V 32 N 69 F.P

COMPARACIÓN DE MÉTODOS PARA EL SEGUIMIENTO DE OBJETOS EN UN VIDEO
Comparación cualitativa
Para propósitos de realizar una comparación cualitativa en
este artículo se presentan 2 de los 60 videos analizados, los
cuales son tunnel y singer3.
Video Tunnel
El video tunnel es uno de los videos en el cual el objeto, en
este caso la camioneta blanca, sufre el menor cambio de
movimiento en la escena; de igual manera, en este video no
existe algún tipo de obstrucción para el objeto y los cambios
de iluminación son pocos, por lo que, para un algoritmo de
seguimiento, identificar al objeto durante toda la ejecución
del video debe ser relativamente fácil. En la Fig. 8 se presenta
la ejecución del video en los 2 algoritmos; como se puede
apreciar para el algoritmo CMT, el seguimiento de este
objeto no fue un problema, debido al cambio mínimo de
movimientos del objeto; por otro lado, el método MI presentó
problemas después de cierto número de frames, la caja que
envuelve al objeto ha cambiado de posición, por lo que el
seguimiento deja de ser el esperado. Con esto se puede
observar que la implementación del algoritmo CMT pueden
realizar de manera eficiente el seguimiento cuando el objeto
sufre el mínimo cambio de movimiento e iluminación.
Figura 9. Resultados de los métodos MI (primera fila) y CMT (segunda
fila) usando el video singer3.
Fuente: Elaboración propia.
CONCLUSIONES
Los resultados obtenidos demuestran que el algoritmo CMT
fue superior al algoritmo MI en cuanto a seguimiento de
objetos en general; esto debido a que el primero toma ciertas
características del objeto a seguir y de su entorno, por lo que
lo hace más robusto al momento de seguir un objeto que
cambia de forma, a comparación del segundo que toma
únicamente un template del objeto a seguir, y en base a éste
obtiene la perspectiva del objeto; después de cierto número
de frames dicha perspectiva obtenida empieza a ser
irreconocible, por lo que el seguimiento empieza a ser
erróneo; con esto se puede ver que el método MI es eficiente
ante videos de corta duración, y de igual manera cuando el
objeto a seguir es plano (2D).
AGRADECIMIENTOS
Figura 8. Resultados de los métodos MI (primera fila) y CMT (segunda fila)
usando el video tunnel.
Fuente: Elaboración propia.
Video Singer3
A diferencia del video tunnel, el video singer3 presenta
diferentes cambios de movimiento del objeto a seguir; en este
caso es la cara del cantante, como son vueltas del objeto y
acercamiento de la cámara; de igual manera hay fuertes
cambios de iluminación; para un algoritmo de seguimiento,
este tipo de video representa un reto. En la Fig. 9 se presenta
este video ejecutado por los 2 algoritmos. Como se puede
apreciar, para el algoritmo MI, la caja envolvente empieza a
cambiar de forma al seguir el rostro del cantante para que
posteriormente lo pierda completamente, mientras que el
algoritmo CMT no perdió de vista al objeto de interés durante
los frames presentados. Nuevamente, el algoritmo CMT ha
demostrado ser mejor en cuanto al seguimiento frente a
cambios de iluminación y movimientos, pero esto es de
manera visual, todo se resume a las posiciones del objeto que
devuelve cada algoritmo.
Se agradece al Tecnológico Nacional de México (TecNM),
Instituto Tecnológico de Mérida (ITM) y Centro de
Investigación en Mátemáticas A.C. Unidad Mérida (CIMAT
A. C. Unidad Mérida) por el valioso apoyo brindado para la
realización de este proyecto.
REFERENCIAS BIBLIOGRÁFICAS
Amaury Dame, E. Marchand. (2010). Accurate real-time
tracking using mutual information. IEEE Int. Symp. on
Mixed and Augmented Reality, ISMAR’10, 2010, Seoul,
Korea, South Korea. Pp.47-56, 2010.
Caballero Barbosa, Hilda. (2011). Modelado y seguimiento
de objetos por medio de distribución de color.
H. Lin, Michael. (1999). Tracking articulated objects in realtime
range image sequences. International Conference on
Computer Vision (pages 648-653).
J. Pluim, J. Maintz, and M. Viergever. (2003). Mutualinformation-based
registration of medical images: a survey.
IEEE Trans. on Medical Imaging.
Kristan Matej, Leonardis Ales, Matas Jiři, Felsberg Michael,
Pflugelder Roman. (2013-2016). Visual Object Tracking.
Recuperado
de
http://votchallenge.net/vot2016/participation.html.
REVISTA DEL CENTRO DE GRADUADOS E INVESTIGACIÓN. INSTITUTO TECNOLÓGICO MÉRIDA Vol. 32 NÚM. 69 13