Real-time flood detection for video surveillance
Cargando...
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Este artículo presenta un método de detección de inundaciones repentinas en tiempo real para cámaras de vigilancia estacionarias. Puede aplicarse tanto en áreas rurales como urbanas y es capaz de funcionar durante el día. Se utilizó la sustracción de fondo para detectar todos los cambios que aparecen en una escena. Después de este paso, muchos píxeles pertenecientes a los mismos objetos en movimiento pueden quedar separados. Estos se unen mediante un cierre morfológico. Posteriormente, los objetos separados que son demasiado pequeños se eliminan de la escena. Se calculó la probabilidad de color para todos los píxeles pertenecientes a una máscara de primer plano, y se filtraron los componentes conectados con valores de probabilidad bajos. Finalmente, los resultados se mejoraron mediante la densidad de bordes y la rugosidad de los límites. El paso que consumía más tiempo se implementó en paralelo utilizando CUDA. De esta manera, se logró un rendimiento en tiempo real. El algoritmo fue probado con un video de acceso público.
Palabras clave: Análisis del color de imágenes, Cámaras, Sistemas en tiempo real, Unidades de procesamiento gráfico, Probabilidad, Vigilancia, Inundaciones, Análisis del color de imágenes, Cámaras, Sistemas en tiempo real, Unidades de procesamiento gráfico, Probabilidad, Vigilancia, Inundaciones
Descripción
This paper introduces the real-time flash flood detection method for stationary surveillance cameras. It can be applied for rural and urban areas and capable of working during day time. The background subtraction was used to detect all changes appear in a scene. After this step, many pixel belonging to the same moving objects may be divided. They are united by morphological closing. Too small separate objects are then removed form the scene. Color probability was calculated for all the pixels belonging to a foreground mask and connected components with low probability value were filtered out. Finally, results were improved by edge density and boundary roughness. The most time consuming step was implemented in parallel using CUDA. Real-time performance was achieved in this way. The algorithm was tested on publicly accepted video.
Palabras clave
Image color analysis, Cameras, Real-time systems, Graphics processing units, Probability, Surveillance, Floods, Image color analysis, Cameras, Real-time systems, Graphics processing units, Probability, Surveillance, Floods