Detección en tiempo real de acciones violentas en secuencias de video con Vif y Horn-Schunck

Abstract

Se presenta un método para la detección en tiempo real de acciones violentas en secuencias de video con Violent Flow (ViF), Horn-Schunck y una segmentación previa de los objetos en movimiento. Este proyecto es la continuación de la tesis de maestría [43] donde se concluyó que ViF con Horn-Schunck tenía un buen desempeño además de ser uno de los de menor tiempo de procesamiento en la literatura. Ahora se presenta otra mejora a ViF, en si se propone una segmentación a cada fotograma de una secuencia de video, esta consiste en considerar solo los objetos en movimiento de una escena, y solo en ella aplicar ViF con Horn-Schunck. Esta segmentación de los objetos en movimiento se logra substrayendo primero el fondo de la imagen con modelos mixtos Gaussianos, después se reduce el ruido con operadores morfológicos, y finalmente se obtiene un sector del fotograma conteniendo la mayor cantidad de objetos en movimiento. Los resultados fueron evaluados en las bases de datos de Películas, Hockey, Multitudes y una construida especialmente para este proyecto, llamada surveillance Violent Video (SVV). La segmentación de los objetos en movimiento previa a ViF, mejoró el acierto, llegando a valores de AUC de 1.0, 0.84, 0.875 y 0.83 para las bases de datos de Películas, Hockey, Multitudes y SVV respectivamente. También se evaluó cuanto le tomaba a ViF procesar un video de 2 segundos. ViF con IRLS (algoritmo original de flujo óptico) empleo 9.3594 segundos, mientras que con Horn-Schunck solo empleo 2.1563 segundos y al aplicar la segmentación de movimiento se incrementó el tiempo de procesamiento a 2.6563 segundos. Entonces utilizar ViF junto a Horn-Schunck resulta altamente aceptable debido a su bajo tiempo de procesamiento y al aplicar la segmentación de objetos en movimiento se mejoró el acierto aunque aumento un poco el tiempo de procesamiento, pero aun con esto la propuesta es una de las de menor tiempo en todo el estado del arte.