Processamento de imagens para monitoramento de movimento usando OpenCV
DOI:
https://doi.org/10.47385/tudoeciencia.2510.2025Palavras-chave:
Detecção de movimento. OpenCV. Processamento de imagens. Subtração de fundo. Visão computacional.Resumo
Este trabalho apresenta o desenvolvimento e implementação de um sistema de detecção de movimento em tempo real utilizando técnicas de processamento de imagens com a biblioteca OpenCV e linguagem Python. O sistema emprega o método de subtração adaptativa de fundo para identificar objetos em movimento no campo de visão de uma webcam, aplicando filtros gaussianos para redução de ruído e operações morfológicas para melhoramento da detecção. A metodologia implementada demonstrou eficácia na identificação de movimentos com área superior a 500 pixels, automatizando o processo de captura de imagens quando o movimento é detectado. Os resultados experimentais evidenciaram a capacidade do sistema em distinguir entre cenários estáticos e dinâmicos, apresentando resposta adequada à presença de objetos móveis no ambiente monitorado. O sistema proposto oferece uma solução de baixo custo e alta eficiência para aplicações de monitoramento automatizado, sistemas de segurança residencial e comercial, além de pesquisas em visão computacional.
Downloads
Referências
BENEZETH, Y.; JODOIN, P. M.; EMILE, B.; LAURENT, H.; ROSENBERGER, C. Comparative study of background subtraction algorithms. Journal of Electronic Imaging, v. 19, n. 3, p. 033003, 2010. DOI: 10.1117/1.3456695. Disponível em: https://www.spiedigitallibrary.org/journals/journal-of-electronic-imaging/volume-19/issue-3/033003/. Acesso em: 20 ago. 2024.
BOUWMANS, T. Traditional and recent approaches in background modeling for foreground detection: An overview. Computer Science Review, v. 11, p. 31-66, 2014. DOI: 10.1016/j.cosrev.2014.04.001.
BRADSKI, G. The OpenCV Library. Dr. Dobb's Journal of Software Tools, v. 25, n. 11, p. 120-125, 2000. Disponível em: https://opencv.org/. Acesso em: 10 ago. 2024.
BRUTZER, S.; HOFERLIN, B.; HEIDEMANN, G. Evaluation of background subtraction techniques for video surveillance. In: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 2011, Colorado Springs. Proceedings... IEEE, 2011. p. 1937-1944. DOI: 10.1109/CVPR.2011.5995508.
CHEUNG, S. C. S.; KAMATH, C. Robust techniques for background subtraction in urban traffic video. In: VISUAL COMMUNICATIONS AND IMAGE PROCESSING, 2004, San Jose. Proceedings... SPIE, 2004. p. 881-892. DOI: 10.1117/12.526886.
RÄTY, Tomi D. Survey on contemporary remote surveillance systems for public safety. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), v. 40, n. 5, p. 493-515, 2010.
CUTLER, R.; DAVIS, L. S. Robust real-time periodic motion detection, analysis, and applications. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 22, n. 8, p. 781-796, 2000. DOI: 10.1109/34.868681.
ELGAMMAL, A.; HARWOOD, D.; DAVIS, L. Non-parametric model for background subtraction. In: EUROPEAN CONFERENCE ON COMPUTER VISION, 2000, Dublin. Proceedings... Springer, 2000. p. 751-767. DOI: 10.1007/3-540-45053-X_48.
FORSYTH, D. A.; PONCE, J. Computer Vision: A Modern Approach. 2nd ed. Upper Saddle River: Prentice Hall, 2012. 793 p.
GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 4th ed. New York: Pearson, 2017. 1168 p.
HARALICK, R. M.; STERNBERG, S. R.; ZHUANG, X. Image analysis using mathematical morphology. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 9, n. 4, p. 532-550, 1987. DOI: 10.1109/TPAMI.1987.4767941.
HARITAOGLU, I.; HARWOOD, D.; DAVIS, L. S. W4: Real-time surveillance of people and their activities. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 22, n. 8, p. 809-830, 2000. DOI: 10.1109/34.868683.
JAIN, R.; KASTURI, R.; SCHUNCK, B. G. Machine Vision. New York: McGraw-Hill, 1995. 549 p.
KAEHLER, A.; BRADSKI, G. Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library. Sebastopol: O'Reilly Media, 2016. 1024 p.
NIXON, M. S.; AGUADO, A. S. Feature Extraction and Image Processing for Computer Vision. 4th ed. London: Academic Press, 2019. 672 p.
PICCARDI, M. Background subtraction techniques: a review. In: IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS, 2004, The Hague. Proceedings... IEEE, 2004. v. 4, p. 3099-3104. DOI: 10.1109/ICSMC.2004.1400815.
PRATT, W. K. Digital Image Processing. 4th ed. New York: John Wiley & Sons, 2007. 782 p.
ROSEBROCK, A. Practical Python and OpenCV. 3rd ed. PyImageSearch, 2017. 260 p.
STAUFFER, C.; GRIMSON, W. E. L. Adaptive background mixture models for real-time tracking. In: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 1999, Fort Collins. Proceedings... IEEE, 1999. v. 2, p. 246-252. DOI: 10.1109/CVPR.1999.784637.
SZELISKI, R. Computer Vision: Algorithms and Applications. London: Springer-Verlag, 2010. 812 p.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
