Tracking visual de mútiples objetos con redes convolucionales profundas

El tracking visual de objetos posee un gran interés en multitud de aplicaciones como la robótica o la videovigilancia. No obstante, mientras que estos campos demandan sistemas capaces de seguir múltiples objetos en tiempo real, gran parte de la investigación en visión por computador se centra en el...

Descripción completa

Detalles Bibliográficos
Autor: Vaquero Otal, Lorenzo
Tipo de recurso: tesis de maestría
Fecha de publicación:2019
País:España
Institución:Universidad de Santiago de Compostela (USC)
Repositorio:Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
Idioma:español
OAI Identifier:oai:minerva.usc.gal:10347/23927
Acceso en línea:http://hdl.handle.net/10347/23927
Access Level:acceso abierto
Palabra clave:Materias::Investigación::33 Ciencias tecnológicas::3307 Tecnología electrónica
id ES_0b871ef3c9e95d8bdcab7b9cdc1a7d14
oai_identifier_str oai:minerva.usc.gal:10347/23927
network_acronym_str ES
network_name_str España
repository_id_str
spelling Tracking visual de mútiples objetos con redes convolucionales profundasVaquero Otal, LorenzoMaterias::Investigación::33 Ciencias tecnológicas::3307 Tecnología electrónicaEl tracking visual de objetos posee un gran interés en multitud de aplicaciones como la robótica o la videovigilancia. No obstante, mientras que estos campos demandan sistemas capaces de seguir múltiples objetos en tiempo real, gran parte de la investigación en visión por computador se centra en el tracking de un único elemento. Como respuesta a esta necesidad, en este artículo se presenta la arquitectura de un sistema capaz de aplicar eficientemente técnicas de tracking individual a múltiples objetos en tiempo real. Para esto, se propone la extracción global de las características del fotograma mediante una red neuronal convolucional, seguida de un recorte de las distintas áreas de búsqueda de los objetos. La operación de similaridad entre las citadas áreas de búsqueda y la referencia de los objetos a seguir se puede llevar a cabo tanto con una correlación cruzada como mediante una subred de propuestas de regiones. El sistema propuesto ha sido evaluado en distintos conjuntos de datos, reportando tasas de precisión y robustez muy competitivas a la par que alcanza velocidades superiores a las de cualquier otro tracker de múltiples objetos basado en aprendizaje profundoUniversidade de Santiago de Compostela. Escola Técnica Superior de EnxeñaríaMucientes Molina, ManuelBrea Sánchez, Víctor Manuel20192019-01-0120192019-01-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10347/23927reponame:Minerva. Repositorio Institucional de la Universidad de Santiago de Compostelainstname:Universidad de Santiago de Compostela (USC)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:minerva.usc.gal:10347/239272026-06-15T12:47:27Z
dc.title.none.fl_str_mv Tracking visual de mútiples objetos con redes convolucionales profundas
title Tracking visual de mútiples objetos con redes convolucionales profundas
spellingShingle Tracking visual de mútiples objetos con redes convolucionales profundas
Vaquero Otal, Lorenzo
Materias::Investigación::33 Ciencias tecnológicas::3307 Tecnología electrónica
title_short Tracking visual de mútiples objetos con redes convolucionales profundas
title_full Tracking visual de mútiples objetos con redes convolucionales profundas
title_fullStr Tracking visual de mútiples objetos con redes convolucionales profundas
title_full_unstemmed Tracking visual de mútiples objetos con redes convolucionales profundas
title_sort Tracking visual de mútiples objetos con redes convolucionales profundas
dc.creator.none.fl_str_mv Vaquero Otal, Lorenzo
author Vaquero Otal, Lorenzo
author_facet Vaquero Otal, Lorenzo
author_role author
dc.contributor.none.fl_str_mv Universidade de Santiago de Compostela. Escola Técnica Superior de Enxeñaría
Mucientes Molina, Manuel
Brea Sánchez, Víctor Manuel
dc.subject.none.fl_str_mv Materias::Investigación::33 Ciencias tecnológicas::3307 Tecnología electrónica
topic Materias::Investigación::33 Ciencias tecnológicas::3307 Tecnología electrónica
description El tracking visual de objetos posee un gran interés en multitud de aplicaciones como la robótica o la videovigilancia. No obstante, mientras que estos campos demandan sistemas capaces de seguir múltiples objetos en tiempo real, gran parte de la investigación en visión por computador se centra en el tracking de un único elemento. Como respuesta a esta necesidad, en este artículo se presenta la arquitectura de un sistema capaz de aplicar eficientemente técnicas de tracking individual a múltiples objetos en tiempo real. Para esto, se propone la extracción global de las características del fotograma mediante una red neuronal convolucional, seguida de un recorte de las distintas áreas de búsqueda de los objetos. La operación de similaridad entre las citadas áreas de búsqueda y la referencia de los objetos a seguir se puede llevar a cabo tanto con una correlación cruzada como mediante una subred de propuestas de regiones. El sistema propuesto ha sido evaluado en distintos conjuntos de datos, reportando tasas de precisión y robustez muy competitivas a la par que alcanza velocidades superiores a las de cualquier otro tracker de múltiples objetos basado en aprendizaje profundo
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-01-01
2019
2019-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10347/23927
url http://hdl.handle.net/10347/23927
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
instname:Universidad de Santiago de Compostela (USC)
instname_str Universidad de Santiago de Compostela (USC)
reponame_str Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
collection Minerva. Repositorio Institucional de la Universidad de Santiago de Compostela
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869403232144457728
score 15.812429

Similares en LA Referencia