Studio di tecniche per la rivelazione di traiettorie di oggetti in movimento in sequenze video

Per ciò che riguarda lo studio del movimento in sequenze video, tre sono, in generale, i passi fondamentali da compiere. Il primo è infatti quello di individuare cosa si stia muovendo (motion detection). In secondo luogo bisogna riuscire a capire come, in quanto a direzione ed entità, ciò che si muove lo stia facendo (motion estimation). Infine si può arrivare a riconoscere gli oggetti in movimento ed a rivelarne la traiettoria (object tracking). In questo lavoro di tesi ci si occuperà proprio di questo, di come, cioè, si possa riuscire a rivelare la traiettoria di oggetti in movimento attraverso l'analisi dei vari frame di cui µe composto un video. Come è facile immaginare, sono tanti e diversi i campi in cui può trovare applicazione la videoelaborazione. In particolare, la tecnica dell'object tracking è estremamente utile nel campo della videosorveglianza. Ad esempio, con questa tecnica, si possono andare a costruire sistemi per la sicurezza di edifici, basati sulla rivelazione automatica delle eventuali intrusioni. Inoltre, come precedentemente spiegato, un altro campo di applicazione che richiede particolare attenzione è sicuramente quello relativo al monitoraggio del traffico. Infatti in questo lavoro ci si concentrerà maggiormente nello studio degli aspetti legati a questa area di interesse, data la grande importanza che ha assunto nel corso degli anni nella nostra società. Come vedremo, la rivelazione delle traiettorie dei veicoli può venirci in aiuto in diverse situazioni. Ad esempio, grazie all'object tracking, si potranno andare ad implementare vari prodotti atti a rivelare manovre scorrette dei veicoli circolanti come sorpassi in tratti in cui questi siano vietati, inversioni di marcia o soste in aree considerate pericolose. Sarà sicuramente inoltre possibile andare a verificare istantaneamente lo stato di congestionamento delle arterie stradali potendo quindi arrivare ad una vera e propria regolazione dei flussi di traffco. Grazie ad alcuni ulteriori parametri come la distanza temporale tra i frame e le caratteristiche tecniche della videocamera, si potranno infine andare a recuperare dati sensibili come, un esempio per tutti, la velocità istantanea di ogni veicolo. Come vedremo, in letteratura, esistono varie tecniche di object tracking che negli anni sono state via via sviluppate ed affinate. Alcune si basano sulla conoscenza di caratteristiche salienti degli oggetti da tracciare, per esempio individuando ed inseguendo il loro centroide (features based tracking), altre cercano di segmentare completamente l'oggetto in questione per poi andarlo a riconoscere nei frame successivi (contour based tracking). Altre ancora sono basate sulla motion estimation eseguita attraverso algoritmi come il block matching (region based tracking). Ognuna di queste presenta soluzioni ai problemi che si incontrano nello sviluppo di tecniche di tracking, quali la presenza di occlusioni tra gli oggetti, il cambiamento delle condizioni ambientali, il movimento della telecamera e la durata dei tempi di calcolo.
Nel secondo capitolo di questo elaborato si andrµa a fare una panoramica di queste tecniche facendo di volta in volta delle ipotesi fondamentali come, ad esempio, considerando sistemi di ripresa fissi che, specialmente nel caso del monitoraggio del traffico, nulla tolgono alla completa ed esatta risoluzione dello specifico problema . Il terzo capitolo sarà invece dedicato completamente all'implementazione di un algoritmo di tracking basato sulla tecnica di motion estimation chiamata block matching. A conclusione della ricerca sullo stato dell'arte si è deciso di realizzare un algoritmo scelto tra quelli studiati. La scelta è ricaduta su una tecnica proposta in [1], che sembrava rispondere adeguatamente alle problematiche del tracking nell'analisi del traffico stradale. Mantenendo infatti la struttura fondamentale proposta da [1] si è cercato di raggiungere il nostro scopo ponendoci, come preannunciato, nel caso di riprese effettuate con telecamera fissa con il metodo di acquisizione della scala di grigio.
Terminato lo sviluppo del programma, questo è stato testato su diverse sequenze che differivano tra loro per dimensione e complessità della scena.
Nel quarto capitolo si presentano così i vari risultati ottenuti che, come è facile immaginare, sono stati buoni per alcune sequenze e meno per altre, a seconda della loro complessità ma non solo. Si è potuto notare infatti come, la definizione di ogni immagine, giochi un ruolo fondamentale per avere risultati soddisfacenti, poichè il block matching stesso, che rappresenta la base della tecnica usata, esige in ingresso frame a sufficiente risoluzione per produrre buoni risultati. Nell'ultima parte dell'elaborato (capitolo 5), sono infine concentrati le conclusioni e i possibili sviluppi che sono emersi durante questo studio.