Seguimiento Visual con Filtros de Partículas Hibridados con Algoritmos Meméticos

Abstract

La visión artificial es una disciplina que tiene como objetivo la extracción de información acerca del mundo físico a partir de imágenes o secuencias de éstas. Dos ramas relevantes en la visión artificial son el seguimiento automático de objetos en movimiento o tracking y la detección visual. La detección visual y el tracking son tareas multidisciplinares orientadas a estimar el estado de un sistema de uno o varios objetos móviles en una secuencia. Ésta es una de las primeras tareas de procesamiento en sistemas que pretenden describir el comportamiento humano en distintos contextos como la video vigilancia, el análisis de técnica deportiva, etc. Existen diferentes técnicas para hacer seguimiento visual, como el filtro de Kalman o el filtro de partículas. La idea de dichos filtros es determinar una serie de parámetros que describen un sistema que evoluciona en el tiempo. Dadas unas condiciones iniciales y una realimentación, los filtros van consiguiendo describir el estado del sistema en cada instante. El objetivo de este proyecto es presentar un sistema de seguimiento de múltiples objetos que hibrida los filtros de partículas con algoritmos memeticos para producir un algoritmo de seguimiento más fiable y eficiente. El sistema ha sido probado con secuencias de vídeo sintéticas y reales con el objetivo de describir su rendimiento en diferentes condiciones de ruido, oclusiones, variaciones en el número de objetos a seguir, etc. Los resultados experimentales demuestran que el sistema propuesto sigue de forma precisa múltiples objetos en la escena, agrupándolos y desagrupándolos cuando es necesario y manteniendo sus identidades durante la secuencia. Además el rendimiento del sistema no se ve afectado gravemente por el aumento del número de objetos, manteniendo la carga computacional y la precisión correctamente balanceadas.