Resumen

El seguimiento visual de objetos es un componente fundamental en muchas aplicaciones de visión por computadora. La extracción de características robustas del objeto es uno de los pasos más importantes en el seguimiento. Dado que los rastreadores formulados únicamente en datos RGB suelen estar afectados por oclusiones, variaciones de apariencia o iluminación, proponemos en este artículo un novedoso método de seguimiento RGB-D basado en el aprendizaje de características genéticas. Nuestro enfoque aborda el aprendizaje de características como un problema de optimización. Al poseer la ventaja de la computación paralela, el algoritmo genético (AG) tiene una rápida velocidad de convergencia y un excelente rendimiento de optimización global. Al mismo tiempo, a diferencia de los métodos de características hechas a mano y de aprendizaje profundo, el AG puede ser utilizado para resolver el problema de representación de características sin conocimientos previos, y no requiere un gran número de parámetros a aprender. La solución candidata en modalidad RGB o de profundidad se representa como un codificación de una imagen en el AG,

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Seguimiento de objetos; Visión por computadora; Método de seguimiento RGB-D; Algoritmo genético; Aprendizaje de características; Velocidad de seguimiento
• Keywords:Object tracking; Computer vision; RGB-D tracking method; Genetic algorithm; Feature learning; Tracking speed