Descripción
Este
artículo describe una implementación eficiente de un algoritmo de seguimiento
de múltiples objetivos en múltiples vistas en secuencias de video vigilancia.
Aprovecha las capacidades de las Unidades Centrales de Procesamiento (CPUs, por
sus siglas en inglés) de múltiples núcleos y de las unidades de procesamiento
gráfico, bajo el entorno de desarrollo de Arquitectura Unificada de
Dispositivos de Cómputo (CUDA, por sus siglas en inglés). El principio de
nuestro algoritmo es: 1) aplicar el seguimiento visual en cada secuencia de
video sobre todas las personas a seguir con filtros de partículas
independientes y 2) fusionar los resultados de seguimiento de todas las secuencias.
Los filtros de partículas pertenecen a la categoría de filtros Bayesianos
recursivos. Actualizan una representación Monte-Carlo de la distribución
posterior sobre la posición y la velocidad de los objetivos. Para este fin,
combinan un modelo probabilístico de movimiento, es decir un conocimiento a
priori de como se mueven los objetivos (por ej. velocidad constante) y un
modelo de verosimilitud asociado con las observaciones de los objetivos. En
este primer nivel de procesamiento de las secuencias de video simples, la
librería multi-hilo (TBB, por sus siglas en inglés) es utilizada para
paralelizar el procesamiento de los filtros de partículas asociados a cada
objetivo. Luego, al nivel superior, utilizamos Programación de Propósito
General con Unidades de Procesamiento Gráficas (conocido por su acrónimo en
inglés GPGPU) a través de CUDA con el fin de fusionar los datos del seguimiento
de objetivos colectados entre las diferentes secuencias de video, al resolver
el problema de asociación de datos. Los resultados del seguimiento son
presentados en algunas bases de datos desafiantes.
Madrigal
Díaz, J. & Bernard Hayet, J. (2013). Rastreo de objetivos por medio de
filtros de partículas basados en color y movimiento en una red de cámaras con
multi-hilo y GPGPU. Acta Universitaria,
23 (1), pp. 9-16.
Comentarios