Resumen

En este artículo se estudia la noción de estructura jerárquica (encadenada) del seguimiento estocástico de puntos característicos marcados mientras una persona se mueve en el campo de visión de un sensor RGB y de profundidad. El objetivo es explorar cómo la información entre las dos modalidades de detección (a saber, la detección RGB y la detección de profundidad) puede ser encadenada con el fin de distribuir y compartir el conocimiento implícito asociado con el entorno de seguimiento. En la primera capa, la estimación previa del estado del objeto se distribuye basándose en el novedoso enfoque de restricciones de movimiento esperadas asociadas a los movimientos. En la segunda capa, la salida segmentada resultante de la imagen RGB se utiliza para el seguimiento de los puntos de interés marcados en la imagen de profundidad de la persona. Aquí proponemos dos enfoques para asociar una medida (peso) para la distribución de las estimaciones (partículas) de los puntos característicos de seguimiento utilizando datos de profundidad. La primera medida se basa en la noción de spin-image y la segunda en la distancia geodésica. El artículo presenta la aplicación general del método propuesto junto con algunos resultados de casos prácticos.

• Materias:Control del proceso Regulación automática Diagnóstico de fallos Instrumentación automática Optimización de procesos
• Subjects: Automatic regulation Fault diagnosis Automatic instrumentation Process optimization
• Palabras claves:resultados de un estudio de caso, puntos característicos marcados, enfoque de restricciones de movimiento, seguimiento de puntos característicos, noción, papel, persona, imagen rgb, detección rgb, datos de profundidad
• Keywords:case study results, marked feature points, motion constraints approach, tracking feature points, notion, paper, person, rgb image, rgb sensing, depth data