En este artículo, se introduce un algoritmo que combina una técnica de coincidencia de plantillas con sustracción de fondo para detectar objetivos en movimiento en una carretera capturada en video usando una cámara estática. El algoritmo diseñado basado en la combinación de las dos técnicas es reducir las dificultades en la estimación de fondo y mejorar el tiempo de procesamiento, etc. El algoritmo propuesto se probó en dos secuencias de video diferentes. La primera secuencia de video fue filmada con cámara estabilizada, mientras que el segundo video fue adquirido con cámara inestable. Los resultados en ambos casos indicaron que el algoritmo de sustracción de fondo es exitoso en la detección de objetos en movimiento y la técnica de correspondencia de plantillas es adecuada para el reemplazo de objetos del marco de fondo para adquirir el marco de fondo estándar.
1. Introducción
La sustracción de fondo es una técnica importante en muchas aplicaciones de la visión por computador, como la vigilancia por vídeo, el conteo de personas, el reconocimiento de gestos humanos, la detección y el seguimiento de objetos en movimiento, la vigilancia del tráfico o en aplicaciones militares como los buscadores de imágenes. Se han propuesto muchos métodos de sustracción de fondo en publicaciones tales como el promedio gaussiano de ejecución, el filtro de la mediana temporal, la mezcla de gaussianos, la estimación de la densidad del núcleo, etc. Hay tres enfoques representativos de los métodos de sustracción de fondo. En primer lugar, son métodos basados en los píxeles que extraen los primeros planos utilizando cada píxel de forma independiente. El segundo grupo de técnicas de sustracción de fondo son los métodos basados en bloques. El tercer grupo de enfoques de sustracción de fondo son los métodos basados en texturas [1-4].
En este documento, el método presentado permite al usuario elegir el marco de fondo al inicio. Luego, el algoritmo actualiza automáticamente el marco de fondo para eliminar los cambios ambientales como el día, los cambios climáticos, etc. Sin embargo, el marco de fondo puede contener objetos de interés. Por lo tanto, se debe emplear una técnica de concordancia de plantillas para eliminar estos objetos de la imagen y establecer una intensidad adecuada a los píxeles de los objetos eliminados.
Hay muchos criterios de similitud para la coincidencia de plantillas que son la suma de diferencias abso-laúdicas (SAD), la suma de diferencias absolutas a escala local (LSAD), la suma cero - media de diferencias absolutas (ZSAD), la suma de diferencias cuadradas (SSD), la suma de diferencias cuadradas a escala local (LSSD), la suma cero - media de diferencias cuadradas (ZSSD), la correlación cruzada normalizada (NCC), la suma cero - media de la correlación cruzada normalizada (ZNCC), y la suma de distancias de martilleo (SHD) [6]. En este documento se emplearon los criterios de similitud de la correlación cruzada normalizada. Y el coeficiente de correlación cruzada normalizada utilizado es 0,8 [6, 7].
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis del área de detección en el sistema ELINT
Artículo:
Tecnologías para el manejo de metadatos en artículos científicos
Artículo:
Detección de tendencias de homicidios en Colombia usando Machine Learning
Artículo:
Tamaño mínimo de la lente que admite la naturaleza de onda de fuga de la antena dipolo de hendidura en la frecuencia de terahercios
Artículo:
Explotación MIMO de las estadísticas de multirruta 3D en una red heterogénea LTE-Advanced
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Presentación:
Estudio de movimientos y tiempos
Software:
Simulación del proceso de extracción sólido-líquido EXTSL