Author(s): Zhu, Tânia Zhao
Date: 2011
Persistent ID: http://hdl.handle.net/10400.22/2684
Origin: Repositório Científico do Instituto Politécnico do Porto
Subject(s): Imagens termográficas; Segmentação; Histograma de cor; HOG; SIFT; SURF; Thermal images; Segmentation; Color histogram
A instalação de sistemas de videovigilância, no interior ou exterior, em locais como aeroportos, centros comerciais, escritórios, edifícios estatais, bases militares ou casas privadas tem o intuito de auxiliar na tarefa de monitorização do local contra eventuais intrusos. Com estes sistemas é possível realizar a detecção e o seguimento das pessoas que se encontram no ambiente local, tornando a monitorização mais eficiente. Neste contexto, as imagens típicas (imagem natural e imagem infravermelha) são utilizadas para extrair informação dos objectos detectados e que irão ser seguidos. Contudo, as imagens convencionais são afectadas por condições ambientais adversas como o nível de luminosidade existente no local (luzes muito fortes ou escuridão total), a presença de chuva, de nevoeiro ou de fumo que dificultam a tarefa de monitorização das pessoas. Deste modo, tornou‐se necessário realizar estudos e apresentar soluções que aumentem a eficácia dos sistemas de videovigilância quando sujeitos a condições ambientais adversas, ou seja, em ambientes não controlados, sendo uma das soluções a utilização de imagens termográficas nos sistemas de videovigilância. Neste documento são apresentadas algumas das características das câmaras e imagens termográficas, assim como uma caracterização de cenários de vigilância. Em seguida, são apresentados resultados provenientes de um algoritmo que permite realizar a segmentação de pessoas utilizando imagens termográficas. O maior foco desta dissertação foi na análise dos modelos de descrição (Histograma de Cor, HOG, SIFT, SURF) para determinar o desempenho dos modelos em três casos: distinguir entre uma pessoa e um carro; distinguir entre duas pessoas distintas e determinar que é a mesma pessoa ao longo de uma sequência. De uma forma sucinta pretendeu‐se, com este estudo, contribuir para uma melhoria dos algoritmos de detecção e seguimento de objectos em sequências de vídeo de imagens termográficas. No final, através de uma análise dos resultados provenientes dos modelos de descrição, serão retiradas conclusões que servirão de indicação sobre qual o modelo que melhor permite discriminar entre objectos nas imagens termográficas.
This report presents the work accomplished for the Thesis/Dissertation module of the Masters Degree in Electrical and Computer Engineering – within the Telecommunications area of expertise. Currently, automatic monitoring in video surveillance systems in environments such as airports, shopping malls, government buildings, office buildings, and private home is done through the use of detection and object tracking techniques. Natural images and near‐infrared images are mainly accessed through video surveillance in order to extract information on the object detected and subsequently being tracking. However, due to variations in environmental conditions within surveillance scenarios, severe drawbacks are exhibited when used for night‐time surveillance and/or in scenes with harsh environmental conditions such as strong light, total darkness, smoke, rain and fog. Therefore, it became more and more important to present a solution that could overcome those disadvantages. A possible solution is to make use of thermal images. This dissertation aims to analyze descriptors models such as Color Histograms, HOG, SIFT and SURF, to conclude if they are able or not to be used to distinguish between an object representing a non‐person and a person and between two different persons due to their similarity. In addition, a study of a set of scenarios with harsh environmental conditions and also results of a segmentation algorithm are presented. In short, the entire study intends to contribute for a better performance of video object detection and tracking algorithms. At the end, through the analysis of the set of results from the descriptors models, conclusions are drawn in order to indicate which of the models can better distinguish the detected objects in thermal images.
