Using object tracking techniques for intelligent surveilance systems

Pham Nguyen Khang * , Do Thanh Nghi and Pham The Phi

* Corresponding author (pnkhang@ctu.edu.vn)

Article Sidebar

Full Text: PDF

Received: 31 May 2017
Revised: 07 Sep 2017
Accepted: 29 Nov 2017
Published: 29 Nov 2017
Title: Using object tracking techniques for intelligent surveilance systems
DOI: 10.22144/ctu.jvn.2017.140
Views
264
Downloads
198
Crossref
Scopus
Google Scholar
Europe PMC
How to Cite
Khang, P. N., Nghị, Đ. T., & Phi, P. T. (2017). Using object tracking techniques for intelligent surveilance systems. CTU Journal of Science, (53), 44-52. https://doi.org/10.22144/ctu.jvn.2017.140
Issue
No. 53 (2017)
Section
Information Technology

Abstract

This paper presents some results of building intelligent surveillance camera systems using object tracking. Main steps of the object tracker include (i) keypoint tracking using optical flow, (ii) keypoint matching, and (iii) consensus-base voting. A novel algorithm to accelerate processing using pipeline technique on multicores systems has also been proposed. The algorithm divides the whole processing frame into 4 stages which are executed on 4 different threads. Synchronization of threads is realized producer – consumer model. The proposed method achieved a 3.3 times increased computational time compared to the original one. The surveillance system continuously tracks target object and gives a warning sound if the object disappears in a predefined interval. Experimental results show that the proposed method achieves very promising results.
Keywords: Feature matching, local feature, object tracking, optical flow, surveillance camera

Tóm tắt

Bài báo trình bày các kết quả nghiên cứu về việc xây dựng hệ thống camera giám sát thông minh sử dụng kỹ thuật theo dõi đối tượng. Phần cốt lõi của hệ thống là bộ theo dõi đối tượng, hoạt động dựa trên trên việc kết hợp giữa (i) truy vết đối tượng bằng luồng quang học, (ii) so khớp các đặc trưng cục bộ và (iii) tìm sự đồng thuận lớn nhất của các đặc trưng cục bộ. Cũng trong bài báo này, một thuật giải thuật mới đã được đề xuất nhằm tăng tốc độ xử lý các khung ảnh bằng kỹ thuật ống dẫn (pipeline) trên các hệ thống máy tính đa nhân. Giải thuật này chia quá trình xử lý thành 4 giai đoạn liên tiếp, phụ thuộc nhau và giao cho 4 tiến trình xử lý chúng một cách độc lập. Việc đồng bộ giữa các tiến trình được thực hiện bằng mô hình sản xuất – tiêu thụ (producer – consumer). Điều này giúp tăng tốc độ xử lý lên đến 3,3 lần trên hệ thống máy tính 4 nhân. Hệ thống camera giám sát thông minh sẽ theo dõi đối tượng liên tục và phát tín hiệu cảnh báo khi đối tượng cần theo dõi biến mất trong một khoảng thời gian được định trước. Kết quả thực nghiệm cho thấy rằng các giải pháp đề xuất là hoàn toàn phù hợp.
Từ khóa: Camera giám sát, đặc trưng cục bộ, luồng quang học, so khớp đặc trưng, theo dõi đối tượng

Article Details

References

Adam, A., Rivlin, E., and Shimshoni, I., 2006. Robust fragments-based tracking using the integral histogram. In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 7-22 June 2006. New York, USA, 1: 798-805.

Bradski, G. R., 1998. Computer vision face tracking for use in a perceptual user interface. Intel Technology Journal, 2nd Quarter.

Cheng, Y., 1995. Mean shift, mode seeking, and clustering. IEEE Transactions on Pattern Analysis and Machine Intelligence. 17:790-799.

Jurie, F., and Dhome, M., 2002. Hyperplane approximation for template matching. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24: 996–100.

Hua, G., and Wu, Y., 2006. Measurement integration under in consistency for robust tracking. In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1: 650-657.

Lowe, D.G., 1992. Robust model-based motion tracking through the integration of search and estimation. International Journal of Computer Vision, 8(2): 113–122.

Lowe, D.G., 1999. Object recognition from local scale-invariant features. In the proceedings of the seventh IEEE international conference on Computer vision. 2:1150–1157.

Lucas, B.D., Kanade, B. D., 1981. An iterative image registration technique with an application to stereo vision. In IJCAI, 81:674–679.

Maggio, E. and Cavallaro, A., 2011. Video Tracking: Theory and Practice. John Wiley & Sons, 292 pages.

Nebehay, G. and Pflugfelder, R., 2014. Consensus-based matching and tracking of keypoints for object tracking. In IEEE Winter Conference on Applications of Computer Vision, 862–869.

Nejhum, S. M. S., Ho, J., and Yang, M.-H., 2008. Visual tracking with histograms and articulating blocks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2008, 1-8.

Saffari, A., Leistner, C., Santner, J., Godec, M., and Bischof, H., 2009. On-line random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision Workshops, 1- 9.