Procesamiento de señales para detección de personas en aglomeraciones
Signal processing for people detection in crowded areas
Barra lateral del artículo
Contenido principal del artículo
En este documento se aborda el desarrollo y la implementación de un sistema de procesamiento de señales para la detección y conteo de personas en espacios abiertos, utilizando la técnica de sustracción de fondo con una placa embebida Raspberry Pi 3B+ y el lenguaje de programación Python. La metodología empleada incluye la conversión de imágenes a escala de grises, segmentación de fondo mediante el algoritmo Background Subtractor MOG2, filtrado mediante suavizado gaussiano, y umbralización adaptativa con el método de Otsu, además de la aplicación de técnicas morfológicas para mejorar la calidad de las detecciones y la búsqueda de contornos para identificar objetos. En la fase de captura de imágenes, se considera la altura, el ángulo de inclinación y la luminosidad del entorno para garantizar la calidad de los datos recolectados. La conversión a escala de grises asigna valores entre 0 y 255 a los píxeles, y la sustracción de fondo se realiza usando distribuciones gaussianas para diferenciar entre objetos en movimiento y el fondo. El filtro de suavizado gaussiano se aplica para reducir el ruido, mientras que la umbralización de Otsu permite adaptar el umbral a las características específicas de cada imagen. Finalmente, se utilizan operaciones morfológicas para refinar la segmentación y el método de aproximación simple para la detección de contornos. El sistema fue evaluado con videos capturados en cuatro edificios de la Universidad Francisco de Paula Santander y en dos áreas públicas de Cúcuta, mostrando tasas de detección entre 87.14% y 93.33% en la universidad, y entre 88.89% y 90.51% en las zonas públicas.
Descargas
Detalles del artículo
M. Leo, G. Medioni, M. Trivedi, T. Kanade, and G. M. Farinella, “Computer vision for assistive technologies,” Computer Vision and Image Understanding, vol. 154, pp. 1–15, 2017, doi: 10.1016/j.cviu.2016.09.001. DOI: https://doi.org/10.1016/j.cviu.2016.09.001
X. Li and Y. Shi, “Computer vision imaging based on artificial intelligence,” in Proceedings - 2018 International Conference on Virtual Reality and Intelligent Systems, ICVRIS 2018, IEEE, 2018, pp. 22–25. doi: 10.1109/ICVRIS.2018.00014. DOI: https://doi.org/10.1109/ICVRIS.2018.00014
N. S. Sakpal and M. Sabnis, “Adaptive Background Subtraction in Images,” in 2018 International Conference On Advances in Communication and Computing Technology, ICACCT 2018, IEEE, 2018, pp. 439–444. doi: 10.1109/ICACCT.2018.8529323. DOI: https://doi.org/10.1109/ICACCT.2018.8529323
S. A. Korkmaz, A. Akcicek, H. Binol, and M. F. Korkmaz, “Recognition of the stomach cancer images with probabilistic HOG feature vector histograms by using HOG features,” in SISY 2017 - IEEE 15th International Symposium on Intelligent Systems and Informatics, Proceedings, 2017, pp. 339–342. doi: 10.1109/SISY.2017.8080578. DOI: https://doi.org/10.1109/SISY.2017.8080578
J. Hernández Santiago, J. S. Ruiz Castilla, C. H. Moreno Montiel, and B. Hernández Santiago, “Segmentación de placas vehiculares usando Haar-AdaBoost y Clustering,” Research in Computing Science, vol. 147, no. 5, pp. 269–279, 2018, doi: 10.13053/rcs-147-5-20. DOI: https://doi.org/10.13053/rcs-147-5-20
A. J. A. Barreto and C. P. A. Barreto, “Some commercial customs in the footwear industry of the municipality of San José de Cúcuta (Colombia),” Revista de Derecho Privado, no. 36, pp. 319–331, 2019, doi: 10.18601/01234366.n36.12. DOI: https://doi.org/10.18601/01234366.n36.12
Diario La Opinión, “Cifras del censo no les cuadran a alcaldes del área metropolitana de Cúcuta,” Actualidad. Accessed: Jun. 29, 2020. [Online]. Available: https://www.laopinion.com.co/economia/cifras-del-censo-no-les-cuadran-alcaldes-del-area-metropolitana-de-cucuta-182061#OP
V. Fremont, M. T. Bui, D. Boukerroui, and P. Letort, “Vision-based people detection system for heavy machine applications,” Sensors (Switzerland), vol. 16, no. 1, pp. 1–30, 2016, doi: 10.3390/s16010128. DOI: https://doi.org/10.3390/s16010128
E. N. Kajabad and S. V. Ivanov, “People Detection and Finding Attractive Areas by the use of Movement Detection Analysis and Deep Learning Approach,” Procedia Comput Sci, vol. 156, pp. 327–337, 2019, doi: 10.1016/j.procs.2019.08.209. DOI: https://doi.org/10.1016/j.procs.2019.08.209
A. Gavriilidis, J. Velten, S. Tilgner, and A. Kummert, “Machine learning for people detection in guidance functionality of enabling health applications by means of cascaded SVM classifiers,” J Franklin Inst, vol. 355, no. 4, pp. 2009–2021, 2018, doi: 10.1016/j.jfranklin.2017.10.008. DOI: https://doi.org/10.1016/j.jfranklin.2017.10.008
C. H. Setjo, B. Achmad, and Faridah, “Thermal image human detection using Haar-cascade classifier,” in Proceedings - 2017 7th International Annual Engineering Seminar, InAES 2017, 2017. doi: 10.1109/INAES.2017.8068554.
H. A. M. Alhamzawi, “Faces and eyes Detection in Digital Images Using Cascade Classifiers,” Computer Engineering and Applications Journal, vol. 7, no. 1, pp. 57–66, 2018, doi: 10.18495/comengapp.v7i1.222.
H. A. M. Alhamzawi, “Faces and eyes Detection in Digital Images Using Cascade Classifiers,” Computer Engineering and Applications Journal, vol. 7, no. 1, pp. 57–66, 2018, doi: 10.18495/comengapp.v7i1.222. DOI: https://doi.org/10.18495/comengapp.v7i1.222
M. S. Fuentes, N. A. L. Zelaya, and J. L. O. Avila, “Coffee Fruit Recognition Using Artificial Vision and neural NETWORKS,” in 2020 5th International Conference on Control and Robotics Engineering, ICCRE 2020, 2020, pp. 224–228. doi: 10.1109/ICCRE49379.2020.9096441. DOI: https://doi.org/10.1109/ICCRE49379.2020.9096441
P. Constante, O. Chang, E. Pruna, and I. Escobar, “Artificial Vision Techniques for Strawberry ’ s Industrial Classification,” Ieee Latin America Transactions, vol. 14, no. 6, pp. 2576–2581, 2016, doi: 10.1158/1078-0432.CCR-12-2618. DOI: https://doi.org/10.1109/TLA.2016.7555221
C. H. Setjo, B. Achmad, and Faridah, “Thermal image human detection using Haar-cascade classifier,” Proceedings - 2017 7th International Annual Engineering Seminar, InAES 2017, no. January 2020, 2017, doi: 10.1109/INAES.2017.8068554. DOI: https://doi.org/10.1109/INAES.2017.8068554
R. A. Maulana Budiman, B. Achmad, Faridah, A. Arif, Nopriadi, and L. Zharif, “Localization of white blood cell images using Haar Cascade classifiers,” in Proceedings of 2016 1st International Conference on Biomedical Engineering: Empowering Biomedical Technology for Better Future, IBIOMED 2016, 2017. doi: 10.1109/IBIOMED.2016.7869822. DOI: https://doi.org/10.1109/IBIOMED.2016.7869822
C. Li, Z. Qi, N. Jia, and J. Wu, “Human face detection algorithm via Haar cascade classifier combined with three additional classifiers,” in ICEMI 2017 - Proceedings of IEEE 13th International Conference on Electronic Measurement and Instruments, Institute of Electrical and Electronics Engineers Inc., Jul. 2017, pp. 483–487. doi: 10.1109/ICEMI.2017.8265863. DOI: https://doi.org/10.1109/ICEMI.2017.8265863
J. J. Soto Espinoza, “Desarrollo de un sistema embebido para detectar en tiempo real la presencia de personas en ambientes controlados,” Universidad de las Fuerzas Armadas, 2018.
D. M. López Mena, “Diseño E Implementación De Un Sistema De Visión Artificial Para Determinar Condiciones De Fatiga En Una Persona Mediante El Índice Perclos, Utilizando Open Cv Y Una Tarjeta Raspberry Pi 3,” Escuela Politécnica Nacional, 2017. [Online]. Available: https://bibdigital.epn.edu.ec/bitstream/15000/17531/1/CD-8036.pdf
A. M. García Piragua and W. A. Moreno Gómez, “Sistema de conteo automático de flujo de personas por medio de visión artificial,” Universidad Distrital Francisco José de Caldas, 2016. doi: 10.1017/CBO9781107415324.004. DOI: https://doi.org/10.1017/CBO9781107415324.004
M. G. Jiménez Ochoa, “Desarrollo de un sistema de visión artificial para la detección de aglomerción de personas en un semáforo,” Universidad Nacional de Loja, 2015. [Online]. Available: http://dspace.unl.edu.ec/jspui/bitstream/123456789/11225/1/Jiménez Ochoa%2C Magaly Gabriela.pdf
B. Rodríguez-Cuenca, S. García-Cortés, C. Ordóñez, and M. C. Alonso, “Morphological operations to extract urban curbs in 3d mls point clouds,” ISPRS Int J Geoinf, vol. 5, no. 6, 2016, doi: 10.3390/ijgi5060093. DOI: https://doi.org/10.3390/ijgi5060093
