2020
DOI: 10.4067/s0718-07642020000300023
|View full text |Cite
|
Sign up to set email alerts
|

Algoritmos de rastreo de movimiento utilizando técnicas de inteligencia artificial y machine learning

Abstract: El objetivo de este artículo es implementar un análisis de algoritmos de seguimiento basado en técnicas de visión por computador y machine learning para identificar, rastrear y clasificar diferentes elementos y patrones presentes en un video. Existen variaciones asociadas con la precisión en las que este tipo de técnicas se aplican para llevar a cabo el rastreo de objetos en movimiento, lo cual puede influir de manera significativa sobre la calidad en la captura, así como el rendimiento de procesamiento utiliz… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
1
0
1

Year Published

2022
2022
2023
2023

Publication Types

Select...
5
1

Relationship

0
6

Authors

Journals

citations
Cited by 7 publications
(2 citation statements)
references
References 12 publications
0
1
0
1
Order By: Relevance
“…is is because the improved FAST14-24 algorithm is used in the research to eliminate some pseudo-corner points on the edge and eliminate certain interference. In the process of the feature point optimization, the Shi-Tomasi algorithm is used to select feature points with large curvature changes, which are easy to identify and are stable [21,22].…”
Section: Analysis Of the Distribution Of Feature Pointsmentioning
confidence: 99%
“…is is because the improved FAST14-24 algorithm is used in the research to eliminate some pseudo-corner points on the edge and eliminate certain interference. In the process of the feature point optimization, the Shi-Tomasi algorithm is used to select feature points with large curvature changes, which are easy to identify and are stable [21,22].…”
Section: Analysis Of the Distribution Of Feature Pointsmentioning
confidence: 99%
“…El desarrollo de nuevas herramientas que permiten realizar diagnósticos en el sector agrícola ha tomado fuerza gracias a la utilización de técnicas de aprendizaje de maquina y aprendizaje profundo, puesto que permiten determinar en su gran mayoría los patrones que se generan a la hora de caracterizar enfermedades, hongos y etapas de producción. Algunas de estas aplicaciones son: El diagnóstico de enfermedades en plantas (Escudero et al, 2020;Bejarano et al, 2021); El Procesamiento de imágenes para detectar pixeles enfermos (Singh et al, 2017); Mejoras procesos de clasificación (Cruz et al, 2021), entre otros (Santos et al, 2020). Adicionalmente, también se han llevado a cabo investigaciones en el sector de la caficultura a partir de técnicas de aprendizaje supervisado con el fin de obtener patrones del grano.…”
unclassified