{"id":2970,"date":"2022-08-14T06:22:02","date_gmt":"2022-08-14T06:22:02","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/?p=2970"},"modified":"2022-08-14T06:22:02","modified_gmt":"2022-08-14T06:22:02","slug":"clasificacion-de-objetos-en-movimiento-en-video-comprimido","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=2970","title":{"rendered":"Clasificaci\u00f3n de objetos en movimiento en video comprimido"},"content":{"rendered":"\n

 Descargar versi\u00f3n PDF<\/a><\/p>\n\n\n\n

Profesores<\/strong>: Dr. John Goddard Close<\/a> y Dr. Luis Mart\u00edn Rojas C\u00e1rdenas<\/a><\/p>\n\n\n\n

Resumen<\/strong>: El conteo de objetos es una actividad orientada a la obtenci\u00f3n de datos estad\u00edsticos y \u00fatil para llevar, entre otros, un control del n\u00famero de productos fabricados en una cadena de producci\u00f3n, del n\u00famero de veh\u00edculos circulando por una avenida a determinada hora del d\u00eda o de la cantidad de personas que hacen uso de un sistema de transporte en particular. En el pasado esta actividad se desarrollaba en forma manual, pero ahora, con la gran cobertura de sistemas de video vigilancia, la tendencia es automatizar esta actividad con la ayuda de sistemas de c\u00f3mputo dotados con algoritmos para el reconocimiento de patrones. El funcionamiento de los cuales se basa en el uso de t\u00e9cnicas de segmentaci\u00f3n, de estimaci\u00f3n de movimiento, de extracci\u00f3n del fondo de la escena, etc. Es importante mencionar que la gran mayor\u00eda de estas t\u00e9cnicas operan sobre conjuntos de p\u00edxeles, es decir en flujos de video no comprimidos o video en bruto (e ingl\u00e9s: raw video). Aqu\u00ed surge un detalle a considerar, las c\u00e1maras de video vigilancia convencionales no generan video en bruto sino video comprimido, el cual presenta, entre otros, distorsiones y p\u00e9rdida de informaci\u00f3n. As\u00ed, aplicar estos algoritmos al video comprimido requiere, primeramente, descomprimir totalmente el video, despu\u00e9s, evaluar si las imperfecciones del video comprimido no afectan el desempe\u00f1o de los algoritmos propuestos. En esta tesis de maestr\u00eda se propone utilizar informaciones directamente disponibles en el video comprimido, que no son p\u00edxeles, sino informaciones particulares (coeficientes frecuenciales y vectores de movimiento), para realizar la clasificaci\u00f3n de objetos que aparecen en la escena de video, tales como personas, veh\u00edculos, animales, etc. El uso de estas informaciones debe beneficiar considerablemente el ahorro de recursos de c\u00f3mputo y hacer m\u00e1s directo el proceso de reconocimiento en video comprimido. Adem\u00e1s, el trabajo que aqu\u00ed se propone toma como referencia un trabajo previo.<\/p>\n\n\n\n

Objetivo general<\/strong><\/p>\n\n\n\n