Rastreamento de múltiplos objetos em cenas de videovigilância com uso de filtro de Kalman e descritores locais

Abstract

Os sistemas de videomonitoramento têm exercido um papel importantena redução da criminalidade, o que torna esses sistemas atrativos para omercado. O aumento da demanda por sistemas de CFTV (circuitos fechados de televisão) e a necessidade de melhorar a qualidade do trabalho de vigilantes têm impulsionado pesquisadores da área de visãocomputacional a desenvolver sistemas de videovigilância inteligentes que são capazes de alertar os vigias sobre possíveis ações antissociais noambiente monitorado. Uma etapa essencial para se criar um sistema desse tipo é o rastreamento de objetos, que é um assunto estudado a mais de 60 anos e ainda motiva pesquisadores a desenvolver métodos eheurísticas criativas para acercar o problema de rastreamento em aplicações específicas. Este trabalho propõe dois rastreadores de múltiplos alvos voltados para aplicações de videovigilância que utilizamtécnicas populares no estado da arte, como a extração de plano de fundousando o Visual Background extractor (ViBe), filtro de Kalman e descritores locais Fast Retina Keypoint (FREAK), que são úteis paradistinguir um alvo de outro e inferir posições dos mesmos. Esta dissertação aborda os principais tópicos de um rastreador e algumas dassoluções encontradas na literatura para este tipo de problema. Os rastreadores propostos apresentaram resultados satisfatórios e competitivos para com alguns algoritmos do estado da arte em sequencias de vídeo específicas.

Abstract : Video surveillance systems have been responsible for crime reductionover the years, which is increasing the market appreciation for CCTV(Closed Circuit of Television) systems. The growing demand for thosesystems and the need to improve the work quality in surveillance havebeen pushing the scientific community towards intelligent surveillancesystems development, which are capable of warning security crew against antisocial behavior at the monitored area. There is a crucial stepto build an intelligent surveillance system: the object tracking. Researchers have been studying this topic for more than 60 years, though it still inspires the community to present creative methods andheuristics addressing the object tracking in specific applications. Thispaper reveals two multiple object tracking algorithms focused on surveillance applications that use popular techniques in the state-of-theart, such as background subtraction by Visual Background extractor(ViBe), Kalman Filter as an estimator and local descriptors Fast RetinaKeypoint (FREAK) to distinguish one target from another, plus it helpstarget positioning. These algorithms present reasonable and competitiveresults in comparison with other algorithms in the state-of-the-art considering specific video sequences.