People tracking in sparse crowd using multiple cameras

Abstract

V této diplomové práci představujeme nový algoritmus pro sledování trajektorií více lidí ve video sekvencích z bezpečnostních kamer. Algoritmus pracuje s důvěryhodností při měření podobnosti lidských postav v obraze. Všechna rozhodnutí dělá s maximální možnou mírou důvěryhodnosti. Algoritmus autonomně zjistí kolik lidí se nachází ve scéně, řeší potenciální dočasné zakrytí lidí v obraze. Algoritmus netrpí problémem inicializace modelu člověka jako některé jiné metody sledování lidí. Implementace algoritmu je součástí práce. Na této implementaci jsme ověřili vlastnosti našeho algoritmu. Pro řešení segmentace a klasi kace jsme použili dvě volně dostupné metody z nichž každá se osvědčila v jiných podmínkách. Pro výpočet podobnosti obrazu dvou lidských postav jsme použili metodu průniku histogramů. V závěru práce jsou navržena možná vylepšení.

In this thesis, we introduce a new algorithm for tracking of multiple people in image sequences from surveillance cameras. The algorithm handle with trustworthiness in similarity measure of human gures in images. All decisions are made as trustworthily as possible. The algorithm nds out the number of people in the scene autonomously. It deals with potential temporary occlusions of people in image. The tracking algorithm does not suffer from the problem of human model initialization as some other methods do. The implementation of our algorithm is a part of this thesis. This implementation has veri ed the characteristics of the algorithm. We have used two different methods for the image segmentation. Both method prove successful in different conditions. We have used a color information to compare the visual similarity. Suitable future extensions are suggested at the end of this thesis.