Seguimiento de objetos mediante constricción espacial de puntos TILDE

Abstract

El objetivo de este trabajo fin de grado es el diseño y desarrollo de un algoritmo de seguimiento de objetos basado en puntos de interés. En particular, se busca evaluar las potenciales mejoras que supone introducir un esquema de detección de puntos de interés recientemente publicado que ofrece sustanciales mejoras frente a otros métodos más populares. Para el diseño del algoritmo, primero se realizará un estudio de los algoritmos de seguimiento de objetos existentes. Dentro de este análisis se va a profundizar en los algoritmos basados en la detección de puntos de interés. Para facilitar su comprensión y potencial mejora, el diseño del algoritmo realizado se adapta al modelo básico de algoritmo de seguimiento mediante detección de puntos de interés. Del estudio realizado, se propone utilizar el detector TILDE (Temporally Invariant Learned Detector). TILDE es un detector de puntos de interés basado en entrenamiento que proporciona alta estabilidad a cambios de iluminación y apariencia. Las correspondencias entre puntos TILDE se usarán para realizar constricciones espaciales de la posición del objeto seguido entre cuadros consecutivos. El resultado se refina utilizando un esquema clásico de correlación cruzada. Finalmente se evalúa el algoritmo desarrollado frente a un conjunto de evaluación estándar. A partir de esta evaluación, se discuten sus puntos fuertes y débiles a fin de determinar su usabilidad y sus usos potenciales. Adicionalmente, se realiza una evaluación comparativa con otros algoritmos de seguimiento, a fin de poder cuantificar su rendimiento relativo a otros métodos del estado del arte. Los resultados experimentales validan parcialmente el diseño y desarrollo del algoritmo, y sugieren que el uso de los puntos TILDE puede generar estrategias de constricción espacial de utilidad para algoritmos basados en correlación cruzada.

The aim of this work is the design and development of a video object tracker based on point-of-interest (PoI). Specifically, we focus on the potential benefits of including a recently published PoI detector in the core of the tracking process. The design of the algorithm starts by studying existing tracking algorithm emphasizing in methods using PoI in any stage of their tracking algorithm. In order to provide a flexible framework on which to develop potential improvements, the algorithm’s design builds on the basic PoI-based tracking scheme. From the state-of-the-art, we propose to use TILDE (Temporally Invariant Learned Detector) as the PoI detection method. TILDE is a train-based PoI detection method which is claimed to provide stable results to change in illumination and appearance. TILDE-driven correspondences are used to spatially constrain the target position between consecutive frames. Final result is refined by means of a classic cross-correlation method. The tracker is experimentally evaluated in a generic evaluation corpus. From this evaluation we aim to discuss on their benefits and drawbacks. Furthermore, we also compare the tracker against state-of-the-art trackers, in order to quantitatively contextualise its operation. Experimental results partially validate the design and development of the algorithm and suggest that the use of TILDE may help to generate robust constraining schemes for trackers based on cross-correlation.