Implementación en tiempo real para el seguimiento en secuencias de vídeo - Implementation in real time tracking in video sequences

Authors

  • Jesus Eduardo Alcaraz Chávez Universidad Michoacana de San Nicolás de Hidalgo, Facultad de Ingeniería Eléctrica División de Estudios de Posgrado, México
  • Félix Calderón Solorio Universidad Michoacana de San Nicolás de Hidalgo, Facultad de Ingeniería Eléctrica División de Estudios de Posgrado, México.

DOI:

https://doi.org/10.32870/recibe.v3i1.19

Keywords:

Seguimiento, SURF, transformaciones geométricas, RANSAC, vecinos próximos, puntos claves

Abstract

En el presente trabajo se implementa un seguidor en secuencias de vídeo. La implementación trabaja en tiempo real. El seguidor, ésta basado en el algoritmo de SURF (Speed Up Robust Feature), debido a la robustez que presenta a los cambios de luminosidad y a las posibles transformaciones geométricas de una imagen, como lo son: el escalamiento, cizallamiento, rotación, translación. El objetivo central de este trabajo es obtener un seguidor en tiempo real, que no necesite del objeto de interés un aprendizaje o estudio previo y por ende se pueda generalizar lo que se quieres seguir. Es decir, poder tomar cualquier objeto de una escena cualquiera. El proceso se inicia una vez se obtiene la muestra del objeto a seguir. Posteriormente se generan los puntos de interés mediante el algoritmo de SURF, tanto del objeto de muestras como de la secuencia de video. Así mismo mediante vecinos cercanos se busca la correspondencia entre los puntos generados de la muestra y de la secuencia de videos que mejor correspondan, finalmente mediante el algoritmo de RANSAC se toman un conjunto de puntos, para buscar la homografía de la figura que mejor se adapte al objeto de interés, finalmente se demarca el objeto de interés con los mejores parámetros homograficos encontrados, todo esto en tiempo real.Abstract: In this paper a tracker is implemented in video sequences. The implementation works in real time. The tracker is based on the algorithm of SURF (Speed Up Robust Feature) due to the robustness Presenting the light changes and the possible geometric transformations of an image, such as : scaling , shearing , rotation, translation. The main objective of this work is to obtain a real-time tracker that does not need the object of interest prior learning or study and therefore can generalize what you want to follow. I mean, to take anything of any scene . The process begins once the sample is obtained subject to follow. Then the points of interest are generated by the SURF algorithm, both the object and the sample video sequence . Also by neighbors correspondence between sample points generated and the sequence of videos that best match finally by RANSAC algorithm seeks a set of points are taken to find the homography of the figure that best suits the object of interest, finally the object of interest is demarcated with the best parameters found homographs , all in real time.Keywords: Tracking, SURF, geometric transformations , RANSAC , nearest neighbors, key point. 

Author Biographies

Jesus Eduardo Alcaraz Chávez, Universidad Michoacana de San Nicolás de Hidalgo, Facultad de Ingeniería Eléctrica División de Estudios de Posgrado, México

M.C. Jesus Eduardo Alcaraz Chávez. Actualmente se desempeña como profesor interino del Instituto Tecnológico de Morelia en el Departamento de Sistemas y Computación . Es Maestro en Ciencias de la Ingeniería Eléctrica orientación Sistemas y Computación, egresado del posgrado de la facultad de la Ingeniería Eléctrica de la UMSNH. Sus áreas de Interés son el procesamiento digital de imágenes y el procesamiento en tiempo real.

Félix Calderón Solorio, Universidad Michoacana de San Nicolás de Hidalgo, Facultad de Ingeniería Eléctrica División de Estudios de Posgrado, México.

Dr. Félix Calderón Solorio. Actualmente se desempeña como profesor e investigador Titular C en la división de estudios de Postgrado de la facultad de Ingeniería Eléctrica de la Universidad Michoacana de San Nicolás de Hidalgo. Es doctor en ciencias computacionales por el Centro de Investigación en Matemáticas (CIMAT) ubicado en la ciudad de Guanajuato. Sus áreas de Interés son el procesamiento digital de imágenes. Ha sido miembro del Sistema nacional de Investigadores (SNI) y Perfil PROMEP. Actualmente es miembro del núcleo académico básico de la división de estudios de Postgrado de la facultad de Ingeniería Eléctrica de la UMSNH, cuyos programas de maestría y doctorado en Ingeniería Eléctrica, son reconocidos por el PNP del CONACyT.

References

Bay, H., Ess, A., Tuytelaars, T., y Gool, L. J. V. (2008). Speeded-up robust features (surf). ComputerVision and Image Understanding, 110(3):páginas, 346–359.

Lindeberg, T. (1990). Scale-spacefordiscretesignals. IEEE Transactionson Pattern Analysis and Machine Intelligence, 12:páginas, 234–254.

Lowe, D. G. (1999). Object recognition from local scale-invariant features. In ICCV, pages 1150–1157.

Kalal, Z., Mikolajczyk, K., y Matas, J. (2010). Face-tld: Tracking-learning-detection applied to faces. In ICIP, pages 3789–3792. IEEE.

Simard, P., Bottou, L., Haffner, P., y LeCun, Y. (1998). Boxlets:A fast convolution algorithm for signal processing and neural networks. In Kearns,M. J., Solla, S. A., y Cohn, D. A., editors, NIPS, páginas, 571–577. The MITPress.

Viola, P. A. y Jones, M. J. (2004). Robust real-time face detection. International Journal of ComputerVision,57(2):137–154.

Yilmaz, A., Javed, O., y Shah, M. (2006a). Object tracking: Asurvey. ACM Comput. Surv., 38(4).

Published

2017-12-05

How to Cite

Alcaraz Chávez, J. E., & Calderón Solorio, F. (2017). Implementación en tiempo real para el seguimiento en secuencias de vídeo - Implementation in real time tracking in video sequences. ReCIBE, Electronic Journal of Computing, Informatics, Biomedical and Electronics, 3(1), II. https://doi.org/10.32870/recibe.v3i1.19

Issue

Section

Computer Science & IT