IMPLEMENTACIÓN DE ALGORITMOS DE

TRATAMIENTO DE IMÁGENES PARA SISTEMAS DE

VIDEO VIGILANCIA DE SEGUNDA GENERACIÓN
Priscila Maldonado Mendieta #1, Manuel Quiñones #2
#1
Profesional en formación, Universidad Técnica Particular de Loja
#2
Docente de EET, Universidad Técnica Particular de Loja

Loja, Ecuador
1
pgmaldonadoxx@utpl.edu.ec, 2mfquinonez@utpl.edu.ec.

Resumen—En este proyecto se realiza un estudio sobre distintas

técnicas y algoritmos de tratamiento de señales más concretamente
al tratamiento de imágenes que son de aplicación en sistema de II. ANALISIS DEL SISTEMA
video vigilancia de segunda generación (Tiempo Real).
Por otro lado se extrae un conjunto de propiedades del entorno a
través de imágenes las mismas que mediante procesamiento En la actualidad, el análisis automático de secuencias de
vídeo-seguridad se ha convertido en un área de
realicen determinadas acciones respondiendo a eventos del entorno.
investigación muy activa en respuesta a la creciente
Palabras claves— Video vigilancia, filtro, segmentación, umbral, necesidad en temas de seguridad.
morfología, cuantización. En la Ilustracion2. Se muestra el diagrama de bloques
general de un sistema de video vigilancia.
I. INTRODUCCION

El objetivo principal de un sistema de vigilancia es la

prevención de actuaciones que puedan violar la seguridad de un
lugar supervisado, por ejemplo la intrusión, o la monitorización
y registro de determinados espacios.

Un sistema de vigilancia consiste en una serie de sensores,

situados en posiciones estratégicas del espacio a vigilar y
conectados, a través de medios de transmisión adecuados, en
Ilustración. 2. ESQUEMA DE BLOQUES GENERAL DE
este trabajo únicamente se considerarán aquellos que UN SISTEMA DE VIDEOVIGILANCIA
proporcionan imágenes para su análisis.

En este contexto, según [1], los sistemas de vigilancia de
segunda generación, o avanzados, basados en técnicas de
procesado de la información, son una alternativa ideal a los
sistemas de primera generación. La característica principal de
esta tecnología es la explotación de las técnicas de procesado
para seleccionar automáticamente un pequeño porcentaje de la
información disponible, el cual será probablemente el más
interesante para la tarea de vigilancia requerida y para ser
finalmente valoradas por el personal de vigilancia.
..
Internet
Como se puede observar en el diagrama los sistemas de
video vigilancia automáticos son basados en técnicas de
procesado de imágenes.
Fases principales del procesamiento de imagen:
1. La primera etapa es la adquisición de imágenes
digitales del mundo real usando un dispositivo óptico.
2. En la segunda etapa se preprocesa la imagen
mediante una serie de técnicas y algoritmos y filtros. En esta
etapa de preprocesamiento es donde, mediante filtros y
transformaciones geométricas, se eliminan partes
indeseables de la imagen o se realzan partes interesantes de

Servidor Web
. la misma.
Procesamiento digital

3.
deImágenes

La tercera etapa, conocida como segmentación,

SMS CámarasIP
consiste en aislar los elementos que interesan de una escena
para comprenderla.
Ilustración. 1. ESQUEMA GENERAL DEL SISTEMA DE 4. En la última etapa se clasifican los elementos
VIDEOVIGILANCIA segmentados a través del estudio de sus propiedades, gracias
al análisis de ciertas características que se establecen
previamente para diferenciarlos.
En este suavizado, la desviación típica ¾ juega un
papel importante a la hora de controlar el grado de
A. PREPROCESAMIENTO DE LA IMAGEN.
suavizado de este operador. Cuanto mayor sea ¾, más se
tienen en cuenta los puntos lejanos, y por tanto, mayor sería
De manera que analizando el esquema planteado el filltrado resultante.
anteriormente en la Ilustracion3. mediante el procesamiento de
señales una etapa importante es el preprocesamiento de E. DETECCION DE MOVIMIENTO
imágenes, es decir, la transformación de la imagen original en
otra imagen en la cual hayan sido eliminados los problemas de
ruido de cuantización o de iluminación espacialmente variable. El movimiento en las secuencias de imágenes puede
La utilización de estas técnicas permite el mejoramiento de las servir como criterio para la segmentación. Por una parte
imágenes digitales adquiridas de acuerdo a los objetivos puede ayudar a diferenciar los objetos del fondo de los
planteados en el sistema. A continuación sólo se mencionara móviles. Además, analizando la dirección y velocidad de
las técnicas de preprocesamiento empleado en el presente los movimientos se pueden diferenciar unos objetos
trabajo. móviles de otros.

El método más sencillo para la detección de movimiento se

B. CONVERSIÓN A ESCALA DE GRISES basa en la diferencia entre imágenes [2]. Este tipo de
algoritmos resultan poco precisos, aunque su sencillez les
En esta parte se trata la conversión de una imagen en color a permite procesar la imagen en poco tiempo, por lo que
escala de grises, el equivalente a la luminancia de la imagen. resultan tremendamente útiles.
Para esto se ha utilizado la función ‘rgb2gray’ convierte
imágenes RGB a la escala de gris, eliminando el matiz y la Aplicando este método se obtendrá una secuencia de
información de saturación conservando la luminancia. imágenes como resultado de las sucesivas diferencias de las
imágenes de la secuencia original. La diferencia en valor
absoluto se umbraliza para destacar aquellos pixeles que
C. BINARIZACION. han variado en un cierto grado en el intervalo de imágenes.

Este método tiene la ventaja de que no se ve afectado por

Del proceso de realce, la imagen se encuentra en escala de
cambios progresivos de iluminación ya que el tiempo entre
grises, es decir una imagen que contiene 8 bits por cada píxel, y
la toma de dos imágenes es muy pequeño. Pero como
con 256 posibilidades diferentes de tonos de gris. Es así que se
requiere transformar esta imagen a un formato binario. contrapunto detecta dos tipos de movimiento sin distinguir
entre ellos, la parte del fondo que va tapando el objeto
Para esta tarea, la mejor opción es la utilización de la según avanza y el fondo que va apareciendo según se aleja
función “im2bw”. Esta función convierte imágenes en color o el objeto de la zona donde estaba.
escala de grises en imágenes binarias, basándose en un
determinado umbral, el cual se calcula con la función
“graytresh”, que devuelve el valor del umbral más adecuado
para una imagen determinada y que puede ser usado como
parámetro de entrada en la función “im2bw”.

Ilustración. 3. BINARIZACION
D. FILTRO.
Ilustración. 4. DETECCION DE MOVIMIENTO 4a IMAGEN
El siguiente paso es la utilización de un filtro el mismo que ORIGINAL. 4b IMAGEN DIFERENCIA ENTRE ORIGINAL Y
se utilizara para la eliminación de ciertas partículas (ruido) para FONDO.4c IMAGEN DIFERENCIA UMBRALIZADA.
esto se utilizo fspecial('gaussian'), que se encuentra incluida en
el toolbox de procesamiento de imágenes de Matlab.
Es así como se determino la existencia de personas en el
Por lo general las imágenes tienen una cierta cantidad de escenario planteado.
ruido, pixeles con valores incorrectos por errores en el proceso
de captura. Para eliminar, o por lo menos disminuir, este ruido
existen numerosos filtros de suavizado de imágenes.
 A partir de la imagen del fondo se obtiene una copia de esta
imagen en escala de grises que se añadirá a una estructura
de datos que almacena un historial del fondo.

Usando esta imagen y la anterior almacenada en esta

estructura correspondiente a la última actualización de
fondo mediante diferencia y umbralizado con umbral fijo
se encuentran las partes del fondo que han cambiado entre
Ilustración. 5. DETECCION DE PERSONAS
las dos actualizaciones.

Sin embargo, en los casos en los que se pueda obtener una
imagen del fondo como referencia se puede variar este
planteamiento haciendo la diferencia de las imágenes, la imagen
de referencia con la imagen anterior en el tiempo.
De esta manera se obtiene el objeto en movimiento y no las
variaciones del fondo de la imagen respecto al objeto. Esta
técnica se denomina sustracción de fondo.
Se utiliza umbralización fija, ya que, la imagen obtenida de
la diferencia ya está muy simplificada y no es necesario
usar un método más complejo que pueda ralentizar el
proceso. No obstante el valor umbral se puede variar a
través de la configuración en caso de ser preciso.
G. SEGMENTACION

F. SUSTRACCION O DISCRIMINACION DE La segmentación de imágenes consiste en la partición

FONDO. de la imagen en distintas regiones homogéneas respecto a
una o varias propiedades tales como color, tamaño, textura.
Una de las misiones típicas de los sistemas de La segmentación se realiza generalmente tras la etapa
procesamiento de secuencias de video es separar la parte de preprocesado mencionada anteriormente y es un punto
variable de la imagen de la parte fija, siendo la parte variable la crítico dentro de un sistema de video, ya que, la correcta
que resultaría interesante para obtener los resultados requeridos. división en regiones de la imagen según la característica
Por esta razón se habla de sustracción de fondo (background requerida condiciona enormemente los resultados
sustraction). obtenidos.
En secuencias de video con fondo de intensidad homogénea Aunque las distintas técnicas de segmentación se
basta con diferenciar los pixeles con una intensidad similar al pueden clasificar de muchas formas, normalmente se suelen
fondo del resto de pixeles. clasificar en técnicas basadas en detección de frontera,
técnicas de umbralización y técnicas basadas en
Sin embargo en la mayoría de los casos reales no basta con agrupamiento de pixeles.
conocer el fondo de antemano, ya que este puede variar debido a
modificaciones estructurales y cambios de iluminación. En estas En las técnicas de segmentación mediante detección de
condiciones se hace necesario ir actualizando la imagen de bordes, la segmentación de una imagen puede llevarse a
fondo a lo largo del tiempo para así poder diferenciar la parte cabo mediante la detección de los límites de cada región,
variable de la imagen (o foreground) del fondo de la imagen detectando las zonas donde se producen cambios en la
(background). intensidad o bordes. Entre estas técnicas destacan las que
usan operadores basados en la primera o segunda derivada
El método de sustracción de fondo se obtiene una versión como los filtros de gradiente.
actualizada del fondo o se crea si se está procesando el primer
frame de la secuencia. Los operadores de Sobel tratan de aprovechar el hecho
de que si se calculan las derivadas en dos direcciones y se
Uno de los inconvenientes de este método de sustracción de combinan como la raíz cuadrada de la suma de cuadrados,
fondo es que acaba asimilando los objetos del foreground que se donde de la magnitud se obtiene un resultado independiente
quedan inmóviles durante un cierto tiempo. Pero en este caso, se de la orientación.
va a aprovechar esto para determinar cuándo un objeto se queda
parado. La forma general de las máscaras de Sobel para las
direcciones verticales y horizontales es:

Ilustración. 7. MASCARAS DE SOBEL.

Ilustración. 6. 6a. IMAGEN DE SECUENCIA 6b IMAGEN DE FONDO H. MORFOLOGÍA

 La descripción básica de la Morfología se remite a la teoría
de conjuntos cuyos trabajos se deben a Minkowski y Hadwiger,
luego tras la investigación de Matheron y Serra, se dieron a
conocer con la denominación de Morfología Matemática como
una técnica no lineal de tratamiento de señales.[4]
El objetico de las transformaciones morfológicas es la
extracción de estructuras geométricas en los conjuntos sobre los
que se opera, mediante la utilización de otro conjunto de forma
conocida denominado elemento estructurante., el tamaño y la
forma de este elemento se escoge a priori de acuerdo a la
morfología del conjunto sobre el que se va a interaccionar y de
acuerdo a la extracción de formas que se desean obtener.

Ilustración. 9. ESQUEMA PARA LA DETECCION DE OBJETOS

Ilustración. 8. FORMAS BASICAS DE ELEMENTOS
ESTRUCTURANTES PLANOS. Captura: esta etapa se encarga de realizar la adquisición de
imágenes del mundo real a través de una cámara
La función ‘strel’ crea el elemento de estructuración
morfológico que se encuentra incluida en el toolbox de Inicialización: esta etapa es la encargada de hacer las
procesamiento de imágenes de Matlab operaciones previas de preprocesado de la imágen.
Entre las técnicas morfológicas utilizadas se presentan se Actualización de fondo: a partir de las imágenes
tiene la dilatación, erosión. preprocesadas se separa el fondo, o parte fija de la imagen,
de la parte variable.
La transformación morfológica de base es la dilatación, que
combina dos conjuntos por medio de la suma de elementos del Detección de objetos: utilizando la información de las
conjunto, donde la dilatación de A por B es el conjunto de todas últimas sustracciones de fondo se detectan los.
las sumas de pares posibles de elementos, en el cual un elemento
procede de A y otro de B. Normalmente se considera que A es el De igual forma se han utilizado diferentes funciones
conjunto que será procesado morfológicamente y B se conoce que se encuentran presentes en el toolbox de procesamiento
como elemento estructurante o la forma que operará sobre A de imágenes de Matlab. Como ‘regionprops’ entre otras.
para obtener el resultado deseado. La dilatación puede verse
también como la unión de los elementos estructurantes que son
barridos por la imagen donde la unión puede verse como un
operador de vecindad.

Cuando el origen del elemento estructurante toca un pixel

de la imagen binaria, todo el elemento estructurante se anexa a
la imagen inicial por medio de la operación lógica OR.

Por su parte la erosión la cual es la operación dual de la

dilatación: la erosión de una imagen A por un elemento
estructurante B es el conjunto de elementos para los que la
traslación de B está contenida en A.

El efecto de la erosión es la disminución de la talla de las

partículas y la desaparición de los elementos de talla inferior al
elemento estructurante.

La función ‘ imerode’ realiza la erosión y la función Ilustración. 10. 10a. IMAGEN DE FONDO 10b. IMAGEN OBJETO
‘imdilate ‘ la dilatación en la estructuración morfológico que se 10c. IMAGEN DE DETECCION DE OBJETO
encuentra incluida en el toolbox de procesamiento de imágenes
de Matlab.
III. CONCLUSIONES.
I. DETECCION DE OBJETOS
La aplicación se ha implementado mediante MATLAB
Para cumplir el objetivo descrito se construirá una y el estudio de las diferentes técnicas y algoritmos y ha
aplicación que seguirá un el siguiente esquema: reflejado la diferencia de complejidad que existe entre ellos
y las ventajas e inconvenientes que posee cada uno.

La utilización del filtro gaussiano tienen por objeto reducir
el ruido y/o efectos espurios que pueden presentarse en una
imagen a consecuencia del proceso de captura, digitalización y
transmisión. Su utilización es normalmente necesaria antes de la
aplicación de un detector de bordes.
Para la detección de movimiento se basa en la diferencia
entre imágenes en valor absoluto el mismo que se umbraliza
para destacar aquellos pixeles que han variado en un cierto
grado en el intervalo de imágenes, razón por la cual no se ve
alterado en gran medida por los cambios de iluminación
presentes en el escenario.
Se ha tomado a consideración además la discriminación del
background para separar la parte fija de la parte variable o
cambiante del escenario a procesar, dándonos cuenta no
simplemente basta con tomar una muestra del escenario ‘vacio’
si no se debe actualizar el escenario por diferentes motivos entre
los principales la iluminación.
Mediante la segmentación se ha podido obtener
procesamiento de las regiones de la imagen respecto a
propiedades específicas es así que se realiza mediante la
detección de los límites de cada región, detectando las zonas
donde se producen cambios en la intensidad o bordes.
Las transformaciones morfológicas como la erosion,
dilatación se ha logrado la extracción de estructuras
geométricas, a través de la utilización de otro conjunto
elemento estructurante. Esto al igual que la detección de
movimiento ha servido para lograr la detección de personas.
Se ha desarrollado una aplicación capaz de detectar objetos
abandonados en escenarios no controlados mediante cámaras.
Para esto se han usado una serie de funciones como
‘regionprops’ toolbox de procesamiento de imágenes de Matlab,
además de sustracción de fondo.
Además se ha usado detección de movimiento mediante
resta y umbralizado de cada una de las imágenes capturadas con
el fondo para detectar cuando un objeto no se encuentra
abandonado.
Una vez hecho todo lo descrito anteriormente se presentan
los resultados por pantalla mediante cajas delimitadoras y
detección de bordes según el estado en el que se encuentren los
objetos y personas de forma que sirva como ayuda al operario
encargado de la vigilancia de la estancia.
IV. REFERENCIAS.
Foresti, G. L., P. Mähönen, y C.S. Regazzoni. Multimedia video-
based surveillance systems. Requirements, issues and solutions. Kluwer
Academic Publishers, 101 Philip Drive, Assinippi Park, Norwell,
Massachusetts 02061 USA, 2000, 1 edón.
A. de la Escalera Hueso. Visión por Computador, Fundamentos y
Metodos. Prentice Hall, 2001.
OPPENHEIM, Alan, SEÑALES Y SISTEMAS, Segunda
Edición, Editorial Prentice-
González, R.C., Wintz, P. (1996). Procesamiento digital de
imágenes, Addison-Wesley.
Manual de ayuda de la Image Processing Toolbox de MATLAB
A. de la Escalera Hueso. Vision por Computador, Fundamentos y
Metodos. Prentice Hall, 2001.
J. González Jiménez. Visión por Computador. Paraninfo, 2000.
A. Mittal and N. Paragios. Motion-based background subtraction
using adaptive kernel density estimation. 200
Li, L. “Statistical Modeling of Complex Backgrounds for
Foreground Object Detection”, IEEE Trans. on Image Processing,
13 (11):1459-1472, 2004.
Piccardi, M. “Background subtraction techniques: a review”,
IEEE Trans. On System, Man and Cybernetics.vol.4, 3099-3104,
2004.
http://arantxa.ii.uam.es/~jms/pfcsteleco/lecturas/20090921Alvaro
Bayona.pdf
http://descargas.cervantesvirtual.com/servlet/SirveObras/5791584
2105571617400080/008591.pdf
http://www.gts.tsc.uvigo.es/pi/Analisis%20de%20imagenes.pdf
http://gavab.escet.urjc.es/recursos/seminario_07.pdf
https://docs.google.com/viewer?
a=v&pid=gmail&attid=0.2&thid=12a1a1ef57940c02&mt=applic
ation/pdf&url=https://mail.google.com/mail/?ui%3D2%26ik
%3D5def74ce48%26view%3Datt%26th
%3D12a1a1ef57940c02%26attid%3D0.2%26disp%3Dattd
%26realattid
%3Df_gau3k6ia1%26zw&sig=AHIEtbTZCWNy4bBYC-
c2nqazWIxJ8YlSHQ&pli=1
https://docs.google.com/viewer?
a=v&pid=gmail&attid=0.1&thid=12a1a1ef57940c02&mt=applic
ation/pdf&url=https://mail.google.com/mail/?ui%3D2%26ik
%3D5def74ce48%26view%3Datt%26th
%3D12a1a1ef57940c02%26attid%3D0.1%26disp%3Dattd
%26realattid
%3Df_gau3k4620%26zw&sig=AHIEtbSKSGA9qic_oRPlRTVZI
ukXXX4AIA&pli=1
.
.
.