Detección de personas en secuencias de imágenes en entornos interiores

Abstract

El objetivo de este proyecto es la mejora del algoritmo de detección y seguimiento de personas en imágenes 2D de color en escenas de videovigilancia, ya implementado por Marcos Baptista Ríos en su Trabajo Fin de Grado. Esta mejora se basa en incluir la detección de la mitad superior de las personas, necesaria para la identificación de todos los individuos que aparecen en una secuencia de videovigilancia, pero que no eran correctamente detectados con el algoritmo de base debido a oclusiones, distintas posturas (como la de sentado) y perspectivas (demasiado cerca de la cámara, y por tanto sin visibilidad del cuerpo entero), pero que innegablemente aparecen en la imagen y deben ser detectadas. El nuevo detector de personas se ha diseñado utilizando la técnica de ventana deslizante con descriptores HOG (Histograma de Gradientes Orientados o Histogram of Oriented Gradients) y un clasificador SVM (Máquina de Soporte Vectorial o Support Vector Machine) lineal, con objeto de seguir la misma filosofía del algoritmo implementado en el TFG de partida. De este modo, el nuevo algoritmo resuelve las dos situaciones de detección analizadas: medio cuerpo o cuerpo completo, pues la primera incluye a la segunda (la imagen del cuerpo completo de una persona contiene la de la parte superior de su cuerpo). En el proyecto se han analizado y puesto en marcha dos versiones diferentes del detector así descrito: una basada en las librerías de OpenCV, y otra basada en las librerías de Matlab, ambas ampliamente usadas por la comunidad científica para abordar esta tarea concreta de tratamiento de imágenes de "people detection". Los resultados obtenidos, sin embargo, distan de alcanzar la fiabilidad esperada, concluyendo el proyecto con la propuesta de la investigación y el análisis de nuevas técnicas basadas en otros descriptores de la imagen distintos a HOG para el desarrollo del detector perseguido en futuros trabajos.

The objective of this project is the improvement of the people detection and tracking algorithm in 2D colour images from video surveillance scenes, already implemented by Marcos Baptista Ríos in his End of Degree Project. This improvement is based on including the detection of the upper half of the people, needed to identify every individual that appears in a video surveillance sequence, but were not correctly detected by the first algorithm due to occlusions, different postures (like sitting) and perspectives (too close to the camera, and therefore without full body visibility), but undeniably appear in the image and must be detected. This new people detector has been designed using the sliding window technique with HOG descriptors (Histogram of Oriented Gradients) and a linear SVM classifier (Support Vector Machine), in order to follow the same philosophy of the algorithm implemented in the previous Project. Thereby, this new algorithm resolves the two detection situations analysed: upper half body or full body, because the first one includes the second (a person’s full body image contains the upper half body too). In this project two different versions of the described algorithm were analysed and started: one based on OpenCV libraries, and the other one based on Matlab libraries, both of them widely used by the scientific community to tackle this specific task of image processing for people detection. The obtained results, however, are far to achieve the expected reliability, closing the project with the proposal for research and analysis of new techniques based on other image descriptors different from HOG for the development of the pursued detector in future works.