Ingenieros de la Escuela Politécnica Superior de la Universidad Autónoma de Madrid (UAM) proponen un nuevo modelo para desarrollar sistemas automáticos de análisis de secuencias de vídeovigilancia. A diferencia de los actuales, estos sistemas podrían adaptarse a las características particulares de determinado escenario o situación.

Ingenieros de la Escuela Politécnica Superior de la Universidad Autónoma de Madrid han creado un sistema para analizar las imágenes captadas por cámaras de vídeovigilancia y que, a diferencia de los modelos clásicos, se adapta a las características particulares de cada escenario o situación.

Los sistemas de vídeovigilancia permiten supervisar un área determinada mediante el uso de varias cámaras conectadas a una central de monitorización. Son sistemas actualmente muy demandados para detectar situaciones potencialmente peligrosas en lugares públicos como aeropuertos, estaciones de metro o escenarios deportivos, y que requieren personas especializadas para revisar las imágenes.

Para hacer más efectiva la supervisión, actualmente se utilizan herramientas automáticas de análisis de vídeo que permiten centrar la atención en un monitor concreto (con imágenes de un evento potencialmente peligroso, por ejemplo) o realizar búsquedas eficientes en las grabaciones, entre otros usos. Esta necesidad ha convertido el análisis automático de secuencias de vídeo-vigilancia en un área de investigación muy activa.

Los actuales sistemas automáticos de vídeovigilancia se basan en el análisis de tres etapas: la detección de objetos o personas de interés, el seguimiento y extracción de características de estos objetos o personas, y la detección de eventos inusuales (abandono de objetos, entradas a zonas prohibidas o actos de vandalismo).

Estas etapas funcionan de forma independiente entre sí, y se aplican del mismo modo en todos los escenarios y situaciones. Los ingenieros de la Escuela Politécnica Superior han advertido que existe una dependencia entre estas tres etapas y que su aplicación puede y debe adaptarse a cada tipo de situación, ya que, por ejemplo, un potencial robo en un aparcamiento solitario no requiere las mismas técnicas de detección que otro en una estación de metro con alta densidad de personas en movimiento.

El modelo de vídeovigilancia que proponen tiene por tanto la capacidad de adaptar las etapas de análisis a cada escenario y situación, y concentrar la atención en las cámaras con mayor complejidad de datos.

Ver resultados de prueba


Te gustó este artículo?

订阅我们 RSS订阅 你不会错过任何东西。

其他文章
• 17 Jan, 2012
•科: 安全