People detection, tracking and re-identification for smart video surveillance
Jorge García Castaño · Dialnet (Universidad de la Rioja) · 2015
espanolEsta tesis aborda el problema del seguimiento de multiples personas en una red de camaras con campos de vista no solapados por medio de diferentes tecnicas de vision computacional. El seguimiento de multiples personas desempena un papel muy importante en los sistemas inteligentes de videovigilancia, los cuales son actualmente uno de los campos de investigacion mas activos en vision computacional. Los datos de video capturados pueden ser muy utiles para multiples aplicaciones, pudiendo cubrir desde la extraccion del comportamiento de una persona en un acto social hasta la activacion de una alarma para prevenir situaciones de peligro. Sin embargo, frecuentemente los datos de video son infrautilizados debido a la cantidad de informacion proporcionada por una red de camaras, la cual debe ser procesada manualmente. Enfocando nuestro trabajo hacia este problema, se han generado diferentes contribuciones para hacer mas factible la supervision al operario con tareas de videovigilancia analizando el movimiento de personas por el entorno automaticamente. En primer termino, se analiza el problema de seguimiento de personas dentro de un unico campo de vision de donde se obtiene la estimacion de la posicion de la persona y su trayectoria en dicha imagen. Para ello, se proponen dos nuevos modelos de descripcion de una persona basados en su silueta, tamano, movimiento y altura. Esto permitira poder detectar multiples personas bajo distintas configuraciones de la camara. Tras ello, el problema de seguimiento de personas se extiende a una red de camaras con campos de vision no solapados cuyo objetivo principal es proporcionar un identificador unico por persona para su reidentificacion. Asi, se propone el uso de un novedoso metodo para realizar el proceso de reidentificacion de forma gradual e iterativa teniendo en cuenta la diferencia en orientacion. Se define un espacio de transformacion de caracteristicas similares y no-similares entre parejas de personas utilizado para entrenar un clasificador basado en maquinas de vector soporte (SVM). A pesar de los esfuerzos realizados en las propuestas de reidentificacion, los resultados obtenidos no son adecuados para alcanzar el objetivo de obtener una unica identidad para cada persona que aparece en la red de camaras. Uno de los mayores problemas es debido a personas con apariencia similar. Por ello, se aborda el estudio de ambiguedades visuales por medio de tecnicas de post-ranking. Asi, se propone un modulo de analisis basado en la informacion de contexto discriminante para realizar la optimizacion del ranking inicial proporcionado por cualquier metodo de base de reidentificacion. Se ha definido nueva informacion de contexto y contenido para ser utilizada en el analisis de caracteristicas discriminantes, para asi eliminar la informacion comun de un conjunto de vectores de caracteristicas con apariencia similar. Finalmente, resultados experimentales para cada metodo, sobre diferentes conjuntos de datos capturados es escenarios reales, y comparaciones con metodos del estado del arte son presentados. EnglishThis thesis addresses the problem of people multi-tracking in a non-overlapping camera network by means of different computer vision techniques. People multi-tracking plays a very important role in smart video surveillance systems, which currently are one of the most active research fields in computer vision. The collected video data can be very useful for multiple applications, covering from the extraction of person behavior in a social environment to the activation of an alarm for preventing dangerous events. However, this video data is frequently underused due to the amount of information provided by the camera network, which must be manually processes. Looking towards this problem, different contributions are introduced to make more feasible monitoring video surveillance tasks for the operator, automatically analyzing the people movement in an environment. First, we focus on the people tracking problem in a single field of view where the estimation of the person position and his/her trajectory in the image are achieved. To do this, two novel description models are proposed based on silhouette, size, motion and height, allowing the person detection over different camera configurations. Afterward, the person tracking problem is extended to the non-overlapping camera network case whose main objective is to provide a single identifier for each person. Regarding to this, a new method is proposed to carry out the re-identification process in a gradual and iterative fashion attending to the orientation distance. A pairwise feature dissimilarity space is introduced to train a support vector machine classifier (SVM). In the post ranking person re-identification field, a discriminant context information analysis module is proposed to optimize the initial ranking computed using any baseline models. Novel content and context information are defined to be used in a discriminant feature analysis in order to remove the common information from a set of feature vectors with similar appearance. Finally, we present experimental results for each method over datasets recorded in real scenarios and comparisons with state-of-the-art methods.