Reconocimiento de objetos en video

Autores
Albanesi, María Bernarda; Funes, Nadia
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Lanzarini, Laura Cristina
Chichizola, Franco
Descripción
El reconocimiento de objetos en video sigue siendo un tema de actualidad y ha motivado el desarrollo de diversos métodos informáticos para tratar de resolverlo. Uno de los enfoques más utilizados radica en la caracterización de los pixeles más relevantes de la imagen. Si bien en esta dirección existen distintas soluciones, en todos los casos se busca expresar la información referida a la vecindad de dichos puntos de la forma más invariante posible. El método SIFT (Scale-Invariant Feature Transform) es, sin duda, uno de los más utilizados. Sin embargo, su costo computacional es alto si se piensa en su aplicación en tareas tales como tracking de video. El objetivo central de esta tesina es proponer una implementación paralela del método de SIFT sobre una arquitectura paralela de memoria compartida, aprovechando el amplio desarrollo de los multicores. Este tipo de máquina permite obtener menores tiempos de respuesta para una aplicación al dividir el trabajo entre los cores que lo forman. Para lograr tiempos de respuesta acordes a los requeridos para el procesamiento de videos en tiempo real se utiliza un esquema Bag of Task para lograr de esta manera un balance de carga que asegure un buen rendimiento de la aplicación. El método aquí propuesto es aplicado al reconocimiento de objetos en video en tiempo real.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
aplicaciones informáticas
Video (e.g., tape, disk, DVI)
reconocimiento de objetos en video; SIFT; paralelización del algoritmo; minería de datos
object recognition in video; SIFT; algorithm parallelization; data mining
reconhecimento de objetos em vídeo; SIFT; paralelização do algoritmo; mineração de dados
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/4033
Acceder
id SEDICI_5072ba564fd9b48f6de40b921d098d7e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/4033
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Reconocimiento de objetos en videoAlbanesi, María BernardaFunes, NadiaCiencias Informáticasaplicaciones informáticasVideo (e.g., tape, disk, DVI)reconocimiento de objetos en video; SIFT; paralelización del algoritmo; minería de datosobject recognition in video; SIFT; algorithm parallelization; data miningreconhecimento de objetos em vídeo; SIFT; paralelização do algoritmo; mineração de dadosEl reconocimiento de objetos en video sigue siendo un tema de actualidad y ha motivado el desarrollo de diversos métodos informáticos para tratar de resolverlo. Uno de los enfoques más utilizados radica en la caracterización de los pixeles más relevantes de la imagen. Si bien en esta dirección existen distintas soluciones, en todos los casos se busca expresar la información referida a la vecindad de dichos puntos de la forma más invariante posible. El método SIFT (Scale-Invariant Feature Transform) es, sin duda, uno de los más utilizados. Sin embargo, su costo computacional es alto si se piensa en su aplicación en tareas tales como tracking de video. El objetivo central de esta tesina es proponer una implementación paralela del método de SIFT sobre una arquitectura paralela de memoria compartida, aprovechando el amplio desarrollo de los multicores. Este tipo de máquina permite obtener menores tiempos de respuesta para una aplicación al dividir el trabajo entre los cores que lo forman. Para lograr tiempos de respuesta acordes a los requeridos para el procesamiento de videos en tiempo real se utiliza un esquema Bag of Task para lograr de esta manera un balance de carga que asegure un buen rendimiento de la aplicación. El método aquí propuesto es aplicado al reconocimiento de objetos en video en tiempo real.Licenciado en SistemasUniversidad Nacional de La PlataFacultad de InformáticaLanzarini, Laura CristinaChichizola, Franco2010info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/4033spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:31:01Zoai:sedici.unlp.edu.ar:10915/4033Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:31:01.355SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Reconocimiento de objetos en video
title Reconocimiento de objetos en video
spellingShingle Reconocimiento de objetos en video
Albanesi, María Bernarda
Ciencias Informáticas
aplicaciones informáticas
Video (e.g., tape, disk, DVI)
reconocimiento de objetos en video; SIFT; paralelización del algoritmo; minería de datos
object recognition in video; SIFT; algorithm parallelization; data mining
reconhecimento de objetos em vídeo; SIFT; paralelização do algoritmo; mineração de dados
title_short Reconocimiento de objetos en video
title_full Reconocimiento de objetos en video
title_fullStr Reconocimiento de objetos en video
title_full_unstemmed Reconocimiento de objetos en video
title_sort Reconocimiento de objetos en video
dc.creator.none.fl_str_mv Albanesi, María Bernarda
Funes, Nadia
author Albanesi, María Bernarda
author_facet Albanesi, María Bernarda
Funes, Nadia
author_role author
author2 Funes, Nadia
author2_role author
dc.contributor.none.fl_str_mv Lanzarini, Laura Cristina
Chichizola, Franco
dc.subject.none.fl_str_mv Ciencias Informáticas
aplicaciones informáticas
Video (e.g., tape, disk, DVI)
reconocimiento de objetos en video; SIFT; paralelización del algoritmo; minería de datos
object recognition in video; SIFT; algorithm parallelization; data mining
reconhecimento de objetos em vídeo; SIFT; paralelização do algoritmo; mineração de dados
topic Ciencias Informáticas
aplicaciones informáticas
Video (e.g., tape, disk, DVI)
reconocimiento de objetos en video; SIFT; paralelización del algoritmo; minería de datos
object recognition in video; SIFT; algorithm parallelization; data mining
reconhecimento de objetos em vídeo; SIFT; paralelização do algoritmo; mineração de dados
dc.description.none.fl_txt_mv El reconocimiento de objetos en video sigue siendo un tema de actualidad y ha motivado el desarrollo de diversos métodos informáticos para tratar de resolverlo. Uno de los enfoques más utilizados radica en la caracterización de los pixeles más relevantes de la imagen. Si bien en esta dirección existen distintas soluciones, en todos los casos se busca expresar la información referida a la vecindad de dichos puntos de la forma más invariante posible. El método SIFT (Scale-Invariant Feature Transform) es, sin duda, uno de los más utilizados. Sin embargo, su costo computacional es alto si se piensa en su aplicación en tareas tales como tracking de video. El objetivo central de esta tesina es proponer una implementación paralela del método de SIFT sobre una arquitectura paralela de memoria compartida, aprovechando el amplio desarrollo de los multicores. Este tipo de máquina permite obtener menores tiempos de respuesta para una aplicación al dividir el trabajo entre los cores que lo forman. Para lograr tiempos de respuesta acordes a los requeridos para el procesamiento de videos en tiempo real se utiliza un esquema Bag of Task para lograr de esta manera un balance de carga que asegure un buen rendimiento de la aplicación. El método aquí propuesto es aplicado al reconocimiento de objetos en video en tiempo real.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
description El reconocimiento de objetos en video sigue siendo un tema de actualidad y ha motivado el desarrollo de diversos métodos informáticos para tratar de resolverlo. Uno de los enfoques más utilizados radica en la caracterización de los pixeles más relevantes de la imagen. Si bien en esta dirección existen distintas soluciones, en todos los casos se busca expresar la información referida a la vecindad de dichos puntos de la forma más invariante posible. El método SIFT (Scale-Invariant Feature Transform) es, sin duda, uno de los más utilizados. Sin embargo, su costo computacional es alto si se piensa en su aplicación en tareas tales como tracking de video. El objetivo central de esta tesina es proponer una implementación paralela del método de SIFT sobre una arquitectura paralela de memoria compartida, aprovechando el amplio desarrollo de los multicores. Este tipo de máquina permite obtener menores tiempos de respuesta para una aplicación al dividir el trabajo entre los cores que lo forman. Para lograr tiempos de respuesta acordes a los requeridos para el procesamiento de videos en tiempo real se utiliza un esquema Bag of Task para lograr de esta manera un balance de carga que asegure un buen rendimiento de la aplicación. El método aquí propuesto es aplicado al reconocimiento de objetos en video en tiempo real.
publishDate 2010
dc.date.none.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/4033
url http://sedici.unlp.edu.ar/handle/10915/4033
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846782726798049280
score 12.982451

Publicaciones similares