Panamá
La segmentación es una técnica fundamental en el análisis de imágenes que permite detectar y clasificar objetos; entre otros, las manos humanas. En este trabajo se presentan los resultados del desarrollo y pruebas de una aplicación interactiva parametrizable, Hands Segmentation, para la segmentación de manos humanas en imágenes RGB. Los resultados muestran que la aplicación fue eficiente para segmentar un 100% de las regiones de las imágenes RGB donde existían manos humanas, aunque un 2% de las segmentaciones incluía otras partes del cuerpo humano, como por ejemplo los brazos. Excluyendo ese 2%, el promedio de la métrica de efectividad Índice de Jaccard fue de 0.73, considerándose un valor aceptable para este tipo de aplicaciones. Se utilizó una muestra de veintidós (22) manos humanas distribuidas en diez (10) imágenes obtenidas por muestreo sistemático de un banco de imágenes de uso libre. El procesamiento de las imágenes se realizó con la aplicación Hands Segmentation desarrollada en C++ utilizando técnicas de visión artificial y la librería especializada OpenCV. El método de procesamiento incluyó: a) transformación del espacio de color de RGB a YCrCb, b) segmentación de la imagen por simulación de análisis hidrográfico (Watershed), c) delimitación de las regiones basada en contornos y d) cálculo de la efectividad usando la métrica Índice de Jaccard (IoU) y de la precisión, usando una métrica de cualificación ad hoc. El uso sistemático de la aplicación muestra que una adecuada escogencia de los parámetros a) brillo, b) contraste, c) dimensión del operador pixel a pixel, d) dimensión del operador morfológico y e) umbrales de dimensión de las regiones, son esenciales para obtener una adecuada segmentación de una mano humana en una imagen RGB.
Segmentation is a fundamental technique in image analysis that allows objects, including human hands, to be detected and classified. This work presents the results of developing and testing a parameterizable interactive application, Hands Segmentation, for the segmentation of human hands in RGB images. The results show that the application efficiently segmented 100% of the regions of the RGB images where human hands existed. However, 2% of the segmentations included other human body parts, such as the arms. Excluding that 2%, the average of the Jaccard Index effectiveness metric was 0.73, which is considered an acceptable value for this type of application. A sample of twenty-two (22) human hands distributed in ten (10) images obtained by systematic sampling from a free-use image bank was used. Image processing was carried out with the Hands Segmentation application developed in C++ using artificial vision techniques and the specialized OpenCV library. The processing method included: a) transformation of the color space from RGB to YCrCb, b) image segmentation by simulation of hydrographic analysis (Watershed), c) delimitation of the regions based on contours and d) calculation of the effectiveness using the Jaccard Index (IoU) and precision metric, using an ad hoc qualification metric. The systematic use of the application shows that an adequate choice of the parameters a) brightness, b) contrast, c) dimension of the pixel-by-pixel operator, d) dimension of the morphological operator, and e) dimension thresholds of the regions, are essential to obtain an adequate segmentation of a human hand in an RGB image.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados