Efecto de los filtros morfológicos en los procesos de detección de objetos en movimiento

Abstract

En los procesos de sustracción de fondo aplicado a la detección de objetos en movimiento, una de las etapas de mayor relevancia es la del filtrado por morfología, en donde se simplifica la imagen y se conservan la mayor parte de las características de forma de los objetos. Por ello, se realiza una comparativa entre las operaciones de dilatación, erosión, apertura, cierre y gradiente en imágenes de video con fondo estático, donde circulan personas en ambientes no controlados, con el objetivo de determinar su comportamiento en la detección y conteo de personas. El procesamiento de imagen se realiza en lenguaje Python y se utiliza el paquete especializado para visión por computadora OpenCV. Además, mediante Tkinter se desarrolló una interfaz gráfica de usuario con la que se ingresan los valores del tamaño y la forma del elemento estructural para el procesamiento. Al aplicar el filtrado morfológico por dilatación se obtuvo un acierto en las detecciones de 82.28 %, con la erosión el acierto fue de 81.86 %, mientras que, con las operaciones de apertura, cierre y gradiente el acierto fue de 83.69 %, 93.07 % y 87.69 % respectivamente.

In the processes of background subtraction applied to the detection of moving objects, one of the most relevant stages is the filtering by morphology, where the image is simplified and most of the shape characteristics of the objects are preserved. Therefore, a comparison is made between the operations of dilation, erosion, opening, closing and gradient in video images with static background, where people circulate in uncontrolled environments, to determine their behavior in the detection and counting of people. Image processing is performed in Python language and the specialized computer vision package OpenCV is used. In addition, a graphical user interface was developed using Tkinter to enter the values of the size and shape of the structural element for processing. When applying the morphological filtering by dilatation, a success in the detections of 82.28 %, with erosion the accuracy was 81.86 %, while, with the opening, closing and gradient operations the accuracy was 83.69 %, 93.07 % and 87.69 % respectively.