Sistema de Videovigilancia Inteligente utilizando anotaciones MPEG-7

Abstract

[ES] En esta tesina se describe un sistema que se ha implementado con dos propósitos. En primer lugar, detectar en tiempo real eventos predefinidos, basándose en el contenido de una secuencia de vídeo. En segundo lugar, para ayudar en la búsqueda de nuevos eventos en vídeo grabado. El aspecto principal de este trabajo es la separación entre la extracción de objetos y la detección de eventos nuevos usando un estándar de descripción de contenidos (MPEG-7) El proceso se ha dividido en tres fases diferentes. Primero, se extraen los objetos de interés con un cierto número de atributos (posición, tamaño, orientación, etc.) y se crea un fichero de anotación de los atributos usando el estándar MPEG-7; seguidamente se realiza el seguimiento de los objetos. Inicialmente se hace un seguimiento bruto que consiste en un emparejamiento de los objetos en frames consecutivos. Este seguimiento bruto es bastante ruidoso debido a las dificultades en la extracción de objetos en escenarios de videovigilancia reales. Los datos del seguimiento bruto se filtran para obtener una información más utilizable. Finalmente, basándose en el filtrado, se realiza la clasificación de los objetos, el aprendizaje de la normalidad y la búsqueda de eventos

[EN] This paper describes a system that has been implemented with two main purposes in mind. First, detect in real-time predefined events based on the contents of continuous video sequences. Second, to help in the search of certain portions of recorded video. The key aspect of this paper is the separation between object extraction and event detection aspects and their bridging using a contents description standard (MPEG-7). We have divided the problem in three clearly distinct phases. First, we extract the objects of interest along with a certain number of attributes (such as position, size, orientation, etc.) and create an annotation file using MPEG-7 standard; then we track these objects along the time. Initially we do what we call a raw tracking which consists in a simple pairing of objects in consecutive frames. Due to the difficulties in object extraction in real surveillance scenarios, the raw tracking data is usually quite noisy. These raw tracking data must be filtered in order obtain some usable information. Finally, based on the clean tracking data, we classify objects, learn normality and find events almost as they are happening.