Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Caratterizzazione sperimentale di un sistema di videosorveglianza in ambienti reali

La quantità di informazione contenuta in un filmato fa sì che il compito di analizzarlo possa, in molti contesti, risultare pesante per l’uomo, per l’elevato sforzo di concentrazione richiesto al verificarsi di una rapida successione di eventi. Nelle applicazioni industriali per il controllo della qualità, nell’analisi di flussi di immagini da telecamere adibite a videosorveglianza, ed in molti altri campi, la visione artificiale consente di limitare la necessità di un controllo umano delle informazioni raccolte.
Questa tesi si basa sull’analisi delle problematiche riscontrate nel testing di un algoritmo di object detection in ambienti reali. L’obiettivo di un sistema di object detection è quello di individuare, automaticamente, oggetti e persone in movimento dato uno stream video. La creazione di un tale sistema è tutt’altro che banale in quanto bisogna tener in conto numerose variabili. Basti pensare come esempio alla luce che cambia più volte non solo nell’arco della giornata ma anche in base alla stagione e alle condizioni meteorologiche. Dato che l’algoritmo identifica oggetti e persone analizzando l’intensità dei pixel che compongono l’immagine in esame, tali variabili potrebbero compromettere la giusta classificazione dei pixel come appartenenti allo sfondo o all’oggetto di interesse. I pixel una volta riconosciuti come non appartenenti allo sfondo vengono ulteriormente classificati e racchiusi in box in base all’oggetto d’appartenenza presente sulla scena.
Si è prima di tutto analizzato l’output finale, generato in seguito all’elaborazione di tre filmati campione. Tali filmati, della durata complessiva di circa un’ora, sono stati girati in luoghi pubblici all’aperto con illuminazione naturale in modo da testare il sistema in esame in presenza di problematiche ricorrenti in un’attività di videosorveglianza: luminosità variabile, ombre lunghe e persona fissa nelle vicinanze dell’aria di interesse. Le scene riprese hanno diversi gradi di affollamento.
Dal testing effettuato è emersa la presenza dei seguenti difetti: scomparsa di un box; perdita di una parte di un oggetto; macchie nel background; inclusione nel background delle ombre di oggetti che si muovono; cattivo aggiornamento del background di scene affollate; difficoltà ad inglobare repentini cambi di luminosità. La presenza di tali difetti compromette gravemente l’attendibilità del sistema di videosorveglianza, il cui fine ultimo è quello di generare allarmi in seguito alla presenza sulla scena d’interesse di eventi pre-definiti dall’utente. E’ per tale motivo che si è passati all’analisi delle cause di tali difetti per poterli risolvere. Le principali cause sono state attribuite alla mimetizzazione, ad un filtraggio troppo drastico delle ombre, oppure ad un aggiornamento troppo lento o troppo veloce della scena vuota di riferimento.
La loro risoluzione è avvenuta tramite introduzione di nuove euristiche nel tentativo di stravolgere il meno possibile il codice esistente allo scopo di salvaguardare l’attività di testing già svolta. Le euristiche introdotte riguardano un nuovo algoritmo di sogliatura per la classificazione dei pixel come oggetto o come sfondo e una nuova formula per l’aggiornamento del background che tiene conto anche della variabile tempo. Tuttavia notevoli miglioramenti sono stati ottenuti anche in seguito ad un’attività di tuning, di calibrazione di parametri legati al dominio applicativo.
Per poter verificare in maniera quantitativa le prestazioni delle nuove euristiche introdotte, è stato necessario creare una banca dati dei difetti riscontrati. La procedura di definizione di tale banca dati è stata realizzata tramite la tecnica della metadatazione, anziché la creazione di un vero e proprio database relazionale. I metadati sono informazioni aggiuntive relative ad esempio al grado di affollamento delle scene riprese, alle caratteristiche della telecamera utilizzata o alle condizioni di ripresa. Essi si distinguono dai dati veri e propri costituiti invece dal contenuto informativo dei filmati.
Per poter valutare appieno gli effettivi miglioramenti ottenuti con le nuove euristiche e le prestazioni della piattaforma di videosorveglianza sono stati infine definiti degli indici prestazionali per un’analisi statistica dei metadati raccolti.

Mostra/Nascondi contenuto.
Capitolo 1 – Applicazione dei sistemi di videosorveglianza in ambienti reali 2 M M M M I I I I V V V V I I I I A A A A L La ab bo or ra at to or ri io o d di i M Ma ac cc ch hi in ne e I In nt te el ll li ig ge en nt ti i p pe er r i il l r ri ic co on no os sc ci im me en nt to o d di i V Vi id de eo o, , I Im mm ma ag gi in ni i e e A Au ud di io o MIVIA 1.1 Utilità e applicazioni della Computer Vision La visione artificiale sta sempre piø assumendo il ruolo di supporto nell’analisi di immagini e filmati. La quantità di informazione contenuta in una immagine, e ancor di piø in un filmato (sequenza di immagini), fa sì che il compito di analizzarle possa, in molti contesti, risultare pesante per l’uomo, per la noiosa attesa di eventi rari o per l’elevato sforzo di concentrazione richiesto dal verificarsi di una rapida successione di eventi. Il grado di supporto dipende spesso in gran parte da quanto il tipo di ambiente da cui provengono le immagini possa ritenersi “controllato” e cioè dalla misura in cui le variazioni delle condizioni di ripresa possano discostarsi dal modello conosciuto dal sistema di visione che lo analizza. Data, in certi casi, l’impossibilità di operare in condizioni controllate, l’obiettivo principale posto a chi opera ricerca in questo campo è di individuare algoritmi e sistemi il piø possibili immuni alle mutazioni rispetto al modello. 1.2 Affidabilità A differenza di quello che si possa pensare non si può asserire che sistemi di Computer Vision adempiano con minor difficoltà i compiti indoor rispetto a quelli outdoor, anzi forse i primi nascondono delle problematiche a volte piø sottili e fastidiose. Il vantaggio principale portato dai sistemi di visione applicati alla videosorveglianza sta nell’essere sensibili ad alcune situazioni anomale in modo da allertare l’operatore umano risparmiandogli un’attenzione continua al flusso di immagini. Va tuttavia considerata una percentuale di falsi allarmi e di eventi perduti. Il fronte attualmente dibattuto in ambito di ricerca su sistemi per videosorveglianza si colloca ad un livello piø avanzato rispetto ai sistemi in vendita per gli stessi scopi. Esistono infatti alcuni prototipi di sistemi in grado di individuare la presenza di persone in una scena e distinguerle da altri oggetti presenti. Uno dei punti piø complessi e importanti dei sistemi di videosorveglianza intelligente è quella di segmentare gli oggetti di interesse all’interno di una scena;

Laurea liv.I

Facoltà: Ingegneria

Autore: Patrizia Esposito Contatta »

Composta da 132 pagine.

 

Questa tesi ha raggiunto 630 click dal 22/06/2011.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.