Resumen

En este trabajo se propone un rastreador de desplazamiento medio basado en un kernel de forma adaptable utilizando una única cámara estática para el sistema de visión del robot. La cuestión que abordamos en este trabajo es cómo construir un kernel de forma que se adapte a la forma del objeto. Realizamos una técnica de aprendizaje múltiple no lineal para obtener el espacio de forma de baja dimensión que se entrena mediante datos de entrenamiento con la misma vista que el vídeo de seguimiento. El kernel propuesto busca la forma en el espacio de forma de baja dimensión obtenido mediante la técnica de aprendizaje de pliegues no lineales y construye la forma del kernel adaptativo en el espacio de forma de alta dimensión. Puede mejorar el rendimiento del rastreador de desplazamiento medio para seguir la posición y el contorno del objeto y evitar el desorden del fondo. En la parte experimental, tomamos el ejemplo de un humano caminando para validar que nuestro método es preciso y robusto para seguir la posición humana y describir el contorno humano.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:espacio de forma dimensional, means shift tracker, técnicas de manifold learning, manifold learning no lineal, kernel de forma adaptativo, sistema de visión robótica, kernel de forma adaptativo, cámara estática única, parte experimental, papel
• Keywords:dimensional shape space, means shift tracker, manifold learning techniques, nonlinear manifold learning, adaptive shape kernel, robot vision system, adaptive kernel shape, single static camera, experimental part, paper