Académique Documents
Professionnel Documents
Culture Documents
DE MADRID
MASTER EN AUTOMTICA Y ROBTICA
2.- Introduccin
La deteccin de objetos en movimiento y de seguimiento basado en el movimiento son
componentes importantes de muchas aplicaciones de visin por ordenador. El problema
de seguimiento de objetos basado en movimiento se puede dividir en dos partes:
Objeto2
Objeto3
Objeto2
Objeto3
Como se aprecia en la figura 3 los objetos a detectar ya tienen cierta diferencia uno con
otro al menos en forma y esquinas lo que facilitara diferenciarlos entre s, al realizar
este procedimiento tambin reducimos el nmero de esquinas o puntos caractersticos
de los objetos corriendo el riesgo de no detectarlos en la secuencia de imgenes.
3.3.- Dificultades en la deteccin y seguimiento de objetos [4]
Adems del reto de seguimiento que causa el clutter, los cambios de aspecto del
objeto en el plano de la imagen dificultan el seguimiento causado por uno o ms de los
siguientes factores:
Cambios de posicin.- El objeto mvil de inters vara su aspecto cuando se proyecta
sobre el plano de la imagen, por ejemplo, al girar.
Iluminacin ambiente.- La direccin, la intensidad y el color de la luz de ambiente
influyen en el aspecto del objeto de inters. Asimismo, los cambios en la iluminacin
global son con frecuencia un reto en las escenas al aire libre.
Ruido.- El proceso de adquisicin de imgenes introduce en la seal de la imagen un
cierto grado de ruido que depende de la calidad del sensor. Las observaciones del objeto
de inters pueden daarse y por tanto afectar al rendimiento del seguidor.
Oclusiones.- Puede ser que un objeto de inters no se observe bien cuando sea parcial
o totalmente tapado por otros objetos en la escena.
3.4.- Detector de puntos caractersticos BRISK
Este detector de puntos clave de una imagen busca dar velocidad de procesamiento a
una aplicacin utilizando una combinacin de escala espacio entra cada punto clave su
vecindario en la secuencia de imgenes. [5] Se realizaron las pruebas para este trabajo
obteniendo no muy buenos resultados ya que los puntos de correspondencia que se
obtenan no eran los suficientemente fiables o en algunos casos eran inexistentes. Dos
resultados de la aplicacin de este algoritmo se pueden ver en la Figura4.
Puntos = 74
Puntos = 379
Gabriel Moreano _ TAVC _ MUAR _ UPM
Puntos = 33
Puntos = 143
Puntos = 111
Puntos = 173
Puntos = 103
Puntos = 274
en las imgenes y finalmente que son reales, esta informacin es suficiente para
detectar el objeto en la escena y localizarla sin problemas como se ve en la ltima grfica
de la Figura 7.
3.8.- Combinacin de detectores
En un intento de mejorar la deteccin del objeto en el ejemplo se implement una
combinacin del detector de regiones MSER y el detector de puntos caractersticos SURF
obtenindose os resultados de la Figura 8.
4.- Resultados
En este apartado se comentar brevemente los resultados obtenidos al terminar la
realizacin del programa; el programa desarrollado en Matlab contiene los comentarios
suficientes para poder entenderse por lo que no se explicar en esta memoria paso a
paso lo que realiza en el programa.
Para el video de desarrollo se tienen los siguientes resultados:
Finalmente en la Figura 11 se ven los resultados obtenidos para los objetos en distintos
instantes del video.
Gabriel Moreano _ TAVC _ MUAR _ UPM
5.- Bibliografa:
[1] Reconocimiento de Objetos, Alberto Escudero Pardo, Universidad de Barcelona.
[2] DETECCIN Y SEGUIMIENTO DE OBJETOS CON CMARAS EN MOVIMIENTO, Hector
Lopez, Universidad Autnoma de Madrid.
[3]
https://prezi.com/tl9fmj3cs4ai/sistema-de-odometria-visual-estimacion-de-la
localizacion-d/
[4] https://es.wikipedia.org/wiki/Seguimiento_de_objetos
Gabriel Moreano _ TAVC _ MUAR _ UPM
[5] Leutenegger, S., M. Chli and R. Siegwart. "BRISK: Binary Robust Invariant Scalable
Keypoints", Proceedings of the IEEE International Conference, ICCV, 2011.
[6] Harris, C., and M. Stephens, "A Combined Corner and Edge Detector," Proceedings
of the 4th Alvey Vision Conference, August 1988, pp. 147-151.
[7] Nister, D., and H. Stewenius, "Linear Time Maximally Stable Extremal
Regions", Lecture Notes in Computer Science. 10th European Conference on Computer
Vision, Marseille, France: 2008, no. 5303, pp. 183196.
[8] https://es.wikipedia.org/wiki/SURF
[9] Lucas, Bruce D. y Takeo Kanade. "Una tcnica de registro de la imagen iterativa con
una aplicacin de visin estreo," Actas de la 7 Conferencia Internacional Conjunta
sobre Inteligencia Artificial , de abril de 1981, pp. 674-679.