Detección y Seguimiento de Personas Basado en Estereovisión y Filtro de Kalman

Resumen

Los sistemas de conteo de personas son extensamente utilizados en aplicaciones de vigilancia. En este artículo se presenta una aplicación para realizar conteo de personas a través de un sistema de estereovisión. Este sistema obtiene tasas de conteo de las personas en movimiento que atraviesan la zona de conteo recogida por el sistema estéreo distinguiendo entrada y salida. Para realizar este conteo se precisan dos fases fundamentales: detección y seguimiento. La detección se basa en la búsqueda de las cabezas de las personas por medio de una correlación de la imagen preprocesada con distintos patrones circulares, filtrando dichas detecciones por estereovisión en función de la altura. El seguimiento se lleva a cabo mediante una algoritmo de múltiples hipótesis basado en filtro de Kalman. Por último, se realiza el conteo según el camino seguido por las trayectorias. Se ha experimentado con un conjunto de vídeos reales tomados en distintas zonas de tránsito en interiores de edificios, alcanzando tasas que oscilan entre un 87% y un 98% de acierto según la cantidad de flujo de personas que atraviesan la zona de conteo de forma simultánea. En los distintos vídeos utilizados como prueba se han reproducido todo tipo de situaciones adversas, como oclusiones, personas en grupo en diferentes sentidos, cambios de iluminación, etc.

Abstract

The people counting systems are widely used in surveillance applications. This article presents an application for counting people through a stereovision system. This system obtains counting rates of people moving through the counting area, distinguishing between input and output. To achieve this aim is required two basic steps: detection and tracking. The detection step is based on correlation through a pre-processed image with various circular patterns in order to search people's heads, filtering these detections by stereovision depending on the height. The people tracking is carried out through a multiple hypothesis algorithm based on the Kalman filter. Finally, people counting is done according to the trajectory followed by the person. To validate the algorithm have been used several real videos taken from different transit areas inside buildings, reaching rates ranging between 87% and 98% accuracy depending on the number of people crossing the counting zone simultaneously. In these videos occur several adverse situations, such as occlusions, people in groups in different directions, lighting changes, etc.

Referencias no citadas

Barandiaran et al., 2008, Chan et al., 2008, Chen et al., 2006, Donate et al., 2011, Englebienne et al., 2009, Hassan et al., 2008, Lee et al., 2007, Mucientes and Burgard, 2006, Patil et al., 2004, Rigoll et al., 2000, Rizzon et al., 2009, Shaik and Asari, 2007, Velipasalar et al., 2006, Xu et al., 2010 and Yu et al., 2008.