Derechos de autor 2020 Investigación e Innovación en Ingenierías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Comparación multiplataforma de técnicas basadas en visión artificial para detección de personas en espacios abiertos
Corresponding Author(s) : Carlos Vicente Niño Rondón
Investigación e Innovación en Ingenierías,
Vol. 9 Núm. 1 (2021): Enero-Junio
Resumen
Objetivo: Realizar una comparación multiplataforma entre los algoritmos de las técnicas de sustracción de fondo y de detectores en cascada por medio de una computadora personal y una placa Raspberry Pi 3B+ con Windows 10 y Debian GNU/LINUX respectivamente, en lenguaje de programación Python 3.7. Metodología: Se proponen tres etapas correspondientes a las mejoras en la imagen de video, la implementación de las técnicas de detección de personas y la evaluación del rendimiento de los algoritmos de dichas técnicas respecto al tiempo de respuesta, espacio de memoria requerido y aciertos en las detecciones. Resultados: La técnica de sustracción de fondo presenta una exactitud de 89.7% mientras que dicho valor para la técnica de detectores en cascada corresponde al 93.65%. Así mismo, la técnica de sustracción de fondo presenta mejor comportamiento respecto al tiempo de respuesta obteniendo 0.5934 segundos para Windows y 2.6338 segundos para Linux. Conclusiones: Tanto la técnica de sustracción de fondo como la técnica de detectores en cascada responden 5 veces más rápido en la computadora personal que en la placa Raspberry Pi 3B+, por su parte, el espacio de memoria requerido por la técnica de sustracción de fondo es 26.28% y 55% superior al espacio requerido por la técnica de detectores en cascada en el computador personal y en la placa Raspberry Pi 3B+ respectivamente.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- M. Leo, G. Medioni, M. Trivedi, T. Kanade, and G. M. Farinella, “Computer vision for assistive technologies,” Comput. Vis. Image Underst., vol. 154, pp. 1–15, 2017. DOI: https://doi.org/10.1016/j. cviu.2016.09.001
- D. L. Siqueira and A. Manso Correa MacHado, “People Detection and Tracking in Low Frame-rate Dynamic Scenes,” IEEE Lat. Am. Trans., vol. 14, no. 4, pp. 1966–1971, 2016. DOI: https://doi.org/10.1109/TLA.2016.7483541
- B. Garcia-Garcia, T. Bouwmans, and A. J. Rosales Silva, “Background subtraction in real applications: Challenges, current models and future directions,” Comput. Sci. Rev., vol. 35, p. 100204, 2020. DOI: https://doi.org/10.1016/j.cosrev.2019.100204
- A. Sobral and A. Vacavant, “A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos,” Comput. Vis. Image Underst., vol. 122, pp. 4–21, 2014. DOI: https://doi. org/10.1016/j.cviu.2013.12.005
- H. A. M. Alhamzawi, “Faces and eyes Detection in Digital Images Using Cascade Classifiers,” Comput. Eng. Appl. J., vol. 7, no. 1, pp. 57–66, 2018. DOI: https://doi.org/10.18495/comengapp.v7i1.222
- G. Cavanzo, M. Pérez, and F. Villavisan, “Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante Python,” Ingenium, vol. 18, no. 35, pp. 105–119, 2017. DOI: https://doi.org/10.21500/01247492.3218
- Ş. Öztürk and B. Akdemir, “Effects of Histopathological Image Pre-processing on Convolutional Neural Networks,” Procedia Comput. Sci., vol. 132, no. Iccids, pp. 396–403, 2018. DOI: https://doi.org/10.1016/j. procs.2018.05.166
- J. A. Taquía-Gutiérrez, “El procesamiento de imágenes y su potencial aplicación en empresas con estrategia digital,” Interfases, vol. 0, no. 010, p. 11, 2017. DOI: https://doi.org/10.26439/interfases2017. n10.1767
- B. Rodríguez-Cuenca, S. García-Cortés, C. Ordóñez, and M. C. Alonso, “Morphological operations to extract urban curbs in 3d mls point clouds,” ISPRS Int. J. Geo-Information, vol. 5, no. 6, 2016. DOI: https://doi.org/10.3390/ijgi5060093
- B. Ding, G. Wen, C. Ma, and X. Yang, “Target recognition in synthetic aperture radar images using binary morphological operations,” J. Appl. Remote Sens., vol. 10, no. 4, p. 046006, 2016. DOI: https://doi.org/10.1117/1.JRS.10.046006
- M. Elhoseny, “Multi-object Detection and Tracking (MODT) Machine Learning Model for Real-Time Video Surveillance Systems,” Circuits, Syst. Signal Process., 2019. DOI: https://doi.org/10.1007/s00034-
- - 01234-7
- P. Suárez and M. Villavicencio, “Detección de Contornos utilizando el Algoritmo Canny en Imágenes Cross-Espectrales Fusionadas,” Enfoque UTE, vol. 8, no. 1, p. 16, 2017. DOI: https://doi.org/10.29019/enfoqueute.v8n1.127
- K. Mahkonen, T. Virtanen, and J. Kämäräinen, “Cascade of Boolean detector combinations,” Eurasip J. Image Video Process., vol. 2018, no. 1, 2018. DOI: https://doi.org/10.1186/s13640-018-0303-9
- J. Parraga-Alava, K. Cusme, A. Loor, and E. Santander, “RoCoLe: A robusta coffee leaf images dataset for evaluation of machine learning based methods in plant diseases recognition,” Data Br., vol. 25, 2019. DOI: https://doi.org/10.1016/j.dib.2019.104414
- R. A. Maulana Budiman, B. Achmad, Faridah, A. Arif, Nopriadi, and L. Zharif, “Localization of white blood cell images using Haar Cascade classifiers,” Proc. 2016 1st Int. Conf. Biomed. Eng. Empower. Biomed. Technol. Better Futur. IBIOMED 2016, 2017. DOI: https://doi.org/10.1109/IBIOMED.2016.7869822
- G. Bizai, A. Salvatelli, J. Calderón and B. Drozdowicz, "Implementación y evaluación de algoritmos para la visualización de imágenes de campos de luz", Ventana Informatica, no. 39, pp. 17-33, 2019. DOI: https://doi.org/10.30554/ventanainform.39.3306.2018
- N. Maya, A. Nuñez Bedoya and H. Romo Romero, "Análisis de rendimiento de algoritmos de reconocimiento de placas de números de vehículos desarrollado mediante la transformación de ondas discretas y la correlación de imagen digital", Investigación e innovación en ingenierías, vol. 7, no. 1, 2019. DOI: https://doi.org/10.17081/invinno.7.1.2990
- G. A. Duarte-Medrano, D. Herrera-Mora, and F. I. Téllez-Ávila, “Pruebas diagnósticas: aspectos básicos de lo que el endoscopista debe saber,” Endoscopia, vol. 28, no. 3, pp. 128–132, 2016. DOI: https://doi. org/10.1016/j.endomx.2016.09.001
Referencias
M. Leo, G. Medioni, M. Trivedi, T. Kanade, and G. M. Farinella, “Computer vision for assistive technologies,” Comput. Vis. Image Underst., vol. 154, pp. 1–15, 2017. DOI: https://doi.org/10.1016/j. cviu.2016.09.001
D. L. Siqueira and A. Manso Correa MacHado, “People Detection and Tracking in Low Frame-rate Dynamic Scenes,” IEEE Lat. Am. Trans., vol. 14, no. 4, pp. 1966–1971, 2016. DOI: https://doi.org/10.1109/TLA.2016.7483541
B. Garcia-Garcia, T. Bouwmans, and A. J. Rosales Silva, “Background subtraction in real applications: Challenges, current models and future directions,” Comput. Sci. Rev., vol. 35, p. 100204, 2020. DOI: https://doi.org/10.1016/j.cosrev.2019.100204
A. Sobral and A. Vacavant, “A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos,” Comput. Vis. Image Underst., vol. 122, pp. 4–21, 2014. DOI: https://doi. org/10.1016/j.cviu.2013.12.005
H. A. M. Alhamzawi, “Faces and eyes Detection in Digital Images Using Cascade Classifiers,” Comput. Eng. Appl. J., vol. 7, no. 1, pp. 57–66, 2018. DOI: https://doi.org/10.18495/comengapp.v7i1.222
G. Cavanzo, M. Pérez, and F. Villavisan, “Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante Python,” Ingenium, vol. 18, no. 35, pp. 105–119, 2017. DOI: https://doi.org/10.21500/01247492.3218
Ş. Öztürk and B. Akdemir, “Effects of Histopathological Image Pre-processing on Convolutional Neural Networks,” Procedia Comput. Sci., vol. 132, no. Iccids, pp. 396–403, 2018. DOI: https://doi.org/10.1016/j. procs.2018.05.166
J. A. Taquía-Gutiérrez, “El procesamiento de imágenes y su potencial aplicación en empresas con estrategia digital,” Interfases, vol. 0, no. 010, p. 11, 2017. DOI: https://doi.org/10.26439/interfases2017. n10.1767
B. Rodríguez-Cuenca, S. García-Cortés, C. Ordóñez, and M. C. Alonso, “Morphological operations to extract urban curbs in 3d mls point clouds,” ISPRS Int. J. Geo-Information, vol. 5, no. 6, 2016. DOI: https://doi.org/10.3390/ijgi5060093
B. Ding, G. Wen, C. Ma, and X. Yang, “Target recognition in synthetic aperture radar images using binary morphological operations,” J. Appl. Remote Sens., vol. 10, no. 4, p. 046006, 2016. DOI: https://doi.org/10.1117/1.JRS.10.046006
M. Elhoseny, “Multi-object Detection and Tracking (MODT) Machine Learning Model for Real-Time Video Surveillance Systems,” Circuits, Syst. Signal Process., 2019. DOI: https://doi.org/10.1007/s00034-
- 01234-7
P. Suárez and M. Villavicencio, “Detección de Contornos utilizando el Algoritmo Canny en Imágenes Cross-Espectrales Fusionadas,” Enfoque UTE, vol. 8, no. 1, p. 16, 2017. DOI: https://doi.org/10.29019/enfoqueute.v8n1.127
K. Mahkonen, T. Virtanen, and J. Kämäräinen, “Cascade of Boolean detector combinations,” Eurasip J. Image Video Process., vol. 2018, no. 1, 2018. DOI: https://doi.org/10.1186/s13640-018-0303-9
J. Parraga-Alava, K. Cusme, A. Loor, and E. Santander, “RoCoLe: A robusta coffee leaf images dataset for evaluation of machine learning based methods in plant diseases recognition,” Data Br., vol. 25, 2019. DOI: https://doi.org/10.1016/j.dib.2019.104414
R. A. Maulana Budiman, B. Achmad, Faridah, A. Arif, Nopriadi, and L. Zharif, “Localization of white blood cell images using Haar Cascade classifiers,” Proc. 2016 1st Int. Conf. Biomed. Eng. Empower. Biomed. Technol. Better Futur. IBIOMED 2016, 2017. DOI: https://doi.org/10.1109/IBIOMED.2016.7869822
G. Bizai, A. Salvatelli, J. Calderón and B. Drozdowicz, "Implementación y evaluación de algoritmos para la visualización de imágenes de campos de luz", Ventana Informatica, no. 39, pp. 17-33, 2019. DOI: https://doi.org/10.30554/ventanainform.39.3306.2018
N. Maya, A. Nuñez Bedoya and H. Romo Romero, "Análisis de rendimiento de algoritmos de reconocimiento de placas de números de vehículos desarrollado mediante la transformación de ondas discretas y la correlación de imagen digital", Investigación e innovación en ingenierías, vol. 7, no. 1, 2019. DOI: https://doi.org/10.17081/invinno.7.1.2990
G. A. Duarte-Medrano, D. Herrera-Mora, and F. I. Téllez-Ávila, “Pruebas diagnósticas: aspectos básicos de lo que el endoscopista debe saber,” Endoscopia, vol. 28, no. 3, pp. 128–132, 2016. DOI: https://doi. org/10.1016/j.endomx.2016.09.001