| Journal: | Journal of applied research and technology |
| Database: | PERIÓDICA |
| System number: | 000370552 |
| ISSN: | 1665-6423 |
| Authors: | Hernandez Heredia, Y1 González-Linares, J.M3 Guil, N3 Ortiz, J2 Hernández, R1 Cózar, J.R3 |
| Institutions: | 1Universidad de las Ciencias Informáticas, Centro de Geoinformática y Señales Digitales, La Habana. Cuba 2Universidad de las Ciencias Informáticas, Vicerrectoria de Tecnología, La Habana. Cuba 3Universidad de Málaga, Departamento de Arquitectura de Computadores, Málaga. España |
| Year: | 2012 |
| Season: | Dic |
| Volumen: | 10 |
| Number: | 6 |
| Country: | México |
| Language: | Inglés |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | Este artículo presenta un método novedoso para la detección de objetos en videos de seguridad y de transmisión de televisión. Nuestro método supone que las clases de objetos son desconocidas por adelantado y explota las propiedades temporales y espaciales de los videos para la creación de un vocabulario que describe estas clases. Las características locales del espacio y el tiempo se han convertido recientemente en una representación popular de los vídeos para el reconocimiento de acciones y la detección objetos. En estudios recientes se han propuesto varios métodos para la localización y descripción de características de videos y han demostrado resultados prometedores de reconocimiento para clases de acción de personas y objetos. En este trabajo proponemos el uso de diferentes tipos de descriptores para la creación de vocabularios para tareas de detección de objetos diferentes. Para una mejor descripción de los videos generamos el modelo del fondo para tratar de limpiar y seguir las zonas donde están los objetos. Los puntos de interés de los videos para caracterizar a los objetos se calculan con una variante temporal del famoso detector de esquinas Harris. Con los descriptores obtenidos de los puntos de interés se realiza un vocabulario con las clases de videos que se quieran entrenar. Luego se obtienen los histogramas de frecuencia entre los videos de entrenamiento y el vocabulario para con un clasificador binario obtener las clases entrenadas y siguiendo el mismo procedimiento sin el vocabulario realizar la detección y seguimiento de los objetos. El nuevo método presentado también se compara con propuestas actuales para situaciones similares, obteniendo mejores resultados en la precisión y el rechazo de objetos falsos |
| English abstract | This paper presents a novel framework for objects detection in security and broadcast videos. Our method assumes that object classes are unknown in advance and exploit the temporal-space properties of the videos for the creation of a vocabulary that describes these classes. Local space-time features have recently became a popular video representation for action recognition and object detection. Several methods for feature localization and description have been proposed in the literature and promising recognition results were demonstrated for a number of action classes. In this work we propose the use of different kinds of descriptors for the creation of vocabularies for different detection object task. For a better description of the videos we carry out a background model, tryring to clean up and follow the areas where there are objects. The points of interest in the videos to characterize the objects are calculated with a temporary variant of the famous Harris corner detector. With the descriptors obtained from the points of interest, a vocabulary is realized usingthe kinds of videos we want to train. Then we obtained the frequency histograms between the videos for training and the vocabulary so, with a binary classifier obtain the trained classes and following the same procedure without the vocabulary realized the detection and monitoring of the objects. The new method presented is also compared with a state of the art method, obtaining better results in both accuracy and false object rejection |
| Disciplines: | Ciencias de la computación |
| Keyword: | Procesamiento de datos, Video, Detección de objetos, Segmentación de video, Clasificador binario |
| Keyword: | Computer science, Data processing, Video, Objects detection, Video segmentation, Binary classifier |
| Full text: | Texto completo (Ver HTML) |
