Primeras pruebas: Detección de incendios

Imagen 1. Regiones oscuras "blob detection".

El método empleado para detectar este tipo de incendios se denomina "blob detection".

Este método consiste en un grupo de pixeles conectados en una imagen que comparten alguna propiedad. En la imagen según el método, la región oscura, corresponde a las regiones denominadas "blobs". 

Estas regiones son las de interés las que posteriormente se marcarán. Estos son algunos de los resultados obtenidos, del procesamiento de imágenes realizado.

Imagen 2. Prueba 1.

Imagen 3. Prueba 2.

[1] Detection blob. [En línea]. Disponible: <http://www.learnopencv.com/blob-detection-using-opencv-python-c/>. [Consulta del 30-06-2015].

Primeras pruebas de Detección y conteo de Vehículos

Empleando herramientas como la librería de procesamiento de imágenes opencv en Python, realizamos nuestras primeras pruebas empleando a KEA para grabar el tráfico vehicular.

Prueba 1.

Prueba 2.

El método consiste en un clasificador Haar, método desarrollado por Viola y Jones. Es un clasificador basado en árboles de decisión con entrenamiento supervisado. El entrenamiento se realiza determinando una serie de características basadas en sumas y restas de los niveles de intensidad de la imagen. Basándonos en estas características locales podemos obtener un detector de objetos robusto. También se denominan estos clasificadores mediante el nombre de cascada, ya que el resultado del clasificador es el fruto de varios clasificadores más simples o etapas [1].

[1] Clasificador Haar. Disponible. [En línea]. Disponible: <http://www.navasdesign.com/2013/04/16/clasificador-haar/>.  Consulta del [30-06-2015]