METODOLOGÍA PARA LA DETECCIÓN DE OBJETOS EN SISTEMAS PARA LA CATALOGACIÓN SEMI-AUTOMÁTICA Y AUTOMÁTICA DE VIDEOS.

Abstract

Al observar un video o una imagen, es innato para el humano intentar hacer descomposiciones en distintos objetos o secciones. Cada uno de los objetos se puede interpretar dentro de la imagen por su estructura, textura, color, movimiento u otra característica. En el campo de la visión por computador, la detección de objetos es un paso crucial para sistemas de procesamiento de alto nivel, permite la cuantificación y visualización de los objetos de interés y de su calidad depende en gran medida el resultado final de la interpretación automática de la secuencias de imágenes que se analicen. Son diversas las aplicaciones para la detección de objetos, dentro de las más importantes se encuentran la localización de rostros, logotipos o huellas en señales televisivas y la detección de lesiones y/o enfermedades sobre imágenes médicas. Existen diversas técnicas para la extracción y clasificación de características a fin de detectar objetos en secuencias de imágenes; se encuentran las basadas en la matemática, sobre todo con fines médicos: diferencias gaussianas, redes neuronales, morfología matemática, Fourier y Wavelets, de igual forma las imágenes que contienen otro tipo de objetos se han analizado con técnicas que se basan en la información de color y textura. Es conocido que hasta ahora, no existe un método universal de detección ya que cada método está íntimamente ligado con el problema específico a resolver, es por esto que se hace necesario desarrollar una metodología que permita detectar diferentes clases de objetos en imágenes digitales. En este trabajo se propone una metodología que utiliza técnicas híbridas de procesamiento de imágenes para la detección de objetos, teniendo en cuenta que permiten, aprovechando las ventajas de cada cual, la extracción de características discriminantes que representen a cada uno de los objetos existentes en una imagen. La metodología incluye en primer lugar la segmentación de los videos a analizar, lográndose de esta forma varios hilos de procesamiento simultáneos, luego se extraen los fotogramas más representativos para disminuir el costo computacional de las comparaciones con los objetos almacenados y creando clasificadores débiles con las características no compatibles de los objetos desechados, para que en el futuro se conviertan en objetos descriptivos. Los resultados obtenidos con pruebas de ensayo realizadas en MATLAB y C++ con OpenCV, son bastantes alentadoras y demuestran la posibilidad de usar está metodología en entornos reales de aplicación, con un alto grado de precisión y usabilidad. Encuestas aplicadas a un grupo de expertos, respaldan la necesidad y posibilidad de la propuesta realizada, así como la novedad de la investigación.