resultado del proceso que en este trabajo se reporta. Las
pruebas fueron realizadas en un estacionamiento restringido, obteniendo acercamientos de diversos
automviles.
En las Fig. 6.3 se muestra claramente las placas, modelo y marca de un automvil.
Figura 6.3 Imagen resultado 1
Al igual que el caso anterior, en la Fig. 6.4 se muestra otro auto; en esta fotografa se muestra un mayor
detalle y una perspectiva ms recta, lo que da una mayor posibilidad de procesamiento OCR, por ejemplo
~ 66~
En la tercer imagen resultado (Fig. 6.5) se muestra otro automvil, sin embargo, en esta ocasin no se
alcanzan a visualizar la placa, pero se me mejor el tipo y estructura de auto.
Por otro lado, en la Fig. 6.6 se presenta el reporte a usuario que se enva al usuario. En este documento se
presenta la imagen del objeto que gener el evento, as como la fecha y la hora.
~ 67~
Figura 6.6
Reporte a usuario
El sistema falla bajo las siguientes condiciones:

1. Cuando las ROI se colocan de manera inadecuada, como se explic en la seccin 4.3.
2. En el momento que un objeto en movimiento cubre alguna ROI y se enva una seal falsa, no
arrojando ningna partcula como resultado despus del procesamiento.
3. Cuando los FOV de la cmara fija que genera el evento y el domo no son similares.
6.4 Evaluacin de tiempos de ejecucin de los mtodos y algoritmos

En esta seccin se muestran la grfica de tiempos de ejecucin una vez que el usuario ha seleccionado las
ROI y ha configurado la opciones del envo de reportes a usuario.
~ 68~
La Tabla 6.1 reporta los tiempos de ejecucin para todas las partes de la aplicacin antes mencionadas,
adems del total de segundos que el sistema demora en realizar el escaneo, procesamiento, generacin y
envo de reportes al usuario en una exhibicin.
Tabla 6.1
Tiempos de ejecucin en toda la aplicacin
ACTIVIDAD
1
2
3
4
5
6
DURACIN [s]
Obtencin del video

Escaneo cmaras
Preposiconamiento
Deteccin de presencia
Mando del domo
Generacin y envo reportes a usuario
15
TOTAL
17
En la Fig. 6.7 se pueden visualizar los tiempos empleados en la ejecucin del programa. El resultado final
es que el proceso se realiza en un promedio de 17 segundos, debido a las operaciones que se realizan en
paralelo o pseudoparalelo.
0
Obtencin del video
Operacin Instrumentos Virtuales
Tiempo [s]
8
10
12
14
16
18
15
Figura 6.7 Grfica de tiempo de ejecucin para la aplicacin
6.5 Trabajo adicional: deteccin de movimiento para seguimiento

Para detectar el movimiento, el sistema calcula el flujo ptico por el algoritmo de Horn-Shunk para
obtener los vectores de movimiento; umbrala e identifica grandes componentes conectados de pxeles en
movimiento. Este procedimiento es la base del seguimiento de objetos en tiempo real, pues conociendo su
direccin y orientacin es posible estimar la trayectoria que podra seguir el objeto.
En la Fig. 6.10 se observa el panel frontal donde se localiza la imagen binaria despus de un tratamiento
de imgenes y anlisis de partculas a partir de la imagen que proporciona la funcin de estimacin de
movimiento. En la parte superior izquierda se tiene el video original en tiempo real para monitoreo; a su
derecha, el marco binarizado del objeto en movimiento; abajo izquierda, la imagen del video original en
escala de grises con los vectores de movimiento, el rectngulo y centroide superpuestos; abajo derecha; la
imagen extrada.
~ 69~
Figura 6.8 Panel frontal para deteccin de movimiento
A continuacin se describe la Fig. 6.10, la cual muestra la programacin de la deteccin de movimiento:

1. Estimacin de flujo por el algoritmo Horn y Schunk. A la salida de la funcin se emplea la
imagen correspondiente a la magnitud de la velocidad calculada.
2. Dibujado de vectores de movimiento sobre la imagen en escala de grises.
3. Creacin del histograma.
4. Obtencin de parmetros a partir del histograma.
5. Aumento de contraste, obteniendo el valor absoluto de la imagen y a la salida, se ecualiza.
6. Se binariza la imagen, tomando el valor del umbral como mayor al promedio obtenido del
histograma.
~ 70~
7. En este paso se realiza la operacin morfolgica de dilatacin, para unir las pequeas partes de las
partculas y formar el objeto en movimiento. Despus se emplea un filtro gaussiano. Se hacen dos
nuevas operaciones morfolgicas, de erosin, para eliminar las partculas muy pequeas que no
muestren informacin sustancial; y nuevamente la dilatacin para volver a unir las que hayan
quedado un poco separadas del objeto principal.
8. Para este caso se realiza un anlisis de partculas, donde se busca rellenar los hoyos que puedan
existir en el objeto principal; nuevamente se eliminan los pequeos grupos de pxeles que no estn
dentro del grupo principal; se erosionan los ltimos detalles de la imagen.
9. Devuelve el nmero final de partculas, las posiciones de cada lado para un rectngulo que
delimita al objeto en movimiento, su centro de masa en dos coordenadas y el rea del objeto.
10. Aqu se toman los parmetros obtenidos anteriormente, para obtener las medidas del rectngulo
que encierra al objeto. Adems se obtiene una relacin para discriminar entre los objetos que sean
de inters y los que no, tomando nicamente los ms grandes y realizando el paso 11 solo en caso
verdadero; lo anterior bajo la siguiente lgica:
Teniendo la siguiente figura:
Arriba = T
Izquierda = L
Derecha = R
Abajo = B
Figura 6.9
Cuadro base para discriminacin de objetos
Se hace una relacin de rea para tomar los objetos ms grandes a una referencia:
(
Ec (6.1)
11. Este punto tiene la finalidad de completar la visualizacin del objeto de inters. Se extrae la
porcin de la imagen que contiene al objeto en movimiento para colocarla en un arreglo; se dibuja
el rectngulo y su centroide en la imagen en escala de grises.
~ 71~
~ 72~
Figura 6.10 Diagrama de bloques sobre la deteccin de movimiento
6.6 Conclusiones
En este captulo se mostr la imagen del sistema instalado y la evaluacin de los tiempos de ejecucin del
sistema, obtenindose como resultado que se consume en promedio 17 segundos en realizar todas las
tareas, desde la obtencin del video hasta la generacin y envo de reportes a usuario.
Por otro lado, como parte de los resultados se muestran tambin imgenes de las pruebas realizadas en un
estacionamiento restringido, donde se observan detalles caractersticos de autos que generaron el evento:
en dos de las fotografas presentadas es posible observar la placa y nombre de modelo y marca, siendo
stas tiles en otro tipo de anlisis; en la tercer imagen aunque no se puede observar la placa, se ve con
mayor facilidad el modelo del automvil.
El ltimo resultado presentado es el reporte a usuario que es enva va correo electrnico al usuario que el
administrador determine. En este documento se presenta la imagen final con mayor detalle, as como la
fecha y la hora en que el evento se produjo.
En la seccin final se incluye la explicacin de la deteccin de movimiento como trabajo adicional. Este
bloque de programacin hace uso de los vectores de movimiento, pudiendo obtener informacin valiosa a
partir de stos, tal como determinar la ubicacin y direccin que el objeto de inters sigue. Esto forma
parte del trabajo a futuro que puede seguirse.
~ 73~
CONCLUSIONES
Se desarroll el modelo computacional con instrumentos virtuales, empleando equipo de video-vigilancia,
con operacin local y remota.
Se generaron mtodos, algoritmos y software para potenciar sistemas comerciales de video-vigilancia de
bajas y medias prestaciones, de manera que cualquier usuario puede tener acceso y/o acondicionar la
operacin de equipos de circuito cerrado.
Se integr un sistema de video-vigilancia, que trabaja con cmaras analgicas y digitales, formando un
par con una de las
del tipo fijo de bajas/medias prestaciones y otra mvil de mediana/alta resolucin,
para detectar, localizar y realizar un acercamiento al objeto que gener el evento de inters, obteniendo as
una imagen con mayor detalle que es colocada en un reporte a usuario enviado por correo electrnico.
Se estructur un sistema cliente/servidor para la obtencin del video en tiempo real y avisos de eventos
relevantes de la siguiente manera:
Se detect un objeto de inters que aparece en las ROI del fotograma de alguna de las cmaras fijas y se
proces la imagen para extraer el objeto de inters. Despus, por bsqueda de patrones se localiz
continuamente la partcula para posicionarla en el centro del FOV del domo y hacer el acercamiento
adecuado, modificando las condiciones PTZ, para obtener el resultado deseado. Para comunicar la dupla
de cmaras mediante software, se hizo una calibracin intercmara antes de la bsqueda de patrn para
asemejar los niveles de iluminacin de los dos FOV, modificando los parmetros de brillo y gamma,
teniendo como efecto una imagen muy oscura pero capaz de proporcionar la informacin necesaria para
ser encontrada como patrn.
Los resultados presentados se obtuvieron haciendo pruebas durante el da en un estacionamiento
restringido, logrando mostrar algunas caractersticas importantes como placas y modelo de los
automviles. Se comprob que el sistema falla bajo tres condiciones que contemplan la seleccin
inadecuada de las ROI, objetos en movimiento que causan ruido y cuando los FOV de las cmaras de
inters no son similares, siendo en este ltimo punto donde radica la importancia del preposicionamiento.
Se evalo el tiempo de ejecucin total de la aplicacin, siendo ste de aproximadamente 17 segundos,
empleando una cmara mvil con enfoque y manejo de diafragma automticos.
Con el modelo computacional propuesto (ver Fig. 1.1), se prepararon las condiciones e imgenes para
lograr otras tareas avanzadas, analizando los rasgos caractersticos de los objetos en eventos relevantes.
Tambin se present la metodologa sobre la deteccin de movimiento que sienta las bases para el
seguimiento de objetos en tiempo real a travs de cmaras de circuito cerrado, mediante el uso de vectores
de movimiento y anlisis de partculas aplicado en el video.
De esta forma, se obtuvieron tres aportaciones: desarrollo tecnolgico de costo reducido; el reforzamiento
de sistemas de video-vigilancia comerciales de bajas y medianas prestaciones, mediante algoritmos,
mtodos y software propios; y el desarrollo de un sistema accesible para PyME con aplicacin en grandes
rea de vigilancia tales como edificaciones, va pblica y como complemento para otros sistemas.
Se verific la hiptesis y se cumplieron los objetivos, general y particulares, del trabajo.
~ 74~
TRABAJOS FUTUROS
Para trabajos a futuro se dan las siguientes propuestas:
a) Facilitar la posibilidad que el usuario establezca prioridades de atencin en los eventos generados
por las cmaras fijas.
b) Mejorar la discriminacin de partculas de acuerdo a rasgos caractersticos u orden de aparicin en
el FOV de la cmara que se est evaluando, cuando existan ms de una partcula de inters.
c) Hacer ms eficiente el algoritmo para la localizacin y acercamiento al objeto de inters, pudiendo
intercalar estas acciones para obtener mayor velocidad y una ubicacin ms precisa.
d) Con el documento aqu expuesto, se preparan las condiciones para el anlisis de los eventos
relevantes, pudiendo emplearse otras tcnicas de visin artificial como el reconocimiento ptico
de caracteres (OCR) para lectura de placas o herramientas biomtricas ms avanzadas para
inspeccionar rostros a travs de sistemas de video-vigilancia.
e) A partir de los rasgos caractersticos que se pueden obtener de las imgenes, es posible
implementar topologas de redes neuronales o memorias asociativas que sean fcilmente
adaptables a la incorporacin de nuevas categoras con el mnimo o nulo rentrenamiento para la
clasificacin de automotores.
f) Implementar el seguimiento de objetos en tiempo real a partir de los vectores de movimiento
calculados en la seccin 6.5, los cuales pueden proporcionar informacin sobre la direccin y
sentido que la partcula sigue de acuerdo al elemento del conjunto de vectores que posea la mayor
magnitud, con lo que se puede incluir un modelo matemtico que tenga la capacidad de predecir la
ruta que el objeto puede llevar.
g) Adicionar algoritmos para modificar el enfoque y diafragma automticamente y con ello poder
emplear el sistema cuando la iluminacin es baja (noches), dado que las luces externas o de los
automviles provocan ruido y efectos no deseados haciendo que las imgenes parezcan borrosas.
h) Probar el sistema ampliado con la aplicacin de los algoritmos y mtodos presentados para otra
configuracin que guarde el carcter dual entre los dispositivos, colocando
cmaras fijas y una
mvil, trabajando por pares.
~ 75~
REFERENCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
R., Cristbal, V., Francisco y C. Carlos, Domtica e Inmotica, viviendas y edificios inteligentes,
Tercera edicin, Editorial Alfaomega Ra-Ma, Mxico, Junio de 2011.
K., Karl D. The effects of Noise in Man. Segunda Edicin, Academic Press, 1985.
H., Cyril. Manual de Medidas Acsticas y Control de Ruido. Mc. Graw Hill. 1995.
Rojo, A. y Snchez Fernndez, L.P. Sistema de monitoreo de ruidos ambientales producidos por
aviones en el AICM (Aeropuerto Internacional de la Ciudad de Mxico), Tesis de Maestra
terminada, CIC-IPN, junio 2008.
Valencia, M. y Snchez Fernndez, L.P. Sistema distribuido para anlisis de ruidos ambientales,
Tesis de Maestra terminada, CIC-IPN, diciembre, 2007.
Domnguez Urbn Mara Guadalupe, Snchez Fernndez, L.P Medicin y procesamiento avanzado
de indicadores de ruido, en zonas crticas localizadas dentro del Distrito Federal. Tesis de Maestra,
2009.
Villafuerte Ramrez, Miguel Santiago y Snchez Fernndez, L.P. Desarrollo de un Mdulo de
Adquisicin de Seales Acsticas de Alto Rango Dinmico. Tesis de Maestra terminada, 2010.
Lpez Pacheco Mara Guadalupe, Molina Lozano Hern y Snchez Fernndez L.P. Clasificador
difuso de seales acsticas ambientales basado en anlisis de componentes independientes. Tesis de
Maestra en desarrollo, 2010.
Daz Gudio Luis Jorge, Snchez Fernndez L.P. y Oleksiy Pogrebnyak. Modelo computacional
para el anlisis avanzado de seales de ruidos ambientales. Tesis de Maestra en desarrollo, 2010.
Snchez Fernndez, L.P, Proyecto CONACYT: Sistema Avanzado de Monitoreo Ambiental de
Sonidos y Vibraciones, Clave: 51283-Y, Vigencia 2007-2010.
Convenio de desarrollo y transferencia de tecnologa: Sistema Distribuido de Monitoreo
Permanente Experimental, de Ruidos Ambientales en Puntos Crticos del Centro Histrico de La
Ciudad de Mxico (SIMAR-CH). 2008-2009. IPN-ICYTDF
Snchez Fernndez, L.P, Oleksiy Pogrebnyak, Jos Luis Oropeza Rodrguez and Sergio Surez
Guerra: Noise pattern recognition of airplanes taking off: task for a monitoring system. Lecture
Notes in Computer Science, Springer-Verlag, Germany. Vol. 4756, pp. 831-840, 2007.
Snchez F. L.P., L. Prez and L.A. Snchez. Environmental noise monitoring. 1st stage: Aircrafts
noise patterns recognition. Research in Computing Science, Vol. 24, pp. 95-104, 2006. LatinIndex
Data base. ISSN 1870-4069
Snchez Fernndez, L.P. R. Herrera Charles, Oleksiy Pogrebnyak. Spectral patterns for the
generation of unidirectional irregular waves. Lecture Notes in Computer Science, Vol. 3773. 2005.
ISSN 0302-9743, Springer-Verlag, Germany. ISI Data base.
Sanchez Fernandez, L.P., Oleksiy Pogrebnyak and Cornelio Yaez. Neural Network and Trend
Prediction for Technological Processes Monitoring. Lecture Notes in Artificial Intelligence
(Subseries of Lecture Notes in Computer Science), Vol. 3789. 2005. ISSN 0302-9743, SpringerVerlag, Germany. ISI Data base.
Snchez Fernandez, L.P., L. Gorostiaga, Oleksiy Pogrebnyak, Method for Alarm Prediction.
Proceedings Second International Conference on Informatics in Control, Automation and Robotics,
Vol. IV, Barcelona, Spain, 2005. ISBN 972-8865-31-7, Indexed in Data Base BDLP, Germany
Snchez, L.P., Error en las mediciones computarizadas de oleaje en laboratorios de investigacin,
Ingeniera Hidrulica en Mxico, Vol. XIX, No. 2, abril-junio de 2004. ISSN-0186-4076 (ISI Data
base: Science Citation Index Expanded)
~ 76~
[18] Roman, R., Lpez J., Dugeon, O., Lacoste, M., Plaza, P. Y., Bel, M., Advanced secure multimedia
services for digital homes. En Springer Science+Business Media, 2010.
[19] Chan, M., Estve, D., Escriba, C., Campo, E., A review of smart homes-Present state and future
challenges. En Computer methods and programs in biomedicine 91, 2008.
[20] Imai, Y., Sugiue, Y., Hori, Y. y Masuda, S., Application of a Remote Surveillance System with
Mobile Phone-Enhanced User Interface.
[21] G. Forman et. al., The challenges of mobile computing, IEEE Computer, April 1994, pp. 38-47.
[22] Snchez, L.P, Patrones de sistemas de primero y segundo orden, en un ambiente de instrumentacin
virtual, Computacin y Sistemas, Vol. VII, No. 2, 2003 (registrada en el ndice de Revistas
Mexicanas de Investigacin Cientfica y Tecnolgica del CONACYT).
[23] Sistemasmgs.com, Video-vigilancia IP, Mantenga el control, Sistemasmgs.com, revisado 19
Noviembre 2010, <http://sistemasmgs.com/video-vigilancia.html>.
[24] J. E. Boyd, E. Hunter, P. Kelly, L. Tai, C. Phillips, y R. Jain. Mpi-video infrastructure for dynamic
environments. En IEEE Conference on Multimedia Systems 98, Austin, TX, Enero 1998.
[25] San Miguel, J. C., Bescs, J., Martnez, J. M. y Garca, A., DiVA: a Distributed Video Analysis
framework applied to video-surveillance systems. En Ninth International Workshop on Image
Analysis for Multimedia Interactive Services.
[26] Jenkins, W., Top Benefits of video surveillance, Articlesbase, Free Online Articles Directory,
revisado 19 Noviembre 2010, <http://www.articlesbase.com/customer-service-articles/top-benefitsof-video-surveillance-1233905.html>.
[27] M. Sayles, X. Wu, y J. E. Boyd. Caml: Camera markup language for network interaction. En SPIE
Internet Imaging IV, volume 5018, pp. 248256, Santa Clara, CA, Enero 2003.
[28] B. D. Lucas y T. Kanade. An iterative image regis- tration technique with an application to stereo
vision. En International Joint Conference on Artificial Intelli- gence, pp. 674679, 1981.
[29] Intel Corporation. Intel Integrated Performance Prim- itives for Intel Architecture: Reference
Manual, 2003.
[30] Boyd, J. E., Sayles, M., Olsen, L. y Tarjan, P., Content Description Servers for Networked Video
Surveillance. En Proceedings of the International Conference on Information Technology: Coding
and Computing, 2004.
[31] T. Ebrahimi, Y. Abdeljaoued, R. Figueras, I. Ventura y O. Divorra Escoda. Mpeg-7 camera. En
ICIP01, pages Multimedia Indexing, Browsing, y Retrieval, 2001.
[32] Lien, C., Chen, P., Ying-Wen, B. y Ming-Bo y L., Monitoring System with Moving Object
Detection Based on MSN Messenger. En IEEE International Instrumentation and Measurement
Technology Conference, Victoria, Vancouver Island, Canada, 2008.
[33] ZhengbingZhang, ZhongnianLi, ZhenhuaXia, GuangxiZhu, "IP-based video lab-monitor system",
Proceedings of SPIE - The International Society for Optical Engineering, Electronic Imaging and
Multimedia Technology IV, pp. 372-376, Junio 2005.
[34] Jingwei Yang, The Design and Implementation of Embedded Wireless IP Camera, pp. 5-6
[35] Chen, C., Yi, Y., Drira, A., Koschan, A. y Abidi, M., Cooperative Mapping of Multiple PTZ
Cameras in Automated Surveillance Systems. ISBN 978-1-4244-3991-1/09, 2009, IEEE.
[36] Varcheie, P.D.Z.; Bilodeau, G.-A. "Active people tracking by a PTZ camera in IP surveillance
system," Robotic and Sensors Environments, 2009. ROSE 2009. IEEE International Workshop on,
vol., no., pp.98-103, 6-7 Nov. 2009.
~ 77~
[37] Chu-Sing Yang; Ren-Hao Chen; Chao-Yang Lee; Shou-Jen Lin; , "PTZ camera based position
tracking in IP-surveillance system," Sensing Technology, 2008. ICST 2008. 3rd International
Conference on , vol., no., pp.142-146, Nov. 30 2008-Dec. 3 2008
[38] Hsien-Chou Liao; Wei-Yi Chen. "A dual-PTZ-camera system for visual tracking of a moving target
in an open area, Advanced Communication Technology, 2009. ICACT 2009. 11th International
Conference on, vol.01, no., pp.440-443, 15-18 Feb. 2009.
[39] Liu, Y. y Xiao, M., A Motion Object Detecting Algorithm Applied for Constant Speed Dome
Camera in Surveillance Camera System. En 2010 International Conference on Computer
Application and System Modeling (ICCASM 2010), pp. V6-361-V6-365.
[40] Hintermaier, W. y Steinbach, E., A System Architecture for IP-camera based Driver Assistance
Applications. En 2010 IEEE Intelligent Vehicles Symposium, San Diego, California, Estados
Unidos de Amrica, 2010.
[41] Liu, Z., Dichao, P. y Zheng, Y., Communication Protection in IP-based Video Surveillance
Systems. En Proceedings of the Seventh IEEE International Symposium on Multimedia (ISM05),
ISBN 0-7695-2489-3/05, 2005.
[42] Yang, M., Tham, Y., Wu, D. y Huang Goh, K., Cost Effective IP Camera for Video Surveillance.
En ICIEA 2009, 2009.
[43] Wang R., Huang T., Fast camera motion analysis in MPEG domain, International Conference on
Image Processing 1999, pp. 691 -694 vol.3
[44] Jong-Il Park, Inoue S., Iwadate Y., Estimating Camera Parameters From Motion Vectors of Digital
Video, IEEE Workshop Multimedia Signal Processing 1998pp.105-110
[45] A Probabilistic Model for Camera Zoom Detection Rong Jin, Yanjun Qi, Alexander Hauptmann
Proceedings of the 16th International Conference on Pattern Recognition (ICPR02) 1051-4651/02
[46] Solari, S., Architecture for a digital video recorder. En ITUAM 3.4, 2000
[47] Ebrahim, M., Canagarajh, C. N. y Bull, D. R. Video Coding for Mobile Communications Effciency,
Complexity, and Resilience. Editorial Academic Press, San Diego, California, Estados Unidos,
ISBN-0-12-053079-1, 2002.
[48] Anatassios, G. y Bradley, T., Security for Real-Time MPEG Compressed Video in Distributed
Multimedia Applications. En IEEE, 1996.
[49] Srinivasan, K., Porkumaran, K. y Sainarayanan, G., Improved Background Subtraction Techniques
for Security in Video Applications.
[50] Novak, T., Treytl, A. y Palensky, P., "Common approach to functional safety and system security in
building automation and control systems", Emerging Technologies and Factory Automation, 2007.
ETFA. IEEE Conference on, vol., no., pp.1141-1148, 25-28 Sept. 2007.
[51] IEC 15408 Information technology Security technique Evaluation criteria for IT security,
1999.
[52] Manual de usuario del Sistema de Administracin Remota (RAS Plus).
[53] Bitter, R., Mohiuddin, T. y Nawrocki, M., Lab VIEW Advanced Programming Techniques,
Editorial CRC-Press, Estados Unidos de Amrica, 2007. ISBN 0-8493-3325-3.
[54] Xunwen, S., Shaoping, W., Dongmei Z. y Zhu, Q., "RS-485 serial port pseudo-full-duplex
communication research and application," Prognostics and Health Management Conference, 2010.
PHM '10. , vol., no., pp.1-5, 12-14 Jan. 2010.
[55] National Instruments Corporation, NI Vision Concepts Help, National Instruments documentation.
August, 2011.
~ 78~
[56] Rodrguez, R. y Sossa, J. Procesamiento y Anlisis Digital de Imgenes, Editorial Ra-Ma, Espaa,
2011. ISBN 978-84-9964-077-8.
[57] Escalante, B., Apuntes de curso de Procesamiento Digital de Imgenes, 2006. http://verona.fip.unam.mx/boris/teachingnotes/Capitulo4.pdf. Fecha de recuperacin 30 de agosto de 2012.
[58] Relf, C., Image Acquisition and Processing with Lab VIEW, Editorial CRC Press, Estados Unidos
de Amrica, 2004. ISBN 0-8493-1480-1.
[59] Thomas, K., Image processing with Lab VIEW and IMAQ visin, Editorial Prentice Hall
Professional, Estados Unidos de Amrica, 2003. ISBN 0-13-047415-0.
[60] NI Developer Zone, NI Community, Lab VIEW-save a document in PDF file using Freeware Bull
Zip PDF Write, 2012. https://decibel.ni.com/content/docs/DOC-22555. Fecha de recuperacin 4 de
septiembre de 2012.
[61] NI Developer Zone, GMAIL.vi, 2009. http://zone.ni.com/devzone/cda/epd/p/id/5992. Fecha de
recuperacin 4 de septiembre de 2012.
~ 79~
ANEXO A. GLOSARIO DE FUNCIONES DE LABVIEW

ICONO
NOMBRE
DESCRIPCION
VISION
~ 80~
IMAQ Create
Crea una locacin de memoria temporal de una

imagen
IMAQ Cast Image
Convierte el tipo actual a otro tipo de imagen,

especificando el tipo de imagen.
IMAQ Dispose
Destruye la imagen y libera el espacio que ocupaba en

la memoria. Este VI se requiere para cada imagen
creada en una aplicacin.
IMAQ Optical Flow

(HS)
Calcula el flujo ptico (velocidad de flujo) de

informacin en dos imgenes sucesivas utilizando el
algoritmo de Horn y Schunck.
IMAQ Overlay Motion

Vectors
Sobreescribe informacin de velocidad en la imagen.
IMAQ Get Kernel
Lee un kernel predeterminado. Este cdigo se

compone de tres unidades separadas: la familia del
kernel, tamao de kernel y el nmero del kernel.
IMAQ Histogram
Calcula el histograma de una imagen.
IMAQ Absolute
Difference
Resta una imagen de otra o una constante de una

imagen y devuelve el valor absoluto de la diferencia.
IMAQ Equalize
Produce una ecualizacin del histograma de la imagen.

Este VI redistribuye los valores de pxel de una imagen
para linealizar el histograma acumulado.
IMAQ Convolute
Filtra una imagen usando un algoritmo lineal. Los

clculos se realizan con enteros o de punto flotante,
dependiendo del tipo de imagen y el contenido del
kernel.
IMAQ AutoBThreshold
2
Calcula el valor umbral ptimo para una imagen o una

regin de inters y se aplica el umbral calculado.
IMAQ Morphology
Realiza operaciones de morfologa matemtica en las

imgenes.
ICONO
NOMBRE
IMAQ FillHole
IMAQ RemoveParticle
VI
DESCRIPCION
Rellena los huecos presentes en una partcula. Los
agujeros que se encuentran en contacto con el borde
de la imagen nunca se llenan, porque es imposible
determinar si estos agujeros son parte de una
partcula.
Elimina o mantiene las partculas resistentes a una
ventana de 3 x 3 con erosin. Las partculas que se
mantienen son exactamente la misma forma que los
que se encuentran en la imagen de la fuente original.
IMAQ Particle Filter
Filtra (mantiene o elimina) cada partcula en una

imagen de acuerdo a sus medidas.
IMAQ Particle Analysis
Devuelve el nmero de partculas detectadas en una

imagen binaria y una matriz 2D de las mediciones
solicitadas acerca de las partculas.
IMAQ Extract
Extrae (reduce) una imagen o parte de una imagen

con el ajuste de la resolucin horizontal y vertical.
IMAQ Overlay
Rectangle
Sobreescribe un rectangulo en la imagen.
IMAQ Overlay Points
Sobreescribe un punto o arreglo de puntos en una

imagen.
IMAQ Copy
Copias de las especificaciones y los pxeles de una

imagen en otra imagen del mismo tipo. Si la imagen
de origen contiene informacin adicional, sta
tambin se copia en la imagen de destino
IMAQ Get Image Size
Proporciona informacin sobre el tamao (resolucin)

de la imagen.
IMAQ Convert
Rectangle to ROI
Convierte un rectngulo en un descriptor de regin de

inters (ROI).
IMAQ Overlay ROI
Superpone una regin de inters (ROI) en una imagen.
IMAQ Simmetry
Transforma una imagen a travs de su simetra.
~ 81~
ICONO
NOMBRE
DESCRIPCION
IMAQ
ArrayToColorImage
Crea una imagen en color a partir de una matriz 2D.
IMAQ Light Meter

(Rectangle) VI
Mide la intensidad de iluminacin de cada pixel dentro

de un rectngulo.
IMAQ BCGLookup VI
Se aplica una correccin de brillo, contraste y gamma

a una imagen.
DIALOGO
General Error Handler
Indica si hubo un error, si es as, este VI devuelve su

descripcin y, opcionalmente, muestra un cuadro de
dilogo.
CADENAS
Search/Split String
Divide una cadena simple en dos subcadenas de

determinada longitud.
Search and Replace

Pattern
Busca las cadenas de subcadenas que coincidan con la

expresin regular y las reemplaza. Una expresin
regular requiere una combinacin especfica de
caracteres.
Decimal String to
Number
Convierte los caracteres numricos de la cadena en un

nmero.
Divide los elementos del arreglo sucesivamente en los

arreglos de salida.
COMUNICACIN TCP
Decimate 1D Array
~ 82~
TCP Open Connection
Abre una conexin de red TCP con la direccin y el

puerto remoto o nombre de servicio.
TCP Write
Escribe los datos en una conexin de red TCP.
TCP Read
Lee un nmero de bytes de una conexin de red TCP,

devolviendo los resultados de los datos a cabo.
TCP Close Connection
Cierra una conexin de red TCP con la direccin y el

puerto remoto o nombre de servicio.
ICONO
NOMBRE
DESCRIPCION
COMUNICACIN SERIAL
VISA Configure Serial
Port VI
Inicializa el puerto serie especificado por el nombre

del recurso VISA con la configuracin
VISA Close Function
Cierra una sesin de dispositivo u objeto evento

especificado por VISA
REPORTES MICROSOFT OFFICE

New Report
Crea un nuevo reporte
Word Edit Cell
Edita la celda especificada por fila y columna
Save Report to File
Guarda un informe HTML en el archivo especificado en

la ruta del archivo del informe
Dispose Report
Cierra el informe y libera la memoria.
~ 83~
ANEXO B. PROTOCOLO PELCO-D

Fuente: http://cvs.ru/files/pelco-d.pdf
Este protocolo es usado entre los sistemas de conmutacin de matriz y los receptores/controladores. Es
popular en el control PTZ de cmaras de vigilancia.
B.1 Protocolo D
El formato del mensaje o trama es:
Byte 1
Byte 2
Byte 3
Sincronizacin
Direccin
Comando 1
Figura B.1
Byte 4
Byte 5
Byte 6
Byte 7
Comando 2
Datos 1
Trama de protocolo Pelco-D
Datos 2
Check Sum
Donde:
Todos los valores estn mostrados en hexadecimal.
El byte 1 de sincronizacin es siempre $FF.
La direccin es la direccin lgica del receptor/controlador al que se manipula.
B.2 Formato del conjunto de Comandos

Los comandos 1 y 2, vistos en los bytes 3 y 4 respectivamente, tienen el siguiente formato:
Comando
1
Comando
2
Tabla B.1 Comandos Pelco-D

Bit 5
Bit 4
Bit 3
Bit 7
Bit 6
Sensitividad
Enfoque
lejos
Reservado
en 0
Zoom
ancho
Bit 2
Bit 1
Bit 0
Reservado
en 0
Escaneo
Auto/Man
Cmara
enc/apag
Cerrar
diafragma
Abrir
diafragma
Enfoque
cerca
Zoom alto
Arriba
Abajo
Izquierda
Derecha
Siempre 0
Donde, en el comando 1, el bit de sensitividad, indica la aceptacin de los bit 3 y 4, bajo la siguiente
lgica:
Sensitividad
1
0
Tabla B.2 Comando 1 Pelco-D

Bit 4
Bit 3
1
El comando
Permitir el auto escaneo y encender la cmara

No existe accin
Permitir el escaneo manual y apagar la cmara
No existe accin
B.3 Formato del conjunto de Datos

Los datos 1 y 2, para los byte 5 y 6 respectivamente, tienen la siguiente funcionalidad:
~ 84~
Funcin
Tabla B.3 Datos Pelco-D

Detenido
Velocidad horizontal (pan)

Velocidad vertical (tilt)
Datos 1
Datos 2
$00
$00
Alta
Turbo
$3F
$3F
$FF
-
B.4 Check Sum

Es un medio de evaluacin que emplea la suma de los comandos en hexadecimal para verificar que el
mensaje haya sido bien enviado y bien recibido por los dispositivos. El byte 7 de la trama contiene la
suma de byte 6 al byte 1, que se calcula de la siguiente forma: se supone que el mensaje enviado es
dirigido al receptor 10, con cmara encendida, enfoque lejos activado, movimiento a la izquierda con
turbo velocidad horizontal, es decir:
FF
0A
88
Sincronizacin
Direccin
90
00
40
Comando 1
Comando 2
Datos 1
Datos 2
Figura B.2 Ejemplo de trama para clculo de check sum
62
Check sum
El procedimiento comienza transformando los bytes de hexadecimal a binario para entonces poder realizar
la suma normalmente; despus se vuelve a transformar a hexadecimal.
0A
88
Subtotal
90
Subtotal
00
Subtotal
40
00001010
10001000
10010010
10010000
00100010
00000000
00100010
01000000
01100010
92
22
Mdulo 256 permite que el bit alto se ponga a cero
22
62
Valor final de check sum
B.5 Rutinas preconfiguradas

Adems de los comandos PTZ, hay comandos de control que permiten el acceso a las funciones ms
avanzadas de algunos equipos. Esto se logra modificando los Comandos 1 y 2, as como los Datos 1 y 2 de
la trama principal. Algunos ejemplos se muestran en la siguiente tabla:
Comando
Ir al preset
Girar 180
Ir al origen
Correr patrn
Escanear zona
No escanear zona
Ajustar velocidad de zoom
Tabla B.4 Rutinas preconfiguradas Pelco-D

Byte 3
Byte 4
Byte 5
00
00
00
00
00
00
00
07
07
07
23
1B
1D
25
00
00
00
00
00
00
00
Byte 6
01 a 20
21
22
00
00
00
00 al 03
~ 85~
ANEXO C. SDK IDIS WATCH CLIENT

Fuente: http://www.avlogicsfileserver.com.
Fecha de recuperacin: 30 de septiembre de 2011
Un kit de desarrollo de software o SDK es un conjunto de herramientas de desarrollo de software que

permite crear aplicaciones para un sistema en concreto.
Este SDK es desarrollado por la empresa coreana dedicada a la vigilancia de edificaciones, IDIS Co., Ltd.,
como una interfaz de programacin de aplicaciones o API (del ingls application programming interface)
creada para permitir el uso del conjunto de funciones que hacen posible la comunicacin en tiempo real
con algunas marcas y modelos de DVR. A continuacin una visin general de este SDK.
C.1Generalidades
El IDIS Watch SDK est desarrollado en el lenguaje de programacin C++. Est compuesto de archivos
*.dll (dynamic linking library file), *.lib (static binding library file) y archivos de cabecera (*.h) de C++,
que son:
idiswatch.dll
idisdecoder.dll
idiswatch.lib
idisdecoder.lib
IDIS_WatchSDK.h
IDIS_DecoderSDK.h
IDIS_Define.h
Los prototipos del IDIS WatchClient API definidos en el archivo de cabecera IDIS_WatchSDK.h son el
conjunto de funciones proporcionados por el Cliente RASplus WatchClient (software propio del DVR
empleado en el presente trabajo). Los datos regresados por la funcin IDIS WatchClient son
especificados en el archivo cabecera
IDIS_Define.h. La informacin adicional acerca de la
descompresin de video puede ser adquirida por medio de la funcin Callback FRAMELOADED con
algunos parmetros del archivo IDIS_Define.h. Para descomprimir los marcos del video, es necesario
emplear la seccin de IDIS_DecoderSDK.h Desplegar las imgenes de acuerdo con la cmara
seleccionada y mostrar la informacin del sistema, se realizar slo por el programador de interfaz de
usuario que use el IDIS Watch SDK, ya que este SDK no incluye ningn cdigo para la aplicacin visual.
C.2Modelos de DVR aplicables

Este software puede ser empleado para los siguientes modelos:
Tabla C.1 Modelos DVR aplicables
Modelos DVR
IDR/PCR
6.06.042/6.06.070/6.07.00
0/6.07.001/6.08.000
HDR1600 1.1.7 / 2.0.0 /

2.0.1
ADRPRO 1.4.2
XDRDLX 2.0.0 / 2.1.0 /

2.3.1
MDR400 1.0.0
XDRPRO2 2.1.0 / 2.3.1
~ 86~
SDR410 1.7.4/ 1.8.2

XDR/XDRPRO 3.4.0/
4.0.0
SDR800/1600 1.4.0 / 1.5.1
/ 1.7.0
SDR402
2.1.0/3.0.1/3.1.0/3.2.0
SDR421 1.0.0
CDR420 2.1.0
C.3Componentes empleadas del SDK

El SDK contiene numerosas funciones, sin embargo no todas son empleadas para este caso particular. A
continuacin se muestra en la Fig. D.1 las partes fundamentales de la aplicacin para obtener el video en
tiempo real a travs del DVR.
Main
PARTyVideoTCPServer
Interfaz
Contador de
Cuadros
Acceso a DVR
Cola de
Cuadros
Decodificador
Comunicacin
TCP
Da el mando al
Administrador
sobre el sistema
Obtiene promedio
del envo de
cuadros por cada
segundo.
Entabla
comunicacin con
el DVR y muestra
estado.
Maneja colas para

obtener cuadros
del DVR.
Crea objeto para

decodificador y
descomprime el
video.
Emplea SocketServer y entabla

comunicacin
externa
FrameCounter
WatchSDK_Class
FrameQueue
DecoderSDK_Class
contadorFrames
_watchCore
frameQueue
decoder
EVENTOS
Figura C.1
TCP Socket
TCP Server
Partes empleadas del SKD IDIS Watch
La raz del diagrama representa el programa principal, que hace el llamado a la primera clase,
PARTyVideoTCPServer, sta contiene los constructores de los objetos a emplear. En el siguiente nivel
del diagrama, se tienen los elementos que se emplearon para utilizar el SDK; para cada uno corresponde la
descripcin y los objetos y/o nombres de clases asociados a ellos.
~ 87~
ANEXO D. SDK VIVOTEK

Fuentes: http: //www.vivotek.com/support/sdk.php,
ftp://www.direktronik.se/Support/Kameror/Vivotek%20SDK/VitaminControl.pdf
Fecha de recuperacin: 14 de enero de 2012
El SDK de VIVOTEK proporciona herramientas, documentacin y ejemplos de cdigo que le permiten

sacar el mximo provecho de los avances tecnolgicos de esta lnea de productos. VIVOTEK ofrece dos
perfiles completos para ayudarle a desarrollar las aplicaciones, alto y principal.
Con el SDK de perfil principal (main profile), se tienen que desarrollar todas las funciones propias para
conectar con el servidor de streaming (dentro de la cmara de red o el servidor de vdeo), manipular audio
y video y solicitar los datos desde el servidor de medios de comunicacin.
D.1 Alto perfil

Alto perfil (high profile), se compone de dos partes. Uno de ellos es el control Vitamin, y el otro es el
MediaPlayback. Ambos son un tipo de control ActiveX.
El control Vitamin, desarrollado para conectar a las cmaras de red de VIVOTEK o servidores de video,
puede mostrar el audio y video decodificado y/o registrar los datos. Es un componente integrado con
funciones completas y contiene los aspectos ms genricos del SDK.
El MediaPlayback, por otra parte, se utiliza para la reproduccin del video y de audio, grabados por la
ST3402 o el control Vitamin, a partir de la base de datos.
Por lo tanto, cuando se requiere una rpida acumulacin de programa para controlar y ver los productos de
VIVOTEK, el control Vitamin es el mtodo ms fcil para hacerlo. Sin embargo, la flexibilidad y la
eficiencia podrn ser relativamente menores.
Los controles ActiveX se utilizan para denotar los componentes reutilizables del software, se basa en el
Modelo de Microsoft de componentes objetos (COM, por sus siglas en ingls). En trminos generales, el
programa slo puede ser desarrollado con en el sistema operativo Microsoft Windows.
D.2 Control Vitamin

La funcin principal del control Vitamin es la de proporcionar un rpido desarrollo de la aplicacin que se
puede utilizar para monitorear, controlar, registrar y actualizar la configuracin.
Para instalar el control Vitamin en la PC, se tienen que seguir estos pasos:
1. Descargar VitaminDecoder.zip para la instalacin del archivo.
2. Ejecutar el VitaminDecoder.exe.
3. El directorio de instalacin contiene dos subdirectorios.
~ 88~
D.3 Comandos empleados

A continuacin se enumeran los comandos utilizados en el presente trabajo para obtener el video en
tiempo real de la cmara tipo IP Vivotek.
Connect
Conectar con el servidor visual para iniciar la descarga.
Parmetros: el cdigo de retorno de la funcin. 0 significa xito, otros no significa.

Nota: si la conexin ya est establecida, esta convocatoria no hace nada y devuelve 0.
Requerimientos: los mtodos RemoteIPAddr, HttpPort, Url, ConnectionProtocol deben estar
listos antes de llamar a Connect.
CurrentControlCam
Leer o establecer el ndice de control de la cmara actual. Esta propiedad es significativa para el modelo
de 4 canales.
Tipo: long, el ndice de la cmara.
RemoteIPAddr
Obtiene o establece la direccin IP remota del servidor visual.
Tipo: string, el formato debe ser IP con puntos, es decir: 'a.b.c.d'.
Password
Obtener o establecer la contrasea utilizada para la autenticacin de la pgina web.
Tipo: string.
UserName
Selecciona u obtiene el nombre de usuario para la autenticacin web.
Tipo: string.
AutoServerModelType
Reconoce el tipo de modelo de servidor de forma automtica. Con esta configuracin, los usuarios ahora
pueden especificar slo el nombre de IP / usuario / contrasea para conectarse al servidor.
Tipo: boolean, verdadero significa que el model fue encontrado de manera automtica.
Nota: para decidir el tipo de servidor, el control tiene que comunicarse con el ste antes de
conectarse. Por lo tanto, se necesitar ms tiempo para completer la operacin.
~ 89~
NotifyVideoData
Determina si el control debe enviar los datos de nuevo video decodificado por evento.
Tipo: boolean, verdadero significa notificar a cada pieza.
AutoReconnect
Decidir si el control debe intentar volver a conectarse al servidor si se encuentra la conexin rota.
Tipo: boolean, verdadero significa que pudo reconectarse automticamente.
ViewStream
Selecciona u obtiene flujo de video/audio que el control se conectar.
Tipo: EDualStreamOption.
ConnectionProtocol
Establece el protocolo de conexin utilizado para conectar con el servidor.
Tipo: EConnProtocol.
Display
Selecciona u obtiene el interruptor para encender o apagar la pantalla de la grfica en la pantalla.
Tipo: boolean, verdadero significa que es posible mostrar el grfico.

Nota: para computadoras con tarjeta grfica lenta, este interruptor es muy til para evitar que
el sistema se sature.
DecodeAV
Obtener o establecer el indicador que determina si los datos de audio y vdeo deben ser decodificados
despus de recibido.
~ 90~
Tipo: boolean, verdadero significa que el video y audio deben decodificarse.
ANEXO E. PRECONFIGURACIN DE POSICIONES EN EL DOMO

Fuente: http://www.revoamerica.com/Portals/3/support-docs/REVDPTZ10-1.pdf
Fecha de recuperacin: 25 de enero de 2011
Esta seccin se extrajo del manual de usuario del domo empleado segn los datos de la Tabla 4.2 para
establecer puntos que sern empleados en el preposicionamiento.
E.1 Configuracin
En el men principal se tienen varias opciones (Fig. E.1), de las cuales se elige preset.
Figura E.1
Pantalla principal del domo
Puede guardar hasta 60 puntos preestablecidos. Cada punto preconfigurado tiene componentes de pan, tilt,
zoom segn se hayan definido como se ve en la Fig E.2.
Figura E.2
Pantalla de configuracin del domo
E.2 Operacin
Para mandar llamar las rutinas ser suficiente con cambiar el mensaje Pelco-D de acuerdo al Anexo B
segn la Tabla B.4 e indicar el nmero con el que fue guardada la preconfiguracin.
~ 91~
ANEXO F. DIAGRAMA GENERAL DE SOFTWARE
Figura F.1 Digrama de jerarqua total
~ 92~
ANEXO G. ESPECIFICACIN DE LOS CMARAS ANALGICAS

A continuacin se enlistan las caractersticas ms importantes de las cmara analgicas empleadas
para las pruebas realizadas.
Tabla G.1 Cmaras analgicas
EQUIPO
DESCRIPCIN
Minitrax Dome Camera,

Syscom
-Ms Zoom 352X (22X ptico/16X digital).

-Da/Noche Real (filtro ICR Incorporado).
-Compatible con DVR's (Protocolos Fastrax, Pelco D/P).
-Deteccin Automtica de protocolos de datos RS485.
-CCD 1/4" SONY Exview HAD.
-580 lneas de resolucin (Color).
-0.5 Lux (Color), 0.05 Lux (B/N), 0.001 Lux (Low Shutter).
-Enfoque automtico.
-Lente de 3.9 a 85.8 mm.
-120 Presets programables.
3DNR Super Night Vision

Outdoor Camera, Epcom
-Zoom 352X (22X ptico/16X digital).

-Da/Noche Real (filtro ICR Incorporado).
-Compatible con DVR's (Protocolos Fastrax, Pelco D/P).
-CCD 1/4" SONY Exview HAD.
-560 lneas de resolucin (Color).
-600 lneas de resolucin (B/N).
-0.2-0.00001 Lux
~ 93~
ANEXO H. PUBLICACIONES
12th. International Congress on Computer Science, CORE 2012. Computational model for video
surveillance, dual detection and processing of relevant events. Presentado el da 28 de noviembre
de 2012 en la Ciudad de Mxico. (Autora principal)
16 Convencin Cientfica de Ingeniera y Arquitectura, CUJAE. Environment noise map

estimation based on real-time measurements, a case study. Presentado el da 26 de noviembre de
2012 en la Habana, Cuba. (Co-autora).
~ 94~
Computational model for video surveillance, dual

detection and processing of relevant events
3DPHOD$UDFHOL5DQJHO7LUDGR/XLV3DVWRU6iQFKH])HUQiQGH]2OHNVL\3RJUHEQ\DN
&HQWURGH,QYHVWLJDFLyQHQ&RPSXWDFLyQ,QVWLWXWR3ROLWpFQLFR1DFLRQDO
$Y-XDQGH'LRV%iWL]VQHVT0LJXHO2WKyQGH0HQGL]iEDO
&RO1XHYD,QGXVWULDO9DOOHMR&30H[LFR&LW\0H[LFR
pamela.rangel.t@gmail.com, {lsanchez, olek}@cic.ipn.mx
A bstract.7KLVSDSHUSURSRVHVDFRPSXWDWLRQDOPRGHOIRUDXWRPDWHGREWDLQLQJ
LPDJHVLQJUHDWHUGHWDLOWKURXJKWKHFRPELQDWLRQRIPXOWLSOHIL[HGFDPHUDVDQG
DPRELOHFDPHUDZRUNLQJDFRXSOHDWDWLPH,WGHWHFWVDQHYHQWRILQWHUHVWDQG
LWVORFDWLRQWRPDNHREMHFWSDQWLOW]RRP7RDFKLHYHWKLVREMHFWLYHFRPSXWHU
YLVLRQWHFKQLTXHVLPDJHSURFHVVLQJSDWWHUQPDWFKLQJDQGFDOLEUDWLRQDUHXVHG
DQG LQWHUFDPHUD &RPPXQLFDWLRQ3URWRFRO3HOFR' LV HPSOR\HG 7KH DSSOLFD
WLRQZDVSURJUDPPHGLQ/DE9,(:7KHWHVWVDUHSHUIRUPHGLQDUHVWULFWHG
SDUNLQJUHVXOWLQJLQDFDU]RRPLQJLQ

K eywords:6XUYHLOODQFHGXDOV\VWHP/DE9,(:YLUWXDOLQVWUXPHQWVIL[HG
FDPHUD37=SDWWHUQPDWFKLQJFRPSXWHUYLVLRQLPDJHSURFHVVLQJ
Introduction
1RZDGD\VWKHGHWHFWLRQDQGUHFRJQLWLRQRIUHOHYDQWHYHQWVLVRQHRIWKHPRVWVWXG
LHGDUHDVRIUHVHDUFK,PDJHVKDYHDYLWDOLPSRUWDQFHLQWKHDQDO\VLVRIFULPHDVHYL
GHQFHRIDEXVHRUVLPSO\WRWUDFNHYHQWV2QHRIWKHRXWVWDQGLQJSUREOHPVLVWKHIDFW
WKDWIL[HGFDPHUDVKDYHDZLGHILHOGRIYLHZ)29EXWFDQQRWEHXVHGWRYLHZGH
WDLOV RI DQ REMHFW VXFK DV D FDU SODWH RU D SHUVRQ
V IDFH 2QH SRVVLEOH VROXWLRQ LV WR
OHYHUDJH FRPPHUFLDO YLGHR VXUYHLOODQFH V\VWHPV RI ORZ DQG PHGLXP SHUIRUPDQFH
ZLWKDGYDQFHGDOJRULWKPVDQGDFRPELQDWLRQRIIL[HGDQGPRELOHFDPHUDVWRSHUIRUP
PRUHFRPSOH[DFWLYLWLHVWRPD[LPL]HWKHLUXWLOLW\
7KLVSDSHUSURSRVHVDQDXWRPDWHGV\VWHPWKDWHPSOR\V IL[HGFDPHUDVWRGHWHFW
WKHSUHVHQFHRIDQREMHFWLQDODUJH)29SURFHVVLQJLPDJHVWRVHJPHQWWKHPDQGILQG
YDOXDEOHLQIRUPDWLRQIRUSDWWHUQUHFRJQLWLRQRIWKHREMHFWORFDWLRQ7KLVLVGRQHSRVL
WLRQLQJ WKH PRELOH FDPHUD LQ WKH FHQWHU RI )29 DQG PDNLQJ ]RRP IRU REWDLQLQJ DQ
LPDJH ZLWK PRUHGHWDLOV7KHPHWKRGVFDQEHWKHEDVLVIRUDFKLHYLQJPRUHFRPSOH[
DFWLYLWLHVVXFKDVWUDFNLQJDQREMHFWLQUHDOWLPH
7KHSDSHULVVWUXFWXUHGDVIROORZV6HFWLRQ,,SURYLGHVDQRYHUYLHZRIWKHVWDWHRI
WKHDUW6HFWLRQ,,,GHVFULEHVWKHV\VWHPDUFKLWHFWXUH6HFWLRQ,9SUHVHQWVWKHPHWKRG
E. Castillo, J.C. Chimal, A. Uriarte, L. Cabrera.

Advances in Computer Science and Engineering
Research in Computing Science 58, 2012 pp. 237251
Paper Recived 21-09-2012 and Acepted 07-11-2012
238
Pamela Araceli Rangel Tirado, Luis Pastor Snchez Fernndez, Oleksiy Pogrebnyak
RORJ\WRGHYHORSWKLVV\VWHPZLWKDOOWKHDOJRULWKPVIRULPDJHSURFHVVLQJDQGFRQWURO
RI WKH GRPH 6HFWLRQ 9 SURYLGHV VRPH UHVXOWV LQ LPDJHV 6HFWLRQ 9, FRQFOXGHV WKH
SDSHU
Related wor ks
2QWKHVRFLDOVLGHWKHLQFUHDVHLQFULPHLVRQHRIWKHPDLQIDFWRUVWKDWKDYHLQIOX
HQFHGWKHGHPDQGIRUUHPRWHYLGHRVXUYHLOODQFHV\VWHPV>@DVLWVHHNVWR VWRSSUH
YHQW DQG FRPEDW LOOHJDO 7HFKQRORJLHV VXFK DV YLGHR VXUYHLOODQFH FDQ REVHUYH UH
VSRQGLQWHUYHQHDQGPLWLJDWHULVNVWKDWPD\DULVH>@7KHUHDUHPDQ\ZRUNVLQWKLV
DUHDRIUHVHDUFK%R\GHWDO>@GHVFULEHDYLGHRVXUYHLOODQFHV\VWHPWKDWDVVLPLODWHV
LQIRUPDWLRQIURPPXOWLSOHFDPHUDVLQDVLQJOHVWDJHPRGHO,QDUHDOWLPHDSSOLFDWLRQ
ZLWK VHSDUDWH SURFHVVRUV WR SHUIRUP ORZ OHYHO RSHUDWLRQV PRWLRQ VHJPHQWDWLRQ DQG
UHFRJQLWLRQ RI REMHFWV DQG WKHQ VKDUHG WKURXJK D ORFDO DUHD QHWZRUN LQIRUPDWLRQ
ZLWKRWKHUSDUWVRIWKHPRQLWRULQJV\VWHP
,QVXFKV\VWHPVWKHUHDUHVRPHWKDWZLOOWUDFNREMHFWVRILQWHUHVWHLWKHUZLWKDVLQ
JOH FKDPEHU RU PRUH DGYDQFHG V\VWHPV 5HJDUGLQJ WKH ILUVW FDVH DQG %LORGHDX
9DUFKHLH>@FRQGXFWHGDSURMHFWWKDWVHHNVWRLGHQWLI\DQGUHFRJQL]HREMHFWVDQGGH
WHFWDQGWUDFNWKHPXVLQJDPRYLQJSDQWLOW]RRP37=FDPHUDZLWKFRPPXQLFDWLRQ
YLD,QWHUQHW7KLVPHWKRGLVEDVHGRQWKHFRPSDULVRQRIHOOLSWLFDOVDPSOHVWRWKHRE
MHFWLYHHYDOXDWLQJWKHVLPLODULW\SUREDELOLW\ZKHQHVWLPDWLQJWKHORFDWLRQRIWKHREMHFW
WKURXJK D VWXG\ RI WKH GLIIXVH DUHDV PRYHPHQW ZLWKRXW HPSOR\LQJ WKH RSWLFDO IORZ
DOJRULWKP /XFDV.DQDGH /LNHZLVH SUHGLFWLRQ RI WKH REMHFW SRVLWLRQ LV PDGH WR KHOS
WUDFN7KLVV\VWHPKDVWKHSHFXOLDULW\WKDWWKHVDPSOHPXVWEHWDNHQPDQXDOO\ZKLFK
PDNHVLWXVHIXOIRULGHQWLI\LQJSUHYLRXVO\FKRVHQSHUVRQV
$QRWKHULQQRYDWLYHV\VWHPLVSURSRVHGE\&KX6LQJHWDO>@ZKLFKLQDGGLWLRQWR
WUDFNLQJ DOJRULWKPV HPSOR\HG LQWHUQDOO\ DOVR DGGV JHRJUDSKLFDO ORFDWLRQ RI SHRSOH
$QRWKHU V\VWHP SURSRVHG E\ +VLHQ&KRX DQG :HL<L >@ ZKLFK SURSRVHV D GXDO
FDPHUD V\VWHP ZLWK 37= XVLQJ PRWLRQ VHQVRUV WR UHVHPEOH WKH LGHQWLILFDWLRQ DQG
WUDFNLQJRIDQREMHFWDVHDJOHVGRXVLQJWKH ILUVWFDPHUDVHHWKH ZLGH)29DQGWKH
RWKHUIRUWKHGHWDLOLQWKHVDPHDUHD
System A rchitecture
7KLVSDSHUSUHVHQWVWKH GHYHORSPHQWRI YLUWXDOLQVWUXPHQWVIRUYLGHRVXUYHLOODQFH

DQGVHFXULW\V\VWHP)LJXUHZLWKJHWWLQJYLGHRWKURXJK &&79FDPHUDVZKLFK
PD\RUPD\QRWUHTXLUHFRQYHUVLRQWRGLJLWDOYLGHRGHSHQGLQJRQWKHW\SHRIVHQVRU
HPSOR\HGZKHUH DQGGHSHQGVRQWKH)29RIWKHGRPHFDPHUD7KH
REWDLQHGIUDPHVDUHXVHGLQWKHDOJRULWKPVWRFKDQJHWKHSRVLWLRQRIWKHGRPHFDPHUD
DQGJHWGHWDLOHGSLFWXUHV2QFHWKHSURFHVVLVFRPSOHWHWKHXVHUUHSRUWVDUHJHQHUDWHG
DQG VHQW WR D FOLHQW FRPSXWHU 7KH PHWKRG GHYHORSHG IRU LPDJH DQDO\VLV DQG 37=
PRYHPHQWZLOOEHH[SODLQHGLQ6HFWLRQ,9
Computational model for video surveillance, dual detection and processing of relevant events
DOME
ANALOG/DIGITAL
VIDEO
CONVERTER
PROCESSING
COMPUTER
CAMERA Xi
CLIENT
i = 1, 2, , n
n= ?
F ig. 1.0HWKRGRIRSHUDWLRQRIWKHSURSRVHGV\VWHP
Methodology
7KH DSSOLFDWLRQ VWDUWV ZLWK WKH VFDQQLQJ RI IL[HG FDPHUDV WR GHWHUPLQH LI DQ
HYHQWKDSSHQVLQWKHUHJLRQVRILQWHUHVW52,WKDWXVHUSUHYLRXVO\GHWHUPLQHG)LJ
F ixed
Camera 1
67$57
52,
'(),1,7,21
F ixed
Camera 2
No
E nqueue
(YHQW"

Yes
F ixed
Camera n
6&$11,1*

F ig. 2.*HQHUDOEORFNGLDJUDPRIWKHV\VWHPSDUW
:KHQWKHSUHVHQFHRIDQREMHFWKDVEHHQGHWHFWHGWKHLGHQWLILFDWLRQQXPEHURIWKH
FDPHUDWKDWJHQHUDWHGWKHHYHQWDQGWKHLPDJHVFOHDQDQGZLWKWKHREMHFWDUHSODFHG
LQDTXHXHDQGVHQWWRWKHQH[WSDUWRIWKHDSSOLFDWLRQ7KHIHHGEDFNOLQHPHDQVWKDW
HYHQZKHQWKHGDWDLVVHQWLQVSHFWLRQFRQWLQXHVWRFKHFNIRURWKHUHYHQW
239
240
63(&,),&
352&(66,1*
'20(
&21752/
$/*25,7+0
Dequeue
G reater Detail
Image
HPDLO
86(55(3257
35(326,7,21,1*
(1'
F ig. 3.*HQHUDOEORFNGLDJUDPRIWKHV\VWHPSDUW
)LJVKRZVWKDWZKHQWKHTXHXHKDVHOHPHQWVV\VWHPVWDUWVUXQQLQJWKHSUHSRVL
WLRQLQJ WKDW XVHV SUHFRQILJXUHG URXWLQHV GLUHFWO\ LQ WKH PHPRU\ RI WKH GRPH 7KLV
EORFNLVXVHGWRPRYHWKHGRPHWRDNQRZQDUHDWRUHVHPEOHLWV)29ZLWKWKHIL[HG
FDPHUD WKDWJHQHUDWHGWKHHYHQWWKXVWRILQGWKHREMHFWE\SDWWHUQUHFRJQLWLRQ
0RUHRYHUWKHGRPHFRQWURODOJRULWKPLVH[HFXWHGDVVKRZQLQ)LJLWZLOOEHH[
SODLQHGLQWKHIROORZLQJVXEVHFWLRQV
)LQDOO\ZKHQD IRFXVHGLPDJHLVREWDLQHGWKHXVHUUHSRUWDUHJHQHUDWHGDQGVHQW
WKHPWRDQHPDLODFFRXQW7KHVSHFLILFSURFHVVLQJEORFNUHIHUVWRWKHXWLOLW\WKDWFDQ
EHWKHILQDOLPDJHIRURWKHUDQDO\]HVQRWDWWDFNHGLQWKLVZRUNVXFKDVWKHGHWHUPLQD
WLRQRIOLFHQVHSODWHVRUWUDLWVDVWH[WXUHVFRORUDQGHYHQPRGHO
6859(,//$1&(
$5($6
Q ueue
E lement
,0$*(
352&(66,1*
E xtract Image
Ie(x,y)
Coordinates
{(a ij , bij)}
Dome
Zoom
Dome
Camera
&RPSDUDWRU
0$7&+,1*
3$77(51
C alibrated
Image
,17(5&$0(5$ Ic(x,y)
&$/,%5$7,21
Coordinates
(c,d)
Dome
Movement
Yes
6$9(
,0$*(
G reater Detail Image

If(x,y)
3URFHVV
&RPSOHWHG"
No
'20(&21752/
F ig. 4.%ORFNGLDJUDPIRUGRPHFRQWURODOJRULWKP
4.1
Image Processing
7KH IROORZLQJ H[SODLQV WKH LPDJH SURFHVVLQJ FRPSRQHQWV ZKLFK DIWHU WKH REMHFW
GLVFULPLQDWLRQ H[WUDFW WKH REMHFW WKDW WULJJHUHG WKH HYHQW 7KH TXHXH HOH
PHQWFRQVLVWVRIWKHLGHQWLILHURIWKHFDPHUDWKDWJHQHUDWHGWKHHYHQWDFOHDQLPDJHDV
DUHIHUHQFHDQGWKHRWKHUZLWKWKHREMHFWRILQWHUHVW
E dge detection.
7KLVDOJRULWKPLVXVHGWRGHWHUPLQHWKDWDQHYHQWKDVRFFXUUHGWKURXJKWKHGHWHF
WLRQ RI FKDQJHV LQ LOOXPLQDWLRQ DORQJ WKH 52, WKDW WKH XVHU GHWHUPLQHG EHIRUH WKH
LQVSHFWLRQ2QFHGRQHDFOHDQRULJLQDOLPDJHLVVDYHGWKLVZLOOEHWKHEHQFKPDUNIRU
LPDJH SURFHVVLQJ H[SODLQHG LQ WKH IROORZLQJ VXEVHFWLRQ :KHQ FKDQJH OLJKWLQJ LV
GHWHFWHGWKH FRRUGLQDWHVRIWKH SRLQWVDUH VWRUHGLQDQDUUD\7KLVLV YHU\LPSRUWDQW
IRUFRUUHFWSDUWLFOHGLVFULPLQDWLRQ
Image subtraction.
7KLV LV GRQH WDNLQJ WZR LPDJHV WKH UHIHUHQFH LPDJH DIWHU VHOHFWLQJ WKH
52,DQGWKHRWKHULPDJH FRQWDLQLQJWKHREMHFWZKLFKKDVHQWHUHGLQWRWKH
VFHQH$WWKLVVWHSWKHVXEWUDFWLRQRILPDJHVSL[HOE\SL[HO(TLVPDGH>@

7KLVEDVLFPDWKHPDWLFDORSHUDWLRQKDVWKHSXUSRVHRILQGLFDWLQJLQJUD\VFDOHZKLFK
SL[HOVDUHQRWLQWKHFOHDQLPDJHWXUQLQJHYHU\RWKHUWR]HUREODFNKDYLQJDQRXWSXW
LPDJHZLWKKLJKFRQWUDVW7KLVLVWKHUHDVRQWKDWWKHLPDJHLVELQDUL]HGXVLQJRQO\WKH
DYHUDJHYDOXHRILWVKLVWRJUDPDVWKHWKUHVKROGYDOXH
Particle analysis.
)LUVWO\DGLODWLRQ(TLVFDOFXODWHG>@ZLWKDVWUXFWXUHHOHPHQW%RI[VL]H
WRILOOLQWHUQDOYRLGVLQDOOQRQ]HURHOHPHQWV

7KHQHURVLRQVZLWKWKHVDPHVWUXFWXUHHOHPHQW%RIGLODWLRQDFFRUGLQJWR(T
>@DUHSHUIRUPHG

7KLVHQVXUHVWKDWQRLVHGHFUHDVHVLWVVL]H7KHQSDUWLFOHVDUHILOWHUHGSHUDUHD)L
QDOO\ WKH FRRUGLQDWHV RI D FLUFXPVFULEHG UHFWDQJOH RI WKHLU ORFDWLRQ DUH VWRUHG LQ DQ
DUUD\
Particle discrimination.
,GHDOO\RQO\RQHREMHFWVKRXOGEHGHWHFWHGLQWKHLPDJHEXWLWLQSUDFWLFHWKHV\V
WHPREVHUYHVYDULRXVREMHFWV7RSUHYHQWWKHV\VWHP PLJKWEHFRQIXVHG SDUWLFOH DUH
GLVFULPLQDWHG E\ WKHLU SUR[LPLW\ WR WKH FRRUGLQDWHV ZKHUH WKH REMHFW SUHVHQFH ZDV
GHWHFWHG LQ WKH 52, 6XSSRVH WZR FRRUGLQDWHV DQG FRUUHVSRQG WR
SDUWLFOHVREWDLQHGDIWHUDQDO\VLVWKDWHOLPLQDWHGVSXULRXVSDUWLFOHV$OVRFRQVLGHUWKDW
WKHSRLQWZKHUHWKH\VKRWWKHHYHQWLQWKH52,LV EXWLWKDVDPDUJLQRI
SL[HOV WR GHILQH LI WKH SDUWLFOH FRUUHVSRQGV WR WKH REMHFW VHH )LJ 0DWKHPDWLFDO
ORJLFRSHUDWLRQLVDVIROORZV

7KDWLVWKHSDUWLFOH ZLWKFRRUGLQDWHVDUHHTXDOWRLWVVXEVFULSWLVWKHREMHFWRI

LQWHUHVW LIDQGRQO\LILWLVLQWRWKHWROHUDQFHOLPLWVVHWE\SL[HOVLQERWKGLUHF
WLRQV
241
242
Xa-100
Xa+100
0
Ya-100
(X1,Y1)
(Xa,Ya)
(X2,Y2)
Ya+100

F ig. 5.3DUWLFOHGLVFULPLQDWLRQ
4.2
Inter-camera calibration
7KH LQLWLDOLPDJH DIWHUSURFHVVLQJDQGH[WUDFWLRQIURPDIL[HGFDPHUD LVVHDUFKHG

RQO\RQFHLQWKHGRPH)29VRLWLVQHFHVVDU\WRFRPSHQVDWHWKHGLIIHUHQFHLQOLJKWLQJ
OHYHOV EHIRUH SDWWHUQ PDWFKLQJ 7KLV LV GRQH E\ PHDVXULQJ WKH OLJKW LQWHQVLW\ RI WKH
LPDJHRIWKHGRPHWRWDNHVRPHSDUDPHWHUVDQGPRGLILHGWKHH[WUDFWHGLPDJHKLVWR
JUDPRIWKH VWDWLRQDU\FDPHUD>@7KDWLVLI WKH HTXDOL]DWLRQH[SUHVVLRQ(TLV
WDNHQDVDEDVLVWKHVLPLODUO\ZLWKWKHRWKHULPDJHLVFDOFXODWHGDFFRUGLQJWR(T

7RHTXDOL]HWKHKLVWRJUDPVLWLVQHFHVVDU\WRWDNHWKHIRUP DQGWKHQ
PXVWVDWLVI\WKHFRQGLWLRQRI(T

4.3

Pattern matching
3DWWHUQUHFRJQLWLRQKDVPDQ\XVHV,QWKLVFDVHLWLVXVHGWRILQGWKHREMHFW
WKDWKDVHQWHUHGWKHVFHQHJLYLQJLWVORFDWLRQDQGFDQWKXVFRQWLQXRXVO\SRVLWLRQLQJLQ
WKHGRPH)29XQWLOLWLVFHQWHUHG>@
L earning.
$WWKLVVWDJHLQIRUPDWLRQLVH[WUDFWHGIURPWKHREMHFWVRILQWHUHVWFRQWDLQHGLQWKH
WHPSODWH WKURXJK QRQXQLIRUP VDPSOLQJ VHH )LJ ZKHUH VHFWLRQV ZLWK WKH VDPH
LQWHQVLWLHV RI SL[HO QHLJKERUV DUH WDNHQ WR DVVXUH WKDW WKH GHVFULSWLYH IHDWXUHV KDYH
EHWWHUTXDOLW\DQGWRUHGXFHFRPSXWDWLRQDOFRQVXPSWLRQ,WLVDOVRLPSRUWDQWWRGHILQH
LIWKHSDUWLFOHVDUHURWDWHGVFDOHGDQGRUPRYHG

F ig. 6.1RQXQLIRUPVDPSOLQJ
Search.
'XULQJWKLVSKDVHWKHGHVFULSWRULVXVHGWRILQGWKHREMHFWLQWKHLQVSHFWHGLPDJH
$V LW LV VKRZQ LQ )LJ WKH WHPSODWH LV PRYHG SL[HO E\ SL[HO WR FDOFXODWH D FURVV
FRUUHODWLRQPDWUL[DFFRUGLQJWR(T>@

ZKHUH LV WKH LPDJH LV WKH WHPSODWHLV D KRUL]RQWDO RIIVHWLV D

YHUWLFDORIIVHWLVDKRUL]RQWDOWHPSODWHVL]HLVDYHUWLFDOWHPSODWHVL]HLVDKRU
L]RQWDOFRRUGLQDWH LVDYHUWLFDOFRRUGLQDWH DQG
LVWKHLPDJHVL]H
2QFH WKH FURVVFRUUHODWLRQ PDWUL[LV FDOFXODWHG LWV KLJKHVW YDOXH LQGLFDWHV WKDW
ZLWK D JUHDWHU SUREDELOLW\ LQ WKH QHLJKERUKRRG RI WKH FRUUHVSRQGLQJ SL[HO LV WKH GH
VLUHG REMHFW 7KHUHIRUH WKH RXWSXW ZLOO KDYH WKH FRRUGLQDWHV RI WKH WHPSODWH
FHQWHULQWKHLQVSHFWHGLPDJH
243
244

F ig. 7.&URVVFRUUHODWLRQFDOFXODWLRQ
4.4
Surveillance areas
,Q RUGHU WR FRUUHODWH HDFK RI WKH GDWD SRUWLRQV ZLWK FRQWURO DFWLRQV WKH SLFWXUH
EORFNRIGLPHQVLRQDO'YLGHRVSOLWVLQWRVXUYHLOODQFHDUHDV)LJVKRZVWKH
)29 ZKHUH LQ WKH FHQWUDO VTXDUH WKHUH DUH DUHDV RI HDFK FRORU IRU D ILQH PRYHPHQW
DQGDEHWWHUIRFXVRQWKHREMHFW2QFHORFDWHGLQWKH]RQHWKHGRPHPRYHPHQWLV
VWRSSHGWR]RRPLQWKHREMHFW

F ig. 8.'LYLVLRQ)29LQVXUYHLOODQFHDUHDV
4.5
Dome Control
7KH PRYHPHQWRIWKHGRPHLVRQHRIWKHPRVWLPSRUWDQWSDUWVRIWKLV DSSOLFDWLRQ

EHFDXVH WKDQNV WR WKLV FDPHUD WKDW PRYHG WR WKH REMHFW RI LQWHUHVW ORFDWLRQ ZLWK D
]RRPLQJDEHWWHUTXDOLW\LPDJHLVSURYLGHG7KLVLVDFFRPSOLVKHGWKURXJKFRPPXQL
FDWLRQSURWRFRO3HOFR'DQG56E\VHQGLQJRIDFRPPDQGVWULQJLQKH[DGHFLPDO
FOV
DOMO
A0x
Obj
Iy
A0y
D
Ix

E
F ig. 9./RJLFIRU]RRPLQ
)RU ]RRPLQJ ZKHQ WKH VXUYHLOODQFH DUHD VHOHFWRU SURYLGHV WKH LGHQWLILHU LW
PHDQVWKDWWKH LPDJH LVUHDG\WREHJLQ ]RRPLQJ7KHGLPHQVLRQVRIWKH)29GRPH
VKRZQLQ)LJDDQG IRUWKH ]RRPLQWKH ILUVWVWHSLVWRFDOFXODWHWKH WROHUDQFHV
DFFRUGLQJWR(T

1H[W WKH H[WUDFWHGLPDJH LVLQFUHDVHGE\DIDFWRUSUHVHUYLQJWKHDVSHFWUDWLR

7KLV YDOXH ZDV IRXQG H[SHULPHQWDOO\ LV VXLWDEOH IRU UHVL]LQJ DIWHU YDULRXV DG
MXVWPHQW WHVWV 7KLV SDUDPHWHU LV XVHG RQO\ WR PDNH LQFUHDVHV IRU ]RRP LQ EXW QRW
DIIHFWFRPSOHWHO\WKHLPDJH
7KHLQFUHDVLQJLVUHSHDWHGXQWLOWKHREMHFWVL]HLVOHVVWKDQRUHTXDOWRWKHUHVROXWLRQ
LQHLWKHUVLGHRIWKHGRPH)29DVVKRZQPDWKHPDWLFDOO\LQ(T

ZKHUH DUHWKHREMHFWVL]H DUHWKHREMHFWVL]HLQWKHVFDOHRIWKHGRPH)29

7KHFRUUHVSRQGLQJSVHXGRFRGHLVVKRZQEHORZ
While ((Ixa)(Iyb))
{
INx=(1.1)(Ix);
INy=(1.1)(Iy);
IP (x,y)=resize(INx,INy);
Ix=size.x(IP(x,y));
Iy=size.y(IP(x,y));
}
245
246
E xperiments and analysis
5.1
Results
7KHHTXLSPHQWHPSOR\HGIRUWKHWHVWVLVVKRZQLQ7DEOH7KHHYHQWZDVSUHVHQW
HGIRUWKH,3FDPHUD
T able 1.(TXLSPHQWXVHG
C A M E R AS
CONVERTER
'156XSHU
1LJKW9LVLRQ2XW
,3&DPHUD9L
GRRU&DPHUD(S
YRWHN
FRP
&KDQQHO'LJLWDO9LGHR5HFRUGHU'956\VFRP
0LQLWUD['RPH
&DPHUD6\VFRP
)LJVKRZVWKHGHWHFWLRQD[HVRIDQDXWRPRELOHEHFDXVHRIWZRRIWKHIRXU52,
OLQHV5HGGRWVLQGLFDWHZKHUHOLJKWLQJFKDQJHZDVGHWHFWHG

F ig. 10.(GJH'HWHFWLRQ
:KHQ WKH HYHQW KDSSHQ WKH LPDJH SURFHVVLQJ VHH )LJ LV UHVSRQVLEOH IRU
VHDUFKLQJIRUWKHJOREDOFRRUGLQDWHVRIWKH52,ZKLFKLQGLFDWHVZKHUHWKHVXEWUDFWLRQ
LV SHUIRUPHG )LJ LOOXVWUDWHV WKDW DIWHU WKUHVKROGLQJ SDUWLFOH DQDO\VLV DQG
GLVFULPLQDWLRQWKHREMHFWRILQWHUHVWLVGHOLPLWHGVKRZLQJLWVFHQWURLG

F ig. 11.3UHVHQFHRIREMHFWV
7KHQ ZKHQ WKH GRPH KDV D )29 VLPLODU WR KDYLQJ WKH FDPHUD WKDW GHWHFWHG WKH
HYHQW VHH )LJ WKH H[WUDFWHG LPDJH LV FRPSDUHG ZLWK WKH )29 WR FDOLEUDWH LWV
OLJKWLQWHQVLW\WRIRXQGWKHREMHFW

F ig. 12.'RPH)29
)LJ D VKRZV WKH H[WUDFWHG LPDJH DQG )LJ E VKRZV LWV KLVWRJUDP
)XUWKHUPRUH DIWHU WKH PHDVXUHPHQW RI LOOXPLQDWLRQ WKH SDUDPHWHUV EULJKWQHVV DQG
JDPPD DUH PRGLILHG PDLQWDLQLQJ WKH FRQWUDVW LQ WKH QHXWUDO YDOXH VHH )LJ
D

D
E
F ig. 13.,PDJHVHDUFK
247
248
$V VKRZQ LQ )LJ E WKH LPDJH LV YHU\ GDUN EHFDXVH LW GLG QRW FKDQJH WKH
FRQWUDVW YDOXH +RZHYHU WKLV LV QRW D OLPLWDWLRQ EHFDXVH WKH SDWWHUQ PDWFKLQJ
DOJRULWKP VXFFHHGV LQ ILQGLQJ WKH REMHFW $IWHU WUDQVIRUPDWLRQV WKH KLVWRJUDPP LV
PRGLILHGVHH)LJF

D
E
F
F ig. 14.0RGLILHGLPDJHVHDUFK
3DWWHUQ PDWFKLQJ FRQWLQXDOO\ PRQLWRUV WKH WDUJHW ORFDWLRQ DQG JLYHV WKH LPDJH
FRRUGLQDWHV ZKLFK DUH FRPSDUHG E\ WKH GRPH FRQWURO WR ORFDWH WKH UHOHYDQW
VXUYHLOODQFHDUHD)LJVKRZVKRZSDWWHUQLVIRXQG7KLVLVUHSHDWHGXQWLOWKHWDUJHW
LVLQWKHFHQWHURIWKH)29RIWKHGRPH

F ig. 15.3DWWHUQ0DWFKLQJ
$IWHU SRVLWLRQLQJ LQ WKH FHQWHU DQG WKHQ PDNLQJ ]RRP LQ DV QHFHVVDU\ WKLV VWHSV
ZLOO VWRS ZKHQ VRPH RI WKH OHQJWKV RI WKH SDWWHUQ YHUWLFDO RU KRUL]RQWDO LV JUHDWHU
WKDQRUHTXDOWRWKHVWDWHGWROHUDQFH
)LQDOO\WKHUHVXOWLVVKRZQLQ)LJ7KLVLPDJH DFFRUGLQJWRWKHEORFN
GLDJUDPRI)LJFDQEHXVHGWRSHUIRUPRWKHUDGYDQFHGSURFHVVLQJRUIRUGLVSOD\LW
LQDUHSRUWWKDWLVVHQWWRWRWKHXVHUHPDLODFFRXQW

F ig. 16.5HVXOW
5.2
Discussion
7KHGHVLJQRIWKHV\VWHPFRUUHVSRQGVWRDGXDOV\VWHPWKDWHPSOR\VDSDLUIRUPHG
E\D IL[HGFDPHUD DQGD PRELOHRQHWKDW ZRUNWRJHWKHUDVSURSRVHGLQWKH SDSHURI
+VLHQ&KRX\:HL<L>@
7KH WHVW ZDV FRQGXFWHG LQ D UHVWULFWHG SDUNLQJ WKDW FRPSOLFDWHV WKH DOJRULWKP
KDYLQJXQFRQWUROOHGOLJKWLQJXQOLNH&KX6LQJHWDOZRUN>@ZKLFKLVGRQHRXWVLGH
2QH DGYDQWDJH RI WKH SURSRVHG V\VWHP RYHU RWKHU GHYHORSHG E\ 9DUFKHLH \
%LORGHDX >@ LV WKDW WKH SUHVHQW ZRUN HPSOR\V 5*% FRORU WR JUD\VFDOH
WUDQVIRUPDWLRQVZKLFKFDQEHDEHQHILWIRUWKHORZSHUIRUPDQFHFRPPHUFLDOV\VWHPV
WKDW SURYLGH PRQRFKURPDWLF LPDJHV 7KXV PDWFKLQJ SDWWHUQ LV QRW GHSHQGHQW RQ
FRORUWKHREMHFWFDQEHIRXQGWKURXJKLQWHUFDPHUDFDOLEUDWLRQ
Conclusion
,Q WKLV SDSHU D FRPSXWDWLRQDO PRGHO LV SURSRVHG DQG DSSOLHG IRU WKH VHFXULW\ RI
EXLOGLQJV LQ WKLV FDVH SDUNLQJV LQ UHVWULFWHG DUHDV 7KH SUHVHQFH RI DQ REMHFW LV
GHWHFWHGE\DIL[HGFDPHUDWKHQWKHFRPPDQGLVVHQGWRWKHGRPHFDPHUDWRPRYHLW
WRWKDWSRLQWDQG]RRPLQWRJHWDSLFWXUHZLWKDJUHDWHUGHWDLO7KLVLVDFKLHYHGXVLQJ
DGYDQFHG DOJRULWKPV RI LPDJH SURFHVVLQJ SDWWHUQ PDWFKLQJ DQG 3HOFR'
FRPPXQLFDWLRQSURWRFRO7KHDSSOLFDWLRQZDVSURJUDPPHG LQ/DE9,(:7KH
ILQDO LPDJH FDQ EH XVHG IRU RWKHU SXUSRVHV WKDW FRPSXWHU YLVLRQ DOORZV VXFK DV
IHDWXUH DQDO\VLV DQG RSWLFDO FKDUDFWHU UHFRJQLWLRQ 2&5 ,Q WKLV SDSHU XVHU UHSRUWV
DUHJHQHUDWHGDQGVHQWYLDHPDLO)XWXUHZRUNZLOOEHUHODWHGWRVKDULQJLQIRUPDWLRQLQ
DORFDOQHWZRUNDQGLQWHJUDWLQJRWKHULPDJHSURFHVVLQJ WHFKQLTXHVZLWKWKHSXUSRVH
RIREMHFWWUDFNLQJLQUHDOWLPHIRUDPRUHUREXVWDQGFRPSOHWHV\VWHP
249
250
References
,PDL < 6XJLXH < +RUL < 0DVXGD 6 $SSOLFDWLRQ RI $ 5HPRWH 6XUYHLOODQFH
6\VWHPZLWK0RELOH3KRQH(QKDQFHG8VHU,QWHUIDFH0RELOH%XVLQHVV,&0%

,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS-XQH
-HQNLQV : 7RS %HQHILWV RI YLGHR VXUYHLOODQFH $UWLFOHVEDVH )UHH 2QOLQH $UWLFOHV
'LUHFWRU\ KWWSZZZDUWLFOHVEDVHFRPFXVWRPHUVHUYLFHDUWLFOHVWRSEHQHILWVRIYLGHR
VXUYHLOODQFHKWPO
%R\G-(+XQWHU(.HOO\3+/L&KHQJ7DL3KLOOLSV&%-DLQ5&03,9LGHR
LQIUDVWUXFWXUH IRU G\QDPLF HQYLURQPHQWV 0XOWLPHGLD &RPSXWLQJ DQG 6\VWHPV
3URFHHGLQJV,(((,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS-XQ-XO
9DUFKHLH 3'= %LORGHDX *$ $FWLYH SHRSOH WUDFNLQJ E\ D 37= FDPHUD LQ ,3
VXUYHLOODQFH V\VWHP 5RERWLF DQG 6HQVRUV (QYLURQPHQWV 526( ,(((
,QWHUQDWLRQDO:RUNVKRSRQYROQRSS1RY
&KX6LQJ < 5HQ+DR & &KDR<DQJ / 6KRX-HQ / 37= FDPHUD EDVHG SRVLWLRQ
WUDFNLQJ LQ ,3VXUYHLOODQFH V\VWHP 6HQVLQJ 7HFKQRORJ\ ,&67 UG
,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS1RY'HF
+VLHQ&KRX/:HL<L&$GXDO37=FDPHUDV\VWHPIRUYLVXDOWUDFNLQJRIDPRYLQJ
WDUJHWLQDQRSHQDUHD$GYDQFHG&RPPXQLFDWLRQ7HFKQRORJ\,&$&7WK
,QWHUQDWLRQDO&RQIHUHQFHRQYROQRSS)HE
5HOI&,PDJH$FTXLVLWLRQDQG3URFHVVLQJZLWK/DE9,(:(GLWRULDO&5&3UHVV(VWDGRV
8QLGRVGH$PpULFD
(VFDODQWH % $SXQWHV GH FXUVR GH 3URFHVDPLHQWR 'LJLWDO GH ,PiJHQHV
KWWSYHURQDILSXQDPP[ERULVWHDFKLQJQRWHV&DSLWXORSGI
1DWLRQDO ,QVWUXPHQWV &RUSRUDWLRQ 1, 9LVLRQ &RQFHSWV +HOS 1DWLRQDWLRQDO ,QVWUXPHQWV
GRFXPHQWDWLRQ$XJXVW

2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2

Transféré par

Droits d'auteur :

Formats disponibles

INSTITUTO POLITCNICO NACIONAL

CENTRO DE INVESTIGACIN EN COMPUTACIN

INSTRUMENTOS VIRTUALES PARA

MXICO D.F., 2012

INSTITUTO POLITCNICO NACIONAL

CARTA DE CESIN DE DERECHOS

Los usuarios de la informacin no deben reproducir el contenido textual, grficas o datos

Pamela Araceli Rangel Tirado

Al Instituto Politcnico Nacional, al Centro de Investigacin en Computacin (CIC-IPN), al

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD

fixed cameras and a mobile camera to promote systems of low

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD

ESTADO DEL ARTE................................................................................................................... 9

CONFIGURACIN DE SISTEMAS COMERCIALES .................................................................................................... 21

MARCO TERICO ....................................................................................................................23

4.1. DISEO DE PROPUESTA ........................................................................................................................................... 41

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD

INTEGRACIN DEL SISTEMA ....................................................................................................................................65

ANEXO C. SDK IDIS WATCH CLIENT................................................................................................................ 86

ANEXO D. SDK VIVOTEK...................................................................................................................................... 88

ANEXO E. PRECONFIGURACIN DE POSICIONES EN EL DOMO ............................................................ 91

ANEXO F. DIAGRAMA GENERAL DE SOFTWARE ........................................................................................ 92

Esquema propuesto para video-vigilancia ............................................................................................ 4

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD

Discriminacin de partculas ....................................................................................................................55

Caractersticas de formatos de video MPGE-4 .................................................................................... 20

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD

Aplicacin de Interfaz de Programacin (Application Programming Interface).

Dispositivo Acoplado por Carga (Charge-Coupled Device).

Semiconductor Complementario de Metal xido (Complementary Metal-OxideSemiconductor).

Servicio de Nombres de Dominio (Domain Name Service).

Grabador de Video Digital (Digital Video Recorder).

Campo de Visin (Field of Vision).

Marcos por segundo (Frames per Second)

Protocolo de Internet (Internet Protocol).

Formato de Documento Portable (Portable Document Format).

Movimiento horizontal (Pan), vertical (Tilt) y acercamiento/alejamiento (Zoom).

Pxel bajo inspeccin (Pxel Under Inspection).

Regin de Inters (Region of Interest).

Herramientas de Desarrollo de Software (Software Development Kits).

Protocolo de Transferencia de Correo Simple (Simple Mail Transfer Protocol).

Protocolo de Control de Transmisin (Transmission Control Protocol).

Protocolo de Datagramas de Usuario (User Datagram Protocol).

Bus Serial Universal (Universal Serial Bus).

Instrumento Virtual de Arquitectura de Software (Virtual Instrument Software Architecture).

Conjunto ordenado y finito de operaciones que permite hallar la solucin de un problema.

(Dequeue) Remueve un elemento del inicio de la cola.

Consiste en encontrar una transformacin con la cual el histograma tenga una

(Enqueue) Agrega un elemento en el final de la cola.

Representacin del mundo a travs de una funcin bidimensional con coordenadas

Lenguaje de programacin de alto nivel, de tipo grfico, y enfocado al uso en

Unidad de iluminancia del Sistema Internacional, que equivale a la iluminancia de una

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD

Procedimiento que se sigue en las ciencias para hallar la verdad y ensearla.

Es el colorido de un rea juzgado en proporcin a su brillo. [51]

Conjunto de pxeles alrededor de un punto; la fortaleza de su unin depende del tipo de

Conjunto de herramientas para el procesamiento de imgenes en LabVIEW. [50]

INSTRUMENTOS VIRTUALES PARA

1.1 Motivacin y antecedentes

Monitoreo y control de trfico terrestre, urbano y rural.

Adems, gracias a la video-vigilancia se soluciona uno de los principales objetivos de la prevencin de

1.2 Planteamiento de problemas

La localizacin automtica de un objeto en tiempo real, la deteccin y procesamiento de eventos

INSTRUMENTOS VIRTUALES PARA VIDEO-VIGILANCIA Y SEGURIDAD