Segmentação de pessoas em amostra de imagens digitais de ambientes controlados

Segmentação de pessoas em amostra de imagens digitais de ambientes controlados

Cristiane Klein, Gabriela de Souza Guedes Henriques

{criis.klein , gabriela.souza.gh}@gmail.com

Processamento Digital de Imagens

Resumo - Este artigo apresenta um experimento de segmentação de pessoas em imagens digitais de ambientes controlados. Foram retiradas onze imagens de um vídeo produzido especificamente para este projeto, em ambiente controlado com iluminação constante e câmera estável. Os métodos pré-processamento aplicados  foram redimensionamento e transformação para escala de tons de cinza. Os métodos de processamento utilizados foram o de subtração de fundo, média dos k vizinhos e mediana, respectivamente. Os resultados foram muito satisfatórios, apresentando uma acurácia de 90% para a amostra selecionada.

Abstract - This article presents an experiment of segmenting of people into digital images of controlled environments. Eleven images were taken from a video produced specifically for this project, in a controlled environment with constant illumination and stable camera. The pre-processing methods applied were resize and transformation for grayscale. The processing methods used were background subtraction, average of neighboring k and median, respectively. The results were very satisfactory, presenting an accuracy of 90% for the selected sample.

Palavras-chave: Segmentação. Processamento Digital de Imagens.

1. Introdução

A segmentação de objetos em imagens digitais tem as mais variadas utilidades e pode ser aplicada em diversas área do conhecimento. Uma dessas utilidades é na área de segurança/vigilância. Por todos os lados, lê-se a placa “Sorria, você está sendo filmado”, percebe-se câmeras apontadas para lugares para que possam captar pessoas “quebrando” regras, ou só para que possam ter um controle de quem ou quantas pessoas passam por um local.

A segmentação pode detectar objetos em determinado conjunto de imagens, utilizando de métodos que podem separar o que é fundo e o que é objeto. Com a técnica de subtração de fundo pode-se diferenciar os objetos que já pertenciam ao ambiente de objetos novos presente no mesmo.

O processo de segmentação proposto no desenvolvimento deste projeto pode ser replicado em outros conjuntos de imagens similares, como por exemplo um conjunto de imagens retirado de um vídeo de uma câmera da sala de espera de um dentista, ou de um vídeo de uma câmera de segurança de um quintal, desde de que exista uma imagem estável do ambiente sem objetos/seres de fora, com objetivo principal de detectar pessoas entrando, saindo, passando ou esperando no ambiente.

O trabalho desenvolvido por (SONAGLIO & MOECKE) estuda, de maneira similar, a detecção de movimento em câmeras de segurança de maneira automática, para facilitar a análise humana das imagens.

2. Metodologia

As imagens que serão utilizadas nos experimentos foram retiradas de um vídeo feito pelas autoras deste artigo, através de um aparelho celular Lenovo Vibe K6, gerando imagens de tamanho 1920x1080, no ambiente da Universidade Tecnológica Federal do Paraná, em horário fixo, com pouca ou nenhuma alteração de iluminação. Na Figura 1 temos uma imagem exemplo das condições da filmagem. Foram selecionados onze casos diferentes — nove fotos apresentam o indivíduo em lugares diferentes da tela com aproximação diferente da câmera, uma foto com uma sombra e uma foto sem nenhuma pessoa (sendo esta última escolhida apenas como imagem de fundo) — para avaliar os resultados do mesmo processo de segmentação em diversas situações.

[pic 1]

Figura 1 – Imagem exemplo do vídeo. Tamanho original 1920x1080, em canais RGB

Foram empregados dois métodos pré-processamento, o primeiro transformando as imagens escolhidas em tons de cinza utilizando o programa padrão do Windows 10 que faz edições básicas em imagens e o segundo redimensionando para o tamanho 720x405 através do software Paint, para tornar as aplicações mais fáceis e rápidas, sem comprometer os resultados finais.

Os métodos aplicados serão consecutivamente: (1) Subtração do fundo, (2) Filtro da média dos k vizinhos e (3) Filtro da Mediana. Os métodos 1, 2 e 3 serão aplicados através de implementações próprias feitas em linguagem de programação Python, pelo programa Atom, durante a disciplina de Processamento Digital de Imagens.

Foram aplicados mais três métodos e suas combinações com a subtração do fundo, porém não apresentaram resultados suficientemente bons, sendo estes os métodos de limiarização adaptativa, filtro de Kirsch e filtro de Prewitt. Serão apresentados alguns de seus resultados para exemplificação dos resultados falhos.

É importante reparar que a pessoa presente nas imagens (Figura 2) está usando uma calça estampada e que a estampa pode atrapalhar na definição de qual pixel é parte da pessoa e qual não é.

[pic 2]

Figura 2 – Conjunto das onze imagens escolhidas. A imagem (a) é a imagem do ambiente sem objetos de fora. Nas imagens (b, c, d, e, g, h, i, j, k) temos os casos 1, 2, 3, 4, 6, 7, 8, 9 e 10 respectivamente, que apresentam uma pessoa entrando, saindo ou passando visivelmente  no ambiente. Na imagem (f) temos caso 5, na qual existe uma sombra de uma pessoa próxima ao ambiente

2.1 Subtração do fundo

Este método só pode ser aplicado se existir uma imagem de fundo (background) que possa ser subtraída. Esta imagem de fundo deve ser do ambiente com mesma ou similar iluminação das demais imagens e sem nenhum objeto além de seus objetos fixos.

Muito utilizado como método de segmentação, este método propõe a separação entre o que faz parte do ambiente e o que não faz parte (RAUTA & FERNANDES, 2012).

A implementação consiste na subtração em valor absoluto de cada elemento do background com o da imagem em processamento. Uma binarização^[1] é necessária para separar o que será fundo e o que será objeto. Neste caso optamos por utilizar o limiar 25 por gerar os melhores resultados.

Como nossa amostra de imagens é controlada, foi acordado que este método seria bem aplicado neste projeto. Dentro do conjunto de imagens escolhidas, a imagem determinada como background é a imagem da Figura 2(a).