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

  1. Jorge García 1
  2. Alfredo Gardel 1
  3. Ignacio Bravo 1
  4. José Luis Lázaro 1
  5. Miguel Martínez 1
  1. 1 Universidad de Alcalá
    info

    Universidad de Alcalá

    Alcalá de Henares, España

    ROR https://ror.org/04pmn0e78

Revista:
Revista iberoamericana de automática e informática industrial ( RIAI )

ISSN: 1697-7920

Año de publicación: 2012

Volumen: 9

Número: 4

Páginas: 453-461

Tipo: Artículo

DOI: 10.1016/J.RIAI.2012.09.012 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista iberoamericana de automática e informática industrial ( RIAI )

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.

Referencias bibliográficas

  • Barandiaran, J., Murguia, B., Boto, F., 2008. Real-time people counting using multiple lines. In: Proc. Ninth Int. Workshop Image Analysis for Multimedia Interactive Services WIAMIS ’08. pp. 159–162.
  • Chan, A. B., Liang, Z.-S. J., Vasconcelos, N., 2008. Privacy preserving crowd monitoring: Counting people without people models or tracking. In: Proc. IEEE Conf. Computer Vision and Pattern Recognition CVPR 2008. pp. 1–7.
  • Chen, T.-H., Chen, T.-Y., Chen, Z.-X., 2006. An intelligent people-flow counting method for passing through a gate. In: Proc. IEEE Conf. Robotics, Automation and Mechatronics. pp. 1–6.
  • Donate, A., Liu, X., Collins, E. G., 2011. Efficient path-based stereo matching with subpixel accuracy. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics 41 (1), 183–195.
  • Englebienne, G., van Oosterhout, T., Krose, B., 2009. Tracking in sparse multicamera setups using stereo vision. In: Proc. Third ACM/IEEE Int. Conf. Distributed Smart Cameras ICDSC 2009. pp. 1–6.
  • Hassan, M., Khalid, N. E. A., Ibrahim, A., Noor, N. M., 2008. Evaluation of sobel, canny, shen & castan using sample line histogram method. In: Proc. Int. Symp. Information Technology ITSim 2008. Vol. 3. pp. 1–7.
  • Lee, J. H., Kim, Y.-S., Kim, B. K., Ohba, K., Kawata, H., Ohya, A., Yuta, S., 2007. Security door system using human tracking method with laser range finders. In: Proc. Int. Conf. Mechatronics and Automation ICMA 2007. pp. 2060–2065.
  • Mucientes, M., Burgard, W., oct. 2006. Multiple hypothesis tracking of clusters of people. In: Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference on. pp. 692 –697.
  • Patil, R., Rybski, P. E., Kanade, T., Veloso, M. M., 2004. People detection and tracking in high resolution panoramic video mosaic. In: Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems (IROS 2004). Vol. 2. pp. 1323–1328.
  • Rigoll, G., Eickeler, S., Muller, S., 2000. Person tracking in real-world scenarios using statistical methods. In: Proc. Fourth IEEE Int Automatic Face and Gesture Recognition Conf. pp. 342–347.
  • Rizzon, L., Massari, N., Gottardi, M., Gasparini, L., 2009. A low-power people counting system based on a vision sensor working on contrast. In: Proc. IEEE Int. Symp. Circuits and Systems ISCAS 2009.
  • Shaik, Z., Asari, V., 2007. A robust method for multiple face tracking using kalman filter. In: Proc. 36th IEEE Applied Imagery Pattern Recognition Workshop AIPR 2007. pp. 125–130.
  • Velipasalar, S., Tian, Y.-L., Hampapur, A., 2006. Automatic counting of interacting people by using a single uncalibrated camera. In: Proc. IEEE Int Multimedia and Expo Conf. pp. 1265–1268.
  • Xu, H., Lv, P., Meng, L., 2010. A people counting system based on headshoulder detection and tracking in surveillance video. In: Proc. Int Computer Design and Applications (ICCDA) Conf. Vol. 1.
  • Yu, S., Chen, X., Sun, W., Xie, D., 2008. A robust method for detecting and counting people. In: Proc. Int. Conf. Audio, Language and Image Processing ICALIP 2008. pp. 1545–1549.
Fuente de los datos: Dialnet