Comparativa entre la técnica de umbralización binaria y el método de Otsu para la detección de personas

• Niño- Rondón, Carlos Vicente ^[1] ; Castro-Casadiego, Sergio Alexander ^[1] ; Medina-Delgado, Byron ^[1] ; Guevara-Ibarra, Dinael ^[1] ; Camargo-Ariza, Luis Leonardo ^[2]
  1. [1] Universidad Francisco de Paula Santander

     Universidad Francisco de Paula Santander

     Colombia

     
  2. [2] Universidad del Magdalena

     Universidad del Magdalena

     Colombia

     
• Localización: Revista UIS Ingenierías, ISSN-e 2145-8456, ISSN 1657-4583, Vol. 20, Nº. 2, 2021 (Ejemplar dedicado a: Revista UIS Ingenierías), págs. 65-74
• Idioma: español
• Títulos paralelos:
  • Comparative between the binary thresholding technique and the Otsu method for the people detection
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En procesos de detección por imágenes en las que existe variación de luminosidad entre pixeles, se requieren técnicas que permitan obtener valores óptimos y adaptables de umbral ante dichas variaciones. Por ello, se realiza una comparativa entre la técnica de umbralización binaria y el método adaptativo de Otsu, en videos con fondo dinámico y estático, ponderando el tiempo de respuesta del algoritmo, memoria utilizada, requerimiento de la unidad central de procesos y aciertos en las detecciones, en los lenguajes de Python y M (Matlab). Las técnicas en Python presentan mejores resultados en cuanto a tiempo de respuesta y espacio de memoria; mientras que, al utilizar Matlab, se presenta el menor porcentaje de requerimiento de máquina. Asimismo, el método de Otsu mejora el porcentaje de aciertos en 12.89 % y 11.3 % para videos con fondo dinámico y estático, respecto a la técnica de umbralización binaria.

  • English

    In image detection processes where there is a variation in brightness between pixels, techniques are required to obtain optimal and adaptable threshold values for these variations. Therefore, a comparison between the binary thresholding technique and the adaptive method of Otsu is made, in videos with dynamic and static background, weighing the response time of the algorithm, memory used, requirement of the central processing unit and hits in the detections, in the languages of Python and M (Matlab). The techniques in Python present better results in terms of response time and memory space; while, when using Matlab, the lowest percentage of machine requirement is presented. Also, the Otsu method improves the percentage of hits in 12.89 % and 11.3 % for videos with dynamic and static background, with respect to the binary thresholding technique.