Università degli Studi di Genova. Facoltà di Ingegneria. Dipartimento di Ingegneria Biofisica ed Elettronica TESI DI LAUREA

Transcript

1 Università degli Studi di Genova Facoltà di Ingegneria Dipartimento di Ingegneria Biofisica ed Elettronica TESI DI LAUREA Modellizzazione e predizione di interazioni tra soggetti non cooperanti tramite Hidden Markov Model per applicazioni di sorveglianza intelligente Relatore : Chiar. mo Prof. Carlo S. Regazzoni Correlatori : Ing. Alessio Dore : Ing. Lorenzo Ciardelli : Ing. Matteo Pinasco Candidato : Luca Parodi Anno Accademico

2 Ai miei genitori

3 Abstract In the last years, because of the increasing event of crime news, the public opinion has pointed out a pervasive sensation of discomfort, due to the lacking sense of security warned against. Many funds have been invested for research, to make up for this lack; studies in Ambient Intelligence systems applied to advanced security have brought to the development of intelligent video-surveillance. The task proposed in this framework, that aims to develop a system able to make predictions about the behaviour of moving sujects (a guard and an intruder in the examined case),is framed into this scenario; results obtained by testing this method can be used by a virtual guide system, in order to send messages that allow to the guard the pursuit of the intruder, advancing his movements. The main innovative features introduced in this work are based on the development of algorithms that are able to: - make an autonomous partition of the monitored environment in zones (called cells), on the basis of trajectories followed by the two subjects; - make a prediction on the next movement of the two subjects given the state of the system in a certain time instant. Proposed methods have been tested via the execution of simulations made with the aid of a simulator developed in the DIBE, Dipartimento di Ingegneria Biofisica ed Elettronica of the University of Genoa, able to imitate the bahaviour of two subjects iii

4 iv moving into a certain environment. Some experiments have been also carried out on real application in order to verify the correspondencce between the prediction made and the real movement. Results so obtained demonstrate the efficacy of the proposed methods, though other simulations are required to verify its complete validity.

5 Sommario Negli ultimi anni, a causa di sempre più frequenti episodi di cronaca, l opinione pubblica ha evidenziato una diffusa sensazione di disagio dovuta al carente senso di sicurezza avvertito. Per poter sopperire a questa mancanza sono stati investiti molti fondi per la ricerca; lo studio dei sistemi di Ambient Intelligence applicati alla sicurezza avanzata ha portato allo sviluppo di sistemi di videosorveglianza intelligente. Proprio all interno di questo scenario si inquadra il lavoro proposto nella seguente tesi, che mira a sviluppare un sistema in grado di effettuare delle predizioni sul comportamento di soggetti in movimento (nel caso in esame una guardia ed un intruso); i risultati così ottenuti possono poi essere utilizzati da un sistema di guida virtuale, al fine di inviare alla guardia dei messaggi che le permettano di inseguire l intruso, anticipandone i movimenti. I principali elementi innovativi introdotti in questa tesi si basano sullo sviluppo di algoritmi che siano in grado di: - effettuare in maniera autonoma una suddivisione in zone (dette celle) dell ambiente monitorato, sulla base delle traiettorie seguite dai due soggetti; - effettuare una predizione sul possimo movimento dei due soggetti dato lo stato del sistema in un determinato istante. I metodi proposti sono stati testati tramite lo svolgimento di simulazioni effettuate con l ausilio di un simulatore sviluppato presso il DIBE, Dipartimento di v

6 vi Ingegneria Biofisica ed Elettronica dell Università di Genova, capace di imitare il comportamento di due soggetti che si muovono all interno di un determinato ambiente. Sono inoltre stati realizzati alcuni esperimenti in applicazioni reali (sequenze riprese attraverso telecamere) al fine di verificare la corrispondenza tra predizione effettuata e movimento reale. I risultati ottenuti dimostrano l efficacia dei metodi proposti, anche se sono necessarie altre simulazioni per verificarne appieno la validità.

7 Indice Abstract Sommario iii v 1 Introduzione Obiettivi e finalità Struttura della tesi Ambient Intelligence Definizione generale Sistemi di AmI e di sicurezza avanzata Architettura dei sistemi di videosorveglianza Moduli di basso livello Moduli di medio livello Moduli di alto livello Rappresentazione di un sistema di AmI attraverso il modello biologico di Damasio Modello biologico di Damasio Architettura di sistemi basati sul modello biologico Interazioni tra sistemi cognitivi Il ciclo cognitivo Relazione tra entità cognitive vii

8 INDICE viii 3 Metodi di classificazione e predizione Introduzione generale sui classificatori Panoramica sui tipi di classificatori Classificatori basati su approccio statistico Approccio bayesiano Approcci non parametrici Riduzione della dimensionalità Clustering Multi classificatori Reti neurali Introduzione generale Modello matematico del neurone Tipologie di apprendimento Tipologie di reti neurali Reti Multilayer Perceptron Introduzione generale sui metodi di predizione Hidden Markov Models Parametri delle HMM Problemi base delle HMM Tipologie di HMM Problemi nell implementazione delle HMM Modellizzazione e predizione di interazioni tra soggetti non cooperanti tramite HMM Introduzione Generazione automatica delle mappe Instantaneous Topological Map Creazione celle

9 INDICE ix 4.3 Predizione tramite HMM Applicazione allo scenario considerato Algoritmo di voting Risultati Descrizione simulatore Regole di visibilità Comportamento dei due agenti Regole di inseguimento per la guardia Regole di fuga per l intruso Creazione mappe Creazione modello statistico Risultati reali Conclusioni e sviluppi futuri Conclusioni Sviluppi futuri Appendices 137 A Istantaneous Topological Map 137 Bibliography 143

10 INDICE x

11 Capitolo 1 Introduzione In questi ultimi anni a seguito dello sviluppo tecnologico che ha coinvolto vari settori dell Information Technology si è assistito ad una crescita di interesse nei sistemi di Ambient Intelligence. Questa disciplina, in continua fase di sviluppo, mira alla creazione di un mondo in cui le persone si trovino immerse in una forma di tecnologia che sia cosciente di sé e dell ambiente che la circonda, con la quale interagire nella maniera più naturale possibile. Come si vedrà in seguito, perché ciò sia possibile occorre che i dispositivi elettronici necessari siano integrati negli oggetti di tutti i giorni, e presentino caratteristiche tali da renderli intelligenti. L Ambient Intelligence è fortemente legata ai sistemi di localizzazione ed inseguimento video; uno dei primi campi in cui si è affermato tale legame è stato quello della videosorveglianza, evolutasi fino a diventare uno dei principali esempi applicativi di intelligenza d ambiente in grado di comprendere automaticamente la scena osservata ed agire solo in caso di reale necessità. 1.1 Obiettivi e finalità L obiettivo di questa tesi è quello di sviluppare un sistema che sia in grado di effettuare delle predizioni sul movimento di due soggetti non cooperanti (tipicamente 1

12 Capitolo 1 : Introduzione 2 due individui) che si trovano all interno di un ambiente monitorato da telecamere. In particolare il primo individuo rappresenta una guardia, mentre il secondo un intruso che si viene a trovare nel campo d azione delle telecamere stesse. I principali argomenti che verranno descritti in questa tesi riguardano: - Lo sviluppo di un algoritmo che, sulla base delle traiettorie dei due soggetti, sia in grado di effettuare in maniera autonoma una suddivisione in zone (dette celle) dell ambiente monitorato; - Lo sviluppo di un algoritmo che, data la posizione di guardia ed intruso (cioè lo stato del sistema in quel determinato istante), sia in grado di effettuare una predizione sul prossimo movimento dei due soggetti; - L applicazione di tali algoritmi allo scenario in esame. 1.2 Struttura della tesi La presente tesi è suddivisa in sei capitoli, compreso quello presente in cui vengono presentati brevemente obiettivi e finalità del metodo proposto. Nel Capitolo 2 viene fornita un ampia analisi delle tematiche relative ai sistemi di videosorveglianza e di Ambient Intelligence in generale; viene presentato inoltre un modello di riferimento bio-inspired per la modellizzazione di ambienti intelligenti (altrimenti detti Smart Space). Nel Capitolo 3, sempre relativo allo Stato dell Arte, viene fornita una panoramica sui principali sistemi di classificazione e predizione presenti in letteratura, dimostrando particolare attenzione per il metodo utilizzato nell ambito della presente tesi. Nel Capitolo 4 viene fornita una spiegazione del contesto in cui si opera, andando a descrivere nei dettagli il metodo utilizzato per effettuare le predizioni. Nel Capitolo 5 viene descritto il funzionamento del simulatore impiegato; vengono

13 1.2 Struttura della tesi 3 inoltre presentati esempi che verificano la validità del metodo proposto (esempi relativi alla corrispondenza tra predizione e movimento reale). Nel Capitolo 6, infine, vengono presentati gli obiettivi raggiunti e le linee guida per futuri ulteriori sviluppi.

14 Capitolo 2 Ambient Intelligence In questo capitolo verrà fornita una panoramica sulla disciplina dell Ambient Intelligence, partendo dalle possibili definizioni e procedendo a descrivere più dettagliatamente i sistemi di videosorveglianza, per poi introdurre il modello neurofisiologico di Damasio, attraverso il quale sarà proposto un possibile modello delle relazioni tra entità cognitive. 2.1 Definizione generale Negli ultimi anni un insieme di fattori concomitanti, tra cui l abbattimento dei costi dell hardware e l aumentata capacità computazionale dei sistemi di calcolo, ha portato ad un notevole sviluppo della tecnologia in tutte le sue branche. In questo contesto, una disciplina relativamente recente ed in continua evoluzione è quella dei sitemi di Intelligenza d Ambiente. L Ambient Intelligence (o AmI ) rapppresenta una nuova visione della vita di ogni giorno, costituita da sensori e dispositivi coordinati e cooperanti tra di loro, il cui compito è quello di simulare un intelligenza estesa a tutto l ambiente circostante affinché sia di sostegno alle attività ed alle interazioni degli utenti. Come detto in precedenza, grazie allo sviluppo della tecnologia digitale ed alla grande disponibilità 4

15 2.1 Definizione generale 5 di differenti tipi di dispositivi portatili e non, l uomo è sempre più circondato da un mondo digitale. Brooks in [18] afferma che un ambiente intelligente deve mettere a portata di mano delle persone una grande capacità computazionale distribuita in tutto lo spazio e in tutti gli oggetti; ciò nonostante, la grande diffusione di tali dispositivi elettronici non basta di per sé a dar luogo ad un sistema di Ambient Intelligence. Secondo l ISTAG (Information Society Technology Advisory Group) [48] l ambiente che si vuole realizzare deve essere cosparso di dispositivi dotati di interfacce intuitive ed intelligenti collocate in qualunque tipo di oggetto; inoltre deve anche essere capace di riconoscere i vari utenti, interagendo con loro senza che essi si accorgano della sua presenza. Secondo Aarts [1] dunque, tra i requisiti che devono possedere gli Smart Space, di fondamentale importanza sono: - onnipresenza: gli utenti sono circondati da una moltitudine di sistemi interconnessi tra loro; - trasparenza: le varie apparecchiature sono totalmente invisibili ed integrate nel background dello spazio in cui si muove l utente; - intelligenza: capacità del sistema di riconoscere le persone che risiedono in esso, adattarsi a loro ed apprendere in base ai loro comportamenti (ad esempio reagendo e/o anticipando le azioni degli utenti sulla base di informazioni raccolte da eventi passati,... ). In altre parole, questa disciplina offre agli utenti i relativi servizi sempre e dovunque, ponendo l utente stesso al centro del sistema mentre quest ultimo resta decentrato. In [19], Brumitt et al. pongono l attenzione sul fatto che in uno Smart Space è necessaria la presenza di sensori di natura differente, poichè per supportare le interazioni con gli utenti il sistema deve avere una conoscenza più approfondita

16 Capitolo 2 : Ambient Intelligence 6 dello spazio fisico sia per quanto riguarda i sensori sia per il controllo. Per esempio, se il sistema accende le luci al passaggio di una persona, deve essere in grado di identificarne la posizione, nonché di controllare tutti i dispositivi di accensione delle luci. Quindi, grazie allo sfruttamento dell AmI, le attività umane possono essere sostenute da un ambiente digitale, riducendo così gli sprechi di tempo e portando ad una vita più semplice per quel che riguarda le azioni quotidiane o, addirittura, a miglioramenti nei risultati di attività industriali. Infatti l Intelligenza d Ambiente non è legata ad una specifica attività umana, ma può essere applicata a diversi scenari e situazioni. Per esempio in [37] viene presentato un sistema operante nel campo dell aministrazione ospedaliera e di strutture sanitarie in generale, mentre in [90] l attenzione viene spostata sulle imprese, dove l AmI può sia supportare l attività dei lavoratori sia quella delle imprese stesse. In seguito tratteremo più in dettaglio i sistemi di Intelligenza d Ambiente applicati alla sicurezza avanzata, in quanto ricoprono un ruolo sempre più importante nella società odierna; inoltre, un sistema di videosorveglianza è stato utilizzato anche nell ambito della presente tesi. 2.2 Sistemi di AmI e di sicurezza avanzata I sistemi di videosorveglianza (vedi Figura 2.1) ricoprono da sempre un ruolo fondamentale nella società moderna, sia per quanto riguarda attività e/o ambienti pubblici sia in ambito privato; esempi di applicazioni si possono trovare nei settori del trasporto pubblico [101] [103], nella sicurezza urbana e di edifici [61], nel turismo [95], nei sistemi di protezione delle banche [77]..., mentre in principio erano stati pensati per usi strettamente militari [82] [38]. Negli ultimi anni, a causa di sempre più frequenti episodi di cronaca, l opinione

17 2.2 Sistemi di AmI e di sicurezza avanzata 7 Figura 2.1: Modello di un generico sistema di videosorveglianza pubblica ha evidenziato una diffusa sensazione di disagio dovuta al carente senso di sicurezza avvertito. Per poter sopperire a questa mancanza sono stati investiti molti fondi per la ricerca; proprio lo studio dei sistemi di Ambient Intelligence applicati alla sicurezza avanzata ha portato allo sviluppo di sistemi di videosorveglianza di terza generazione. Prima di analizzare la struttura di questi sistemi viene riportata brevemente la linea evolutiva da essi seguita, dagli anni 60 ad oggi; si distinguono quattro differenti generazioni di sistemi (come evidenziato anche nelle Figure 2.2 e 2.3): - Prima generazione (1GSS): Il sistema è basato su una sala di controllo in cui uno o più operatori, attraverso svariati monitor, sorvegliano differenti ambienti ed obiettivi. Le informazioni, acquisite tramite un sistema analogico a circuito chiuso (CCTV), non subiscono alcun tipo di elaborazione; l interpretazione delle scene e le relative decisioni da prendere nel caso in cui si verifichino eventi anomali sono totalmente affidate alle capacità dell uomo. La presenza obbligatoria di un supervisore umano coniuga, sia il vantaggio dato dalla possibilità di monitorare una o più location contemporaneamente e da più punti di vista diversi (permettendo così una possibile tempestiva ed adeguata contromisura) sia lo svantaggio dato dal decadimento del livello

18 Capitolo 2 : Ambient Intelligence 8 (a) (b) (c) Figura 2.2: Raffronto tra le diverse architetture: a) prima generazione b) seconda generazione c) terza generazione d) quarta generazione

19 2.2 Sistemi di AmI e di sicurezza avanzata 9 di attenzione col passare del tempo; la bassa frequenza con cui si verificano situazioni di pericolo e la necessità, in taluni casi, di dover visionare più volte una stessa registrazione portano infatti a possibili distrazioni da parte dell operatore (distrazioni dovute ad elementi soggettivi, quindi aleatorie e poco prevedibili). Un altro difetto di questo tipo di sistemi è legato alla scarsa qualità delle immagini acquisite che, essendo di tipo analogico e non subendo trattamenti di image processing, sono particolarmente sensibili al rumore. - Seconda generazione (2GSS): In questi sistemi si ha il passaggio dalla rappresentazione analogica a quella digitale delle immagini; è quindi possibile eseguire operazioni di image processing (a livello di acquisizione, trasmissione, memorizzazione e visualizzazione) per rendere le informazioni più compatte e resistenti al rumore. Il sistema è basato su un centro di controllo fornito di calcolatori che, in tempo reale, elaborano le sequenze ricevute e segnalano all operatore solo quelle di particolare interesse. Il ruolo della persona (comunque indispensabile) è però limitato all analisi di determinate scene, con un notevole alleggerimento del carico di lavoro ed un conseguente miglior rendimento dal punto di vista del mantenimento di un certo livello di attenzione. - Terza generazione (3GSS): Il sistema è caratterizzato da un architettura decentrata, in cui non si ha più un unico elaboratore, ma una serie di calcolatori (o nodi) collegati ad un elevato numero di sensori intelligenti, che cooperano tra loro al fine di fornire una rappresentazione più accurata dell ambiente monitorato. Tali dispostivi, dopo aver eseguito una prima elaborazione locale dei dati acquisiti, inviano i risultati al relativo nodo il quale ha il compito di eseguire una fusione dei dati in modo da estrarre dalla scena le informazioni rilevanti.

20 Capitolo 2 : Ambient Intelligence 10 La struttura così ottenuta è dotata di un elevato grado di flessibilità, dovuta alla relativa indipendenza dei nodi che la costituiscono; questi forniscono all operatore umano solo le indicazioni necessarie per segnalare e descrivere una situazione di pericolo. - Quarta generazione (4GSS): Al giorno d oggi la ricerca scientifica si sta muovendo nella direzione dei sistemi di videosorveglianza cognitiva, cioè capaci di interpretare le situazioni che si verificano e di adattarsi ad eventuali cambiamenti dell ambiente. Lo scopo è quello di poter agire sul mondo esterno, attraverso attuatori presenti nell area monitorata, in modo tale da evitare il verificarsi di eventi indesiderati o da reagire in maniera tempestiva ed adeguata. Come si vedrà nel seguito, al fine di svolgere il suddetto compito, questi sistemi sono progettati per imitare le capacità del cervello umano. Un sistema così concepito e rappresentato in Figura 2.3, è in grado sia di prendere decisioni in maniera autonoma, andando persino a svolgere alcune azioni, sia di interagire con operatori umani, al fine di prendere decisioni cooperative. Figura 2.3: Architettura di un sistema di videosorveglianza di ultima generazione

21 2.2 Sistemi di AmI e di sicurezza avanzata 11 Un moderno sistema di sicurezza avanzata è dunque costituito da un architettura distribuita di sensori multipli che, una volta elaborati i dati acquisiti, riesce a comprendere il contesto in cui si trova ad operare ed a generare segnali automatici di allarme [104]. I sensori utilizzati sono di tipo eterogeneo, in modo da poter elaborare dati di natura differente; questo permette di ampliare il raggio d azione del sistema, rendendo più robusto ed efficiente il rilevamento di possibili situazioni di pericolo. L elevata variabilità delle scene che si possono presentare, inoltre, ha reso necessari l introduzione e lo sviluppo di capacità di apprendimento automatico, così da rendere il più autosufficiente possibile il sistema Architettura dei sistemi di videosorveglianza I sistemi di videosorveglianza di nuova generazione devono saper svolgere tre funzioni fondamentali [99] [39]: 1. Detection: consiste nell eseguire operazioni di comprensione automatica della scene in esame, andando in seguito a rilevare gli obiettivi di interesse. 2. Tracking: consiste nel seguire l obiettivo, verificandone gli spostamenti anche in caso si verifichino situazioni di occlusione, affollamento Riconoscimento: consiste nello stabilire se si sono verificate o meno situazioni anomale o di pericolo. Un tipico sistema di inseguimento può essere rappresentato con un architettura composta da vari moduli: Moduli di basso livello: l informazione viene elaborata a livello di singoli pixel, con lo scopo di capire se questi fanno parte o meno del background dell immagine.

22 Capitolo 2 : Ambient Intelligence 12 Moduli di medio livello: i dati sono trattati a livello di gruppi; i pixel che non fanno parte dello sfondo vengono raggruppati in oggetti detti blob. Moduli di alto livello: i risultati forniti dal modulo precedente vengono esaminati a livello di frame successivi, in modo da poter estrarre informazioni semanticamente complesse dalle scene acquisite. A monte di questi moduli si ha il blocco di acquisizione delle immagini; nel caso in cui si utilizzi una telecamera analogica occorre aggiungere un frame grabber [12], che fornisce una rappresentazione digitale della sequenza video ripresa. Un aspetto fondamentale per il corretto funzionamento generale è dato dalla calibrazione dello strumento di ripresa che consente di stabilire una corrispondenza tra coordinate immagine e coordinate reali; tale operazione può essere eseguita sia manualmente [21] sia automaticamente [89]. In Figura 2.4 è mostrato un esempio grafico di come viene elaborata passo dopo passo l immagine, mentre nei paragrafi seguenti verranno analizzati più in dettaglio i vari moduli sopra elencati Moduli di basso livello Change detection Elemento fondamentale presente in quasi tutti i sistemi di videosorveglianza [78], questo modulo effettua una differenza pixel a pixel tra l immagine corrente I(x,y) ed un immagine di background B(x,y) aggiornata ad intervalli regolari; generalmente l operazione viene eseguita su frame acquisiti tramite sistemi RGB, anche se spesso si ricorre a trasformazioni in spazi di colori differenti in modo da ottenere risultati migliori. Tramite un processo di sogliatura si ottiene infine un immagine binaria D(x,y) detta maschera dei cambiamenti, in cui le zone bianche rappresentano le variazioni rilevate rispetto allo sfondo. Fattori quali cambiamenti di lumi-

23 2.2 Sistemi di AmI e di sicurezza avanzata 13 Figura 2.4: Architettura di un tipico sistema di inseguimento nosità, movimento della telecamera, rumore di acquisizione... vanno ad influire sulla maschera, per cui la scelta del valore di soglia diventa molto importante al fine di ottenere un buon risultato; una soglia troppo bassa infatti porta a rilevare cambiamenti non realmente avvenuti, mentre una soglia troppo elevata rende il sistema più robusto ai disturbi ma anche meno sensibile. In letteratura si possono trovare esempi di algoritmi di change detection più o meno complicati [70] [100]. L equazione (2.1) mostra la formulazione di un algoritmo piuttosto semplice (adatto quindi ad operare su sistemi real-time) applicato ad immagini in bianco e nero: 1 se B(x, y) I(x, y) change th D(x, y) = (2.1) 0 se B(x, y) I(x, y) < change th mentre in Figura 2.5 viene illustrato il risultato prodotto dal modulo appena de-

24 Capitolo 2 : Ambient Intelligence 14 scritto. (a) (b) (c) Figura 2.5: Esempio di change detection: a) immagine di background b) immagine corrente c) maschera dei cambiamenti Aggiornamento del background L operazione di aggiornamento dello sfondo è necessaria al fine di considerare tutti i fattori ambientali che possono influire sul modulo precedente, uno tra tutti il cambio di luminosità dovuto principalmente alla variazione della luce solare; molto importante nel caso in cui si operi in ambienti esterni, questo fattore può portare alla rilevazione di un elevato numero di falsi allarmi allorché la luminosità dell immagine corrente differisca sensibilmente da quella del background. L algoritmo ricorsivo descritto in [40] genera ad ogni ciclo un nuovo sfondo partendo dall immagine corrente e dal background precedente, utilizzando la seguente regola: B k+1 (x, y) = I k (x, y) + α [B k (x, y) I k (x, y)] (2.2) dove α [0, 1] è detto coefficiente di aggiornamento. Se α tende a 0 il background aggiornato è molto simile al frame corrente, mentre se tende a 1 si ha un updating molto più soft per cui il nuovo sfondo si discosta di poco dal precedente; per questo motivo α va scelto opportunamente a seconda del contesto in cui si opera.

25 2.2 Sistemi di AmI e di sicurezza avanzata 15 (a) (b) Figura 2.6: Esempio di aggiornamento del background: a) background iniziale b) background aggiornato In Figura 2.6 viene mostrato il funzionamento di un algoritmo di aggiornamento; in particolare si nota come un veicolo parcheggiato, dopo un certo periodo di tempo, venga assorbito dal background. Filtraggio non lineare Il filtraggio non lineare ha il compito di ripulire il più possibile dal rumore la maschera dei cambiamenti generata dal modulo di change detection. L applicazione di un algoritmo di filtraggio morfologico [23] prevede due operazioni basate sull uso di maschere: - Erosione: rende più compatte e separabili le aree bianche, eliminando i piccoli gruppi di pixel isolati dovuti al rumore. Ad ogni punto dell immagine dei cambiamenti viene applicata una maschera che va a contare il numero di pixel bianchi in essa contenuti; al punto considerato viene quindi assegnato, sulla base di una soglia th e, il valore 1 se fa parte dell oggetto rilevato oppure il valore 0 se fa parte del background:

26 Capitolo 2 : Ambient Intelligence 16 1 se M 1 (i) th e f e (i) = 0 altrimenti (2.3) dove f e (i) è il valore assegnato al pixel i esimo, mentre M 1 (i) è il numero di pixel bianchi (cioè con valore 1) contenuti nella maschera centrata nel piexl i esimo. - Dilatazione: operazione speculare rispetto alla precedente, consente di recuperare i pixel di interesse eventualmente eliminati dal processo di erosione andando così a compattare le superfici rilevate. Questa volta la maschera applicata all immagine va a contare il numero di pixel neri in essa contenuti e, utilizzando una soglia th d, assegna al pixel di riferimento il valore adeguato secondo la seguente regola: 1 se M 1 (i) th d f d (i) = 0 altrimenti (2.4) dove f d (i) è il valore assegnato al pixel i esimo, mentre M 1 (i) è il numero di pixel neri contenuti nella maschera centrata nel piexl i esimo. In Figura 2.7 è mostrato il risultato dell operazione di filtraggio morfologico sulla maschera dei cambiamenti prodotta dal modulo di change detection precedentemente analizzato Moduli di medio livello Focalizzazione dell attenzione Ha il compito di fornire una descrizione sintetica delle aree di interesse presenti in un frame; ogni regione di interesse (ROI, Region Of Interest) corrisponde ad

27 2.2 Sistemi di AmI e di sicurezza avanzata 17 (a) (b) Figura 2.7: Esempio di filtraggio non lineare: a) maschera dei cambiamenti b) immagine filtrata un oggetto rilevato sulla scena. Si passa così dall analisi di immagini all analisi di oggetti; questo permette ai moduli di alto livello di concentrare la loro attenzione solamente sugli obiettivi di interesse, gestendo il problema in modo più strutturato. Una volta individuato un target, questo può essere rappresentato in diversi modi a seconda del contesto in cui si opera [80]. Generalmente si distinguono due classi principali: rappresentazione basata sull oggetto, in cui si effettua la segmentazione del piano immagine e rappresentazione basata sull immagine, in cui si opera direttamente sui pixel indipendentemente dalla presenza di oggetti. Una tecnica molto usata facente parte della prima categoria è quella della rappresentazione tramite rettangoli, in cui ogni pixel di un oggetto è contenuto all interno di una bounding box (vedi Figura 2.8); questo metodo può essere utilizzato anche per eseguire operazioni di tracking, e non solo come rappresentazione intermedia. Altri metodi di rappresentazione basata sull oggetto sono: rappresentazione tramite punti, rappresentazione tramite sagome e rappresentazione tramite blob. Fanno parte della seconda classe, invece, le tecniche di rappresentazione tramite