Los sistemas de vigilancia se han utilizado durante muchos años como herramientas para monitorizar la seguridad en entornos vigilados. Estos sistemas se orientaron inicialmente a la mera centralización de la información en un centro base (vídeo, sensores de puertas y ventanas, sensores de presencia, etc.), donde personal humano se encargaba de interpretar la situación y actuar convenientemente. Carecían, por tanto, de capacidad para interpretar por sí mismos los eventos y los comportamientos relevantes para la tarea presentes en la escena. Tras los atentados del 11-S en Estados Unidos, el interés por el tema de la vigilancia aumentó significativamente a nivel mundial, aumentando la inversión para definir sistemas de monitorización inteligentes, flexibles y escalables, que aumentasen la capacidad de análisis de la escena realizada por el propio sistema, bien para la interpretación y toma de decisiones de forma automática, bien para facilitar la labor del vigilante.
Centrándonos en el reconocimiento de la actividad humana en tareas de vídeo-vigilancia, las actividades se consideran como eventos complejos, los cuales son definidos por composición espacio-temporal de eventos más simples, éstos a su vez por otros eventos aún más simples y así sucesivamente, formando una jerarquía de eventos, hasta enlazar con eventos primitivos, los cuales se determinan a partir de cambios en los atributos visuales de los individuos presentes en la escena.
En esta tesis se presenta el modelo BB6-HM, un modelo para la descripción de humanos basado en bloques que permite monitorizar, en tiempo real y con una carga computacional mínima, una gran cantidad de eventos primitivos relacionados con humanos. El modelo BB6-HM está inspirado en las reglas de proporcionalidad utilizadas en Bellas Artes a la hora de estructurar el primer esbozo de una figura humana. BB6-HM divide verticalmente el blob correspondiente a un humano en seis regiones de la misma altura. Cada una de estas regiones queda delimitada por el rectángulo que la contiene, denominado "bloque". Esta división en bloques de la silueta del humano permite definir multitud de parámetros que describen el comportamiento dinámico del humano y que pueden ser utilizados posteriormente para el reconocimiento de situaciones y eventos primitivos. El reconocimiento de tales eventos y situaciones se realiza, bien a través del análisis de los parámetros del modelo, bien de manera automática mediante la construcción de modelos, tanto estáticos como dinámicos, ajustados mediante aprendizaje automático supervisado. Estos eventos primitivos pueden utilizarse, a modo de librería, para la descripción de actividades más complejas en multitud de tareas de vigilancia (vigilancia de equipajes en aeropuertos, vigilancia de comportamientos de clientes en bancos, vigilancia de pacientes en hospitales, vigilancia de personas dependientes, etc.).
© 2008-2024 Fundación Dialnet · Todos los derechos reservados