Reconocimiento de objetos en video

El reconocimiento de objetos en video sigue siendo un tema de actualidad y ha motivado el desarrollo de diversos métodos informáticos para tratar de resolverlo. Uno de los enfoques más utilizados radica en la caracterización de los pixeles más relevantes de la imagen. Si bien en esta dirección existen distintas soluciones, en todos los casos se busca expresar la información referida a la vecindad de dichos puntos de la forma más invariante posible. El método SIFT (Scale-Invariant Feature Transform) es, sin duda, uno de los más utilizados. Sin embargo, su costo computacional es alto si se piensa en su aplicación en tareas tales como tracking de video. El objetivo central de esta tesina es proponer una implementación paralela del método de SIFT sobre una arquitectura paralela de memoria compartida, aprovechando el amplio desarrollo de los multicores. Este tipo de máquina permite obtener menores tiempos de respuesta para una aplicación al dividir el trabajo entre los cores que lo forman. Para lograr tiempos de respuesta acordes a los requeridos para el procesamiento de videos en tiempo real se utiliza un esquema Bag of Task para lograr de esta manera un balance de carga que asegure un buen rendimiento de la aplicación. El método aquí propuesto es aplicado al reconocimiento de objetos en video en tiempo real. Licenciado en Sistemas Universidad Nacional de La Plata