Para um humano é fácil a detecção de objetos em movimento bem como a identi cação das interações entre estes objetos. Para que uma máquina atinja este nível de inteligência, uma tarefa essencial é a classi cação dos objetos em movimento em diferentes classes. A classi cação destes objetos é feita com base nas características extraídas anteriormente. Nesta Seção detalharemos o algoritmo de classi cação dos objetos segmentados.
Para cada região segmentada da imagem onde existe possibilidade da presença de um objeto, o algoritmo de classi cação atribuirá a classe mais adequada para este objeto. Propomos neste Capítulo um algoritmo que permite distinguir humanos e veículos. Esta restrição em duas classes pode ser justi cada pelo fato de que a ocorrência de objetos destas classes é muito freqüente em um ambiente de um estacionamento. Buscamos os seguintes objetivos na construção do algoritmo de classi cação:
• Encontrar uma melhor combinação de critérios utilizando diferentes características primitivas do objeto;
• A classi cação é feita sem exemplos de aprendizagem dos objetos;
Dentre as várias abordagens de classi cação existentes, inspirados em [Maadi e Maldague 2006], focamos nossos esforços em três condições básicas para o funcionamento em tempo real do sistema: simplicidade, rapidez (baixo tempo de máquina) e e ciência (alto índice
CAPÍTULO 4. MÓDULO DE SEGMENTAÇÃO
4.6. CLASSIFICAÇÃO DOS OBJETOS EM MOVIMENTO 54
de acerto na classi cação). Para isso, optamos, após vários testes, pela combinação de três características diferentes:
1. A relação entre a altura e a largura do retângulo da caixa delimitadora do objeto candidato, usado para dar ao algoritmo uma invariância em alterações de escala da imagem;
2. A área ocupada pelo retângulo da caixa delimitadora do objeto;
3. O módulo da velocidade de deslocamento do objeto na cena, representada pela velocidade do centro do retângulo da caixa delimitadora do objeto que pode ser calculado pela equação 5.2.
Os elementos de entrada para o nosso método de classi cação são as siluetas 2D com qualquer forma e em qualquer posição conhecida na imagem. Como saída, as etiquetas "humano" ou "veículo" são atribuídos a cada um dos objetos de acordo com a classi cação mais adequada para este objeto. Caso o objeto não obedeça nenhum dos critérios das duas classes, uma terceira classe de objetos não identi cados agrupa estes objetos. Dentre os objetos desta classe estão cães, pássaros, ciclistas e qualquer outro objeto que possa passar pela cena (que não seja um humano ou um veículo). A aparição de ruído na cena devido à baixa qualidade de imagens capturadas ou qualquer outro fator externo ao sistema também pode gerar objetos não identi cados pelo sistema (borrões disformes). Estes objetos também serão colocados nesta terceira classe. Os objetos desta terceira classe passarão pelo algoritmo de classi cação a cada quadro até que este objeto saia do campo de visão da câmera e não esteja mais presente na cena. Isto para tentar garantir que um objeto (por exemplo um humano) que foi classi cado como não identi cado nos primeiros quadros seja corretamente classi cado nos quadros seguintes.
Assim, inspirados em [Maadi e Maldague 2006], propomos algumas mudanças nos critérios de classi cação propostos por eles para criar os nossos critérios de classi cação a m de obter melhores resultados na classi cação de objetos.
4.6.1 A classe humano
O vetor de características criado para cada objeto contém todos os dados para o monitoramento e para a classi cação: área, posição do centro de massa, coordenadas da caixa delimitadora do objeto, velocidade de deslocamento, etc. Um objeto é classi cado como humano se ele obedece o seguintes critério: a velocidade de deslocamento é diferente de zero, em outras palavras, o objeto não está parado; a área do objeto é menor que o maior tamanho possível para objetos da classe humano; e a relação altura/largura é maior que 1,5. O valor para o maior tamanho possível para objetos da classe humano foi escolhido experimentalmente e em nossa implementação esse valor é de 1500 pixels. A Figura 4.10 mostra a classi cação correta de dois humanos.
CAPÍTULO 4. MÓDULO DE SEGMENTAÇÃO
4.6. CLASSIFICAÇÃO DOS OBJETOS EM MOVIMENTO 55
Figura 4.10: Classi cação correta de dois humanos pelo algoritmo.
4.6.2 A classe veículo
Para que um grupo de pessoas não seja confundido com um veículo, o parâmetro velocidade tem papel fundamental para classi cação de um objeto como sendo veículo. A unidade de medida utilizada é pixel/quadro e é calculada entre duas imagens consecutivas a partir das coordenadas do centro de massa do objeto. Um objeto é classi cado como veículo, quando um dos seguintes critérios é veri cado: a área do objeto é maior que um limiar pré-de nido (em nossa implementação: 500 pixels) e a velocidade de deslocamento do centro de massa é maior que outro limiar (em nossa implementação: 4); ou a área do objeto é maior que a maior área dos objetos da classe humano (em nossa implementação: 1500 pixels); ou a velocidade de deslocamento do centro de massa do objeto é maior que a maior velocidade de deslocamento dos objetos da classe humano (em nossa implementação: 20). Novamente todos os limiares utilizados para a criação destes critérios foram escolhidos experimentalmente e este valores foram os que mostraram melhores resultados. A Figura 4.11 mostra a classi cação correta de um veículo.
4.6.3 A classe não identi cado
Neste trabalho esta terceira classe agrupa todos os demais objetos que não passaram pelos testes das outras duas classes. Os objetos desta classe só são utilizados pelo módulo de monitoramento e não serão utilizados pelo módulo de gerenciamento de eventos. Nesta classe ocorrem vários tipos de objetos como animais, grupos de pessoas, ciclistas, etc. Os objetos desta terceira classe passaram pelo algoritmo de classi cação a cada quadro até que este objeto saia do campo de visão da câmera e não esteja mais presente na cena.
CAPÍTULO 4. MÓDULO DE SEGMENTAÇÃO
4.7. CONSIDERAÇÕES FINAIS 56
Isto para tentar garantir que um objeto (por exemplo um humano) que foi classi cado como não identi cado nos primeiros quadros seja corretamente classi cado nos quadros seguintes.