Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2006

italiano - english
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
  • PHYSICS
    • SIGNALLING (indicating or display devices per se G09F; transmission of pictures H04N) [C9504]
      • SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS (signalling arrangements on vehicles B60Q, B62D41/00; railway signalling systems or devices B61L; on cycles B62J3/00, B62J6/00; safes or strong-rooms with alarm devices E05G; signalling or alarm devices in mines E21F17/18; lamps or shutters therefor F21; sensitive measuring elements, see the appropriate subclasses of G01; traffic control systems G08G; visual indicating means G09; sound-producing devices G10; radio or near-field calling systems H04B5/00, H04B7/00; selecting arrangements H04Q7/00, H04Q9/00; loudspeakers, microphones, gramophone pick-ups or like acoustic electromechanical transducers H04R) [C9504]
Classificazione geografica
Bibliografia
[1]O. Lanz, “Approximate Bayesian Multibody Tracking”, IEEE Trans on PAMI (in Press).
[2]S. Khan, M. Shah. Consistent labeling of tracked objects in multiple cameras with overlapping fields of view. IEEE Trans. on PAMI, 25(10):1355-1360, 2003.
[3]S. Calderara, R. Vezzani, A. Prati, R. Cucchiara. Entry edge of field of view for multi-camera tracking in distributed video surveillance. Proc. of IEEE Int. Conf. on AVSS, 93-98, 2005.
[4]R. Cucchiara, C. Grana, M. Piccardi, A. Prati, "Detecting Moving Objects, Ghosts and Shadows in Video Streams", IEEE Trans. on PAMI, 25(10): 1337-1342, 2003.
[5]J. Krumm, S. Harris, B. Meyers, B. Brumitt, M. Hale, S. Shafer, “Multi-camera multi-person tracking for easyliving” Proc.of IEEE Intl Workshop on Visual Surveillance, 3-10, 2000.
[6]M. Piccardi, E.D. Cheng, "Track matching over disjoint camera views based on an incremental major color spectrum histogram," Proc. of the IEEE Conference on AVSS, 147- 152, 2005.
[7]J. Kang, I. Cohen, G. Medioni, "Continuous tracking within and across camera streams". Proc. of IEEE Int'l Conf. on CVPR, Vol 1, 267-272, 2003.
[8]S.L. Dockstader , A.M. Tekalp. “Multiple camera tracking of interacting and occluded human motion”, Proc. of the IEEE, 89(10):1441-1455, 2001.
[9]A. Prati, F. Seghedoni, R. Cucchiara, "Fast Dynamic Mosaicing and Person Following", Proc. of ICPR 2006, (in Press).
[10]K. Lee, S. Ryu, S. Lee, K. Park. "Motion based object tracking with mobile camera." Electronics Letters, 34(3):256-258, 1998.
[11]J. P. Barreto, J. Batista, H. Araujo, "Model Predictive Control to Improve Visual Control of Motion: Applications in Active Tracking of Moving Targets," Proc. of 15th ICPR, 2000.
[12]I. Reid, D. Murray, "Active tracking of foveated feature clusters using affine structure." IJCV, Vol 18, 1996.
[13]B. Tordoff, D. Murray. "Reactive control of zoom while fixating using perspective and affine cameras." IEEE Trans on PAMI, Vol 26, No 1, 2004.
[14]L. de Agapito, R. Hartley, E. Hayman. "Linear calibration of a rotating and zooming camera." Proc. of CVPR, 1999.
[15]S. Sinha, M. Pollefeys. "Towards Calibrating a Pan-Tilt-Zoom Cameras Network." Proc. of OMNIVIS 2004.
[16]C.R. Wren, M. Erdem, A.J. Azarbayejani, "Automatic Pan-Tilt-Zoom Calibration in the Presence of Hybrid Sensor Networks", ACM International Workshop on VSSN,113-120, 2005.
[17]C. J. Costello, C. P. Diehl, A. Banerjee, H. Fisher, "Scheduling an active camera to observe people.", Proc. of VSSN 2004, 2004.
[18]A. Del Bimbo, F. Pernici, "Distant Targets Identification as an On-Line Dynamic Vehicle Routing Problem using an Active-Zooming Camera", Proc. of Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance, 2005.
[19]M. Ortolani, L. Gatani, G. Lo Re, A. Urso, S. Gaglio. “An efficient retransmission strategy for data gathering in wireless sensor networks”, Proc. of IEEE ETFA05, 2005.
[20]J. Aldrige, C. Gilbert. “Testing on CCTV perimeter surveillance systems. PSDB Publication, (14), 1995.
[21]M. Langheinrich, "A Privacy Awareness System for Ubiquitous Computing Environments." In: Gaetano Borriello, Lars Erik Holmquist (Eds.): 4th International Conference on Ubiquitous Computing (Ubicomp 2002), LNCS No. 2498, Springer-Verlag,.237-245, 2002.
[22]J. W. Patton, "Protecting Privacy in Public: Surveillance Technologies and the Value of Public Places." Ethics and Information Technology 2:181-187, 2000.
[23]A.W. Senior, S. Pankanti, A. Hampapur, L. Brown, Y-L Tian, A. Ekin. "Blinkering Surveillance: Enabling Video Privacy through Computer Vision." IBM Technical Report RC22886, 2003.
[24]R. Cucchiara , A. Prati, R. Vezzani , “A System for Automatic Face Obscuration for Privacy Purposes.” Pattern Recognition Letters. (in Press)
[25]P. Viola, M. Jones, "Rapid object detection using a boosted cascade of simple features." Proc of CVPR, 2001.
[26]M. Yang, D. Kriegman, N. Ahuja, "Detecting faces in images: A survey". IEEE Trans on PAMI, 24(1):34-58, 2002.
[27]E. Hjelm, B. Low, "Face detection: A survey", CVIU, 83(3):236-274, 2001.
[28]D. DeCarlo, D. Metaxas, "Optical Flow Constraints on Deformable Models with Applications to Face Tracking.", IJCV, 38(2), 99-127, 2000.
[29]R. Cucchiara, A. Prati, R. Vezzani, "Advanced Video Surveillance with Pan Tilt Zoom Cameras”. Proc. of Workshop on Visual Surveillance (VS) at ECCV 2006, 2006.
[30]X. Wu, Y. Ou, H. Qian, Y. Xu, "A detection system for human abnormal behavior," in IEEE/RSJ International Conference on Intelligent Robots and Systems, 2005. (IROS 2005), pp. 1204- 1208, 2005.
[31]R. Cucchiara, C. Grana, A. Prati, R. Vezzani, "Probabilistic Posture Classification for Human Behaviour Analysis" IEEE Trans on Systems, Man, and Cybernetics, Part A: Systems and Humans, vol 35, n. 1, 42-54, 2005.
[32]F. Cupillard, F. Bremond, M. Thonnat, "Behaviour recognition for individuals, groups of people and crowd," Intelligence Distributed Surveillance Systems, IEE Symposium on (Ref. No. 2003/10062) , 7/1- 7/5, 2003.
[33]S. Park, J. K. Aggarwal, "Semantic-level Understanding of Human Actions and Interactions using Event Hierarchy,"CVPRW 2004, Vol 1, 12, 2004
[34]M. Bertozzi, A. Broggi, A. Fascioli, A. Tibaldi, R. Chapuis, F. Chausse, "Pedestrian localization and tracking system with Kalman filtering," IEEE Intelligent Vehicles Symposium, 584- 589, 2004.
[35]F. Cupillard, F. Bremond, M. Thonnat, "Group behavior recognition with multiple cameras", Proc. of IEEE WACV, pp 177-183, 2002.
[36]D. Haussler, “Convolution Kernels on Discrete Structures”, University of California Santa Cruz, Technical Report UCSC-CRL-99-10, 1999.
[37]Z. Zhang, "Mining Surveillance Video for Independent Motion Detection," Second IEEE International Conference on Data Mining, 741, 2002.
[38]Alberto Del Bimbo, "Visual information retrieval”, Morgan Kaufmann Publishers Inc. 1-55860-624-6. 1999.
[39]C. Stauffer, E. Grimson, "Learning Patterns of Activity Using Real-Time Tracking", IEEE Trans on PAMI, 22(8):747-757, 2000.
[40]D. Buzan, S. Sclaroff, George Kollios, "Extraction and Clustering of Motion Trajectories in Video." Proc. of ICPR, Vol 2, 521-524, 2004.
[41]G. Doretto, E. Jones, S. Soatto. "Spatially homogeneous dynamic textures." Proc. ECCV, 2004.
[42]I. Haritaoglu, D. Harwood, L.S. Davis. “W4: real-time surveillance of people and their activities” IEEE Trans on PAMI, 22(8):809–830, 2000.
[43]N.M. Oliver, B. Rosario, A.P. Pentland, “Bayesian computer vision system for modeling human interactions” IEEE Trans on PAMI, 22(8):831–843, 2000.
[44]R. Cucchiara, A. Prati, R. Vezzani, L. Benini, E. Farella, P. Zappi, "An Integrated Multi-Modal Sensor Network for Video Surveillance”, Journal of Ubiquitous Computing and Intelligence, 2006 (in Press).
[45]E. Ardizzone, M. La Cascia, G. Lo Re, M. Ortolani, “An Integrated Architecture for Surveillance and Monitoring in an Archaeological Site”, 3rd ACM International Workshop on VSSN, 79-86, 2005.
[46]R. Cucchiara, A. Prati, L. Benini, E. Farella, "T_PARK: Ambient Intelligence for Security in Public Parks" Proc. of IEE International Workshop on IE, 243-251, 2005.
[47]P. Zappi, E. Farella, L. Benini "A PIR based wireless sensor node prototype for surveillance applications" Proc. of European Workshop on Wireless Sensor Networks, 2006.
[48]Y. Wang, E.Y. Chang, K.P. Cheng, “A video analysis framework for soft biometry security surveillance.” Proc. of ACM VSSN 2005.
[49]R. Cucchiara, "Multimedia Surveillance Systems" Proc. of ACM VSSN, 3-10, 2005.
[50]M. La Cascia, S. Sclaroff, V. Athitsos, "Fast, Reliable Head Tracking under Varying Illumination: An Approach Based on Registration of Texture-Mapped 3D Models," IEEE Trans. on PAMI, 22(4), 322-336, 2000.
[51]A. Prati, I. Mikic, M.M. Trivedi, R. Cucchiara, "Detecting Moving Shadows: Algorithms and Evaluation" IEEE Trans. on PAMI, 25(7), 918-923, 2003.
[52]W. Nunziati, J. Alon, S. Sclaroff, A. del Bimbo, “View registration using interesting segments of planar trajectories”, Proc. IEEE Conf. on AVSS 2005, 75–80, 2005.
Parole Chiave
VISIONE ARTIFICIALE, VIDEO SORVEGLIANZA, RICONOSCIMENTO DI FORME, INSEGUIMENTO DI PERSONE, RILEVAMENTO E RICONOSCIMENTO DI PERSONE, RICONOSCIMENTO DI EVENTI, TELECAMERE ATTIVE, RETI DI SENSORI WIRELESS, RAGIONAMENTO LOGICO

FREE SURF: FREE SUrveillance in a pRivacy-respectFul way

Università degli Studi di Modena e Reggio Emilia
Abstract
Free Surf si propone come un paradigma per sistemi di video sorveglianza di nuova generazione, svincolati dal controllo di operatori umani, e completamente rispettosi della privacy. Il supporto tecnologico sarà dato da soluzioni emergenti di ingegneria informatica sia nelle architetture di sistemi di elaborazione di video in tempo reale sia in tecniche innovative di Visione Artificiale e di Pattern Recognition. La maggior parte dei sistemi in commercio si preoccupano solo dell’acquisizione di video e loro visualizzazione in centri di controllo. I sistemi più innovativi già sfruttano alcune tecniche semplici di visione artificiale, per individuare la presenza di moto, ma con molti vincoli strutturali e tecnologici, come l’installazione solo di telecamere fisse, con calibrazione manuale, la modellazione estremamente semplificata di target, e soprattutto l’assenza di capacità inferenziale e di interpretazione della scena che rendono necessaria la costante presenza di operatori umani. I sistemi di “free surveillance” si propongono di superare questi vincoli tecnologici, creando nuovi sistemi automatici che siano anche socialmente accettabili, essendo perfettamente coerenti con le norme vigenti sulla privacy.

Questo progetto si propone di realizzare soluzioni innovative per individuare la presenza umana in modo automatico elaborando video acquisiti in tempo reale. Tecniche originali e robuste verranno applicate in installazioni libere da vincoli strutturali, ed in >>>

Coordinatore Scientifico del Programma di Ricerca
Rita Cucchiara Università degli Studi di MODENA e REGGIO EMILIA
Obiettivo del Programma di Ricerca
Il progetto FREE SURF ha lo scopo di proporre nuove tecnologie per le future generazioni di sistemi di video sorveglianza orientati al controllo automatico e in tempo reale della presenza e delle azioni dell’uomo nell’ambiente, senza il diretto controllo dell’operatore umano. Il progetto FREE SURF è nato con un duplice obiettivo: di ricerca scientifica innovativa nel campo della Visione Artificiale e della Pattern Recognition e di ricerca applicata, propria dell’Ingegneria Informatica, per la realizzazione di nuove generazioni di sistemi di video sorveglianza efficaci, ma nello stesso tempo accettabili socialmente per i problemi di privacy.

Il primo obiettivo è un’attività di ricerca scientifica per il controllo in tempo reale delle persone in sistemi “structural constraint FREE” cioè liberi da vincoli strutturali e ambientali.
Il controllo visivo automatico della presenza e delle azioni umane in un ambiente è infatti uno dei problemi più studiati nell’ultimo decennio. Esiste attualmente una vastissima letteratura che presenta algoritmi ed implementazioni robuste per il riconoscimento di singole persone in video acquisiti in ambienti strutturalmente vincolati: ambienti chiusi con illuminazione controllata, aperti con larghi campi di vista (per considerare le persone come piccoli corpi rigidi in movimento), con poche persone e solo parzialmente occluse e controllate da telecamere fisse (per segmentare gli oggetti come differenza dallo sfondo) e >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
L’analisi di video in tempo reale e l’estrazione automatica di informazioni sulla presenza, la localizzazione e l’inseguimento (“tracking”) delle persone nella scena e’ un campo di ricerca intrinsecamente complesso, con molti problemi aperti ancora non risolti a livello mondiale. La video sorveglianza delle persone ed delle loro azioni ( “human action control”) e’ infatti uno degli argomenti più dibattuti nell’ambito della ricerca della Visione artificiale, della Pattern recognition e del Multimedia. Il primo numero speciale di rilevo sull’argomento risale al 2000 sulla rivista più prestigiosa del settore, l’IEEE Transaction on PAMI, dove vennero presentati i primi sistemi di video sorveglianza, proposti dall’MIT, con il metodo di eliminazione del background [39] ancor oggi di riferimento del settore, dal Maryland (W4)[42], da Pentland [43].
L’interesse attuale è testimoniato dalle numerosissime conferenze del settore che ospitano lavori dell’area (CVPR, ICCV, ECCV, ICPR) o che sono dedicate alla video sorveglianza: in particolare si ricordano l’IEEE Int. Conf. on Advanced Video Surv. Systems, l’IEEE Workshop. on Video Surveillance e l’ACM Workshop on Video Surveillance and Sensor Networks.

Le difficoltà intrinseche della video-sorveglianza di persone nascono da diversi fattori quali la forma percettivamente variabile del corpo umano, il suo moto non rigido, la postura e l’andatura variabile, la presenza di più persone in un ambiente che si occludono e >>>