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