A probabilistic integrated object recognition and tracking framework for video sequences

Resumen

El reconocimiento y seguimiento de múltiples objetos en secuencias de vídeo es uno de los principales desafios en visión por ordenador que actualmente merece mucha atención de los investigadores, Casi todos los enfoques reportados son muy dependientes de la aplicación y hay carencia de una metodología general para el reconocimiento y seguimiento dinámico de objetos, que pueda ser instanciada en casos particulares. En esta tesi, el trabajo esta orientado hacia la definición y desarrollo de tal metodología, la cual entegra reconocimiento y seguimiento de objetos desde una presepectiva general usando un marco probalilístico de trabajo llamado PIORT (Probabilistic Integrated Object Recognition and Tracking). Este incluye algunos módulos para los que se puede aplicar una variedad de técnicas y métodos. Algunos de ellos son bien conocidos, pero otros métodos han sido diseñados, implementados y probados durante el desarrollo de esta tesis.%&/El primer paso en el marco de trabajo propuesto en un módulo estático de reconocimiento que provee probabilidades de clase para cada pixel de la imagen desde un conjunto de características locales. Estas probabilidades son actualizadas dinámicamente y suministradas en un modulo decisión de seguimiento capaz de manejar oclusions parciales o totales. Se presenta dos métodos específicos usando características de color RGB pero diferentes en la implementación del clasificador: uno es un metodo Bayesiano basado en la máxima verosimilitud y el otro método está basado en una red neuronal. Los resultados experimentales obtenidos han mostrado que, por una parte, el enfoque basado en la red neuronal funcional similarmente y algunas veces mejor que el enfoque bayesiano cuando son integrados dentro del marco probabilistico de seguimiento. Por otra parte, nuestro metodo PIORT ha alcanzado mejores resultados comparando con otros métodos de seguimiento publicados. Todos estos métodos han sido probados experimentalmente en varias secuencias de vídeo tomadas con cámaras fijas y moviles incluyendo oclusiones pariales y totales del objeto a seguir, en ambientes interiores y eteriores, en diferentes tareas y niveles de complejidad. Esto he permitido evaluar tanto la metodologia general como los métodos alternativos que componen sus módulos.