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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/4033
Ver los metadatos del registro completo
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:UNLP2025-09-29T10:49:26Zoai: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:13292025-09-29 10:49:26.813SEDICI (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_ |
1844615747509157888 |
score |
13.070432 |