See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/26544157

Sistema de visin artificial para el registro de

densidad peatonal en tiempo real

Article January 2007

Source: DOAJ

CITATION READS

1 57

4 authors, including:

Bonie Restrepo Mauricio Abril

Instituto Tecnolgico Metropolitano Universidad Tecnolgica de Pereira
6 PUBLICATIONS 2 CITATIONS 1 PUBLICATION 1 CITATION

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Bonie Restrepo on 15 October 2015.

The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
Scientia et Technica Ao XIII, No 35, Agosto de 2007. Universidad Tecnolgica de Pereira. ISSN 0122-1701 79

SISTEMA DE VISIN ARTIFICIAL PARA EL REGISTRO DE DENSIDAD PEATONAL EN

TIEMPO REAL

Computer Vision System for Real-time Registry of Pedestrian Density

RESUMEN MAURICIO ABRIL CAAS

Ingeniero Electricista
En este trabajo se presenta el desarrollo, implementacin y comprobacin de un Universidad Tecnolgica de
sistema de visin artificial para la deteccin de transentes bajo un ambiente Pereira
controlado durante una ventana de tiempo determinada. El sistema presentado es abrilmauricio@hotmail.com
libre de parmetros y calibracin y utiliza una sola cmara para localizar y
seguir en tiempo real a los transentes en la zona de inters, determinar su MAURICIO VALENCIA L
direccin y mantener un registro discriminado. En el artculo se resumen las Ingeniero Electricista
tcnicas de procesamiento de imgenes utilizadas en el desarrollo, los Universidad Tecnolgica de
mecanismos de implementacin, las pruebas experimentales, las limitaciones del Pereira
sistema y se discuten los resultados obtenidos. zagat@utp.edu.co

PALABRAS CLAVES: Mquina de visin, procesamiento de imgenes, BONIE JOHANA RESTREPO

densidad peatonal, conteo de personas, seguimiento visual. Ingeniero Electricista
Profesor Catedrtico
ABSTRACT Universidad Tecnolgica de
Pereira
In this work, we describe development, implementation, and testing of a bonie@ohm.utp.edu.co
computer vision system for passer-by detection in a controlled environment
during a specified time window. Proposed system is parameter-free, calibration- GERMN ANDRS HOLGUN
free, and single-camera. System localizes and tracks in real-time a passer-by Ingeniero Electricista, M.Sc.
within the interest zone, determines his or her direction, and keeps a detailed Profesor Asistente
record. This paper also summarize image processing techniques used in this Universidad Tecnolgica de
process, implementation tools, experimental tests, systems constraints, and Pereira
discuss the obtained results. gahol@ohm.utp.edu.co

KEYWORDS: Computer vision, digital image processing, pedestrian density,

counting people, visual tracking.

1. INTRODUCCIN el tratamiento de oclusiones parciales, pero con un costo

El registro de objetos en movimiento es una herramienta
importante para el diseo de aplicaciones de seguridad,
control de acceso restringido, control de multitudes en
espacios abiertos o cerrados, control de inventarios,
mercadeo en centros comerciales y urbanos, entre otros.
Teniendo en cuenta que la presencia de cmaras de
seguridad en cualquier entorno urbano es un hecho [1], es
natural pensar que en el mediano plazo, tengan que
convertirse en parte de sistemas automticos que
permitan el procesamiento de video en tiempo real, con la
finalidad de mantener un conteo discriminado de las
personas que circulan en una zona de inters.
La deteccin especfica de transentes es un problema de
visin artificial complejo, con muchas dependencias y
restricciones. El solo hecho de segmentar personas en
movimiento es un reto para el que Shio y Sklansky [2]
presentaron una metodologa, empleando la correlacin
entre frames en la secuencia de video, con cierto xito en
Fecha de Recepcin: 31 Mayo de 2007
Fecha de Aceptacin: 19 Julio de 2007
computacional muy elevado como para ser viable en
tiempo real. Posteriormente, se presentaron algunos
trabajos, como el de Rossi y Bezzoli [3] donde se
restringe el problema a una sola direccin en la escena y
para una posicin especfica de cmara, o como el trabajo
de Segen y Pingali [4], donde se utiliza anlisis de
contornos y siluetas, lo que mejora la deteccin y el
seguimiento, pero a costa de la sensibilidad a las
oclusiones. Algunas tcnicas multicmara han resultado
mejores, como en Cai y Aggarwal [5] o en Alboil,
Naranjo y Mora [6], pero an requieren una costosa
infraestructura y altos niveles de parametrizacin. Ms
tarde, Choi [7], simplifica la segmentacin y el
seguimiento en la secuencia de video mediante
prediccin de movimiento, lo que permite una
implementacin de tiempo real.
En este artculo se propone una metodologa que permita
realizar en tiempo real el registro discriminado de
transentes en un ambiente controlado, sin considerar el
80 Scientia et Technica Ao XIII, No 35, Agosto de 2007. Universidad Tecnolgica de Pereira.

problema de oclusiones, que apunte a minimizar el costo
computacional y a maximizar la precisin del sistema. Se
requiere adems que la aplicacin sea econmicamente
viable, por lo que se restringir el estudio a la utilizacin
de una sola cmara y a la arquitectura PC. Se desea que
la aplicacin tenga un funcionamiento autnomo, libre de
parmetros de ajuste, es decir el usuario no tenga que
manipular variables durante su ejecucin. La estructura
de este trabajo se describe a continuacin: inicialmente
se muestra la metodologa planteada para el registro de
densidad peatonal, luego se describe su implementacin
para finalizar con conclusiones y recomendaciones para
trabajos futuros a partir de los resultados obtenidos.
2. METODOLOGA
La metodologa propuesta est representada en el
diagrama de bloques de la figura 1. La funcin de cada
una de las etapas es detallada a continuacin.
INICIO
predeterminada y constante, por lo que requiere de alta
prioridad de ejecucin. Todo el procesamiento posterior
de cada frame, deber ser realizado en la ventana de
tiempo entre muestras, dejada por este mdulo, lo que
garantizar la operacin del sistema en tiempo real. La
salida de este mdulo es una imagen en formato RGB.
Para fines experimentales, se desarrollaron dos mdulos
de adquisicin, uno para operar directamente de la
cmara y otro para recibir imagen de videos pregrabados
en algn formato estndar.
2) Pre-procesamiento
Esta etapa realiza dos tareas. En primer lugar convierte la
imagen de entrada a escala de grises utilizando la norma
euclidiana [8] con un factor de escala de . (1/3) que
asegura que el rango de valores de cada pxel en la
imagen de salida est limitado por el rango de los valores
de entrada. La ecuacin (1) ilustra este procedimiento
1 2
f ( x, y ) =
3
( R + G2 + B2 ) (1)

Donde R, G y B son los valores de los pxeles para cada

Adquirir uno de los planos de color rojo, verde y azul
frame (i)
respectivamente.
i=i+1

Conversin
RGB Gray
En segundo lugar, es necesario que esta etapa detecte el
movimiento de transentes en la zona inters. Para ello,
If
una sustraccin de fondo es suficiente, ya que permite
Actualizar
Sustraccin
fondo If(t) completar la tarea con muy bajo costo computacional y
de fondo
cierta robustez a los cambios de iluminacin. La
Ir
SI sustraccin consiste en obtener la diferencia, pxel a
NO Actualizar
pxel, entre el frame actual I (t ) y el fondo If (t )
Movimiento ?
fondo? NO escogido como referencia [8], y que debe haber sido
SI capturado previamente al menos una vez. La captura del
Segmentacin
fondo en este experimento se realiza solo a solicitud del
usuario. El resultado de la sustraccin, ver ecuacin (2),
es una nueva imagen donde los transentes estn
Filtrado representados por pxeles conectados con valores mucho
mayores que cero.
Almacenar
frame (i)
Reconocimiento
y Etiquetado
Ir (m, n) = i(m, n) If (m, n) (2)

frame (i)
3) Segmentacin.
Seguimiento
frame (i-1)
En esta etapa se busca separar a los transentes del
correspondencias fondo. Aqu, se emple una binarizacin de la imagen
y coordenadas por umbral que aprovecha bastante bien la caracterstica
Registrar
Objeto en
Peatn bimodal de la imagen [9]. Como el objetivo es obtener un
lmite ? SI
sistema libre de parmetros, dicho umbral k, tendr que
NO ser obtenido automticamente. Para ello k, se obtiene
mediante el agrupamiento (clustering) de los pxeles en
Figura 1. Diagrama de bloques. dos grandes grupos que cumpla con la siguiente
condicin:
1) Adquisicin
Esta es la etapa encargada de controlar el hardware. Debe
garantizar que cada frame sea adquirido a una velocidad
Scientia et Technica Ao XIII, No 35, Agosto de 2007. Universidad Tecnolgica de Pereira.
u1 + u2
k=
2
Donde u1 y u2 son las mximas frecuencias de nivel de
gris comprendidas entre 0 y k ; y entre k + 1 y el valor
mximo (255 para 8 bits).
Para refinar el resultado de la segmentacin y eliminar
pxeles aislados en la imagen, se utiliza una etapa de
filtrado espacial no lineal, implementada mediante la
operacin morfolgica conocida como closing. El closing
consiste bsicamente en una dilatacin seguida de una
operacin de erosin [10].
4) Seguimiento en la secuencia de imgenes
En la imagen resultado de la etapa anterior, el fondo est
representado por pxeles de valor cero. Por tanto, toda
rea de pxeles conectados con valor diferente de cero y
que est comprendida entre 4000 y 7000 pxeles.2 ser
considerada transente. Este rango fue determinado
nicamente en funcin de la altura de ubicacin de la
cmara, y es esttico, por lo que no representa un
parmetro configurable.
A todo objeto reconocido como transente se le asigna
una etiqueta en el frame actual. Para cada transente, se
calcula el momento de inercia [11], utilizando la
expresin:
m n
GKO = GK (i, j )
i =1 j =1
Donde Gk ( i, j ) es el conjunto de valores umbralizados,
m y n son el nmero de filas y columnas. Con el
momento de inercia es posible determinar las
coordenadas de los centroides [11], utilizando:
1 m n Se considera que un transente debe ser contabilizado,
x (k ) =
GKO
x G
i =1 j =1
j K (i, j )
1 m n
y (k ) =
GKO
y jGK (i, j )
i =1 j =1
Este clculo se realiza para cada transente en cada
frame. Luego, la tarea de seguimiento consiste en
determinar la correspondencia de etiquetas a un mismo
transente en los frames i e i-1. Para esto, es vlido
suponer que la posicin estimada de transente en el
nuevo frame depende de la velocidad y direccin con que
se mueve, y sin prdida de generalidad se puede suponer
que dicha posicin estimada es un valor viable dentro de
la imagen [7]. Por lo tanto, las velocidades actual y
81
estimada hacen parte de un conjunto convexo que puede
(3) ser representado por:
v(t + 1) = (1 a )v (t ) + av(t ) (6)
Donde a es un coeficiente de amortiguamiento que
depende de la altura de ubicacin de la cmara. La
velocidad v y el desplazamiento d, tanto actual como
estimada, estn relacionadas mediante la tasa de muestreo
dada en frames por segundo. El siguiente diagrama
ilustra la prediccin de movimiento.
x
(t 1)
v(t )
R
L(t )
(t )
v(t + 1)
y R
L(t + 1)
( t + 1)
Figura 2. Diagrama del seguimiento mediante prediccin de
movimiento
(4)
Donde representa las coordenadas del centroide y
v(t + 1) es el vector velocidad estimado. R es la distancia
en pxeles mnima necesaria para identificar a un mismo
transente en dos frames consecutivos, tal que (t ) y
(t + 1) corresponden al mismo transente si y solo si
R> L.
cuando ha atravesado el rea de conteo de arriba abajo o
viceversa.
(5)
3. IMPLEMENTACIN Y RESULTADOS
Para la implementacin del sistema se utiliz un PC con
un procesador Intel Pentium IV de 2.8 GHz y 512 MB de
RAM corriendo Windows XP de Microsoft. La
aplicacin se desarroll en LabVIEW 8.0 de National
Instruments. La figura 3, muestra el panel frontal de la
aplicacin.
La cmara utilizada fue una cmara web convencional,
Video BLASTER WEBCAM Plus de Creative, de 24 bits
con salida RGB de 320x240 y una frecuencia de
muestreo mxima de 30 fps. La cmara fue ubicada a 3.5
82 Scientia et Technica Ao XIII, No 35, Agosto de 2007. Universidad Tecnolgica de Pereira.
metros del piso en posicin acimutal, obteniendo un rea
de conteo de 9 m2.
Figura 3. Panel Frontal de la aplicacin
La posicin y disposicin de cmaras y las caractersticas
del rea de conteo varan segn la aplicacin, esto lleva a
que no exista una base de datos estndar diseada para la
comprobacin de sistemas de visin artificial para el
conteo de personas; por tanto se cre una propia. Esta
base de datos est conformada por 50 videos etiquetados
segn el nmero de transentes presentes en la escena,
segn la direccin de cruce del rea de conteo y algunos
casos especiales, tales como: oclusiones leves, oclusiones
severas, peatones detenidos, cambios de iluminacin,
entre otros.
En el momento de cuantificar el rendimiento y
confiabilidad del sistema se opt por utilizar una matriz
de confusin donde se definen las siguientes salidas del
sistema.
FP: Falso Positivo. Grupo de pxeles conectados que
son detectados como movimiento, pero que no
corresponden a ningn transente.
FN: Falso Negativo. Grupo de pxeles conectados
que son detectados como movimiento, pero no son
identificados por el sistema como transentes.
VP: Verdadero Positivo. Grupo de pxeles
conectados que son detectados como movimiento,
que son identificados como transentes por el
sistema.
VN: Verdadero Negativo. Grupo de pxeles no
conectados, que no son detectados por el sistema
como Transentes.
Se realizaron las mismas pruebas para diferentes
velocidades de muestreo: 7.5, 15 y 30 fps. Para 7.5 fps no
fue posible garantizar la operacin en tiempo real con el
hardware utilizado. Para 15 y 30 fps se obtuvieron
resultados estadsticamente equivalentes, por lo que se
presentan los resultados de 15 fps.
Direccin VP FP FN Real
Arriba 39 1 0 39
Abajo 40 0 2 42
Tabla 1. Matriz de confusin para 15 fps.
Estos resultados, fueron obtenidos para una altura de
cmara de 3.5 metros, por lo que los valores de a y R
fueron 0.3 y 60 respectivamente. El nmero mximo de
peatones en el rea de conteo es 4.
4. CONCLUSIONES
Este artculo presenta la metodologa utilizada en el
diseo, implementacin y prueba de un sistema de visin
artificial concebido para el conteo de transentes en una
regin de inters determinada sin tener en cuenta
oclusiones ni traslapes.
El sistema propuesto es libre de parmetros en tiempo de
ejecucin. Es decir, el usuario no requiere estimar ni
calcular ningn parmetro de funcionamiento una vez se
ha completado la instalacin del sistema.
Se concluye que 15 fps es una velocidad de muestreo
ptima para el sistema, ya que los resultados obtenidos
con velocidades mayores son estadsticamente
equivalentes con mayores costos computacionales y con
velocidades de muestreo menores se presentan prdidas
de informacin.
El seguimiento de los objetivos reconocidos en la
secuencia de vdeo (Tracking), por medio de la
prediccin de movimiento de sus centroides es til dado
que, los transentes no presentan un patrn igual entre
frame y frame, que permita reconocerlo y asociarlo en
cada una de las imgenes el mismo objeto a una etiqueta.
La metodologa fue probada en recintos cerrados donde
el fondo es esttico y su mayor limitacin en su
utilizacin prctica radica en la identificacin de
transentes ante oclusiones severas. Este es un problema
de investigacin que sigue abierto como continuacin de
este trabajo; para darle solucin se debe pensar en una
metodologa de solucin que involucre tcnicas ms
robustas pero computacionalmente ms costosas, tanto en
la sustraccin del fondo, utilizando un modelamiento
dinmico; como en la segmentacin, con tcnicas que
involucren jerarqua en color visin estereo; y en la
etapa de seguimiento, con tcnicas basadas en colores o
en modelos interframes.
5. BIBLIOGRAFA
[1] C. Sandoval. Seguimiento de objetos en secuencias
de vdeo. Dept. Comunicaciones. Univ. Politcnica
de Valencia, 2003.
 Scientia et Technica Ao XIII, No 35, Agosto de 2007. Universidad Tecnolgica de Pereira. 83

[2] A. Shio and J. Sklansky, Segmentation of people in

motion, Proc. IEEE Workshop Visual Motion, pp.
325332, Oct. 1991.
[3] M. Rossi and A. Bozzoli, Tracking and counting
moving people, Proc.2nd IEEE Int. Conf. Image
Processing, pp. 212216, Nov. 1994.
[4] J. Segen and S. Pingali, A camera-based system for
tracking people in real time, in Proc. IEEE 13th Int.
Conf. Pattern Recognition, Los Alamitos, CA, pp.
6367 Aug. 1996.
[5] Q. Cai and J. K. Aggarwal, Tracking human motion
using multiple cameras, in Proc. IEEE 13th Int.
Conf. Pattern Recognition, Los Alamitos, CA, pp.
6872, Aug. 1996
[6] A. Albiol, V. Naranjo. I, Mora,. Real-Time Hight
Density People Counter using Morphological
Tools. IEEE Trans. Intelligent Transportation
Systems, vol. 2, pp. 201-218, Dic. 2001.
[7] J. Kim, K. Choi Real-Time vision-based people
counting system for the security door. Department
of Electronics Engineering, Korea University, 2002.
[8] N. Siebel, Design and implementation of people
tracking algorithms for visual suveirllance
aplications, Marzo 2003.
[9] National Instrument. NI vision concepts manual.
November 2005.
[10] G. Pajares, J. D. la Cruz, Visin por computador
Imgenes Digitales y Aplicaciones. Espaa: Rama,
2001.
[11] D. C. P. Albores, Seguimiento de objetos por medio
de visin activa, Ph.D. dissertation, Instituto
Nacional de Astrofsica, ptica y Electrnica, Mayo
2002.
[12] A. Bovik, Handbook of Image and Video
Processing. Austin, Texas: University of Texas,
2000.
[13] M. Petrou and P. Bosdogianni, Image Processing
The Fundamentals. England: John Whiley and Sons,
1999.
[14] G. A. Holgun, S. Prez, A. Orozco, Curso Bsico
LabVIEW 6i, Universidad Tecnolgica de Pereira,
Facultad de Ingeniera Elctrica, 2002.
[15] G. Betancourt, G. Holgun, A. Orozco, Libro
electrnico de Medidas, Universidad Tecnolgica de
Pereira, Facultad de Ingeniera Elctrica, 2005.

View publication stats