Detección y clasificación de objetos en movimiento en espacios cerrados utilizando algoritmos de visión artificial
DOI:
https://doi.org/10.70998/itistct.v2i2.82Palabras clave:
visión por computador, OpenCV, procesamiento de imágenes, mascotas, detección de objetosResumen
El campo de visión asistida por computador se ha expandido a lo largo de los años, despertando un gran interés en su estudio y desarrollo investigativo en distintas disciplinas para conseguir el mayor rendimiento de las aplicaciones desarrolladas con estos métodos.
En este artículo se revisó de forma resumida los alcances de una investigación de mayor envergadura, presentada como Trabajo Final de Maestría llevada a cabo por el mismo autor en la Universitat Politècnica de València (Hidrobo, 2018) en la que se estudió algunas de las principales técnicas de videovigilancia por visión por computador y su comportamiento cuando el entorno cubierto vigilado está habitado permanentemente por una mascota. De tal modo, con la revisión de distintas alternativas, se diferencia entre una alerta generada por el movimiento de ésta y una generada por un elemento intruso, evitando que las alarmas se activen de forma no deseada.
En tal propósito, se usó dos recursos de video: 1) la librería de visión por computador OpenCV en un entorno de C# con el objetivo de poder repetir los experimentos en las mismas circunstancias para los distintos algoritmos a evaluar y, 2) distintos videos que registran animales y personas, simulando el entorno que se pretende vigilar.
El objetivo de este trabajo fue desarrollar un banco de pruebas que permita detectar y clasificar un objeto en movimiento dentro en un ambiente cerrado mediante el uso de algoritmos de procesamiento de imágenes y clasificación.
Al concluir los experimentos, los datos obtenidos fueron dispuestos en tablas que muestran los resultados al ejecutar diferentes secuencias de video en el banco de pruebas, utilizando todos los métodos de procesamiento y clasificación de imágenes desarrollados.
Citas
Akgul, A. Y. (2010). A Fast Method for Tracking People. Trends and Topics in Computer Vision , 143-152.
Bretzner, L., & Lindeberg, T. (1998). Feature Tracking With Automatic Selection of Spatial Scales. Computer Vision and Imaging Understanding, 71, 385 392.
De la Escalera Hueso, A. (2001). En Visión por Computador Fundamentos y Métodos (págs. 12,13,14,15,16,17,18,19,20,21,22). Madrid: PEARSON EDUCACIÓN, S.A.
Dhivya, S., Sangeetha, J., & Sudhakar, B. (2020). Copy-move forgery detection using SURF feature extraction and SVM supervised learning technique. Soft Computing, 14429-14440.
González Jiménez, J. (2000). En Visión por Computador (págs. 1,11,49). Madrid: Paraninfo.
Guo, T., Xu, Z., Yao, X., Chen, H., Aberer, K., & Funaya, K. (2016). Robust online time series prediction with recurrent neural networks. Proceedings - 3rd IEEE International Conference on Data Science and Advanced Analytics, DSAA, 816-825.
Hidrobo, S. M. (2018). Detección y Clasificación de objetos en movimiento en espacios cerrados utilizando algoritmos de visión artificial. Valencia: Universitat Politècnica de València.
Hornberg, A. (2006). En Handbook of Machine Vision (págs. 88-101, 362-365, 373-379). Ladenburg: Steingraeber Satztechnik GmbH.
Huamán, A. (17 de 07 de 2018). The OpenCV Tutorials, Release 2.4.13.7. Recuperado el 17 de 07 de 2020, de https://docs.opencv.org/2.4/opencv_tutorials.pdf
Kaehler, A., & Bradski, G. (2008). En Learning openCV computer Vision with the openCV Library (págs. 1-4). United States of América: O'REILLY.
Khai, T., Ioannis A, K., & Shishir, K. S. (30 de 06 de 2010). Fusion of Human Posture Features. Trends and Topics in Computer Vision, 258-272. Recuperado el 31 de 07 de 2018, de https://stackoverflow.com/questions/28954928/point-cloud-cluster-blob-detection
Mayo, J. (2002). En C# Al descubierto (págs. Introducción,4,8,9). Madrid: PEARSON EDUCATION, S.A.
Microsoft. (2020). Tutoriales de Visual Studio C#. Recuperado el 14 de 07 de 2020, de https://docs.microsoft.com/es-es/visualstudio/get-started/csharp/?view=vs-2019
Pajares Martinsanz, G., & de la Cruz García, J. (2007). En VISIÓN POR COMPUTADOR Imágenes digitales y aplicaciones (págs. 146,147,245-254, 338,358,359). Madrid: Ra-Ma.
Rapantzikos, K., Avrithis, Y., & Kollias, S. (2010). Detecting regions from single scale edges. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 298-311.
Rodríguez Morales, R., & Sossa Azuela, J. H. (2011). En Procesamiento y Análisis Digital de IMÁGENES (págs. 155,156,195). Madrid: Ra-Ma.
Ruanpeng, C., Auephanwiriyakul, S., & Theera, N. (2017). Human and dog movement recognition using fuzzy inference system with automatically generated membership functions. IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 1-6.
Wang, D., Zeng, S., Xu, C., Qiu, W., Liang, Y., Joshi, T., & Xu, D. (2017). MusiteDeep: A deep-learning framework for general and kinase-specific phosphorylation site prediction. Bioinformatics, 3909-3916.
Wong, C. E., & Ong, T. J. (2009). A New RMI Framwork for Outdoor Objects Recognition. 2009 International Conference on Advanced Computer Control, 555.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Stalin Marcelo Hidrobo Proaño
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista de Investigación Tecnológica ISTCT es una publicación de Acceso Abierto (Open Access), cuyos contenidos se difunden bajo una licencia Creative Commons Atribución-No Comercial (CC-BY NC 4.0 Internacional). Todos los artículos publicados en la revista de Investigación Tecnológica ISTCT se difunden en Acceso Abierto y están disponibles en línea de forma gratuita inmediatamente después de la publicación.
Esta revista proporciona metadatos para servicios de indexación de terceros a través de la iniciativa de archivos abiertos.
La revista de Investigación Tecnológica ISTCT reconoce y respeta el derecho moral de los autores, así como la titularidad del derecho patrimonial, el cual será transferido de forma no exclusiva a la revista para permitir su difusión legal en Acceso Abierto.
La revista de Investigación Tecnológica ISTCT no reserva los derechos de publicación de los artículos. Los autores podrán distribuir su propio material en cualquier otro medio o soporte, siempre y cuando sea sin fines comerciales, informando a los editores que el trabajo será publicado nuevamente y dando el crédito correspondiente a la revista de Investigación Tecnológica ISTCT.
Los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre y cuando indiquen claramente que el trabajo se publicó por primera vez en "Revista de Investigación Tecnológica ISTCT". En caso de reproducción deberá constar una nota similar a la siguiente:
"Este texto se publicó originalmente en REVISTA DE INVESTIGACIÓN TECNOLÓGICA ISTCT N° --, sección -----, número de páginas, año de publicación."
Se recomienda a los autores publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) en la versión final publicada por REVISTA DE INVESTIGACIÓN TECNOLÓGICA ISTCT, ya que puede conducir a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Las publicaciones en esta revista, por su carácter gratuito, no da derecho a remuneración económica alguna a los autores.
