POSGRADO INTERINSTITUCIONAL EN CIENCIA Y TECNOLOGÍA

CENTRO DE INGENIERÍA Y DESARROLLO INDUSTRIAL

Seguimiento y estimación de posición de

objetos en el plano utilizando cámaras Pan
& Tilt

TESIS

QUE PARA OBTENER EL GRADO ACADÉMICO DE:

MAESTRO EN CIENCIA Y TECNOLOGÍA CON ESPECIALIDAD EN

MECATRÓNICA

PRESENTA:

Ing. Edrei Reyes Santos.

ASESORES

Dr. Hugo Jiménez Hernández.

Dr. Leonardo Barriga Rodrı́guez.

SANTIAGO DE QUERÉTARO, QUERÉTARO,

31 de agosto de 2016
 Dedicatoria

Con todo mi cariño y mi amor para las personas que hicieron todo en la vida para que yo
pudiera lograr mis sueños, por motivarme y darme la mano cuando sentía que el camino se
terminaba, a ustedes por siempre mi corazón y mi agradecimiento.

Papá y Mamá

i
 Agradecimientos

A CIDESI, por su espacio y material prestado para el desarrollo de esta tesis.

A Conacyt, quien me ofreció su beca de maestría para mi manutención a lo largo del

proyecto de investigación.

A mis asesores Dr. Hugo Jiménez Hernández, Dr. Leonardo Barriga Rodríguez y revisores
Dra. Diana Margarita Córdova Esparza, MCyT. Juan Manuel García Huerta, por su
paciencia, tiempo y dedicación este proyecto, así como a mi formación académica.

ii
 Índice general

1. Introducción. 1
1.1. Antecedentes y estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.2. Objetivos particulares . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6. Alcances y limitaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.1. Alcances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.2. Limitaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2. Fundamento teórico. 11
2.1. Visión por computadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2. Seguimiento de objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3. Taxonomía de técnicas para seguimiento de objetos . . . . . . . . . . . . . . 13
2.3.1. Correspondencia de puntos . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2. Seguimiento de núcleo . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.3. Seguimiento de contornos o siluetas . . . . . . . . . . . . . . . . . . . 16

iii
 2.4. Cámaras Pan & Tilt (PT) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5. Sistemas Multicámara . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.1. Campo de visión activo . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.2. Factores que afectan a los sistemas multicámara . . . . . . . . . . . . 23
2.6. Detección de movimiento por diferencia de imágenes . . . . . . . . . . . . . . 24
2.7. Proceso de filtrado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7.1. Filtrado en el dominio espacial . . . . . . . . . . . . . . . . . . . . . . 27
2.7.2. Filtrado en el dominio de la frecuencia . . . . . . . . . . . . . . . . . 28
2.8. Detección de bordes en una imagen . . . . . . . . . . . . . . . . . . . . . . . 28
2.9. Transformación distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.10. Contornos activos (Snakes) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.11. Método de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.12. Transformación de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.12.1. Coordenadas polares en el plano . . . . . . . . . . . . . . . . . . . . . 40
2.12.2. Coordenadas cilíndricas en el espacio . . . . . . . . . . . . . . . . . . 42
2.12.3. Coordenadas esféricas en el espacio . . . . . . . . . . . . . . . . . . . 44
2.13. Inversa de una Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.13.1. Inversas bilaterales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.13.2. Pseudoinversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3. Desarrollo Experimental 49
3.1. Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2. Adquisición de imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3. Detección de movimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.4. Pre-procesamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5. Cálculo de centroide del objeto de interés . . . . . . . . . . . . . . . . . . . . 53
3.5.1. Transformada maxima extendida . . . . . . . . . . . . . . . . . . . . 54
3.5.2. Etiquetado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.3. Algoritmo para cálculo de centroide . . . . . . . . . . . . . . . . . . . 56

iv
 3.6. Imposición del contorno activo (snake) . . . . . . . . . . . . . . . . . . . . . 57
3.6.1. Transformada distancia . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.7. Seguimiento de objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.7.1. Centrado del objeto en la imagen . . . . . . . . . . . . . . . . . . . . 62
3.8. Estimación de coordenadas bidimensionales del objeto . . . . . . . . . . . . . 65

4. Resultados 69

5. Conclusiones y trabajo futuro 83

5.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.2. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

A. Validación de trayectorias 95

B. CAD del espacio de pruebas 104

C. Tablas de error y ECM 105

D. Hoja de datos Cámara Pan & Tilt 107

v
 Índice de figuras

1.1. Interfaz de software, para cálculo de distancia. . . . . . . . . . . . . . . . . . 2

2.1. Centro de control de un sistema de vigilancia. . . . . . . . . . . . . . . . . . 11

2.2. Estación de monitoreo de tráfico vehicular [1]. . . . . . . . . . . . . . . . . . 12
2.3. Detección y seguimiento de objetos en un sistema multicámara [2]. . . . . . . 14
2.4. Taxonomía de técnicas para seguimiento de objetos [3]. . . . . . . . . . . . . 14
2.5. Seguimiento de objetos por correspondencia de puntos [3]. . . . . . . . . . . 15
2.6. Seguimiento de objetos usando una plantilla rectangular [4]. . . . . . . . . . 16
2.7. Seguimiento de objetos por contorno [5]. . . . . . . . . . . . . . . . . . . . . 16
2.8. Seguimiento de objetos [5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.9. Seguimiento de objetos a través de coincidencia de formas [6]. . . . . . . . . 18
2.10. Contornos deformables para seguimiento de objetos no rígidos [5]. . . . . . . 19
2.11. Cámara PTZ/IP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.12. Cámaras IP/PT en red. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.13. Campo de visión de un arreglo multicámara. . . . . . . . . . . . . . . . . . . 22
2.14. Campo de visión activo de una cámara Pan & Tilt. . . . . . . . . . . . . . . 23
2.15. Campo de visión activo de un sistema multicámara Pan & Tilt. . . . . . . . 23
2.16. Detección de movimiento por resta de imágenes. . . . . . . . . . . . . . . . . 25
2.17. Detección de movimiento con ruido en la imagen resultante. . . . . . . . . . 25
2.18. filtrado de una imagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.19. Filtrado en el dominio espacial [30]. . . . . . . . . . . . . . . . . . . . . . . . 27
2.20. Filtrado en el dominio de la frecuencia . . . . . . . . . . . . . . . . . . . . . 28

vi
2.21. Derivada en el eje x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.22. Derivada en el eje y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.23. Operador de Roberts para detección de bordes. . . . . . . . . . . . . . . . . 30
2.24. Operadores de Prewitt, Sobel y Frei-Chen. . . . . . . . . . . . . . . . . . . . 30
2.25. Explicación grafica de la transformada distancia. . . . . . . . . . . . . . . . . 31
2.26. Transformada distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.27. Centroide de una figura geométrica. . . . . . . . . . . . . . . . . . . . . . . . 33
2.28. Contorno deformable (Snake). . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.29. Minimización de la energía por algoritmo voraz. . . . . . . . . . . . . . . . . 38
2.30. Método de Newton-Raphson. . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.31. Representación de un punto en el plano cartesiano. . . . . . . . . . . . . . . 41
2.32. Representación polar de un punto en el plano cartesiano. . . . . . . . . . . . 41
2.33. Correcta definición de la función arco tangente. . . . . . . . . . . . . . . . . 42
2.34. Coordenadas cilíndricas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.35. Coordenadas esféricas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.1. Metodología para el desarrollo del proyecto. . . . . . . . . . . . . . . . . . . 49

3.2. Adquisición de imagen desde MATLAB con comando CGI. . . . . . . . . . . 50
3.3. Detección de movimiento por diferencia de imágenes . . . . . . . . . . . . . . 52
3.4. Detección de movimiento con ruido . . . . . . . . . . . . . . . . . . . . . . . 52
3.5. Filtro gaussiano aplicado a la detección de movimiento . . . . . . . . . . . . 53
3.6. Imagen segmentada utilizando la transformada máxima extendida . . . . . . 55
3.7. El centroide calculado se muestra en color amarillo . . . . . . . . . . . . . . 56
3.8. Imposición del contorno activo . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.9. Contorno activo en convergencia con el contorno de interés . . . . . . . . . . 61
3.10. Objeto centrado en la imagen, usando algoritmo 7 . . . . . . . . . . . . . . . 65
3.11. Planteamiento para la estimación de posición del objeto . . . . . . . . . . . . 66

4.1. Arreglo de cámaras propuesto. . . . . . . . . . . . . . . . . . . . . . . . . . . 69

vii
4.2. Marco referencia con coordenadas locales. . . . . . . . . . . . . . . . . . . . 70
4.3. Trayectoria en cuadro y en diente de sierra. . . . . . . . . . . . . . . . . . . . 70
4.4. Ejemplo de trayectorias usadas durante la experimentación. . . . . . . . . . . 71
4.5. Trayectoria diagonal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.6. Gráfico de error en el eje X de la trayectoria diagonal. . . . . . . . . . . . . 73
4.7. Gráfico de error en el eje Y de la trayectoria diagonal. . . . . . . . . . . . . . 73
4.8. Desviación estándar del error en el eje X de la trayectoria diagonal. . . . . . 74
4.9. Desviación estándar del error en el eje Y de la trayectoria diagonal. . . . . . 74
4.10. Trayectoria horizontal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.11. Trayectoria en "d". . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.12. Trayectoria en "V". . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.13. Trayectoria en sin forma geométrica. . . . . . . . . . . . . . . . . . . . . . . 77
4.14. Trayectoria en "m". . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.15. Trayectoria escalón. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.16. Dispersión del error en el eje x para las 30 trayectorias. . . . . . . . . . . . . 79
4.17. Dispersión del error en el eje x para las 30 trayectorias. . . . . . . . . . . . . 79
4.18. Distribución de frecuencia del error en x. . . . . . . . . . . . . . . . . . . . . 80
4.19. Distribución de frecuencia del error en y. . . . . . . . . . . . . . . . . . . . . 80
4.20. Dispersión del error por pares de coordenadas. . . . . . . . . . . . . . . . . . 81
4.21. Desviación estándar del error por pares de coordenadas. . . . . . . . . . . . . 81

A.1. Trayectoria en forma de casa. . . . . . . . . . . . . . . . . . . . . . . . . . . 95

A.2. lineas cruzadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
A.3. Trayectoria en cuadro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
A.4. Diente de sierra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
A.5. escalones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
A.6. Trayectoria en forma de G. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
A.7. Trayectoria en forma de herradura. . . . . . . . . . . . . . . . . . . . . . . . 97
A.8. Hexágono. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

viii
A.9. Trayectoria en forma de L. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
A.10.Medio hexágono. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
A.11.Onda cuadrada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
A.12.Trayectoria en forma de pentágono. . . . . . . . . . . . . . . . . . . . . . . . 99
A.13.Trayectoria en forma de raíz. . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
A.14.Rectángulo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
A.15.Rombo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
A.16.Trayectoria sin forma definida. . . . . . . . . . . . . . . . . . . . . . . . . . . 100
A.17.Trayectoria irregular. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.18.Ruta de objeto en forma de S. . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.19.Trapecio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.20.Trayectoria con forma de triangulo. . . . . . . . . . . . . . . . . . . . . . . . 102
A.21.Trayectoria A.20 invertida. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
A.22.Ruta de objeto en forma de U. . . . . . . . . . . . . . . . . . . . . . . . . . . 102
A.23.Trayectoria en forma de V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
A.24.Linea recta vertical. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

B.1. Espacio de pruebas sin fondo neutro. . . . . . . . . . . . . . . . . . . . . . . 104

B.2. Espacio de pruebas con fondo neutro. . . . . . . . . . . . . . . . . . . . . . . 104

ix
 Índice de tablas

3.1. Rotación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.2. Ángulo de giro (θ y φ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

4.1. Datos necesarios para la estimación de la posición . . . . . . . . . . . . . . . 71

4.2. Error de la trayectoria diagonal y su ECM . . . . . . . . . . . . . . . . . . . 75
4.3. Error de la trayectoria horizontal, y su ECM . . . . . . . . . . . . . . . . . . 75
4.4. Tabla de Error y ECM. Trayectoria en "d" . . . . . . . . . . . . . . . . . . . 76
4.5. Error y ECM. Trayectoria en "V" . . . . . . . . . . . . . . . . . . . . . . . . 77
4.6. Error y ECM. Trayectoria irregular . . . . . . . . . . . . . . . . . . . . . . . 77
4.7. Error y ECM. Trayectoria en "m" . . . . . . . . . . . . . . . . . . . . . . . . 78
4.8. Error de la trayectoria escalón, y su ECM . . . . . . . . . . . . . . . . . . . 78

x
 Capítulo 1

Introducción.

Las ciudades en crecimiento hacen difícil controlar y analizar la información de movimiento

o desplazamiento de objetos y personas para la toma de decisiones. Para hacer frente a esta
situación, la tecnología toma un papel importante como una herramienta para establecer
estrategias, identificar y manejar circunstancias que representan información relevante. Los
sensores son cada vez más confiables y económicos, lo que hace factible implementar
soluciones en ciudades saturadas. Mientras que la tecnología se vuelve más asequible, el
desarrollo la infraestructura requerida para analizar grandes cantidades de datos en un
periodo de tiempo corto, se convierte en un reto.
Una tarea típica en vigilancia y monitoreo, es el seguimiento de objetos, no obstante esta
tarea se ve afectada por diferentes factores como: perspectiva de la cámara, afectaciones de
color, ausencia de sincronía en la transmisión etc.; lo cual hace imposible el seguimiento de
objetos en escenarios exteriores.
Algunos trabajos como los de A. Yilmaz, J. Fernández Gutiérrez y D. P. Chau, F. [7, 8, 9]
proponen estrategias para un seguimiento de objetos fiable en escenarios al aire libre; aun
así se observa que no utilizan cámaras con rotación horizontal y vertical. Este trabajo
propone una estrategia para el seguimiento de objetos y la estimación de posición en dos
dimensiones utilizando un conjunto de cámaras-PT (Pan & Tilt), la base de este enfoque es
realizar seguimiento dinámico del objeto de interés con cada una de las cámaras en el
arreglo.
Los parámetros Pan & Tilt de cada cámara se aprecian como componentes vectoriales en
coordenadas polares. La distancia entre una cámara específica y el objeto de interés es
representada por el radio, de tal forma que si se utilizan los mismos parámetros para todas
las cámaras en el arreglo, se genera un sistema lineal, donde los valores desconocidos

1
representan la ubicación del objeto en el plano utilizando coordenadas locales. Más allá de
este punto, el proceso se considera como una tarea de optimización cuyo objetivo es reducir
el error de estimación de la distancia entre el arreglo de cámaras-PT (Pan & Tilt) y el
objeto.
Finalmente se realiza un análisis experimental que consiste en la validación de las
trayectorias artificiales creadas con anterioridad, en un escenario controlado, comparando la
posición real del objeto con la estimada por el enfoque propuesto.

1.1. Antecedentes y estado del arte

1.1.1. Antecedentes

En el año 2014 en el centro de ingeniería y desarrollo industrial, en Querétaro, México [10]

desarrolló un sistema de visión capaz de detectar un objeto en un escenario utilizando la
técnica de marcas pasivas, es decir se utilizó un color en particular como una manera de
distinguir al objeto en las imágenes obtenidas por la cámara. Este sistema calcula la
distancia en centímetros que existe entre la cámara y el objeto de interés basándose en la
altura en pixeles de los objetos, ya que ésta varía dependiendo de la distancia a la que se
encuentren los objetos, además de seguir al objeto en un campo de visión dinámico, gracias
a que utiliza cámaras Pan & Tilt, lo que le permite seguir al objeto mientras éste se
encuentre en su rango de movimiento.

Figura 1.1: Interfaz de software, para cálculo de distancia.

2
1.1.2. Estado del arte

Diferentes aplicaciones de visión por computadora se han implementado para la detección,

localización y seguimiento de objetos. En el año 2000, N. Paragios y R. Deriche, [11]
propusieron un nuevo marco variacional para la detección y seguimiento de múltiples
objetos en movimiento en secuencias de imágenes. La detección de movimiento se realizó
utilizando un marco estadístico que se aproxima a la función de diferencia de densidad
entre tramas observadas utilizando un modelo de mezcla. Esta función se minimiza
utilizando contornos activos, lo que permite a su vez dar seguimiento a los objetos en
movimiento. Este enfoque hace uso de una cámara fija permitiendo discriminar de forma
relativamente sencilla el movimiento de fondo y el movimiento del objeto de interés.
A. K. Mishra, B. Ni, S. Winkler, y A. Kassim [12], implementaron un sistema de vigilancia
3D, en el año 2007 utilizando múltiples cámaras que rodean la escena, para la identificación
de los seres humanos en la escena y luego la identificación de sus postura, utilizando
cámaras calibradas, colocadas en una posición fija. La detección de objetos y la
interpretación se realizó en tres dimensiones, usando la información de profundidad, para
separar a las personas del fondo e identificado su postura por la combinación con las
plantillas del modelo 3D.
Por su parte R. Mohedano, Jaureguizar, L. Salgado y N. García, en 2008 [13] desarrollaron
un método robusto para el seguimiento y posicionamiento tridimensional de personas, semi
solapando imágenes de varias cámaras que observaban el mismo escenario, convirtiéndolo
en un sistema capaz de responder a posibles oclusiones, las regiones en movimiento se
dividieron en segmentos de forma independiente en cada cámara por medio de una
estrategia de modelado de fondo basado en filtros de Gabor, la detección de personas se
llevó a cabo a través de una estrategia de correlación con una plantilla, y por último el
posicionamiento de las personas se realizó mediante la posición de la cabeza y no con el
centroide del objeto.
También en 2009, S. Robla, J. y E. Sarabia [14] presentaron una herramienta para el
seguimiento de derrames de petroleo, utilizando imágenes de satélite. Esta herramienta se

3
basa en contornos activos que se adaptan a las manchas de petroleo para determinar la
forma y la localización del derrame de petróleo, incluso proporcionar una estimación de la
deformación y el desplazamiento que podría sufrir en el tiempo, para rastrear los residuos
vertidos en el mar. De igual manera en 2010, C. Losada, M. y M. Marrón [15] propusieron
un sistema multicámara para segmentación, y localización de múltiples robots en un espacio
controlado, utilizando de forma complementaria múltiples sensores colocados en los robots,
para comparar las trayectorias estimadas. Este sistema, utilizó contornos activos para la
segmentación de la escena, y seguimiento de los robots con cámaras fijas. Finalmente
proporciona la ubicación de los robots en coordenadas de imagen.
En el año 2011, H. L. Paredes [16] implementó un sistema para la detección de objetos en
movimiento en sistemas que usen cámaras móviles alineando las imágenes para
posteriormente detectar las regiones de movimiento mediante el módulo de segmentación
reduciendo el problema de detectar movimiento al de cámara estática. Las regiones de
movimiento detectadas por el segmentador son analizadas por un algoritmo de seguimiento
que trata de establecer una coherencia espacial y temporal de las distintas regiones
detectadas para validarlas como objetos y reducir los errores que puedan aparecer por el
ruido en el alineamiento.
En 2011, A. Utasi y C. Benedek [17] propusieron un enfoque probabilístico para la localización
de múltiples personas utilizando múltiples cámaras calibradas, la característica del enfoque
propuesto a nivel de píxeles se basa en las propiedades físicas del proceso de formación de la
imagen 2-D y puede localizar con precisión la posición de las piernas en el plano de apoyo y
estimar la altura de las personas.
Por su parte, Y. Lee y A. Yilmaz [18] en 2013 aportaron al estado del arte un sistema de
posicionamiento de objetos en tiempo real que combina la detección y seguimiento, con el
posicionamiento 3D en un múltiples cámaras sin movimiento de traslación. Se consideraron
restricciones geométricas definidas entre varias cámaras, para el seguimiento de un objeto
que contiene un marcador para su identificación.
En el año 2014, L. Maddalena, A. Petrosino, y F. Russo [9] desarrollaron un sistema que,

4
basándose en la información recogida por varias cámaras, es capaz de realizar conteo de
personas. Esta información se recopila en una estructura sinérgica, que explota la homografía
asociada a cada vista de la escena, apoyada por un mecanismo para el seguimiento de las
personas y de sus identidades a lo largo del tiempo.
En 2014, S. J. You, P. y H. Truong [19] difundieron un sistema en tiempo real para el
seguimiento de un objeto en movimiento rápido utilizando múltiples cámaras web
adyacentes. En este sistema se utilizaron tres cámaras, que dentro del sistema de
comunicación, desempeñan el rol de clientes, además se tiene un equipo de adquisición de
imágenes, catalogado como servidor, quien a partir de la información de los equipos cliente,
calcula las posiciones relativas del objeto en cada captura de imágenes, obteniendo así la
velocidad de objetos en tiempo real. En 2014, S. Ballesta, G. Reymond, M. Pozzobon, y J.
Duhamel [20] presentaron un sistema de seguimiento a grupos de primates, empleando una
herramienta multicámara para evitar posibles oclusiones, y entregando la posición
tridimensional de los primates, haciendo uso de collares de colores como marcas activas
para detectar el movimiento en la escena; dotando al sistema con la capacidad de realizar el
seguimiento de los primates en tiempo real.
Por su parte en el año 2015, Z. Jin y B. Bhanu, [7] propusieron seguimiento de múltiples
cámaras con simulación de multitudes integrada, con el fin de explorar la posibilidad de
hacer que la información homográfica sea mucho mas útil y para investigar la influencia de
la simulación en el rendimiento de sistemas dedicados al seguimiento de objetos.

1.2. Planteamiento del problema

Los parámetros Pan & Tilt,de un conjunto de cámaras, proporcionan información que
localmente ayuda en la estimación y ubicación de un objeto, utilizando técnicas de visión
por computadora que trabajen de manera complementaria con dichos parámetros. Este
planteamiento resulta útil si se tiene un método eficiente de seguimiento y detección del
objeto, debido a que estos métodos forman parte esencial, en el proceso de estimación de

5
posición en un escenario.
Por otra parte la precisión y exactitud en la estimación de posición dependerá de las
características físicas de las cámaras, pues tanto la velocidad como el paso mínimo de los
motores; por mencionar algunas características, representan un factor influyente en el
desempeño del procedimiento mencionado.
De acuerdo con la bibliografía consultada en el estado del arte, existen sistemas de visión
que proporcionan información como la ubicación bidimensional del objeto y a su vez la
trayectoria del mismo, pero no utilizan cámaras con movimiento horizontal y vertical, y en
los trabajos en donde se utilizan, solamente se hace uso de una cámara Pan & Tilt dentro
de todo el arreglo de cámaras, descartando la flexibilidad de utilizar un arreglo compuesto
solamente de cámaras Pan & Tilt (PT).
En este trabajo se pretende mostrar un método en donde sólo se empleen estos parámetros
para la estimación de posición en el plano de un objeto. En una primera aproximación el
error de calibración es descartado, pero en situaciones donde se requiera repetibilidad y
exactitud sera necesario este proceso, para éste caso sólo se aborda el problema de estimar
la posición a partir de los parámetros de giro de una cámara PT. El método propuesto
presenta un enfoque que resulta viable en situaciones donde la geometría del escenario es
desconocida y se tiene una referencia global, con lo que se conoce la posición física de cada
una de las cámaras.

1.3. Hipótesis

Si se poseen diferentes proyecciones de un mismo objeto en un mismo instante, obtenidas

mediante un conjunto de cámaras con la misma referencia y con conocimiento previo de la
ubicación física de las mismas, es posible determinar la posición bidimensional (x, y) a partir
de los parámetros PT (θ, φ) del arreglo de cámaras que observan al objeto.

6
1.4. Objetivos

1.4.1. Objetivo general

El objetivo general de este proyecto es el seguimiento de un objeto dentro del campo de

visión dinámico de un arreglo de cámaras PT y determinar sus coordenadas bidimensionales
a partir de los parámetros PT (θ, φ) del arreglo de cámaras que observa al objeto.

1.4.2. Objetivos particulares

• Detectar al objeto por diferencia de imágenes utilizando una cámara en un entorno

controlado, procediendo a extender este mismo método de detección a todo el arreglo
de cámaras.

• Realizar un arreglo de cámaras sobre una mesa óptica graduada, utilizando las
perforaciones de la mesa como un marco de referencia, y determinando el punto de
origen, así como los ejes xey

• Sincronizar el arreglo de cámaras, a través de un sistema de comunicación compuesto,

por un router y un equipo de computo.

• Calcular el centroide del objeto por contornos activos adaptables al objeto de interés,
haciendo uso de los puntos del contorno activo para el cálculo de dicho centroide.

• Centrar el objeto en el campo de visión del arreglo de cámaras, mediante la ejecución

de comandos CGI que dictaminan el movimiento horizontal y vertical de cada cámara.

• Realizar un modelo matemático, que parte de los parámetros PT del arreglo de cámaras
que observan al objeto, para determinar las coordenadas en 2D del objeto.

7
1.5. Justificación

La detección de movimiento, localización y seguimiento de objetos son cuestiones

importantes en aplicaciones de visión por computadora; puesto que estas tareas representan
un reto en escenas al aire libre o en lugares concurridos, debido a que las condiciones de
iluminación no pueden ser controladas, existe movimiento de fondo irrelevante y se
presentan oclusiones causadas por diversos objetos en movimiento o estáticos [21]. Debido a
esto los algoritmos de visión generalmente siguen un enfoque secuencial, partiendo de la
segmentación del escenario, ya que proporciona características útiles para interpretar la
información obtenida a partir de imágenes del mismo, hasta llegar al análisis a nivel del
objeto de interés, una mejora directa a este enfoque es utilizar imágenes de múltiples
cámaras-PT colocadas en puntos diferentes con lo cual el sistema se vuelve capaz hacer
frente a las distintas condiciones mencionadas anteriormente.

Se puede comprender entonces que la detección de objetos, localización y seguimiento de los

mismos, es muy importante en el campo de la visión artificial [19], sin embargo el realizar
estas tareas con un arreglo de cámaras PT, representa un reto al momento de determinar
que objetos pertenecen al fondo de una escena y separarlo del movimiento del objeto de
interés, debido a que la rotación de las cámaras proporciona la impresión de que todo esta
en movimiento en el escenario, aun los objetos estáticos, por lo que los métodos mas
comunes para el modelado de fondo en un escenario, quedarían completamente
inhabilitados ante esta situación. Es por eso que en este trabajo se propone la detección de
movimiento utilizando la diferencia de dos imágenes, además de la implementación de un
modelo físico de fondo neutro, que aísle, el movimiento externo al escenario.
A partir de lo señalado anteriormente con respecto a la propuesta de utilizar múltiples
cámaras podemos concluir que es mucho más versátil realizar el seguimiento y determinar
las coordenadas bidimensionales (x, y) de un objeto en una forma no invasiva, empleando
redundancia de sensores (cámaras-PT) que proporcionan proyecciones bidimensionales y
utilizando una referencia global para todos los sensores.

8
1.6. Alcances y limitaciones

1.6.1. Alcances

• Seguimiento de objetos con más de una cámara, es decir obtener varias perspectivas de
un mismo objeto a partir de un arreglo de cámaras para tolerancia a oclusiones.

• Estimación de coordenadas cartesianas del objeto, partiendo de los parámetros PT de

las cámaras que lo observan.

• Comunicación entre cámaras y sistema de cómputo, a través de un router, previamente

configurado.

• Actualización de parámetros PT de las cámaras para focalizar al objeto de interés,

mediante la implementación de un algoritmo que minimice la diferencia entre el
centroide del objeto y el centro de imagen.

1.6.2. Limitaciones

• El sistema de visión solo es capaz de seguir un objeto a la vez, con lo que si se tiene mas
de un objeto en movimiento en el escenario, deberá existir un criterio de discriminación
que determine que objeto tiene mayor relevancia para el sistema propuesto.

• Los parámetros PT garantizan que se puede ver el objeto mientras este se encuentre
dentro del campo de visión dinámico del arreglo de cámaras, es decir la cobertura del
desplazamiento del objeto se ve limitada por el rango de movimiento de cada una de
las cámaras que lo observan.

• Las variaciones de intensidad de luz en el entorno pueden afectar de manera importante

al algoritmo de seguimiento, esto se debe a que si existen cambios de iluminación
abruptos, se obtendrían imágenes en donde se pierde información necesaria para la
detección del objeto.

9
• La latencia en la captura de imágenes, causada por retrasos en el funcionamiento del
software o hadware, puede impedir la fluidez en el seguimiento a un objeto en
movimiento.

• La detección y seguimiento de objetos con el arreglo de cámaras se realiza en línea y no

en tiempo real, es decir existe una ligera diferencia temporal entre el movimiento real
del objeto y el movimiento de las cámaras que lo siguen.

10
 Capítulo 2

Fundamento teórico.

2.1. Visión por computadora

Por muchos años el ser humano ha inspirado sus avances tecnológicos dentro del campo de
la visión artificial, en las propiedades, habilidades y características que tiene este sentido
tan vital. El término “visión por computadora” dentro del campo de la Inteligencia Artificial
puede considerarse como el conjunto de todas aquellas técnicas y modelos que nos permitan
el procesamiento, análisis y explicación de cualquier tipo de información obtenida a través de
imágenes digitales [22]. El presente trabajo de tesis se enfoca principalmente en la detección
y seguimiento de objetos orientado a vigilancia y seguridad (figura 2.1), por lo que se hace
una breve descripción la importancia y el uso que tiene la visión por computadora en este
rubro.

Figura 2.1: Centro de control de un sistema de vigilancia.

2.2. Seguimiento de objetos

El seguimiento de objetos es una actividad significativa en el campo de visión por

computadora o también conocida como visión artificial. El auge de las computadoras de
prominente capacidad, la disponibilidad de cámaras de vídeo de bajo costo y alta calidad, y

11
la ascendente necesidad de un análisis automatizado de vídeo ha dado como resultado un
gran interés en los algoritmos de seguimiento de objetos. Existen tres pasos clave en el
análisis de video: detección de objetos de interés en movimiento, el seguimiento de esta
clase de objetos en cada captura, y el examinar estos objetos en un periodo de
desplazamiento con la finalidad de reconocer su comportamiento. De esta forma, el uso de
visión artificial para seguimiento de objetos es pertinente en las tareas de [1]:

Movimiento basado en el reconocimiento, es decir, la identificación humana, detección

automática de objetos, etc.

Vigilancia automatizada, que se encarga de detectar actividades sospechosas y dar

seguimiento a la misma (figura 2.2).

Indexación de vídeo, cuyo trabajo es la anotación automática y recuperación de los

videos en bases de datos multimedia;

Interacción persona-ordenador, en donde se realiza el reconocimiento de gestos, o de

retina para la entrada de datos.

Monitoreo de tráfico, se refiere a el almacenamiento en tiempo real de las estadísticas

de tráfico para conseguir un flujo directo.

Navegación de vehículo, es decir, la planificación de una ruta basada en video y evasión

de obstáculos.

Figura 2.2: Estación de monitoreo de tráfico vehicular [1].

12
En su forma más simple, el seguimiento de objetos se puede definir como la estimación de la
trayectoria de un objeto en el plano de la imagen mientras se mueve alrededor de una
escena. En otras palabras, un rastreador asigna etiquetas consistentes a los objetos
localizados en diferentes marcos de un vídeo. Además, dependiendo del dominio de
seguimiento, un rastreador puede proporcionar también información centrada en el objeto,
como la orientación, área, o la forma de un objeto.
Los primeros sistemas de video vigilancia se establecieron en lugares privados como bancos
e instalaciones militares debido a la importancia de la seguridad en las mismas. Sin
embargo lugares como parques, cruces de carreteras, comercios, etc., han incluido este tipo
de sistemas correspondiendo a la preocupación de la sociedad en determinar un cierto grado
de garantía durante su uso. Aunque el nivel de seguridad exigida en estos entornos varía
considerablemente. No se establece la misma escala de riesgo para un parque en las afueras
que en un cruce situado en las cercanías de un colegio [2].
No obstante en los sistemas mencionados anteriormente, aquellos cuya necesidad de
seguridad tiene una gran importancia, siendo crítico el número de cámaras, y por lo tanto
de información que han de procesar estos operadores humanos, es muy grande [2]. A partir
de lo anterior se puede comprender la relevancia del seguimiento de objetos aplicado a el
área de vigilancia y seguridad; ya que es de suma importancia en los sistemas de seguridad
en las empresas, poder detectar a tiempo actividades inusuales en sus instalaciones y dar
continuidad a las mismas (figura 2.3), de manera que se tenga información acerca de la
trayectoria del objeto de interés, para la toma de decisiones.

2.3. Taxonomía de técnicas para seguimiento de objetos

Una vez que se ha comprendido la definición e importancia de la detección y seguimiento de

objetos en sistemas de vigilancia y seguridad, es importante señalar que existen diferentes
técnicas para el seguimiento de objetos en el campo de la visión por computadora, esto debido
a necesidades particulares en los escenarios donde se desempeñan estos sistemas, además de

13
 Figura 2.3: Detección y seguimiento de objetos en un sistema multicámara [2].

que cada aplicación va enfocada a utilizar o adaptarse al hadware disponible y a la información

que debe de entregar durante su desempeño. Para continuar se muestra una clasificación de
las técnicas para seguimiento de objetos propuesta por Chau, Duc Phu y Bremond [3] en
2013, cabe señalar que esta taxonomía se centra en las metodologías para el seguimiento de
objetos en general y no aborda algunos aspectos como el seguimiento de objetos específicos,
por ejemplo, seguimiento de personas que utilizan la cinemática humana como la base de su
aplicación.

Figura 2.4: Taxonomía de técnicas para seguimiento de objetos [3].

La figura 2.4 muestra la taxonomía expuesta anteriormente y se tiene que de forma general

14
el seguimiento de objetos está dividido en tres clasificaciones principales:

2.3.1. Correspondencia de puntos

Los objetos son detectados en imágenes consecutivas, y están representados por puntos como
se muestra en la figura 2.5; la asociación de éstos se basa en el estado previo del objeto,
referente a la posición y el movimiento. Este enfoque requiere un mecanismo externo para
detectar objetos en cada fotograma. El seguimiento se formula como la correspondencia de
los objetos detectados y representados por puntos a través en una secuencia de imágenes,
pero la correspondencia se vuelve complicada en presencia de oclusiones, pues se pierde la
detección de objetos en las imágenes. Los métodos de correspondencia de puntos se dividen
principalmente en dos categorías, deterministas y estadísticos [3].

Figura 2.5: Seguimiento de objetos por correspondencia de puntos [3].

2.3.2. Seguimiento de núcleo

El termino núcleo se refiere a la forma del objeto y la apariencia, por ejemplo el núcleo
puede ser una plantilla rectangular (figura 2.6), o una forma elíptica, con un histograma, el
seguimiento se realiza mediante el cálculo de movimiento del núcleo, en imágenes consecutivas.

15
Este movimiento generalmente se presenta en forma de una trasformación paramétrica, como
la traslación, rotación y afín.

Figura 2.6: Seguimiento de objetos usando una plantilla rectangular [4].

2.3.3. Seguimiento de contornos o siluetas

Esta técnica utiliza conocimiento apriori de la escena y se realiza mediante la estimación de

la zona en donde se encuentra el objeto de interés en cada captura de imagen como se
observa en la figura 2.7. Los objetos pueden tener formas complejas, por ejemplo: las
manos, la cabeza y los hombros, que no pueden ser bien descritos por formas geométricas
simples. Los métodos basados en contornos (imagen 2.8) proporcionan una descripción de la
forma exacta para estos objetos cuyo objetivo es encontrar la zona del objeto en cada
imagen por medio de un modelo de objeto generado usando los fotogramas anteriores [3].

Figura 2.7: Seguimiento de objetos por contorno [5].

16
 Figura 2.8: Seguimiento de objetos [5]
Seguimiento de objetos(a-b) Correspondencia de puntos, (c-f) Seguimiento de núcleos,
(g-i)Contornos o siluetas .

El presente proyecto de tesis realiza el seguimiento de objetos utilizando la técnica de

contornos, por lo que se omite la definición de cada una de las herramientas que se derivan
del seguimiento de objetos por correspondencia de puntos y los métodos de núcleos,
poniendo especial atención en el uso de contornos para la detección y seguimiento de
objetos, definiendo cada uno de los métodos que se derivan de esta técnica, según la
taxonomía expuesta, hasta llegar a los enfoques de tipo variacional.
Coincidencia de formas Se realiza de forma similar al seguimiento basado en plantillas,
es decir, se realiza una búsqueda calculando la similitud entre la silueta de un objeto y su
modelo asociado, en el frame actual, donde el modelo del objeto se obtiene de un frame
anterior, realizando esto de manera continua en una secuencia de imágenes se obtiene el
seguimiento de objetos no rígidos de forma implícita. Sin embargo, esta actualización entre
la toma anterior y la actual debe de realizarse de forma constante (figura 2.9) para poder
hacer frente a problemas de perspectiva, cambios en las condiciones de iluminación, así
como movimiento de objetos no rígidos [6].

17
 Figura 2.9: Seguimiento de objetos a través de coincidencia de formas [6].

Evolución de contornos En contraste con la coincidencia de formas, los contornos

evolutivos son colocados de forma inicial cerca del contorno de interés, adaptándose de
manera iterativa en cada captura de imágen hasta tomar la forma del objeto a seguir. El
seguimiento de objetos con contornos evolutivos se puede realizar utilizando dos enfoques
diferentes, el primero usa modelos de espacio de estados, para adaptarse al contorno de
interés y detectar el movimiento, el segundo provoca directamente la evolución del
contorno, minimizando la energía del mismo, utilizando técnicas de minimización gradiente
descendiente [1].
Modelo de espacio de estados: Los estados están definidos en términos de la forma
y parámetros de movimiento del contorno. Los estados se actualizan en cada instante de
tiempo, de tal manera que la probabilidad de que el contorno dependa de estos estados se
maximiza, en consecuencia el estado posterior, depende del actual y del estado previo, los
cuales se definen generalmente en términos de la distancia entre el contorno y los bordes de
interés.
Minimización de energía: Existe una analogía entre los métodos de segmentación y el
seguimiento de contornos, debido a que la segmentación así como el seguimiento de contornos

18
consisten en minimizar una energía funcional, utilizando los llamados algoritmos codiciosos, o
por descenso de gradiente. Los métodos de contornos evolutivos por minimización de energía
se pueden dividir en dos enfoques: el enfoque heurístico que consiste en utilizar una serie
de reglas o herramientas para lograr que el contorno deformable se adapte al contorno de
interés y el enfoque variacional que consiste en utilizar la derivada como un espacio funcional
en el que se puedan encontrar los valores que minimizan la energía funcional del contorno
deformable (imagen 2.10), tal que este converge en el contorno de interés [5]. Para el sistema

Figura 2.10: Contornos deformables para seguimiento de objetos no rígidos [5].

de visión desarrollado en este trabajo, se utilizan contornos deformables en los que se minimiza
la energía utilizando el enfoque variacional propuesto por Michael Kass, Andrew Witkin y
Dimitri Terzopoulus [23], además de otras herramientas para el procesamiento de imágenes
que permiten la detección del objeto y la actualización de los parámetros Pan & Tilt de cada
una de las cámaras en el arreglo, haciendo posible realizar el seguimiento de objetos.
El sustento teórico de cada uno de los métodos utilizados durante el desarrollo experimental,
desde la detección de movimiento, seguimiento y estimación de la posición en dos dimensiones
del objeto se explican en la siguientes secciones.

19
2.4. Cámaras Pan & Tilt (PT)

Las cámaras Pan & Tilt (figura 2.11), también conocidas como activas o PTZ/IP por su
capacidad de giro horizontal, vertical y zoom, además de tener un protocolo de comunicación
TCP/IP, que permite el control y transferencia de información vía internet. Debido a la
tecnología que gira entorno a ellas, se han vuelto de gran utilidad en el campo de la seguridad y
vigilancia y en sistemas de visión por computadora para el seguimiento de objetos, puesto que
proporcionan un campo de visión mucho más amplio que las cámaras de tipo estáticas. Esta
capacidad la adquieren gracias a que cuentan con tres grados de libertad de los cuales dos son
para movimiento y uno para enfoque. Dentro de los dos grados de libertad que proporcionan
un movimiento semiesférico a estas cámaras se encuentra el Pan o giro horizontal y el Tilt
o giro vertical. No obstante se dice que el espacio cubierto por el giro de Pan & Tilt es
semiesférico porque aun cuando existen cámaras de este tipo que proporcionen un giro de
360◦ en ambos sentidos (horizontal y vertical), cuentan con una zona ciega que depende de
la estructura y diseño de cada una de ellas.

Figura 2.11: Cámara PTZ/IP.

Las cámaras activas cuentan generalmente con un paquete para desarrolladores de software,
disponible para su descarga en la web de la empresa en la que se adquirieron. Este paquete
hace posible crear interfaces distintas de las de fábrica para la intercomunicación Cámara-
PC, además de habilitar la manipulación de estos equipos a través de una lista de comandos
predefinidos por el fabricante, lo que en conjunto con la comunicación a través de IP (imagen
2.12), provee versatilidad para el desarrollo de software aplicado a visión por computadora.

20
 Figura 2.12: Cámaras IP/PT en red.

2.5. Sistemas Multicámara

En el ámbito de la investigación los sistemas multicámara, se han utilizado para diversos

propósitos, por ejemplo la reconstrucción tridimensional de objetos a partir de imágenes
bidimensionales [24], o fusión de múltiples vistas para seguimiento tridimensional[25].
Es posible asegurar que en toda las aplicaciones en las que se utiliza un sistema
multicámara, éste tiene la función de capturar diferentes perspectivas de una misma escena,
lo que proporciona mayor información para la toma de decisiones a los algoritmos
implementados, además de que permite tener una región de interés mucho más amplia que
la que se tiene con una sola cámara, como se muestra en la figura 2.13, esto habilita al
sistema de visión para hacer frente a posibles oclusiones sin que se pierda información vital
sobre el escenario, convirtiéndose en un atributo de suma importancia en escenarios reales
en donde el movimiento de los objetos no se controla y donde existen también objetos
estáticos los cuales pueden provocar que una o mas cámaras pierdan de vista al objeto de
interés.

21
 Figura 2.13: Campo de visión de un arreglo multicámara.

2.5.1. Campo de visión activo

Como se mencionó anteriormente el aporte de las cámaras Pan & Tilt, es su capacidad de giro
vertical y horizontal. Ahora se aborda esta capacidad desde el punto de vista de un sistema
multicámara debido a que esta característica representa una ventaja importante cuando se
habla de campos de visión solapados de dos o más cámaras.
En la figura 2.13 se puede observar que cada cámara en particular posee un angulo de visión
que proyectado a la distancia indica el área visible para dicha cámara y si se traslapa el
área visible de dos o mas cámaras el campo de visión se amplia, haciendo posible cubrir un
escenario mas grande.
Si a cada cámara se le dota con la capacidad de girar verticalmente sobre su propio eje, la
zona cubierta por el arreglo de cámaras se convierte en un campo de visión activo como se
muestra en la imagen 2.15, denominado así por la variabilidad en cuanto a la zona a cubrir
la cual depende de la dirección en la que se desplaza el objeto observado (figura ??).

22
 Figura 2.14: Campo de visión activo de una cámara Pan & Tilt.

Todo lo mencionado anteriormente hace de los sistemas multicámara una de las estrategias
más empleadas en aplicaciones de visión, cuando se trabaja en escenarios en los que se
necesita mantener siempre en cuadro al objeto de interés sin importar la dinámica del
espacio en el que se desplaza dicho objeto, mayormente cuando se trata de sistemas de
vigilancia y seguridad en donde perder de vista a una persona por la falta de información,
puede ocasionar perdidas económicas.

Figura 2.15: Campo de visión activo de un sistema multicámara Pan & Tilt.

2.5.2. Factores que afectan a los sistemas multicámara

Si bien los sistemas multicámara aportan propiedades importantes a un sistema de visión,

como por ejemplo la tolerancia a oclusiones, o el seguimiento de objetos en un área mucho

23
mas amplia que con un una sola cámara; también pueden presentar ciertos inconvenientes
en su operación en conjunto o de forma individual, puesto que existen factores que afectan
a dichos sistemas, como por ejemplo el medio de comunicación que presenta una velocidad
de transmisión determinada por el fabricante, pero que depende de el hadware utilizado
para intercomunicación Cámaras-Pc.
Otro factor que afecta a los sistemas multicámara es la velocidad de conexión de cada una
de las cámaras con el router, o computadora a la que se encuentran ligadas, así mismo la
velocidad de giro de los motores en el caso de las cámaras PT puede representar una
propiedad influyente en el desempeño de un arreglo multicámara. El protocolo de
comunicación utilizado es un aspecto de suma importancia, pues la configuración de este
determina en gran manera la velocidad de transferencia de información entre los equipos
conectados a una red.
Todos los aspectos mencionados forman parte vital en el funcionamiento de un sistema
multicámara, porque determinan en gran manera el tiempo de latencia existente, lo que es
de suma importancia en el seguimiento de objetos, pues es necesario que dicha tarea se
realice por lo menos en linea y de ser posible en tiempo real.

2.6. Detección de movimiento por diferencia de imágenes

Las operaciones lógicas y aritméticas que se realizan de forma regular entre imágenes son
la suma, resta, multiplicación, división, AND, OR y NOT; dichas operaciones son utilizadas
como herramientas o preprocesos para diferentes propósitos, por ejemplo: clasificación de
objetos [26], normalización de imágenes [27], segmentación de imágenes [28] etc. En el presente
trabajo se hace uso de la operación resta (también conocida como diferencia) de imágenes,
para la detección de diferencias encontradas en un mismo escenario, es decir la detección de
movimiento en una escena, debido a que los objetos estáticos de un escenario no presentan
cambios en imágenes tomadas desde una misma perspectiva. La detección de movimiento
mediante la diferencia de imágenes como se ilustra en la imagen 2.16 se realiza de la siguiente

24
manera:
Si se tiene una función bidimensional I1 (i, j) que representa una imagen digital de un escenario
con condiciones lumínicas controladas, donde i y j son las coordenadas en el plano digital
capturado,la intensidad o nivel de gris esta identificado como I. Esta función puede restarse
a la función I2 (x, y) con las mismas propiedades, pero con distintos valores de intensidad
o niveles de gris por representar una imágen digital del mismo escenario capturada en un
instante diferente. Por lo tanto si el resultado de la resta o diferencia de estas funciones,
es distinto de cero en cualquier subconjunto de coordenadas i, j del plano digital resultante
I3 (i, j) se dice que existe movimiento en esa zona del escenario.

Figura 2.16: Detección de movimiento por resta de imágenes.

En ocasiones en la imágen resultante se puede obtener falsas detecciones de movimiento

en zonas muy pequeñas o también conocidas como ruido, provocado por pequeños cambios
lumínicos imperceptibles a la vista humana, un ejemplo de esto se muestra en la figura 2.17.
Una solución efectiva para este tipo de situaciones es el uso de técnicas de filtrado de imágenes
para mejorar ciertas características de las mismas que posibiliten efectuar operaciones.

Figura 2.17: Detección de movimiento con ruido en la imagen resultante.

25
2.7. Proceso de filtrado

El objetivo fundamental del filtrado es obtener imágenes más adecuadas para una aplicación
específica, mejorando ciertas características que permitan efectuar operaciones en ellas con
resultados mucho más favorables que con imágenes sin filtrar [29]. Algunos objetivos que se
persiguen con la aplicación de filtros son:

Suavizar la imagen: reducir la cantidad de variaciones de intensidad entre píxeles

vecinos.

Eliminar ruido: eliminar aquellos píxeles cuyo nivel de intensidad es muy diferente al de
sus vecinos y cuyo origen puede estar tanto en el proceso de adquisición de la imagen
como en el de transmisión.

Realzar bordes: destacar los bordes que se localizan en una imagen.

Detectar bordes: detectar los píxeles donde se produce un cambio brusco en la función
intensidad.

De manera clara se pude definir el filtrado digital como una convolución de la imagen
original con la función filtro; de este modo como una imágen es una función bidimensional,
la operación de convolución entre el filtro y la imagen se define:
Z ∞
f (t) = f1 (t) ∗ f2 (t) = f1 (x)f2 (t − x)dx (2.1)
−∞

Como en una imagen es una entrada finita y discreta representada por la función de intensidad
de luminancia I(i, j), donde i, j representan las coordenadas bidimensionales de cada píxel
que la compone; se obtendra entonces una imagen de salida I 0 (i, j) alterada por una sistema
de filtrado F , cuya funcion de respuesta es f (m, n) siendo m, n las coordenadas matriciales
de la función de filtrado. El proceso de convolución puede describirse como [30]:
k
X l
X
I 0 (i, j) = f (m, n)I(i, j) = f (m, n)I(i − m, j − n) (2.2)
m=−k n=−1

26
 Figura 2.18: filtrado de una imagen.

Los filtros son considerados como operaciones que se aplican a los píxeles de una imagen
digital para optimizarla (figura 2.18), enfatizar cierta información o conseguir un efecto
especial en ella. El proceso de filtrado puede llevarse a cabo en los dominios de frecuencia
y/o espacio.

2.7.1. Filtrado en el dominio espacial

Esta formado por aquellas técnicas que actúan directamente sobre los valores de los píxeles
de imagen (imagen 2.19), y tienen la siguiente estructura:
S(i, j) = F (I(i, j)) donde S representa la imagen resultante, I la imagen original y F el filtro
o transformación.

Figura 2.19: Filtrado en el dominio espacial [30].

Los filtros espaciales más comunes son:

Mediana.

27
 Realce de bordes por desplazamiento y diferencia.

Filtro de Laplace.

Gradiente direccional.

2.7.2. Filtrado en el dominio de la frecuencia

En el área de visión por computadora, el dominio de la frecuencia es en el que una imagen

se interpreta como la suma de señales periódicas con diferentes frecuencias. Por ejemplo, la
transformada de Fourier de una imagen es la suma de exponenciales complejos de distintas
magnitudes, frecuencias y fases [31]. Este tipo de transformaciones o filtros cuentan algunas
variantes por ejemplo:

Pasa bajo.

Pasa alto.

Pasa banda.

Muesca.

El proceso de filtrado frecuencial se muestra en la figura 2.20.

Figura 2.20: Filtrado en el dominio de la frecuencia

2.8. Detección de bordes en una imagen

Los bordes de una imagen pueden definirse como la transición significativa de niveles de
grises entre dos regiones, éstos representan una fuente de información muy importante sobre

28
las fronteras de los objetos, por lo que puede ser utilizados para la segmentación de
imágenes o reconocimiento de objetos. La mayoría de técnicas para detectar bordes se
basan en operadores locales, o aproximaciones discretas de la primera y segunda derivada
de los niveles de grises en la imagen.
Gradiente de imagen Las variaciones locales de una señal continua se obtienen utilizando
la primera derivada; obteniendo valores mayores si las variaciones aumentan con respecto al
tiempo. En el caso de las imágenes la derivada es un vector que apunta en la dirección de la
máxima variación de niveles de grises, por lo que la derivada tendera valores mayores en los
bordes de un objeto, debido a que es ahí donde varía de forma mas notoria el nivel de
intensidad o de gris. Este vector se denomina gradiente y se define como [32]:

δ(I)
 
 δx 
 
∇I = 


 (2.3)
 δ(I) 
δy
Como una imagen es un conjunto de puntos discretos, la derivada o gradiente de imágen debe
de realizarse en el dominio espacial, por lo que los métodos mas comunes utilizan mascaras o
kernels, que recorren la imagen de manera vertical y horizontal, proporcionando las diferencias
entre los niveles de grises. Las máscaras se obtienen a partir de la derivada discreta de una
imagen (figuras 2.21 y 2.22) como se muestra a continuación.

δ(I)
≈ ∇Ix = I(x, y) − I(x − 1, y) (2.4)
δx

Figura 2.21: Derivada en el eje x

Mascara para obtener la derivada con respecto al eje x de una imágen.

δ(I)
≈ ∇Ix = I(x, y) − I(x, y − 1) (2.5)
δx

29
 Figura 2.22: Derivada en el eje y
Mascara para obtener la derivada con respecto al eje y de una imágen.

Los operadores mas utilizados, basados en la derivada de una imagen, para la detección de
bordes en una imágen son:

Operador de Roberts

Figura 2.23: Operador de Roberts para detección de bordes.

Los operadores Prewitt, Sobel y Frei-Chen de formulan de manera conjunta a partir de

la figura 2.24, en donde el operador de Prewitt (K = 1) involucra a los vecinos de las
filas y columnas adyacentes haciéndolo mas robusto con respecto al ruido y el operador
de Sobel (K = 2) es mas sensible a los bordes diagonales. Finalmente el operador de
√
Frei-Chen (K = 2) tiene el mismo gradiente para los bordes verticales, horizontales
y diagonales.

Figura 2.24: Operadores de Prewitt, Sobel y Frei-Chen.

30
2.9. Transformación distancia

La transformada distancia es un operador que normalmente sólo se aplica a las imágenes

binarias. El resultado de la transformada es una imagen en escala de grises (figura 2.26)
donde las intensidades de cada píxel dentro de regiones de primer plano se cambian para
mostrar la distancia más corta que existe entre dicho píxel y el cambio de blanco a negro o
viceversa más cercano en la imagen original (imagen binaria), como se ilustra en la imagen
2.25 [33].

Figura 2.25: Explicación grafica de la transformada distancia.

(a) Imagen original (b) Imagen resultante

Figura 2.26: Transformada distancia

Hay diferentes maneras de obtener la transformación distancia, dependiendo de la métrica

que se utiliza para determinar la distancia entre los píxeles, por ejemplo la distancia
euclidiana o la distancia de tablero de ajedrez. Una forma intuitiva, pero extremadamente
ineficiente de hacerlo es llevar a cabo múltiples erosiones sucesivas con un elemento
estructurante adecuado hasta que todas las regiones del primer plano de la imagen se han
erosionado. Si cada píxel se etiqueta con el número de erosiones que tuvieron que ser
realizadas antes de que desapareciera, entonces se obtiene la transformación mencionada.

31
No obstante, el elemento de estructuración real que se debe utilizar depende de qué métrica
se ha elegido. En resumen la transformada distancia puede ser calculada eficientemente a
través de algoritmos encontrados en la literatura, como el propuesto por Rosenfeld y Pfaltz
en 1968.
Si una imagen A, se expresa como un conjunto y se sabe que A está compuesta por píxeles
con coordenadas (i, j) es posible definir la transformación distancia como una métrica que
cumple con las siguientes propiedades:
Sea A el conjunto de todos los pares de números enteros (i,j). La función f de A × A en los
enteros no negativos es:

a) Definida positiva si (x, y) = 0 si y solo si x = y.

b) Simétrica si f (x, y) = f (y, x) para todo x en A.

c) Triangular si f (x, z) ≤ f (x, y) + f (y, z) para todo x, y, z en A.

Si la función f satisface los requerimientos anteriores entonces se le llama transformada

distancia. Cálculo de centroide por transformación distancia El centroide de una
figura bidimensional se refiere al punto en el cual líneas rectas dibujadas sobre la figura
correspondiente se intersectan unas con otras de tal manera que dividen la figura en dos
partes iguales en los momentos equivalentes así mismo, la definición puede ser ampliada y se
vuelve aplicable un objeto n-dimensional. Si se establece físicamente, un centroide se refiere al
centro del objeto geométrico, por lo tanto, al calcular el centroide de una figura en particular,
sólo el área de la figura geométrica se toma en cuenta y por este motivo, el centroide también
se denomina como centro geométrico.

Cuando se requiere calcular el centroide de un objeto que no es geométricamente regular,

dichos cálculos se vuelven más complicados. Una alternativa usada en visión por computadora
es el cálculo de centroide a través la transformada distancia, ya que como se ha descrito
anteriormente ésta proporciona una imagen en escala de grises, donde cada píxel contiene
un valor de intensidad que representa la distancia más corta entre dicho píxel y el borde

32
 Figura 2.27: Centroide de una figura geométrica.

más cercano, lo que significa que el píxel con mayor intensidad en la imagen es el que se
encuentra más cercano al centroide de la figura. Existe la posibilidad de que dos píxeles o
más tengan el valor de intensidad más alto de una figura, con lo que se tendría el conflicto de
determinar que píxel tomar como el centroide de la figura, cabe mencionar que hay distintas
opciones para solucionar este problema, no obstante en este trabajo se toma la transformada
máxima extendida como una solución a este problema. Una vez que se tiene el píxel que será
considerado como el centroide del objeto o figura, se obtienen la coordenadas de dicho píxel
en la imagen, para poder proporcionar el centroide del objeto en coordenadas (X, Y ).

2.10. Contornos activos (Snakes)

Propuestos en 1987 por Kass, Witkin y Terzopoulous[23], se basan en el estudio del

movimiento de un contorno abierto o cerrado sobre una imagen a la que trata de adaptarse.
Su adaptabilidad a diferentes problemas es tan variada que se han utilizado en muchos
campos, por ejemplo en la medicina para la reconstrucción 3-D de imágenes cerebrales
[35, 36, 37], en el manejo automático de automóviles [38], en el reconocimiento de
características faciales [39, 40, 41] para el reconocimiento de firmas manuscritas [42], en el
procesamiento de imágenes satelitales [43, 44], llegando incluso a ser usados en la
agricultura[45, 46] . A este contorno se asocia una función de energía que posee dos
componentes llamadas energía interna y externa. Estas energías se deben a ciertas
características que posee el contorno. Así como la energía interna controla la elasticidad y la

33
flexibilidad, la externa se debe a la influencia que ejerce la imagen sobre la que esta
posicionado el contorno. La forma discreta de este se representa por varios puntos llamados
"puntos de control que en conjunto forman una curva spline (figura 2.28) con la cual se
2

representa este contorno.

Figura 2.28: Contorno deformable (Snake).

La energía interna a su vez también posee dos términos, la primera y la segunda derivada.
La primera describe la distancia entre los puntos (elasticidad) y la segunda la curvatura
(flexibilidad), con lo que busca lograr un equilibrio de mínima energía para el cual la
posición actual del contorno esté sobre la forma u objeto que se busca, además la manera
de serpentear que tiene la curva al momento de buscar este equilibrio es lo que hace que
también sean conocidos como Snakes.
Formulación La energía del contorno activo según el modelo original viene dada por la
fórmula [23]:
Z 1
Econtorno = [Eint (v(x)) + Eext (v(x)) + Erest (v(x))] (2.6)
0

Donde:

Eint = Energía interna.

Eext = Energía Externa o de imagen.

Erest = Energía de restricciones.

34
Energía interna: Dentro de la ecuación que modela los contornos activos el primer término
que interviene es la energía interna, este término se compone de dos expresiones; la primera
es una derivada de primer orden, la cual tiene por objetivo mantener la distancia entre los
puntos de control y la otra es una segunda derivada que mantiene la curvatura del contorno.

Primera derivada:Con este término se controla que los puntos no se junten ni se

separen en demasía. Su representación formal viene dada por:

Pderivada = kvi − vi−1 k2 (2.7)

Donde vi y vi−1 representan dos puntos del contorno y la distancia entre ellos está
dada por su diferencia al cuadrado. Sin embargo es posible que los puntos del contorno
tiendan a aglomerarse, debido a las características de la imagen, o al algoritmo de
minimización, por lo tanto una solución propuesta por Williams y Shah [47] para este
problema es:

Pderivada = (d¯ − kvi − vi−1 k)2 (2.8)

Donde d¯ es la distancia promedio entre los puntos en cuyo caso discreto, la ecuación
queda descrita como sigue:

Pderivada = d¯ −
p
(xi − xi−1 )2 + (yi − yi−1 )2 (2.9)

Segunda derivada: La segunda derivada representa la variación de la primera derivada

con respecto a los puntos de control, esto quiere decir que representa los cambios en las
distancias entre los puntos de control con respecto a la posición de estos en la curva.
Con esta nueva información podemos manejar la curvatura del contorno activo, por
ejemplo en un valor alto de este término el contorno tiende a tener una curvatura más
suave y menos angulosa. La segunda derivada viene dada por la ecuación:

Sderivada = kvi+1 − 2vi + vi−1 k2 (2.10)

Escrita de forma cartesiana:

Sderivada = (xi+1 − 2xi + xi−1 )2 (yi+1 − 2yi + yi−1 )2 (2.11)

35
 Uniendo los términos la energía interna queda descrita como:

Eint = α(Pderivada ) + β(Sderivada ) (2.12)

Eint = α(kvi − vi−1 k2 ) + β(kvi+1 − 2vi + vi−1 k2 ) (2.13)

Los valores α y β son los encargados de dar una ponderación dentro de la ecuación a la
elasticidad y flexibilidad de la curva respectivamente. Así para α = 0, β = 0 la fuerza
interna sería nula, con lo cual los puntos del contorno no tendrían nada que los ligue entre
sí y actuarían dentro de la imagen solo como un conjunto de puntos independientes unos de
otros. Por otro lado para α > 0 y β = 0 aparece un factor de estiramiento en la curva es
decir, los puntos tenderían a estar más juntos unos de otros y ya no actuarían por sí solos,
el factor β = 0 ocasiona que no existan restricciones en cuanto a la curvatura del contorno,
apareciendo por ejemplo esquinas pronunciadas a lo largo de la curva. Por ultimo para
α > 0 y β > 0 el contorno será una curva con bordes continuos y curvatura suave [48].

Energía Externa: representa la información que proviene de la imagen. A cada punto de

ésta por donde se mueva el contorno activo se le asocia una función de energía, que se define
por términos que atraen al contorno a terminaciones, lineas y bordes. Para que el contorno sea
atraído hacia estas características la imagen debe ser previamente tratada con un preproceso.
La energía externa se define como:

Eext = Elinea + Eborde + Eterm (2.14)

Para la detección de la líneas Kass propone utilizar la función de la imagen por si

misma. Esta energía se representa por la intensidad del píxel y se define:

Elinea = −I(x, y) (2.15)

El problema de esta energía es que podría llevar el contorno hacia puntos de ruido que
pueden colapsar la curva hacia un contorno falso.

36
 La energía de borde, Eborde , busca atraer el contorno hacia bordes de la imagen. Para
esto Kass propone utilizar una ecuación que lleva el contorno hacia zonas con mayor
nivel de gradiente, con esto el contorno tiene una menor sensibilidad al ruido que la
energía de línea, por lo que la Elinea se describe como:

Elinea = −|∇I(x, y)| (2.16)

La energía de terminación, Eterm , atrae el contorno hacia terminaciones de líneas y

esquinas presentes en la imagen. Para esto Kass propone utilizar la curvatura de las
líneas en una imagen C suavizada mediante un filtro de Gauss, de esta manera:

∂θ
Eterm = (2.17)
∂n
cy
Donde: θ = arctan( ) y n = (− sin(θ), cos(θ))
cx

Minimización de la energía: La minimización de la energía del contorno es fundamental

para lograr la solución buscada. Los métodos para realizar esto se dividen en 4 grandes
grupos:

Basados en análisis numérico: su idea es lograr la minimización de ecuaciones Euler-

Lagrange y es el método propuesto en el modelo original [23].

Métodos estocásticos: permiten encontrar un mínimo global sin caer en mínimos locales,
el método estocástico más utilizado es el enfriamiento simulado o simulated annealing

Métodos probabilísticos: se basan en el movimiento de los puntos hacia un mínimo

global mediante cambios probabilísticos, lo que conduce a una solución más rápida.

Métodos de fuerza bruta: dentro de este grupo destacan dos tipos; los de programación
dinámica [49] y los algoritmos voraces [47]. Un ejemplo de minimización de energía por
algoritmo voraz, se muestra en la figura 2.29.

Cada uno de los métodos mencionados anteriormente presenta ventajas que dependen de
la aplicación que se está dando al algoritmo de contornos activos, y de las necesidades del

37
 Figura 2.29: Minimización de la energía por algoritmo voraz.

sistema implementado. Por lo tanto, no es posible determinar cual de ellos es el mejor sin
hacerlo de forma parcial, es decir, dependiendo del contexto de aplicación de cada uno de
ellos. En el presente trabajo de tesis, se usa un método de minimización de la energía del
tipo basado en análisis numérico, llamado método de Newton-Raphson. Una de las razones
por las que se usa este método es su relativa facilidad en cuanto a la implementación del
algoritmo en algunos software de programación como MATLAB.

2.11. Método de Newton-Raphson

El método de Newton-Rapshon, es de segundo orden de convergencia [50], cuando se trata

de raíces reales no repetidas, fue propuesto por Isaac Newton en 1669 [51]. Consiste en llevar
la ecuación f (x) = 0 a la forma x = g(x) de modo que g0(x) = 0 y se utiliza de manera
eficiente para encontrar aproximaciones de los ceros o raíces de una función real, su deducción
se presenta enseguida [52]. En la figura 2.30 se observa la gráfica de la ecuación f (x), y en
donde cruza con el eje x se encuentra una raíz real x̄, si se supone un valor inicial x0 y se
sitúa en el eje horizontal, trazando una tangente a la curva en el punto (x0 , f (x0 )) y a partir
de ese punto se continua hasta su intersección con el eje x. El punto de corte x1 es una nueva
aproximación a x̄(remplazando la curva por su tangente en el punto (x0 , f (x0 )) ), si el proceso

38
 Figura 2.30: Método de Newton-Raphson.

se repite comenzando con x1 y así sucesivamente hasta encontrar un valor xi que satisfaga:

|f (x)| ≤ ε1 , |xi+1 − xi | < ε (2.18)

Si lo anterior no se cumpliera en un máximo de iteraciones, debe de reiniciarse el proceso con

un nuevo valor de x0 . Partiendo de lo lo mencionado anteriormente la ecuación central del
algoritmo de Newton-Raphson se obtiene como sigue:

x1 = x0 − ∆x

Así que:

f (x0 )
∆x =
f 0 (x0 )
y sustituyendo

f (x0 )
x1 = x0 −
f 0 (x0 )

Quedando de forma general:

f (xi )
xi+1 = xi − = g(xi ) (2.19)
f 0 (xi )
Se dice que este método es de orden dos porque g 0 (x̄) = 0 y g 00 (x̄) 6= 0 [52].

39
2.12. Transformación de coordenadas

Durante el análisis de conjuntos y funciones es fundamental utilizar un sistema para

representar deforma gráfica puntos específicos. Aunque generalmente se acostumbra utilizar
la estructura del espacio afín o del espacio vectorial Rn , junto con el sistema de
representación cartesiano mediante tuplas de números en el caso del plano, o mediante
ternas en el caso del espacio, ya que identificamos con un sistema de coordenadas ortogonal
[53]. No obstante existen otras formas de identificar puntos que pueden resultar mas útiles,
por ejemplo el sistema de de coordenadas cartesianas es muy utilizado para representar la
superficie de la tierra en el plano, como en los barcos que utilizan un sistema de radar
bidimensional, que coloca los puntos del plano en círculos centrados en el origen de
coordenadas. Los aviones o los submarinos hacen uso de un sistema de radar tridimensional,
los cuales se basan en sistemas de coordenadas polares o cilíndricas y esféricas que se
describen a continuación.

2.12.1. Coordenadas polares en el plano

Partiendo de la representación cartesiana del plano, usando pares ordenados de números

para la simbolizar un punto, se tiene que la distancia x de este punto a dos ejes ortogonales
(ejes de coordenadas), está implícita en las coordenadas (pares ordenados de números) que
se asignan al punto, siendo el primer elemento del par la distancia del punto al eje
horizontal, y el segundo elemento la distancia al eje vertical.
De este modo, cada punto en el plano cartesiano está unívocamente determinado por sus
dos coordenadas, como se muestra en la figura 2.31.
Se puede identificar a cada punto del plano cartesiano con otros dos números de la manera
que muestra la imagen 2.32, donde el primero es la distancia que lo separa del origen de
coordenadas, denotado como r, y el segundo es el angulo t que forma el segmento que une a
P con el origen en sentido positivo del eje horizontal.

40
 Figura 2.31: Representación de un punto en el plano cartesiano.

Figura 2.32: Representación polar de un punto en el plano cartesiano.

Esta forma de identificar puntos en el plano cartesiano es conocida como coordenadas polares
(r, t), donde:

r es el modulo de P

t es el argumento de P

De igual manera un par de coordenadas polares pueden transformarse en coordenadas

cartesianas y visceversa utilizando las siguientes relaciones:

Coordenadas polares a cartesianas.

x = r cos(t) (2.20)

y = r sin(t)

41
 Coordenadas cartesianas a polares.

p
r= x2 + y 2 (2.21)
y
t = arctan
x

Para que la función arco tangente esté bien definida (a un número real le corresponda un único
ángulo), debe escogerse un intervalo de longitud π en el que definir la imagen. Usualmente se
h π πi h π πi
define la función arcotangente de R en el intervalo − , , es decir arctan : R −→ − , .
2 2 2 2
En este caso para un punto P que esté en el segundo o tercer cuadrante del plano la función
y π π
arctan nos dará un ángulo entre − y y el verdadero argumento de P será t = α + π.
x 2 2
Y si P está en el cuarto cuadrante, el argumento de P será α + 2π, es decir:
 y

 arctan si x ≥ 0 , y ≥ 0


 x
 y
t = arctan +π si x < 0

 x
arctan y + 2π si x ≥ 0 , y < 0

  

x
Lo anteriormente expresado se observa claramente en la figura 2.33.

Figura 2.33: Correcta definición de la función arco tangente.

2.12.2. Coordenadas cilíndricas en el espacio

En el espacio tridimensional partimos de la representación cartesiana del espacio mediante

ternas ordenadas de números, que representan la distancia del punto a tres ejes ortogonales,

42
llamados ejes de coordenadas. De este modo cada punto del espacio está unívocamente
determinado por sus tres coordenadas P (x, y, z). Pero también podemos identificar cada
punto del espacio por otros tres números(figura 2.34): dos números r y t son las
coordenadas polares en el plano horizontal de la proyección de P sobre este plano,
P00 = (x, y, 0), y el tercero es la altura de P sobre el plano horizontal, la coordenada z. La
terna (r, t, z) se denomina coordenadas cilíndricas de P .

Figura 2.34: Coordenadas cilíndricas.

De esta forma si se quiere pasar de coordenadas cilíndricas a espaciales o viceversa se

utilizan las siguientes relaciones:

Coordenadas cilíndricas a cartesianas.

x = r cos(t) (2.22)

y = r sin(t)

z=z

Coordenadas cartesianas a cilíndricas.

p
r= x2 + y 2 (2.23)
y
t = arctan
x
z=z

43
 Usando las mismas condiciones para el arco tangente que en las coordenadas polares.

2.12.3. Coordenadas esféricas en el espacio

Cada punto del espacio tridimensional se puede identificar también mediante otros tres
números (dos ángulos y una distancia). ϕ es el ángulo que forma el vector P con el plano
horizontal (latitud), θ es el ángulo que forma el vector P con el plano y = 0 (longitud) y ρ
es la distancia de P al origen de coordenadas. La terna (ϕ, θ, ρ) se denomina coordenadas
esféricas de P .

Figura 2.35: Coordenadas esféricas.

En la figura 2.35 se muestra como se representan las coordenadas esféricas en el espacio,

donde:

ϕ ∈ [−π/2 , π/2]

θ ∈ [0 , 2π]

ρ≥0

Aplicando un poco de trigonometría a los tríangulos OP M y OM N , tenemos:

44
 Coordenadas esféricas a cartesianas.

z = ρ sin ϕ (2.24)

x = ρ cos ϕ cos θ

y = ρ cos ϕ sin θ

Coordenadas cartesianas a esféricas.

p
ρ= x2 + y 2 + z 2 (2.25)
 
z
ϕ = arcsin
ρ
 y
arctan
 si x ≥ 0 , y ≥ 0


 x
 y
θ = arctan +π si x < 0

 x
arctan y + 2π

  
si x ≥ 0 , y < 0

x

2.13. Inversa de una Matriz

Dado un numero a su inverso recíproco x es el numero tal que resuelva la ecuación:

xa = ax = 1

Por cierta analogía con los números y tomando en cuenta que el producto de matrices no es
conmutativo, se puede conceptualizar a la matriz inversa X de una matriz dada A como la
matriz que resuelve:

XA = I

AX = I

Definición: Sea A una matriz m × n.

a) Cualquier matriz L(n,m) para la cual L(n,m) A(m,n) = I(n,n) se llama inversa izquierda de
A

45
 b) Cualquier matriz R(n,m) para la cual A(m,n) R(n,m) = I(m,m) se llama inversa derecha de
A

−1 −1
c) Cualquier matriz A−1
n,m para la cual A(n,m) A(m,n) = I(n,n) y A(m,n) A(n,m) = I(m,m) se

llama inversa bilateral de A

Si la matriz A es de m × n entonces cualquier inversa derecha R o izquierda L de A y por lo

tanto la inversa bilateral A−1 deben ser de n×m. Se puede determinar cual de estos dos tipos
de inversas tiene una matriz A mediante la solución de su conjunto de ecuaciones lineales
correspondientes, en donde los elementos de las inversas están considerados como incógnitas
[54]. Cuando A es una matriz de n × n, la inversas derecha e izquierda existen y son matrices
cuadradas (igual número de filas y columnas) del mismo orden, es muy importante señalar
que un análisis a fondo de la existencia de inversas bilaterales, lleva a la conclusión de que
solo las matrices cuadradas tienen inversas derecha e izquierda, por lo tanto en el inciso c de
la definición anterior se debe suponer que m = n.

2.13.1. Inversas bilaterales

Sea A una matriz si existen una inversa derecha R y una inversa izquierda L de A entonces
son iguales y son una inversa bilateral A−1 . Por lo tanto, cualesquiera dos inversas bilaterales
de A son idénticas.
Demostración: Sean R y L dons inversas de A respectivamente, entonces:

R = IR = (LA)R = L(AR) = LI = L

De esta manera R = L ≡ A−1 , y ésta es una inversa bilateral, luego supongamos que X y Y
son dos inversas bilaterales de A. A partir de:

X = IX = (Y A)X = Y I = Y

Se obtiene la unicidad, es asi que la propiedad de tener inversa bilateral es tan importante
que las matrices cuadradas con tales inversas, reciben el nombre de matrices no singulares,

46
por lo que una matriz singular sería una matriz que no tiene inversa bilateral. A pesar de
que una matriz cuadrada singular A no tenga inversa bilateral, puede obtenerse una inversa
utilizando algunos métodos como:

Por definición AB = I = BA donde B es la inversa de la matriz A e I es la matriz

identidad.

Gauss-Jordan.

Gauss.

Regla de Cramer.

La inversa de una matriz que no es cuadrada sino rectangular (diferente número de filas
y columnas), no puede calcularse utilizando los métodos mencionados anteriormente, una
alternativa para encontrar la inversa de una matriz rectangular es la pseudoinversa, que se
describe a continuación.

2.13.2. Pseudoinversa

Definimos como pseudoinversa a la matriz inversa por la derecha o por la izquierda (no ambas)
de una matriz A que se denota como A† [55], es decir si una matriz A† que multiplicada por la
derecha por A, da la matriz diagonal I (matriz identidad) con todos los elementos diagonales
iguales a 1, se dice que A† es la pseudo inversa de A [56].

Matriz pseudoinversa por la izquierda:

Recordemos que:

L(n,m) A(m,n) = I(n,n)

La matriz L(n,m) puede calcularse construyendo una matriz n × n tal que:

A† A = M

47
Si el determinante de M 6= 0, entonces existe M −1 y puede escribirse:

M −1 A† A = M −1 M

o lo que es igual

M −1 A† A = I = LA

de donde se obtiene

L = M −1 A†

Matriz pseudoinversa por la derecha:

Si se tiene que A(m,n)R(n,m) = I(,m) , entonces AA† = M , si M 6= 0, entonces existe M −1

y puede escribirse AA† M −1 = I = AR, por lo tanto:

R = A† M −1

48
 Capítulo 3

Desarrollo Experimental

En este capitulo se explica de manera concisa la metodología utilizada (ver figura 3.1), para
la implementación de un sistema de visión por computadora, capaz de detectar, seguir y
estimar la posición bidimensional de un objeto, también se expone el desarrollo de cada una
de las etapas, las cuales se explican a detalle en las secciones posteriores. La infraestructura
utilizada para el desarrollo del sistema de visión y la experimentación se encuentra descrita
detalladamente en la sección de apéndices.

3.1. Metodología

Figura 3.1: Metodología para el desarrollo del proyecto.

49
3.2. Adquisición de imágenes

El proceso de captura de imágenes desde una plataforma distinta a al de fabrica es posible

gracias a el uso de comandos CGI (Common Gateway Inteface), que perite ver al sistema como
un modelo cliente servidor; donde el proceso se efectúa en el servidor (cámara) y la velocidad
de adquisición depende de la capacidad de ejecutar ordenes CGI, de cada una de las cámaras,
pero es importante señalar que este proceso añade latencia a la topología de red utilizada.
El acceso a los comandos CGI se obtiene gracias al paquete para desarrolladores de software;
el cual es una de herramienta, que permite a los programadores crear aplicaciones para un
sistema concreto, y que permita la comunicación del dispositivo, con la computadora o algún
sistema embebido. La cámaras FOSCAM modelo FI8918W empleadas para el desarrollo del
proyecto, cuentan con un paquete para desarrolladores, que incluye lo siguiente:

Firmware. Documentación de comandos CGI para

manipulación de las cámaras.
Herramienta de configuración.

Para realizar la adquisición de imágenes(fig. 3.2) se utiliza el comando CGI con la estructura
que se muestra.
http://ip:puerto/snapshot.cgi?user=usuario&pwd=contraseña
Donde el texto en marcado en color hace referencia a la información que debe sustituir el
usuario, de acuerdo a la configuración que haya definido para cada una de las cámaras.

Figura 3.2: Adquisición de imagen desde MATLAB con comando CGI.

50
3.3. Detección de movimiento

En esta sección se explica consistentemente el procedimiento empleado para la detección de

movimiento, el cual se lleva a cabo mediante la diferencia de dos imágenes.
Una vez que se se realiza la adquisición de una primera imágen de la forma en la que se
mencionó anteriormente, se compara mediante la operación resta con una segunda
adquisición, en la cual los objetos que tienen movimiento presentan un desplazamiento en
los pixeles de la imagen. Como la mayoría de ocasiones este desplazamiento es
imperceptible a simple vista, es imposible seleccionar manualmente el objeto a seguir en
una escena, sin embargo al desplegar el resultado de la resta en una tercera imagen, se
puede apreciar claramente los objetos que presentan un cambio de posición en la escena.
Aun así sería complicado, sin la intervención humana, escoger el objeto de interés de forma
automática, por lo que para dotar con esta habilidad al sistema desarrollado, este trabajo
limita su desempeño a un entorno controlado, donde mediante un fondo impuesto
manualmente, se aísla al objetivo, para facilitar su detección.
El algoritmo 1 expresa detalladamente la detección de objetos por diferencia de imágenes y
la imagen 3.3, muestra dicha detección.

Algoritmo 1 Detección de movimiento por diferencia de imágenes

Entrada: Imagen f1 (x, y), Imagen f2 (x, y), Resolución de imagen (x × y).
Salida: Imagen f3 (x, y), Detección de movimiento.
1: f3 = 0.
2: while (f3 == 0) do
3: for i=1:m do
4: for i=1:n do
5: f3 (x, y) = |f1 (x, y) − f2 (x, y)|
6: end for
7: end for
8: end while

51
 Figura 3.3: Detección de movimiento por diferencia de imágenes

3.4. Pre-procesamiento

Después de obtener la detección de movimiento en una escena través de la diferencia de

imágenes, aunque se trate de un entorno controlado en donde solamente haya un objeto en
movimiento, se tiene la posibilidad de que exista ruido en la imagen resultante, por lo que
debe de ejecutarse una etapa de filtrado a la imagen con la que se va a trabajar 1 .

Figura 3.4: Detección de movimiento con ruido

Existen diferentes técnicas para el filtrado de imágenes, algunas de ellas mencionadas en el

capitulo anterior, no obstante para este trabajo se optó por aplicar un filtro gaussiano a la
1
La figura 3.4 se encuentra en blanco y negro para poder apreciar fácilmente el ruido en la detección de
movimiento

52
proyección digital que resulta de la detección de movimiento, debido a que proporciona una
imagen donde el valor máximo aparece en el píxel central y disminuye hacia los extremos,
reduciendo de manera efectiva los valores anómalos de intensidad de imagen a cantidades
muy cercanas a cero, con lo que, lo mas destacado en la imágen sería el objeto de interés.
Se presenta a continuación el algoritmo, para aplicar un filtro gaussiano a la imagen resultante
de la detección de movimiento 2 .

Algoritmo 2 Filtro gaussiano aplicado a una imagen

Entrada: Imagen f3 (x, y), σ.
Salida: Imagen resultante R(x, y) filtrada.
2 2
1 −x + y
g=p e .
2πσx2 σy2 2σ 2
g(x, y)
2: G(x, y) =
minx,y (g(x, y))
R(x, y) = f3 (x, y) ∗ G(x, y)

Figura 3.5: Filtro gaussiano aplicado a la detección de movimiento

3.5. Cálculo de centroide del objeto de interés

Para calcular el centroide del objeto de interés, después de llevar a cabo los procesos
anteriores, se utiliza la imagen filtrada en escala de grises, y se obtiene su inversa, es decir
calculando la imagen complemento, puesto que lo que se requiere resaltar es el objeto de
interés, asignando así valores intensidad mínimos a los píxeles pertenecientes al fondo, y
2
La imagen 3.5 se encuentra en blanco y negro para resaltar el resultado del filtrado de imagen

53
valores máximos al objeto de interés, además de que prepara a la imágen para utilizar la
transformada máxima extendida en favor del cálculo del centroide.

3.5.1. Transformada maxima extendida

La transformada máxima (HM AX), pertenece a la clase de operadores basados en

componentes conexas y se utiliza para suprimir todos los máximos cuya altura es menor o
igual al del valor de umbral h dado, con lo que se pueden extraer los máximos locales en
una imagen en escala de grises, no obstante entrega como resultado una imagen binaria.
Esto se consigue realizando la reconstrucción por dilatación de f desde (f − h)[57].

HM AXh (f ) = Rfδ (f − h) (3.1)

Donde Rfδ (f − h) es la reconstrucción morfológica por dilatación de la imagen desde (f − h).

La transformada máxima encuentra los picos de intensidad que son N valores más altos que
el fondo, en otras palabras es un buscador de máximos robusto y se lleva a cabo utilizando
la transformada máxima seguida del reconocimiento de máximos regionales. Por lo tanto se
dice que la transformada máxima es extendida si un máximo original, es decir un máximo
regional de la imagen no reconstruida, todavía pertenece a un máximo regional de la imagen
reconstruida. La transformada máxima extendida (EM AX) está definida como la máxima
regional de la correspondiente transformación (HM AX):

EM AXh = RM AX[HM AXh (f )] (3.2)

Para los propósitos de este proyecto, la transformada máxima extendida se utiliza para
segmentar la imágen, es decir separar al objeto que nos interesa del fondo de la escena,
obteniendo como resultado una imagen binaria, cabe señalar que para obtener este
resultado es esencial entregar a la transformada máxima el complemento de la imagen
filtrada. El resultado de la segmentación usando EM AX se observa en la figura 3.6.

54
 Figura 3.6: Imagen segmentada utilizando la transformada máxima extendida

3.5.2. Etiquetado

Una vez que se tiene la imagen segmentada, se procede al etiquetado de la misma, para
identificar todos los píxeles pertenecientes a un mismo elemento con un determinado valor
de intensidad. El etiquetado de una imagen se realiza a través una lista de objetos, la cual
se obtiene utilizando la técnica de componentes conexas. Básicamente, las componentes
conexas permiten asociar elementos o partes de imágenes entre sí para luego realizar
operaciones a partir de la composición de cada imagen en partes. Una componente conexa
no es más que un conjunto de puntos o píxeles de las imágenes que se han agrupado a
partir de cierta característica que los identifica.
Esta agrupación permite, por ejemplo, discriminar partes de una imagen, encontrar
relaciones entre los elementos de una misma componente o incluso relaciones entre distintas
componentes. EL numero de objetos en la lista utilizada se determina en base la cantidad
de objetos que se obtienen después de etiquetar la imagen; aunque para este casó particular
existe un solo objeto en la imágen.
Esto no solo nos permite saber si por diversas circunstancias existiera más de un objetivo
en la imágen, además habilita la alternativa de obtener las coordenadas de todos los píxeles
que pertenecen a un objeto particular.

55
3.5.3. Algoritmo para cálculo de centroide

El siguiente algoritmo, detalla el procedimiento para calcular el centroide de un objeto

(imagen 3.7) utilizando la transformada máxima extendida, como una herramienta de
segmentación y el etiquetado como una manera de obtener una lista de coordenadas de los
píxeles pertenecientes a dicho objeto.

Algoritmo 3 Cálculo de centroide

Entrada: Imagen filtrada R(x, y).
Salida: Centroide c(x, y) de un objeto en coordenadas de imagen.
for i=1:x do
for i=1:y do
3: Rc (x, y) = |255 − R(x, y)|
end for
end for
6: Transformada máxima extendida (x, y) = M aximosregionales [HM AXh (Rc (x, y))]
Etiquetar Transformada máxima extendida (x, y).
Obtener coordenadas (x, y) de los píxeles donde la Transformada máxima extendida
(x, y) == 1.
9: Centroide c = (x̄, ȳ).

Figura 3.7: El centroide calculado se muestra en color amarillo

56
3.6. Imposición del contorno activo (snake)

En el capitulo de fundamento teórico, se explicó detalladamente el concepto y la definición

matemática de un contorno activo, por lo que en esta sección solo se hace referencia a éste
como una curva deformable, capaz de adaptarse a la forma de un objeto, pero recordemos
que una de sus características es que debe de ser colocado cerca del contorno de objetivo,
como se ilustra en la figura 3.8, por lo que necesita coordenadas específicas para colocar el
centro del contorno, y a partir de esa posición colocar los puntos de control dentro de un radio
determinado. Para asegurar que el contorno activo esté ubicado siempre cerca del contorno
de interés, se utilizan las coordenadas del centroide del objeto al que se requiere converja la
curva deformable, de esta manera se garantiza no solo la ubicación correcta del snake, sino
que se esté dando seguimiento al objeto deseado.

Figura 3.8: Imposición del contorno activo

3.6.1. Transformada distancia

Con el objetivo de determinar de forma automática la distancia (radio) de cada punto del
snake hacia el centro del mismo, se hace uso de la transformada distancia la cual es un
operador que normalmente sólo se aplica a las imágenes binarias. El resultado de la
transformada es una imagen en escala de grises donde las intensidades de cada píxel dentro
de regiones de primer plano se cambian para mostrar la distancia mas corta que existe entre
dicho píxel y el cambio de blanco a negro o viceversa mas cercano en la imagen original
(imagen binaria) [33]. El algoritmo para calcular la transformada distancia es:

57
Algoritmo 4 Transformada distancia
c
Entrada: Imagen binaria complemento Rbin (x, y).
Salida: Transformada distancia Tdist (x, y).
p= píxeles (x,y).
c
Recorrido en orden video de píxeles (p) ∈ Rbin
c
if Rbin (p) == 1 then
(q) : q ∈ NG− (p) .
 c
4: Tdist (p) = 1 + M in Rbin
end if
c
Recorrido en orden video inverso de píxeles (p) ∈ Rbin
c
if Rbin (p) 6= 0 then
(q) : q ∈ NG+ (p)
 c  c
8: Tdist (p) = M in Rbin (p), 1 + M in Rbin
end if

Al obtener la transformada distancia del objeto al que se adaptará el snake impuesto, se

puede determinar la distancia r de los puntos del contorno activo hacia el centro del mismo,
multiplicando el máximo valor D de la transformada, por un escalar E como sigue:

D = M ax(T ransf ormada distancia) r =D∗E (3.3)

El algoritmo 5 describe de forma detallada como se implementó el método de contornos

activos en este trabajo.

58
Algoritmo 5 Contornos activos
Entrada: Imagen f2 (x, y), número de puntos de contorno.
Salida: Convergencia del contorno deformable hacia el contorno de interés.
Inicializar α, β, ω1 , ω2 , ω3 .
Obtener ∇f2 (x, y) /* Gradiente de imagen o primera derivada*/
Obtener ∇2 f2 (x, y) /* Gradiente de imagen o primera derivada*/
2
Eint = (α ∗ ∇f2 (x, y))2 + (β ∗ ∇2 f2 (x, y))
5: Inicializar σ1 , σ2 , σ3 .
g1 (x, y) x2 + y 2
G1 (x, y) = : g1 = e−
minx,y (g1 (x, y)) 2σ12
g2 (x, y) x2 + y 2
G2 (x, y) = : g2 = e−
minx,y (g2 (x, y)) 2σ22
g3 (x, y) x + y2
2
G3 (x, y) = : g3 = e−
minx,y (g3 (x, y)) 2σ32
GI(x, y) = G1 (x, y) ∗ R(x, y) /*R(x, y) imagen filtrada de detección de movimiento*/
10: GJ(x, y) = G2 (x, y) ∗ ∇f2 (x, y)
Gk(x, y) = G3 (x, y) ∗ ∇f2 (x, y)
Eext = ω1 ∗ GI(x, y) − ω2 ∗ GJ(x, y)2 − ω3 ∗ Gk(x, y) ∗ R(x, y)
Erest = 0
Econtorno = Eint + Eext + Erest
15: c = (x̄, ȳ) /* Centroide */
r = D ∗ E /* radio */
Inicializar puntos p.
K = 0 : 1 : p /* Vector */
f i = (2 ∗ π/p) ∗ K /* radio y angulo */
20: xc = x̄ + r ∗ cos(f i) /* coordenadas del snake en x */
yc = ȳ + r sin(f i) /* coordenadas del snake en y */
Desplegar contorno activo con radio r y centro en (x̄, ȳ)
Convergencia del snake al contorno de interés minimizando energía con el método
Newton-Raphson.

59
Para que el contorno activo se adapte al objeto de interés, se debe minimizar su energía
funcional, es decir encontrar los posición en la imágen donde la diferencia entre cada punto
del snake y el contorno objetivo sea mínima. El método empleado en este proyecto para la
etapa de minimización de energía es el método conocido como Newton-Raphson, que es del
tipo numérico y se caracteriza por tener un bajo coste computacional.
El algoritmo 6 implementado y adaptado a las necesidades de esta tesis se presenta a
continuación.

Algoritmo 6 Newton-Raphson
Entrada: Econtorno , coordenadas (xc , yc ) del snake , No de iteraciones n, ε, l, k.
Salida: coordenadas (xc , yc ) del snake una vez que se adaptó al contorno objetivo.
Obtener ∇f2 (x, y) /* Gradiente de imagen o primera derivada*/
X = (xc , yc ) /* Condición inicial */
εminimo /* Error minimo */
IT /* Contador de iteraciones*/
while ((IT < n) && (kεkl > εminimo )) do
δx
6: X =X −k∗
δy
ε= interpolar (X, Econtorno )
if (kXk =
6 0) then
ε = [1 1]
end if
IT = IT + 1
12: Desplegar en R(x, y) las nuevas coordenadas (xc , yc ) del snake
end while

60
 Figura 3.9: Contorno activo en convergencia con el contorno de interés

Es importante señalar que cuando el contorno activo converge hacia el contorno del objeto (fig.
3.9), se vuelve a calcular el centroide del objeto, pero esta ocasión utilizando las coordenadas
de los puntos del contorno activo; ésto se realiza para asegurar que el objeto que se va a
centrar en la imagen es el correcto, evitando así falsos positivos. El centroide obtenido de las
coordenadas de cada elemento del contorno activo se estima como se muestra en la ecuación
3.4.

c = (x̄snake , ȳsnake ). (3.4)

3.7. Seguimiento de objetos

El seguimiento de objetos es indispensable en muchos sistemas de visión por computadora,

y de suma importancia en sistemas de video vigilancia, sin embargo como se menciona en el
capitulo uno, la mayoría de sistemas de visión realizan el seguimiento de objetos con cámaras
sin movimiento de rotación, por lo que el campo de visión para esta tarea es mucho mas
limitado; de esta forma cuando se utilizan cámaras Pan & Tilt, se obtiene un campo de
visión dinámico, dentro del rango de rotación de la cámara.

61
Aunque existen distintas técnicas para el seguimiento de objetos, en el presente trabajo de
tesis, se aprovecha ampliamente que se debe de calcular el centroide del objeto para imponer
el contorno activo siempre cerca del contorno objetivo, para centrar al objeto en la imagen
de manera continua, lo que hace posible el seguimiento de objetos.

3.7.1. Centrado del objeto en la imagen

La capacidad de hacer coincidir el centroide de un objeto con el centro de imágen de

manera automática mediante el uso de algoritmos y del paquete para desarrolladores, es
una característica que solo está presente en las cámaras con movimiento de rotación, debido
a que cuentan con motores que permiten el giro vertical y horizontal de las mismas.
Además de que es posible manipular de manera aceptable la rotación a través de comandos
específicos predefinidos por el fabricante; estos comandos tienen también la facultad de
determinar el ángulo de giro de cada motor en las cámaras, propiedad que eventualmente se
traduce en centrado del objeto en la imagen.
La estructura del comando CGI para controlar el movimiento de rotación de las cámaras e
indicar el angulo de giro, es la siguiente:
http://ip:puerto/decoder_control.cgi?command=dirección&degree=ángulo&user=usuario
&pwd=contraseña
Donde el texto en marcado en color gris hace referencia a la información que debe sustituir
el usuario, de acuerdo a la configuración que haya definido previamente y el texto en color
azul, debe sustituirse por lo siguiente:

Valor Dirección Ángulo de giro en grados

0 Arriba Horizontal 0 - 300

2 Abajo Vertical 0 - 120

4 Izquierda
6 Derecha

Tabla 3.1: Rotación. Tabla 3.2: Ángulo de giro (θ y φ)

62
Las etapas de la metodología desarrolladas hasta el momento, son suficientes para llevar a
cabo el proceso de centrar al objeto en la imágen, o como se menciona en el algoritmo 7,
manipular el movimiento horizontal y vertical de la cámara hasta lograr que la diferencia entre
el centroide del objeto y el centro de imagen sea menor o igual que un error determinado por
el usuario, logrando de esta manera el seguimiento del objeto dentro del rango de rotación
de la cámara. Un ejemplo de esta etapa se muestra en la figura 3.10.

63
Algoritmo 7 Centrado de objeto en la imagen
Entrada: Centroide del snake (x̄c , ȳc ), centro de imagen (x, y), IP de la cámara.
Salida: Objeto de interés centrado en la imagen, ángulos θ y φ.
1: (x̄c , ȳc ) = 0 θ=0 φ=0 i = 0.
2: while (|(x̄c , ȳc ) − (x, y)| > εpredef inido ) do
3: Realizar detección de movimiento, posterior filtrar la imagen. Algoritmos 1 y 2.
4: Calcular centroide ( algoritmo 3).
5: Obtener transformada distancia con algoritmo 4 y radio r con ecuación 3.3.
6: Crear contorno activo (algoritmo 5) e imponerlo con radio r y coordenadas (xc , yc ).
7: Adaptar contorno activo a contorno de interés con el método de Newton-Raphson.
8: (x̄c , ȳc ) = centroide del snake.
9: if (x̄c > x) then
10: Girar cámara a la izquierda con un ángulo ∆θ /* Centrado horizontal*/.
11: ∆θ = −∆θ.
12: else
13: Girar cámara a la derecha con un ángulo ∆θ.
14: end if
15: if (ȳc > y) then
16: Girar cámara hacia abajo con un ángulo ∆φ /* Centrado vertical*/.
17: else
18: Girar cámara hacia arriba con un ángulo ∆φ.
19: ∆φ = −∆φ
20: end if
Pn Pn
21: i=i+1 θ= i=1 ∆θ φ= i=1 ∆φ
22: end while

64
 Figura 3.10: Objeto centrado en la imagen, usando algoritmo 7

3.8. Estimación de coordenadas bidimensionales del

objeto

Obtener θ y φ al final del algoritmo, como variables de salida es uno de los pasos de suma
importancia para el aporte de este proyecto de tesis, ya que como se plantea en el objetivo
general, se requiere dar seguimiento a un objeto en movimiento con un arreglo de cámaras Pan
& Tilt, sin embargo también se necesita que el sistema propuesto sea capaz de proporcionar
las coordenadas bidimensionales del objeto a partir de los ángulos θ y φ del arreglo de cámaras
que observan al objeto.
Una vez que se tienen las variables de salida mencionadas anteriormente, se puede plantear
la posición espacial relativa del objeto con respecto a cada cámara, utilizando el sistema de
representación esférica como se muestra en la ecuación 3.5.
Coordenadas esf ericas
z }| {
P (x, y, z) = (r, θ, φ) (3.5)
| {z }
coordenadas cartesianas

El propósito del enfoque propuesto es obtener coordenadas bidimensionales, por lo que se

usa la representación polar, derivada de la representación esférica como sigue:
Coordenadas polares
z }| {
P (x, y) = (r, θ) (3.6)
| {z }
coordenadas cartesianas

65
Por lo tanto, la posición en dos dimensiones con respecto a un arreglo de n cámaras, se
expresa:

P1 (x, y) = (r1 , θ1 ) (3.7)

P2 (x, y) = (r2 , θ2 )

P3 (x, y) = (r3 , θ2 )
..
.

Pn (x, y) = (rn , θn )

Para este caso n = 4 entonces:

P1 (x, y) = (r1 , θ1 ) (3.8)

P2 (x, y) = (r2 , θ2 )

P3 (x, y) = (r3 , θ2 )

P4 (x, y) = (r4 , θ4 )

Donde r es la distancia de cada cámara al objeto, y θ el ángulo total de giro horizontal,

necesario para lograr que la diferencia entre el centroide y el centro de la imagen sea menor
o igual que un error determinado. Si se define el punto inicial de cada coordenada como la
posición de cáda cámara en el arreglo, y todas las coordenadas pertenecen a un mismo punto
visto desde diferentes perspectivas (cámaras), como lo ilustra la figura 3.11 se pueden definir
líneas rectas que idealmente se intersectan todas en un mismo punto.

Figura 3.11: Planteamiento para la estimación de posición del objeto

66
El planteamiento para estimar la posición del objeto a partir de los pares de coordenadas
dados en la ecuación 3.8 se obtiene como sigue:
Utilizando las formulas descritas en la sección 2.12, se realiza la transformación de
coordenadas polares a cartesianas:

x = r ∗ sin(θ)

y = r ∗ cos(θ) (3.9)

Despejando r:
x
r=
sin(θ)
y
r=
cos(θ)

Igualando:

x y
=
sin(θ) cos(θ)

Despejando

sin(θ)
x=y = y ∗ tan(θ)
cos(θ)
− x + y ∗ tan(θ) = 0

De esta forma obtenemos una ecuación que describe a una recta que parte del origen a un
punto particular, en este caso la ubicación del objeto. No obstante las cámaras no están
ubicadas en el origen del plano (figura 3.11), por lo que esta ecuación debe de adaptarse a la
ecuación de la recta que permite trasladar el origen a un punto dado (x, y). Así tenemos:

tan(θ)(y − Py ) = (x − Px ) (3.10)

Desarrollando:

x − tan(θ)y = Px − tan(θ)Py (3.11)

67
Donde tan(θ) es la pendiente de la recta, Px y Py son la posición en x e y de la cámara
respectivamente y x e y son las coordenadas del objeto.

Realizando el mismo procedimiento para todas las cámaras, se puede formular el sistema de
ecuaciones que se describe en 3.12:

x1 − tan(θ1 )y1 = P1x − tan(θ1 )P1y

x2 − tan(θ2 )y2 = P2x − tan(θ2 )P2y

x3 − tan(θ3 )y3 = P3x − tan(θ3 )P3y

x4 − tan(θ4 )y4 = P4x − tan(θ4 )P4y (3.12)

Representado en forma matricial:

   
 1 − tan(θ1 )   P1x − tan(θ1 )P1y 
     
 1 − tan(θ2 )   P2x − tan(θ2 )P2y
  x 

= (3.13)
  
  
 1 − tan(θ3 )  y  P − tan(θ )P 
  2×1
 3x 3 3y 
   
1 − tan(θ4 ) P4x − tan(θ4 )P4y
4×2 4×1

Finalmente, la estimación de la posición bidimensional del objeto, utilizando un arreglo de

4 cámaras que observan y centran al objetivo desde diferentes perspectivas; se obtiene de la
siguiente manera:
 †  

  1

− tan(θ1 )   P1x − tan(θ1 )P1y 
   
x  1 − tan(θ2 )   P2x − tan(θ2 )P2y 
 =






 (3.14)
y  1 − tan(θ3 )   P − tan(θ )P 
   3x 3 3y 
   
1 − tan(θ4 ) P4x − tan(θ4 )P4y

68
 Capítulo 4

Resultados

Todas las aplicaciones de visión desarrolladas a pesar de ser diseñadas de manera minuciosa,
o de contar con herramientas que lo ayuden a cumplir mejor con su tarea, cuentan con un
margen de diferencia entre el objetivo real y el alcanzado; evidentemente el enfoque propuesto
en este trabajo no es la excepción.
Por lo anterior, en este capítulo se presenta la adaptación del sistema para el seguimiento
y la estimación de la posición 2D de un objeto a partir de los parámetros Pan & Tilt de
un arreglo de cámaras que lo observan, además se muestran los resultados experimentales
obtenidos durante la implementación de la aplicación, y las conclusiones a las que se llegó
luego de todos los procesos y procedimientos realizados.
Como parte de la implementación del trabajo propuesto, se diseñó un arreglo de cámaras que
permitiera observar al objeto a través del escenario controlado, como se muestra en la figura
4.1.

Figura 4.1: Arreglo de cámaras propuesto.

La orientación inicial de las cámaras y su ubicación se determinó en base a las necesidades

del escenario es decir, ubicar las cámaras de forma que se aproveche al máximo su capacidad
de rotación para cubrir de forma conjunta el área donde puede desplazarse el objeto a seguir
y hacer el sistema tolerante a la oclusión de alguna de las cámaras.
El espacio de trabajo también cuenta con perforaciones que tiene una pulgada de distancia
entre ellas, con las que se obtiene un marco de referencia para las coordenadas locales (figura

69
4.2 ), que se utiliza, para conocer la posición de cada cámara en el escenario, sino y diseñar
las trayectorias con las que se valida el enfoque propuesto.

Figura 4.2: Marco referencia con coordenadas locales.

Algunos ejemplos de estas trayectorias se muestran en las figuras 4.3 y 4.4 , en donde los
círculos rojos representan las cámaras y el grid azul el marco de referencia. El proceso de
validación consiste en comparar la posición real del objeto en coordenadas locales, con la
posición estimada.

Figura 4.3: Trayectoria en cuadro y en diente de sierra.

70
 Figura 4.4: Ejemplo de trayectorias usadas durante la experimentación.

La tabla 4.1 muestra un ejemplo de la información necesaria para la estimación de la posición

del objeto mediante la metodología descrita en el capitulo anterior. Es muy importante señalar
que al ángulo φ se le asigna un valor de cero debido a que se estima la posición en el plano.
Sin embargo, para el proceso de centrado del objeto en la imagen, su valor es distinto de cero.

Posición física de
la cámara: (6,45)
θ φ
27 0
4 0
5 0
6 0
1 0

Tabla 4.1: Datos necesarios para la estimación de la posición

Utilizando las herramientas mencionadas anteriormente y la metodología propuesta, se

obtienen los siguientes resultados.

71
 Figura 4.5: Trayectoria diagonal.

La gráfica 4.5 ejemplifica la ruta diagonal (color negro) del objeto moviéndose a través del
espacio de pruebas, con coordenadas locales establecidas, y la línea color rojo representa la
trayectoria compuesta por las posiciones estimadas, utilizando el enfoque propuesto. Cabe
señalar que las dimensiones de los ejes así como las coordenadas de las trayectorias están
dadas en pulgadas, de esta forma al calcular el error se le asigna esta unidad de medida. El
error para cada trayectoria se calcula usando la ecuación 4.1:

εx = xi real − xi estimada (4.1)

εy = yi real − yi estimada

Una vez calculado el error para todos los puntos de la trayectoria en ambos ejes, se puede
realizar un gráfico (figuras 4.6 y 4.7) que nos permita tener una idea más clara del
comportamiento de este parámetro.

72
 Figura 4.6: Gráfico de error en el eje X de la trayectoria diagonal.

Figura 4.7: Gráfico de error en el eje Y de la trayectoria diagonal.

De igual manera, se puede obtener la desviación estándar del error en los dos ejes (ver figuras
4.8 y 4.9).

73
 Figura 4.8: Desviación estándar del error en el eje X de la trayectoria diagonal.

Figura 4.9: Desviación estándar del error en el eje Y de la trayectoria diagonal.

Calculando el promedio con los datos anteriores, se produce la cifra que representa al error de
la trayectoria estimada en el eje x y en el eje y, así también utilizando un poco de estadística,
se calcula la desviación estándar o RMSE. Estos datos se muestran en la tabla 4.2.

74
 ε ECM
x 0.6 0.41
y 0.46 0.33

Tabla 4.2: Error de la trayectoria diagonal y su ECM

Para el proceso de validación de resultados, se diseñaron 30 trayectorias distintas, desplazando

el objeto por el escenario, según la trayectoria en cuestión. Realizando los procedimientos
anteriores para cada una de las trayectorias diseñadas, se adquirió la información sobre la
experimentación que se muestra en lo que resta de este capítulo.

Figura 4.10: Trayectoria horizontal.

ε ECM
x 0.6 0.45
y 0.48 0.35

Tabla 4.3: Error de la trayectoria horizontal, y su ECM

Se observa en la tabla 4.3 que el error entre la trayectoria estimada y la real es pequeño, lo
cual se confirma de manera visual en la figura 4.10, donde la línea color rojo guarda un alto
grado de solapamiento con la línea en color negro.

75
 Figura 4.11: Trayectoria en "d".

ε ECM
x 0.63 0.59
y 0.76 1.06

Tabla 4.4: Tabla de Error y ECM. Trayectoria en "d"

Los resultados que se observan en la imagen 4.11 muestran que existen casos como los de una
ruta que pasa dos veces por un mismo punto donde se obtienen una estimación de posición
ligeramente distinta y esto se debe al error acumulado en las estimaciones anteriores, ya que
el ángulo θ para ese punto se tiene sumando todos los valores anteriores de θ desde el punto
de inicio.

Figura 4.12: Trayectoria en "V".

76
 ε ECM
x 0.46 0.57
y 0.43 0.50

Tabla 4.5: Error y ECM. Trayectoria en "V"

La diferencia entre la posición estimada y la real según se observa en la figura 4.12 se mantiene
cercana a media pulgada (Tabla 4.5) siendo aceptable, considerando que el objeto no es un
punto en el plano sino un cuerpo, por lo que muy probablemente la magnitud del error se
mantiene dentro del diámetro que ocupa el cuerpo en el plano.

Figura 4.13: Trayectoria en sin forma geométrica.

ε ECM
x 0.33 0.44
y 0.41 0.51

Tabla 4.6: Error y ECM. Trayectoria irregular

Las trayectorias diseñadas, tienen formas variadas (ver imágenes 4.14 y 4.15), e incluso formas
irregulares como la que se muestra en la figura 4.13.

77
 Figura 4.14: Trayectoria en "m".

ε ECM
x 0.53 0.65
y 0.50 0.61

Tabla 4.7: Error y ECM. Trayectoria en "m"

Figura 4.15: Trayectoria escalón.

ε ECM
x 0.68 0.88
y 0.43 0.53

Tabla 4.8: Error de la trayectoria escalón, y su ECM

78
Otro dato interesante que proporciona una idea clara sobre el comportamiento del error en
todas las trayectorias diseñadas es el gráfico de dispersión del error, ya que nos permite
analizar de forma visual el parámetro mencionado.

Figura 4.16: Dispersión del error en el eje x para las 30 trayectorias.

Figura 4.17: Dispersión del error en el eje x para las 30 trayectorias.

En los gráficos anteriores se observa que la diferencia entre las trayectorias reales y las
estimadas, es similar no solamente entre trayectorias, además si comparamos las figuras

79
4.16 y 4.17 se tiene que el error es similar en los dos ejes, para la mayoría de los
desplazamientos del objeto a través del escenario.

Figura 4.18: Distribución de frecuencia del error en x.

Figura 4.19: Distribución de frecuencia del error en y.

Eliminando los puntos aberrantes de los gráficos 4.16, 4.17 y realizando una distribución de
frecuencia para ambos ejes (gráficos 4.18 y 4.19), se observa que el error tiene la tendencia
a una distribución normal, o gaussiana, los que permitiría caracterizar al error en futuros
análisis.

80
 Figura 4.20: Dispersión del error por pares de coordenadas.

Figura 4.21: Desviación estándar del error por pares de coordenadas.

Para finalizar la sección de resultados, se muestran los gráficos de dispersión 4.20 y 4.21 que
describen el error por pares de coordenadas para las 30 trayectorias en conjunto, de esta
forma observamos la fusión de los dos ejes y sus respectivos errores, teniendo un panorama
general de la diferencia entre lo real y los estimado por el enfoque propuesto, con lo cual es
mucho más sencillo determinar la calidad de los resultados.

81
Durante la experimentación se hicieron algunas observaciones por ejemplo, que es importante
considerar una mayor altura para el modelo de fondo neutro (paredes del espacio de pruebas),
para evitar falsas detecciones o intromisiones durante el seguimiento de objetos; esto se debe a
que parte de a región de interés cubierta por alguna cámara de arreglo incluye áreas externas
al entorno controlado, por encontrarse a una distancia lejana de la pared frontal de la misma.
El papel que juega la distancia entre el objeto y la cámara es muy importante, ya que si este
se encuentra demasiado lejos de alguna de las cámaras sale de su campo de visión efectivo; de
igual manera si se encuentra a una distancia muy pequeña es prácticamente imposible centrar
el objeto. Debido a que en su primera aproximación el enfoque propuesto no considera la
calibración de las cámaras utilizadas; los efectos que tiene la distorsión asociada a cada una
de ellas, aumenta de forma proporcional a la distancia que se encuentra el objeto, influyendo
en el error de estimación, por lo que la calibración de cámaras es uno de los primero rubros
mencionados en la sección de trabajos futuros.
De igual manera en la sección de trabajos futuros se incluye la aplicación de la metodología
presentada, para la estimación de posición en tres dimensiones. En esta sección se describen
de manera sencilla algunas consideraciones que se deben realizar para cumplir este objetivo,
como el uso de patrones calibrados en las mismas unidades que se manejan en el entorno
controlado (para este caso pulgadas), con el fin de tener un referencia formal al ubicar al
objeto en una posición tridimensional.
También es necesario colocar las cámaras de tal forma que se puedan tener perspectivas
variadas del objeto, sin alterar el funcionamiento efectivo del sistema propuesto. El diseño
de trayectorias tridimensionales para la experimentación y la validación de resultados es una
consideración importante a realizar para la estimación de posición en tres dimensiones de
un objeto. Finalmente, se hace la observación de la importancia que tiene la velocidad de
motores de las cámaras, debido a que cuanto mayor sea la rapidez con la que giran dichos
motores, menor será el tiempo que tome centrar al objeto en la imagen.

82
 Capítulo 5

Conclusiones y trabajo futuro

5.1. Conclusiones

En este trabajo se desarrolló un sistema de visión por computadora, utilizando cámaras

Pan & Tilt para la estimación de la posición bidimensional y el seguimiento de objetos. La
experimentación se realizó en un espacio de pruebas controlado, aprovechando ampliamente
las características de la infraestructura para beneficio del experimento, por ejemplo, las
perforaciones de la mesa óptica graduada, donde a cada perforación se le asocia una
coordenada x, y en el plano cartesiano, lo que permite conocer de una manera mas simple la
ubicación física de objeto y la posición de las cámaras con respecto al origen en el marco de
referencia.
El enfoque presentado ofrece la posibilidad al usuario de manipular las cámaras para el
seguimiento de un objeto, por medio de los comandos CGI presentados en capítulos
anteriores, de tal manera que el desarrollo de tareas resulte fácil de implementar. Es decir,
los comandos CGI permiten personalizar el desempeño de las cámaras, incluso en solicitudes
de acceso, implementando niveles de operación con permisos especiales y limitados.
Dado que el trabajo desarrollado es multicámara, es posible hacer frente a oclusiones en el
escenario, o a zonas difíciles cubrir por alguna cámara en particular. Sin embargo es
recomendable determinar la mejor ubicación de cada cámara para cubrir de la manera más
óptima posible el entorno de operación.
De manera formal se presenta un enfoque unificado para la estimación de posición
bidimensional y seguimiento de objetos, basado en contornos activos para la detección de
objetos, se utiliza la transformada máxima extendida para calcular el centroide del objeto a
seguir y compararlo con el centro de imagen, de esta forma se utilizan también los

83
parámetros Pan & Tilt de las cámaras para centrar el objeto en el campo de visión del
arreglo de cámaras y se implementa la pseudoinversa como una forma de solucionar el
sistema de ecuaciones generado por los parámetros mencionados anteriormente.
Los datos experimentales son consistentes con respecto a la aseveración inicial, que consiste
en comprobar que es posible estimar la posición bidimensional de un objeto, a partir de los
parámetros Pan & Tilt de un arreglo de cámaras que lo observan desde diferentes
perspectivas en un mismo instante y teniendo conocimiento previo de la ubicación física de
cada una de las cámaras en coordenadas locales.
Por otra parte, uno de los requerimientos mínimos del algoritmo es que el objeto sea
detectado por al menos tres cámaras a fin de estimar con eficacia su ubicación con respecto
al arreglo de cámaras. Esta información se vuelve de suma importancia ya que a partir de
ella y mediante el uso de la metodología descrita en este documento es posible dar
cumplimiento al objetivo principal de este trabajo.
Finalmente, a través de este trabajo se proporcionan las bases para una evolución del
algoritmo, en otras palabras, una vez que se ha probado la hipótesis inicial se puede ahora
proceder a la retroalimentación para obtener mejores resultados y acceder a la aplicación de
esta metodología para la estimación de la posición tridimensional, además de que se abre
paso a la posibilidad de llevar este trabajo a la implementación en escenarios exteriores,
donde existe un mayor número de variables no controladas ante las cuales el sistema debe
de conservar su eficacia sin permitir un aumento en el error de estimación.
Todo esto se traduce en una amplia gama de posibles aplicaciones, por ejemplo: el
seguimiento de objetos y estimación de la posición en robots móviles, la detección y el
seguimiento de objetos en una banda transportadora, estimación de coordenadas en el
mundo real, para superposición de objetos con realidad aumentada, así como fructuosas
aplicaciones en el campo de video vigilancia y seguridad.

84
5.2. Trabajos futuros

Como prosecución a esta tesis se proponen los siguientes puntos:

Una vez que se ha comprobado que es posible realizar la estimación de la posición

a partir de los parámetros Pan & Tilt de un arreglo de cámaras que observa a un
objeto desde diferentes perspectivas, sería muy interesante realizar la estimación de la
posición en coordenadas tridimensionales dentro de un entorno controlado, ubicando
tanto el cuerpo como el arreglo de cámaras en posiciones espaciales.

El uso de zoom en cada cámara es un factor de gran importancia, que introduce otras
variables al desarrollo de la aplicación, por lo que analizar trabajos en el estado del
arte que cuenten con esta característica es muy importante, así como estudiar sus
implicaciones y verificar sus efectos en el sistema desarrollado.

Por otra parte un trabajo futuro para obtener mayor exactitud al estimar la posición, es
la calibración de cámaras de forma individual, ya que esto permite conocer la relación
entre el giro de la cámara y los píxeles de imagen con mayor precisión.

A su vez la calibración de las cámaras en conjunto no solo da un mayor conocimiento

de la relación giro de motor-píxeles, sino que también proporciona información sobre
la geometría del escenario en relación con el mundo real, de esta forma se eliminan las
posibles distorsiones del arreglo de cámaras con respecto a lo mencionado anteriormente.

La migración del sistema desarrollado a entornos exteriores como oficinas, laboratorios,

almacenes, etc. representa un reto debido a que no se tiene tanto control sobre las
condiciones lumínicas, y a que debe encontrarse la manera de discriminar el movimiento
de fondo del ocasionado por la rotación de las cámaras, no obstante el encontrar una
alternativa o solución a dicha problemática es un trabajo a futuro muy interesante que
se traduce en un excelente aporte al estado del arte.

Otro trabajo futuro de gran interés es la aplicación de la metodología propuesta a

seguimiento de personas, pues se puede aprovechar al máximo la técnica de contornos

85
activos, para hacer frente al cambio de forma en la silueta de los seres humanos mientras
se desplazan de un punto a otro, con lo que se reduce el trabajo de cada cámara al
seguimiento del contorno activo.

86
 Bibliografía

[1] A. Yilmaz, O. Javed, y M. Shah, “Object tracking: A survey,” Acm computing surveys
(CSUR), vol. 38, no. 4, p. 13, 2006.

[2] J. Fernández Gutiérrez, “Sistema de video vigilancia semántico basado en movimiento.

aplicación a la seguridad y control de tráfico,” Master’s thesis, Universidad de Valladolid.
Escuela Técnica Superior de Ingenieros de Telecomunicación, Julio 2013.

[3] D. P. Chau, F. Bremond, y M. Thonnat, “Object tracking in videos: Approaches and

issues,” arXiv preprint arXiv:1304.5212, no. 1, p. 10, 2013.

[4] K. Kim y L. S. Davis, “Multi-camera tracking and segmentation of occluded people

on ground plane using search-guided particle filtering,” in European Conference on
Computer Vision. Springer, 2006, pp. 98–109.

[5] R. Goldenberg, R. Kimmel, E. Rivlin, y M. Rudzsky, “Fast geodesic active contours,”

IEEE Transactions on Image Processing, vol. 10, no. 10, pp. 1467–1475, 2001.

[6] Q. Xiaoping, Z. Qiheng, O. Yimin, y M. Jiaguang, “A method for object tracking using
shape matching,” in 2006 IEEE Workshop on Signal Processing Systems Design and
Implementation, Oct 2006, pp. 372–376.

[7] Z. Jin y B. Bhanu, “Analysis-by-synthesis: Pedestrian tracking with crowd simulation

models in a multi-camera video network,” Computer Vision and Image Understanding,
vol. 134, pp. 48–63, 2015.

87
 [8] M. N. Ali, M. Abdullah-Al-Wadud, y S.-L. Lee, “Multiple object tracking with partial
occlusion handling using salient feature points,” Information Sciences, vol. 278, pp. 448–
465, 2014.

[9] L. Maddalena, A. Petrosino, y F. Russo, “People counting by learning their appearance

in a multi-view camera environment,” Pattern Recognition Letters, vol. 36, pp. 125–134,
2014.

[10] E. Reyes, “Detección y medición de distancia de un objeto utilizando dos cámaras

móviles,” Centro de ingeniería y desarrollo industrial, vol. 1, pp. 1–37, 2014.

[11] N. Paragios y R. Deriche, “Geodesic active contours and level sets for the detection
and tracking of moving objects,” Pattern Analysis and Machine Intelligence, IEEE
Transactions on, vol. 22, no. 3, pp. 266–280, 2000.

[12] A. K. Mishra, B. Ni, S. Winkler, y A. Kassim, “3d surveillance system using multiple
cameras,” in Electronic Imaging 2007. International Society for Optics and Photonics,
2007, pp. 649 103–649 103.

[13] R. Mohedano, C. R. Del-Blanco, F. Jaureguizar, L. Salgado, y N. García, “Robust 3d

people tracking and positioning system in a semi-overlapped multi-camera environment,”
in Image Processing, 2008. ICIP 2008. 15th IEEE International Conference on. IEEE,
2008, pp. 2656–2659.

[14] S. Robla, J. Llata, C. Torre, y E. Sarabia, “An approach for tracking oil slicks by using
active contours on satellite images,” in OCEANS 2009-EUROPE. IEEE, 2009, pp. 1–8.

[15] C. Losada, M. Mazo, S. Palazuelos, D. Pizarro, y M. Marrón, “Multi-camera sensor

system for 3d segmentation and localization of multiple mobile robots,” Sensors, vol. 10,
no. 4, pp. 3261–3279, 2010.

[16] H. L. Paredes, “Detección y seguimiento de objetos con cámaras en movimiento,”

Proyecto fin de carrera, Universidad Autónoma de Madrid, 2011.

88
[17] A. Utasi y C. Benedek, “A 3-d marked point process model for multi-view people
detection,” in Computer Vision and Pattern Recognition (CVPR), 2011 IEEE
Conference on. IEEE, 2011, pp. 3385–3392.

[18] Y. Lee y A. Yilmaz, “Real-time object detection, tracking, and 3d positioning in a

multiple camera setup,” in The ISPRS Workshop on Image Sequence Analysis, vol. 55,
2013, p. 56.

[19] S. J. You, P. H. Truong, S. H. Ji, S. M. Lee, C. E. Lee, y Y. J. Cho, “A cooperative multi-

camera system for tracking a fast moving object,” in Cyber Technology in Automation,
Control, and Intelligent Systems (CYBER), 2014 IEEE 4th Annual International
Conference on. IEEE, 2014, pp. 141–145.

[20] S. Ballesta, G. Reymond, M. Pozzobon, y J. Duhamel, “A real-time 3d video tracking

system for monitoring primate groups,” Journal of neuroscience methods, vol. 234, pp.
147–152, 2014.

[21] C. Benedek, “3d people surveillance on range data sequences of a rotating lidar,” Pattern
Recognition Letters, vol. 50, pp. 149–158, 2014.

[22] M. G. Chirinos Colunga, “Visión artificial: Percepción de profundidad,” Master’s thesis,

Instituto Tecnológico de Mérida, Noviembre 2004.

[23] M. Kass, A. Witkin, y D. Terzopoulos, “Snakes: Active contour models,” International

journal of computer vision, vol. 1, no. 4, pp. 321–331, 1988.

[24] R. Kouskouridas y A. Gasteratos, “Location assignment of recognized objects via a

multi-camera system,” International Journal of Signal Processing, Image Processing and
Pattern Recognition, vol. 4, no. 3, pp. 1–18, 2011.

[25] A. Tyagi, G. Potamianos, J. W. Davis, y S. M. Chu, “Fusion of multiple camera views

for kernel-based 3d tracking,” in Motion and Video Computing, 2007. WMVC ’07. IEEE
Workshop on, Feb 2007, pp. 1–1.

89
[26] E. Santillán y C. A. Cruz, “Detección y clasificación de objetos dentro de un salón de
clases empleando técnicas de procesamiento digital de imágenes,” Universidad Autónoma
Metropolitana, México, Tesis de Maestría, 2008.

[27] M. A. CHAPA MARTELL, “Implementacion de operaciones aritmeticas en fpga, rapida

y de bajo costo aplicado a la normalizacion de imagen en huellas dactilares,” Ph.D.
dissertation, 2010.

[28] F. G. R. Samaniego y R. L. Q. Rojas, “Generación automática de operaciones de

segmentación de imágenes basadas en algoritmos evolutivos multi-objetivo.”

[29] J. Elizondo y L. Maestre, “Fundamentos de procesamiento de imágenes,” Documentación

Universidad Autónoma de Baja California, Unidad Tijuana, 2002.

[30] A. A. . A. F. Pinilla, C., “Filtrado de imágenes en el dominio de la frecuencia,” Revista

de la Asociación Española de Teledetección, 1997.

[31] R. C. González, R. E. Woods, F. D. Rodríguez, y L. Rosso, Tratamiento digital de

imágenes. Addison-Wesley New York, 1996, vol. 3.

[32] B. Aldalur y M. Santamaría, “Realce de imágenes: filtrado espacial,” Revista de

teledetección, vol. 17, pp. 31–42, 2002.

[33] A. K. Jain, Fundamentals of digital image processing. Prentice-Hall, Inc., 1989.

[34] A. Rosenfeld y J. L. Pfaltz, “Distance functions on digital pictures,” Pattern recognition,

vol. 1, no. 1, pp. 33–61, 1968.

[35] M. Á. Cazorla, P. Cáceres, F. Escolano, D. Gallardo, y R. Rizo, “Detección automática

con snakes y representación 3d sobre imágenes cerebrales,” VI CAEPIA, pp. 331–340,
1995.

[36] S. R. Gunn y M. S. Nixon, “Global and local active contours for head boundary
extraction,” International Journal of Computer Vision, vol. 30, no. 1, pp. 43–54, 1998.

90
[37] T. F. Cootes, A. Hill, C. J. Taylor, y J. Haslam, “Use of active shape models for locating
structures in medical images,” Image and vision computing, vol. 12, no. 6, pp. 355–365,
1994.

[38] J. Denzler y H. Niemann, “3d data driven prediction for active contour models with
application to car tracking.” in MVA, 1996, pp. 204–207.

[39] J. Deutscher, A. Blake, y I. Reid, “Articulated body motion capture by annealed

particle filtering,” in Computer Vision and Pattern Recognition, 2000. Proceedings. IEEE
Conference on, vol. 2. IEEE, 2000, pp. 126–133.

[40] F. Leymarie y M. D. Levine, “Tracking deformable objects in the plane using an active
contour model,” IEEE Transactions on Pattern Analysis and Machine Intelligence,
vol. 15, no. 6, pp. 617–634, 1993.

[41] A. Lanitis, C. J. Taylor, y T. F. Cootes, “Automatic face identification system using

flexible appearance models,” Image and vision computing, vol. 13, no. 5, pp. 393–401,
1995.

[42] J. F. Vélez, n. Sánchez, A. B. Moreno, y J. L. Esteban, “Verificación offline de

firmas manuscritas: Una propuesta basada en snakes paramétricos,” Simposio de
Reconocimiento de Formas y Análisis de Imágenes, 2005.

[43] M. Della Rocca, M. Fiani, A. Fortunato, y P. Pistillo, “Active contour model to detect
linear features in satellite images,” International Archives of Photogrammetry, Remote
Sensing and Spatial Information Sciences, vol. 35, no. B3, pp. 446–450, 2004.

[44] M. Rochery, I. H. Jermyn, y J. Zerubia, “Higher order active contours and their
application to the detection of line networks in satellite imagery,” in Proc. IEEE
Workshop Variational, Geometric and Level Set Methods in Computer Vision, 2003.

[45] P. Horvath, I. H. Jermyn, Z. Kato, y J. Zerubia, “A higher-order active contour model

91
 of a ‘gas of circles’ and its application to tree crown extraction,” Pattern Recognition,
vol. 42, no. 5, pp. 699–709, 2009.

[46] P. Horváth, I. Jermyn, J. Zerubia, y Z. Kato, “A higher-order active contour model for
tree detection,” in 18th International Conference on Pattern Recognition (ICPR’06),
vol. 2. IEEE, 2006, pp. 130–133.

[47] D. J. Williams y M. Shah, “A fast algorithm for active contours,” in Computer Vision,
1990. Proceedings, Third International Conference on. IEEE, 1990, pp. 592–595.

[48] J. M. L. VALENZUELA, “Comparación entre contornos activos y transformada de

hough, para la detección de cırculos en imágenes digitales,” 2007.

[49] A. A. Amini, T. E. Weymouth, y R. C. Jain, “Using dynamic programming for solving

variational problems in vision,” IEEE Transactions on pattern analysis and machine
intelligence, vol. 12, no. 9, pp. 855–867, 1990.

[50] J. E. B. BOLÍVAR, A. J. B. ARANGO, y M. B. ARBELÁEZ, “El metodo de newton-

raphson-la alternativa del ingeniero para resolver sistemas de ecuaciones no lineales,”
Scientia Et Technica, vol. 11, no. 27, pp. 221–224, 2005.

[51] T. J. Ypma, “Historical development of the newton-raphson method,” SIAM review,

vol. 37, no. 4, pp. 531–551, 1995.

[52] D. S. C. Federico y N. H. Antonio, Métodos numéricos aplicados a la ingeniería. Grupo

Editorial Patria, 2014.

[53] P. P. Beatriz, “Análisis de varias variables reales,” Universidad de Cantabria, Noviembre

2008, departamento de Matemáticas, Material de clase.

[54] E. Kurmyshev, Fundamentos de métodos matemáticos para física e ingeniería. Editorial

Limusa, 2003.

[55] J. M. C. Villalba, Introducción al álgebra lineal. ESIC Editorial, 2004.

92
[56] C. A. López, “Cátedra de matemática y elementos de matemática,” Universidad nacional
de la Plata, departamento de Matemáticas, Material de clase.

[57] P. Soille, Morphological image analysis: principles and applications. Springer Science
& Business Media, 2013.

93
Apéndices

94
 Apéndice A

Validación de trayectorias

Figura A.1: Trayectoria en forma de casa.

Figura A.2: lineas cruzadas.

95
Figura A.3: Trayectoria en cuadro.

Figura A.4: Diente de sierra.

96
 Figura A.5: escalones.

Figura A.6: Trayectoria en forma de G.

Figura A.7: Trayectoria en forma de herradura.

97
 Figura A.8: Hexágono.

Figura A.9: Trayectoria en forma de L.

Figura A.10: Medio hexágono.

98
 Figura A.11: Onda cuadrada.

Figura A.12: Trayectoria en forma de pentágono.

Figura A.13: Trayectoria en forma de raíz.

99
 Figura A.14: Rectángulo.

Figura A.15: Rombo.

Figura A.16: Trayectoria sin forma definida.

100
 Figura A.17: Trayectoria irregular.

Figura A.18: Ruta de objeto en forma de S.

Figura A.19: Trapecio.

101
Figura A.20: Trayectoria con forma de triangulo.

Figura A.21: Trayectoria A.20 invertida.

Figura A.22: Ruta de objeto en forma de U.

102
Figura A.23: Trayectoria en forma de V.

Figura A.24: Linea recta vertical.

103
 Apéndice B

CAD del espacio de pruebas

Figura B.1: Espacio de pruebas sin fondo neutro.

Figura B.2: Espacio de pruebas con fondo neutro.

104
 Apéndice C

Tablas de error y ECM

TRAYECTORIA εx εy ECMx ECMy

CASA 0.48 0.44 0.72 0.58

CRUZADA 0.59 0.44 0.72 0.56

CUADRADO 0.40 0.66 0.45 0.86

D 0.63 0.77 0.59 1.06

DIAGONAL 0.60 0.46 0.41 0.33

DIENTE SIERRA 0.38 0.44 0.53 0.53

ESCALERA 0.43 0.43 0.56 0.59

ESCALÓN 0.69 0.44 0.88 0.53

G 0.53 0.44 0.69 0.58

HERRADURA 0.38 0.53 0.47 0.70

HEXÁGONO 0.46 0.62 0.59 0.78

HORIZONTAL 0.60 0.49 0.45 0.35

L 0.28 0.28 0.41 0.38

M 0.53 0.50 0.66 0.62

MEDIO HEXÁGONO 0.44 0.33 0.53 0.41

ONDA CUADRADA 0.60 1.17 0.89 1.54

105
TRAYECTORIA εx εy ECMx ECMy

PENTÁGONO 0.53 0.34 0.63 0.45

RAÍZ 0.47 0.37 0.58 0.43

RECTÁNGULO 1.53 1.32 2.14 1.52

ROMBO 0.38 0.54 0.55 0.68

RUTA 1 0.33 0.42 0.45 0.52

RUTA 2 0.33 0.42 0.45 0.52

RUTA 3 0.33 0.46 0.45 0.55

S 0.47 0.34 0.63 0.45

TRAPECIO 0.50 0.41 0.71 0.52

TRIÁNGULO 0.41 0.25 0.54 0.35

TRIANGULO INVERTIDO 0.41 0.63 0.57 0.79

U 0.25 0.28 0.40 0.38

V 0.47 0.43 0.58 0.50

VERTICAL 0.82 0.65 0.99 0.79

106
 Apéndice D

Hoja de datos Cámara Pan & Tilt

FOSCAM modelo FI8918W

Powerful high-speed video protocol processor

High Definition Color CMOS Sensor

300K Pixels

IR night vision (Range: 8m)

Pan 300 degree, tilt 120 degree

Optimized MJPEG video compression for transmission

Multi-level users’ management and passwords definition

Embedded Web Server for users to visit by IE

Wi-Fi compliant with wireless standards IEEE 802.11b/g/n

Embedded FOSCAM domain name

Supports Dynamic IP (DDNS) and UPnP LAN and Internet (ADSL, Cable Modem)

Motion and Sound detection activates alarm

Supports image snapshot

Supports multiple network protocols:

HTTP/TCP/IP/UDP/STMP/DDNS/SNTP/DHCP/FTP

Supports WEP/WPA/WPA2 encryption

107
Supports WPS(Wi-Fi Protected Set-up)

Supports Daylight Saving Time

Supports MSN

Supports Gmail as sender on mail service settings

Supports audio on Firefox, Google Chrome and Safari

Providing Phone APPs for Android and iPhone users

Providing Software development kit

108