CARACTERIZAÇÃO DE ALGORITMOS DE RASTREAMENTO DE OBJETOS EM VIDEO CONSIDERANDO SITUAÇÕES DE OCLUSÃO
Resumo
RESUMO: Este trabalho demonstra um estudo comparativo entre algoritmos de segmentação e rastreamento de objetos em vídeos, que é uma área de estudos da visão computacional. Foram utilizados três algoritmos de segmentação (Simples, Janelas Temporais e Métodos Estatísticos), combinados com quatro algoritmos de Rastreamento (por Predição, por Cores, Filtro de Kalman, e Fluxo Óptico). Foi implementado um framework o qual possibilita escolher o tipo de algoritmos de segmentação e o rastreamento utilizados. Para a realização dos testes foi utilizada a base PETS 2009 S2.L1 Time 12-34, que foi escolhida devido ao fato de conter cenas de objetos em tracking. No comparativo entre os algoritmos foi levado em consideração além do rastreamento dos objetos, a identificação dos que sofrem oclusão e qual o tipo que ocorre, definindo se há oclusão do tipo total, parcial ou mesmo não ocluso. Foram observados sessenta resultados, devido à combinação de três algoritmos de segmentação combinados com os quatro algoritmos de rastreamento sobre cinco vídeos existentes na base. Também é verificada a quantidade de objetos que entram e saem da cada cena, e a quantidade de pessoas pertencentes a cada frame. Além disso, avaliaram-se os resultados direcionados a ocorrência de oclusão, com intuito de explicar a causa dos erros na contagem dos frames que sofrem ou não oclusão. Os resultados obtidos pelo framework foram comparados com os dados da base rotulada manualmente. Como melhor resultado obteve-se com a combinação dos algoritmos de segmentação simples (subtração) com o algoritmo de rastreamento baseado no Filtro de Kalman, atingiu o menor índice de erros, sendo 38,20% para o conjunto de cinco vídeos.
Palavras-chave: 1. Segmentação, 2. Rastreamento, 3. Oclusão.
