Segmentación De Imágenes

Dynamically changing background ("dynamic background") still presents a great challenge to many motion-based video surveillance systems. In the context of event detection, it is a major source of false alarms. There is a strong need from the security industry either to detect and suppress these false alarms, or dampen the effects of background changes, so as to increase the sensitivity to meaningful events of interest. In this paper, we restrict our focus to one of the most common causes of dynamic background changes: that of swaying tree branches and their shadows under windy conditions. Considering the ultimate goal in a video analytics pipeline, we formulate a new dynamic background detection problem as a signal processing alternative to the previously described but unreliable computer vision-based approaches. Within this new framework, we directly reduce the number of false alarms by testing if the detected events are due to characteristic background motions. In addition, we introduce a new dataset suitable for the evaluation of dynamic background detection. It consists of real-world events detected by a commercial surveillance system from two static surveillance cameras. The research question we address is whether dynamic background can be detected reliably and efficiently using simple motion features and in the presence of similar but meaningful events such as loitering. Inspired by the tree aerodynamics theory, we propose a novel method named local variation persistence (LVP), that captures the key characteristics of swaying motions. The method is posed as a convex optimization problem whose variable is the local variation. We derive a computationally efficient algorithm for solving the optimization problem, the solution of which is then used to form a powerful detection statistic. On our newly collected dataset, we demonstrate that the proposed LVP achieves excellent detection results and outperforms the best alternative adapted from existing art in the dynamic background literature.

The Banking and Financial Environment in Colombia has witnessed so many regulatory changes and competitive dynamics. This has made segmentation practices an imperative determinant in their service offering and development to its complex customers. Approach: This study assessed the use and impact of market segmentation patterns and practices on the performance of selected banks in
Colombia, post consolidation period of 2012 to date. The methods applied were both primary and secondary while the design was mainly exploratory, relating basic market segmentation variables like market share, geographical location and pricing to bank performance. Statistical test using Herfindal Hirchman Index (HHI) was designed to test for market concentration against bank’s performance.
Objective: The idea behind this research was to assist managers, business students, and banking workers to understand the concept and impacts of marketing segmentation patterns and practices on banks performance. Results: Findings from the study indicate that, segmentation practices have immensely impacted on the performance of the selected banks in Colombia. The study exposed that the banks have used segmentation practices to lower their overall operation unit cost, expand their market shares, retain their customers, better their communications, increase profitability and focus on their company. They are well positioned in capital strength and they are the best capitalized banks in Colombia, thanks to their segmentation strategy called data-informed strategy. Conclusion: The study however concluded that there is a threshold point (37.2%) in which any further commitment of funds
into market segmentation practice can lead to negative result. Recommendation: It was recommended that less dominated banks can adopt acceptable corporate image, simple and flexible account opening formalities, just-in-time service delivery, employee-customer management, and effective and efficient use of referrals to win customer loyalty which tend to retain old customers and win new customers as well.

La segmentación de imágenes es un campo de investigación
relevante en el procesamiento de imágenes.
Muchos algoritmos avanzados han sido desarrollados
para separar en una imagen a color, una región de interés
de su fondo (snakes, live-wire, entre otros). Sin embargo,
los resultados obtenidos no son satisfactorios en muchos
casos. Métodos más precisos se basan en representar
la imagen como un grafo y separarla en dos sub-grafos
que representen la región de interés (foreground) y el
fondo (background). El algoritmo GrabCut pertenece
a esta categoría. En este trabajo presentamos los fundamentos
teóricos y la implementación detallada del
algoritmo Grabcut con algunas mejoras no presentadas
en su versión original. Particularmente, los cálculos del
N-Link, T-Link y corte mínimo fueron modificados. Estos
cambios permiten obtener mejores resultados en los
píxeles de la frontera entre el foreground y background,
así como acelerar el algoritmo de corte mínimo. Nuestra
implementación muestra buenos resultados para las
imágenes de prueba utilizadas.

El reconocimiento de rostros es un tema de visión por computadora debido a los procesos y operaciones que son realizadas a una imagen con el auxilio del PDI y sus técnicas. En este articulo se muestra un modelo que resolvió el problema mediante la utilización de técnicas de redes neuronales, específicamente el perceptrón multicapa, también todos los pasos utilizados para desarrollar un sistema para reconocer rostros característicos de redes neuronales, el cual comprende el uso de redes neuronales polinomiales para la detección de caras en una imagen, las técnicas de resta de imágenes para la detección de movimiento, principio de mínimos cuadrados para la predicción y seguimiento del rostro de una persona, el uso de la transformada de Fourier como filtro para alimentar a la red neuronal con una arquitectura de 400 entradas, 40-380 y 50 neuronas en capas ocultas respectivamente, y los resultados experimentales para cada una de las etapas del proyecto.

Este artículo presenta un detector de aristas y esquinas, implementado en el dominio del proyecto GEIST (un Sistema de Información Turística Asistido por Computador) para extraer la información de aristas rectas y sus intersecciones (esquinas en la imagen) a partir de imágenes de cámara (del mundo real) contrastadas con imágenes generadas por computador (de la Base de Datos de Monumentos Históricos a partir de posición y orientación de un observador virtual). Las imágenes de la cámara y las generadas por computador son procesadas para reducir detalle, hallar el esqueleto de la imagen y detectar aristas y esquinas. Las esquinas sobrevivientes del proceso de detección y hallazgo del esqueleto de las imágenes son tratados como puntos referentes y alimentados a un algoritmo de puesta en correspondencia, el cual estima los errores de muestreo que usualmente contaminan los datos de GPS y orientación (alimentados al generador de imágenes por computador). De esta manera, un ciclo de control de lazo cerrado se implementa, por medio del cual el sistema converge a la determinación exacta de posición y orientación de un observador atravesando un escenario histórico (en este caso, la ciudad de Heidelberg). Con esta posición y orientación exactas, en el proyecto GEIST otros módulos son capaces de proyectar re-creaciones históricas en el campo de visión del observador, las cuales tienen el escenario exacto (la imagen real vista por el observador). Así, el turista “ve” las escenas desarrollándose en sitios históricos materiales y reales de la ciudad. Para ello, este artículo presenta la modificación y articulación de algoritmos tales como el Canny Edge Detector, “SUSAN Corner detector”, filtros 1- y 2-dimensionales, etcétera.

PACS: 07.05.Pj

MSC: 68Uxx, 68U05, 68U10