Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/11802
Título: | Videovigilância inteligente em ambientes aquáticos : detecção precoce de afogamento em piscinas domésticas |
Autor(es): | Peixoto, Nuno Pedro Rodrigues |
Orientador(es): | Mendes, José A. Tavares, Adriano |
Data: | 28-Dez-2010 |
Resumo(s): | Neste documento, apresenta-se um conjunto de trabalhos relativos à utilização de videovigilância
inteligente para a análise de comportamentos humanos em ambientes aquáticos, orientado à
detecção precoce de afogamento em piscinas domésticas. Recorrendo a imagens de vídeo
capturadas com uma câmara comum de videovigilância e um computador pessoal para efectuar
todas as análises necessárias ao reconhecimento de pessoas e à inferência do seu comportamento
no ambiente aquático referido de forma autónoma. Trata-se, portanto, de um trabalho baseado em
videovigilância inteligente com a capacidade de autonomamente monitorizar as actividades dos
utilizadores de uma piscina doméstica despoletando um alerta em caso de detecção de
afogamento. A solução apresentada é composta por três módulos principais de processamento que
operam de forma sequencial: segmentação de imagens, seguimento de objectos e reconhecimento
de comportamento.
O primeiro módulo captura uma imagem proveniente de uma câmara e efectua a segmentação
fornecendo uma imagem binária com todos os objectos que não pertencem à cena. Neste campo
foram desenvolvidas novas técnicas de segmentação de movimento por estimação de background
que conseguem eliminar os efeitos das reflexões especulares variáveis e a oscilação da superfície
da água muito características de ambientes aquáticos. Neste módulo é ainda efectuado um
segundo passo de segmentação dentro do rectângulo que engloba as regiões encontradas na
primeira fase da segmentação proporcionando melhoramentos muito significativos nos resultados
obtidos através do algoritmo k-means.
O segundo módulo, de seguimento de objectos, recebe a imagem binária gerada pelo módulo
anterior e identifica cada objecto exclusiva e consecutivamente. Este módulo utiliza um algoritmo
de correspondência não balanceado que permite a atribuição dos objectos detectados no
fotograma actual aos objectos previstos para o fotograma seguinte. A previsão dos objectos é
efectuada por intermédio de um filtro de kalman, sendo a correspondência baseada na
similaridade de características dos objectos. Este módulo permite a identificação e seguimento de
vários objectos em simultâneo tratando oclusões temporárias parciais e totais. O último módulo recebe as características principais de cada objecto, fornecidas pelo módulo de
seguimento, efectua o reconhecimento e inferência do seu comportamento. Este módulo mede
várias características dos objectos ao longo do tempo e classifica os padrões encontrados por
intermédio de uma árvore de decisão baseada em classificadores naive Bayes. Esta árvore permite
assim distinguir pessoas de outros objectos e saber se estão localizados na piscina ou fora da
piscina. Por último, para todos os objectos identificados como pessoas que se encontram na
piscina, este módulo infere o seu comportamento com base nas decisões da árvore associadas a
uma máquina de estados finita. Aquando da detecção de um comportamento de risco, que revele
um potencial afogamento, são desencadeados alertas de vários níveis, de acordo com o risco
associado.
Finalmente foi desenvolvido um protótipo para implementação dos algoritmos desenvolvidos que
permite, através de vídeos gravados numa piscina doméstica, testar o completo funcionamento do
sistema. Nos vídeos recolhidos foram simuladas situações de afogamento de vários tipos, tendo em
atenção as várias fases associadas ao afogamento, de modo a tornar o teste o mais real possível.
Os resultados obtidos neste trabalho demonstram a viabilidade da implementação de um sistema
para a detecção precoce de afogamento em ambientes domésticos. This document describes all the work carried out in the development of a project of an intelligent video surveillance analytics solution for human behaviour analysis in aquatic environments, dedicated to the early drowning detection at domestic swimming pools. Using video images captured by a standard video surveillance camera and a personal computer to carry out all the needed analysis towards the recognition of people and the deduction of their behaviour in the referred aquatic environment in a completely autonomous way with the ability of generating alarms. The solution devised in this project is composed by three modules operating in a sequential way: image segmentation, object tracking and human behaviour recognition. The first module is responsible for image capturing from a standard video surveillance camera and providing as output a binary image of all objects that do not belong to the background. In this module, new segmentation techniques for background estimation were developed capable of eliminating the problems caused by specular reflections on the water as well the normal oscillation of the surface of the water. In this module, it also shown that a two step segmentation can improve its results in a significant way by the application of the k-means algorithm in the objects obtained in the first step of this module. The second module, object tracking, uses the output of the first module to identify each object in an unequivocal and exclusive way. This module uses an algorithm of non balanced correspondence which allows the establishment of a link of the same object in sequential images. The object location prediction from a frame to the next frame is achieved using a kalman filter, where the link between objects is based in the similarity of the characteristics of those objects. This module allows the unequivocal identification and tracking of several objects at the same time with a robust performance even in the case of total or partial occlusions. The last module input are the main characteristics of each object, which is responsible for the behaviour recognition of each object. Several characteristics of each object are measured over time and the found patterns classified using a decision tree based in naive Bayes classifiers. This decision tree allows the separation between people and other objects as well as knowing if they are located in the water or outside the water. Further, for all objects identified as people, this module analyses its behaviour based on finite state machine. Whenever, a potential early drowning event is detected several alerts are raised according to the calculated risk. Finally, all the modules were integrated in a prototype that is capable of testing the full operation of the solution proposed, using recorded videos in a domestic swimming pool. In the videos several simulations of drowning situations were created in order to emulate the different phases of a drowning event. The results achieved in this project show the viability of the implementation of such a solution for early drowning detection in domestic swimming pools. |
Tipo: | Tese de doutoramento |
Descrição: | Tese de doutoramento (área de Informática Industrial) |
URI: | https://hdl.handle.net/1822/11802 |
Acesso: | Acesso aberto |
Aparece nas coleções: |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Thesis_Nuno Peixoto_2010.pdf | 33,14 MB | Adobe PDF | Ver/Abrir |