Seguimiento de objetos en secuencias de imágenes RGB-D
Actualmente las posibles aplicaciones de métodos de seguimiento son muchas y su utilización puede encontrarse tanto en procesos industriales como en la industria del entretenimiento. La creciente popularización de sensores RGB-D provoca un gran interés científico para desarrollar nuevas técnicas de...
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de grado publishedVersion |
| Lenguaje: | Español |
| Publicado: |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
2015
|
| Materias: | |
| Acceso en línea: | https://hdl.handle.net/20.500.12110/seminario_nCOM000439_Bianchi http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000439_Bianchi_oai |
| Aporte de: |
| Sumario: | Actualmente las posibles aplicaciones de métodos de seguimiento son muchas y su utilización puede encontrarse tanto en procesos industriales como en la industria del entretenimiento. La creciente popularización de sensores RGB-D provoca un gran interés científico para desarrollar nuevas técnicas de procesamiento de imágenes y adaptar otras ya conocidas utilizando toda la información provista por estos sensores. En este trabajo presentamos un sistema de seguimiento separado en etapas y analizamos distintos métodos de detección y seguimiento en RGB, en profundidad y usando una combinación de ambos. El esquema de este sistema fue implementado de manera modular permitiendo explorar de manera sencilla nuevos métodos y combinaciones para cada una de las etapas. Utilizando datos de ground truth obtenidos de una base de datos de escenas y objetos analizamos el funcionamiento de nuestro sistema. Los resultados obtenidos muestran que el sistema tiene un alto porcentaje de eficiencia para la mayoría de los casos analizados. El sistema se adapta bien a objetos no planos. Logramos obtener mejores resultados al utilizar la información de profundidad en conjunto con las imágenes RGB que utilizando solo una de ellas a la vez. Los resultados también permitieron ver que para que el método de seguimiento funcione de la mejor manera es importante contar con un método de detección preciso. |
|---|