Caracterización para la ubicación en la captura de video aplicado a técnicas de visión artificial en la detección de personas

Carlos V.  Niño Rondón; Sergio A.  Castro Casadiego; Byron  Medina Delgado

doi:10.24054/rcta.v2i36.24

Autores/as

Carlos V. Niño Rondón Universidad Francisco de Paula Santander
Sergio A. Castro Casadiego Universidad Francisco de Paula Santander
Byron Medina Delgado Universidad Francisco de Paula Santander

DOI:

https://doi.org/10.24054/rcta.v2i36.24

Palabras clave:

Caracterización, dispositivo de captura de video, sustracción de fondo, detectores en cascada, flujo óptico

Resumen

Este documento muestra los resultados de la caracterización para la ubicación del dispositivo de captura de video para implementar en Python las técnicas de visión artificial de sustracción de fondo, detectores en cascada y flujo óptico, utilizadas en la detección de personas. Se confrontaron aspectos como altura y ángulo de inclinación del dispositivo, obteniendo una exactitud de 98.34% para la técnica de sustracción de fondo, con la cámara ubicada a 4 metros de altura con inclinación de 50°, siendo la de mejor rendimiento en el número de detecciones. En promedio, las pruebas realizadas a 4 metros presentan rendimiento de 87.96%, a 8 metros, 88.19%, a 50°, 87.94% y a 90° el rendimiento es de 88.19%.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Díaz, A. (2012). Cámaras de medición. Revista Universidad EAFIT, 26, 7–16. Retrieved from http://publicaciones.eafit.edu.co/index.php/revista-universidad-eafit/article/view/1528

Franco, C. E., Ospina, C. T., Cuevas, E. S., & Capacho, D. V. (2017). RECONOCIMIENTO FACIAL BASADO EN EIGENFACES, LBHP Y FISHERFACES EN LA BEAGLEBOARD-xM. Revista Colombiana De Tecnologias De Avanzada (Rcta), 2(26). https://doi.org/10.24054/16927257.v26.n26.2015.2387

García S, I., & Caranqui S, V. (2015). La visión artificial y los campos de aplicación. Tierra Infinita, 1, 94–103. https://doi.org/2631-2921

Guerrero Balaguera, J. D. (2016). Algoritmos De Procesamiento De Imágenes Y Redes Neuronales Artificiales Para El Reconocimiento De La Lengua De Señas Colombiana (Lsc) Image Processing Algorithms and Artificial Neural Networks To Recognition of Colombian Sign Language (Lsc). Revista Colombia de Tecnologías de Avanzada RCTA, 1–8.

Hernández Tolosa C, Contreras Eugenio B, Torres Sánchez C. (2016). Desarrollo de libros electrónicos: “taller pedagógico”. Revista Tecnologías de Avanzada, ISSN: 1692-7257

Jeon, E. S., Choi, J. S., Lee, J. H., Shin, K. Y., Kim, Y. G., Le, T. T., & Park, K. R. (2015). Human detection based on the generation of a background image by using a far-infrared light camera. Sensors (Switzerland), 15(3), 6763–6788. https://doi.org/10.3390/s150306763

Kajabad, E. N., & Ivanov, S. V. (2019). People Detection and Finding Attractive Areas by the use of Movement Detection Analysis and Deep Learning Approach. Procedia Computer Science, 156, 327–337. https://doi.org/10.1016/j.procs.2019.08.209

Leo, M., Medioni, G., Trivedi, M., Kanade, T., & Farinella, G. M. (2017). Computer vision for assistive technologies. Computer Vision and Image Understanding, 154, 1–15. https://doi.org/10.1016/j.cviu.2016.09.001

Mahkonen, K., Virtanen, T., & Kämäräinen, J. (2018). Cascade of Boolean detector combinations. Eurasip Journal on Image and Video Processing, 2018(1). https://doi.org/10.1186/s13640-018-0303-9

Min, Q., & Huang, Y. (2016). Motion detection using binocular image flow in dynamic scenes. Eurasip Journal on Advances in Signal Processing, 2016(1). https://doi.org/10.1186/s13634-016-0349-8

Moctezuma-Ochoa, D. A. (2016). Re-identificación de personas a través de sus características soft-biométricas en un entorno multi-cámara de video-vigilancia. Ingeniería, Investigación y Tecnología, 17(2), 257–271. https://doi.org/10.1016/j.riit.2016.06.010

Paul, M., Haque, S. M. E., & Chakraborty, S. (2013). Human detection in surveillance videos and its applications - a review. Eurasip Journal on Advances in Signal Processing, 2013(1), 1–16. https://doi.org/10.1186/1687-6180-2013-176

Pérez, J, Castro, J (2018). LRS1: un robot social de bajo costo para la asignatura “Programación 1”. Revista Tecnologías de Avanzada, ISSN: 1692-7257

Setjo, C. H., Achmad, B., & Faridah. (2017). Thermal image human detection using Haar-cascade classifier. Proceedings - 2017 7th International Annual Engineering Seminar, InAES 2017, (January 2020). https://doi.org/10.1109/INAES.2017.8068554

Sharmin, N., & Brad, R. (2012). Optimal filter estimation for Lucas-Kanade optical flow. Sensors (Switzerland), 12(9), 12694–12709. https://doi.org/10.3390/s120912694

Sobral, A., & Vacavant, A. (2014). A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos. Computer Vision and Image Understanding, 122, 4–21. https://doi.org/10.1016/j.cviu.2013.12.005

Thacker, N. A., Clark, A. F., Barron, J. L., Ross Beveridge, J., Courtney, P., Crum, W. R., … Clark, C. (2008). Performance characterization in computer vision: A guide to best practices. Computer Vision and Image Understanding, 109(3), 305–334. https://doi.org/10.1016/j.cviu.2007.04.006

Vidalia, H., Sandoval, G., Rogelio, L., Gill, V., Curiel, A. A., Alberto, F., … L, A. M. (2019). Una estrategia didáctica interactiva e interdisciplinar para el proceso de aprendizaje. Técnica Estenopeica; Repreproduccion Visual de La Realidad., 1(2), 9–27. https://doi.org/10.22517/25393812.21971