DETECCION Y SEGUIMIENTO DE CARROS Y MOTOS CON VISION ARTIFICIAL | Seguimiento de Objetos con Python

Summary

En este video tutorial, Diego Sánchez enseña cómo crear un detector y seguidor de objetos, específicamente para carros y motos, que puede adaptarse a otros objetos y situaciones. Se muestra el funcionamiento del programa, la selección de una zona de interés y la aplicación de un algoritmo de detección y seguimiento. El video incluye pasos detallados para implementar el sistema, desde la captura de imágenes estáticas con una cámara, hasta la programación del seguidor y el ajuste de parámetros para un rendimiento óptimo en entornos controlados como parqueaderos o entradas de edificios.

Takeaways

• 😀 El video muestra cómo crear un detector y seguidor de objetos, específicamente para carros y motos, que se puede adaptar a otros objetos como humanos.
• 👀 Se destaca la importancia de tener una cámara estática para el correcto funcionamiento del algoritmo de detección y seguimiento.
• 🛠️ El script proporciona un paso a paso para implementar un detector de carros en lugares como parqueaderos, entradas de centros comerciales y residenciales.
• 📍 Se selecciona una zona de interés en la carretera donde todos los objetos a detectar deben pasar para mejorar la eficacia del seguimiento.
• 🎨 Se utiliza una técnica de máscara para dejar el fondo negro y los objetos en blanco, facilitando su detección.
• 🔢 El seguidor de objetos cuenta y numera los objetos detectados, como motos y carros, para su monitoreo y control.
• 👨‍💻 Se detalla la programación necesaria para crear el seguidor, incluyendo la inicialización de variables y el uso de librerías como márquez para operaciones matemáticas.
• 🔄 Se implementa un algoritmo de detección que utiliza un 'sustractor de fondo' para diferenciar los objetos en movimiento del fondo estático.
• 📏 Se extraen los contornos de los objetos detectados y se filtran aquellos que no cumplen con un tamaño mínimo para evitar falsos positivos.
• 📹 Se sugiere ajustar los parámetros del algoritmo, como el umbral de detección y el history, según las condiciones específicas del entorno de aplicación.
• 👋 El video concluye con una demostración del seguidor funcionando y una invitación a apoyar el canal para recibir más contenido útil.

Q & A

¿Qué es lo que se enseña en el video sobre la detección y seguimiento de objetos?

El video enseña cómo hacer un detector y seguidor de objetos, específicamente aplicado a carros y motos, que puede ser utilizado en diferentes escenarios como parqueaderos, entradas de centros comerciales o residenciales.

¿Por qué es importante que la cámara esté estática para el algoritmo de detección y seguimiento?

La cámara debe estar estática para que el algoritmo de detección por diferencia de fondo funcione correctamente, ya que este algoritmo se basa en la comparación de la imagen actual con el fondo establecido.

¿Qué es una 'mascarilla' en el contexto de detección de objetos?

Una máscara es una técnica utilizada en la detección de objetos que deja el fondo en negro y deja los objetos en blanco, facilitando su identificación y seguimiento.

¿Cómo se selecciona la zona de interés para la detección y seguimiento de objetos?

Se selecciona una zona de interés donde deben pasar todos los objetos a ser detectados, como un pasaje obligatorio para carros y motos en una carretera, para optimizar el rendimiento del algoritmo.

¿Qué es el 'sustractor de fondo' y cómo se utiliza en el algoritmo?

El sustractor de fondo es un método que identifica las diferencias entre el fondo establecido y la imagen actual, dejando el fondo en negro y los objetos en blanco para su detección.

¿Qué es un 'contorno' en el contexto de procesamiento de imágenes y cómo se relaciona con la detección de objetos?

Un contorno es la forma o borde de un objeto detectado en una imagen. En el procesamiento de imágenes, se extraen estos contornos para identificar y dibujar los límites de los objetos.

¿Cómo se eliminan los ruidos o detecciones falsas en el proceso de detección de objetos?

Se eliminan los ruidos mediante la aplicación de umbrales y el uso de filtros que solo dejan objetos de un tamaño mínimo, ignorando los pequeños ruidos que podrían ser sombras o elementos irrelevantes.

¿Qué es el 'seguimiento' en el contexto de este video y cómo se realiza?

El seguimiento es el proceso de identificar y rastrear los objetos detectados a lo largo del tiempo. Se realiza almacenando las coordenadas centrales de los objetos y asignándoles una identificación única para su conteo y seguimiento.

¿Cómo se ajustan los parámetros del algoritmo según el entorno de aplicación?

Los parámetros del algoritmo, como el umbral de detección y la historia del sustractor de fondo, se ajustan según el entorno de aplicación para optimizar la detección y minimizar las detecciones falsas.

¿Qué es la 'zona de interés' y por qué es fundamental en el algoritmo de detección y seguimiento?

La zona de interés es un área específica de la imagen donde se esperan que los objetos a detectar pasen. Es fundamental ya que el algoritmo se centra en esta zona para mejorar la eficiencia y precisión de la detección.

Outlines

00:00

😀 Introducción al Detector y Seguidor de Objetos

El video comienza con una introducción al proyecto de un detector y seguidor de objetos, específicamente para carros y motos, por Diego Sánchez. Se menciona que el algoritmo también puede aplicarse a humanos y se da un vistazo al funcionamiento del programa. Se destaca la efectividad del algoritmo en un ambiente descontrolado y se sugiere que su rendimiento será mejor en lugares como parqueaderos o entradas a centros comerciales.

05:00

🔍 Preparación y Configuración del Detector de Objetos

Se describe el proceso de configuración del detector de objetos, enfatizando la importancia de tener una cámara estática para un correcto funcionamiento. Se detalla la creación de una clase para el seguidor y se discuten las variables iniciales como el contador de identificación y los puntos centrales de los objetos. Además, se menciona la necesidad de ajustar los parámetros del algoritmo según el entorno en el que se implemente.

10:01

📐 Selección y Procesamiento de la Zona de Interés

El script se centra en cómo seleccionar y procesar una zona de interés para la detección de carros y motos. Se sugiere la necesidad de no procesar toda la imagen para evitar un gran desgaste en recursos. Se detalla el uso de un sustractor de fondo para dejar el fondo en negro y los objetos en blanco, y se establece un umbral para eliminar sombras y ruido. Luego, se extraen los contornos de los objetos y se almacenan en una lista para su posterior seguimiento.

15:01

🚗 Implementación del Seguimiento y Detección de Objetos

Se explica cómo se implementa el seguimiento de los objetos identificados. Se describe el proceso de recibir las coordenadas de los objetos, extraer el punto central y asignar un número de identificación si el objeto no ha sido detectado anteriormente. También se menciona el uso de un algoritmo para dibujar rectángulos alrededor de los objetos y cómo se muestran en pantalla con su correspondiente número de identificación. Finalmente, se discute la visualización de la zona de interés y la máscara de detección al final de la captura.

Keywords

💡Detector de objetos

El detector de objetos es una técnica utilizada en la informática de la visión para identificar y localizar objetos en una imagen o secuencia de imágenes. En el video, se utiliza para detectar carros y motos en un entorno de carretera, lo cual es fundamental para el seguimiento y análisis de su movimiento. Se menciona que el detector funciona bien en ambientes controlados, como parqueaderos o entradas a centros comerciales.

💡Seguidor de objetos

El seguidor de objetos es un proceso que permite rastrear el movimiento de un objeto una vez que ha sido detectado. En el contexto del video, se aplica para contar y seguir los carros y motos que entran y salen de una zona de interés, lo que es esencial para aplicaciones como el monitoreo de tráfico o el control de acceso.

💡Zona de interés

La zona de interés se refiere a una área específica de una imagen o secuencia de vídeo donde se esperan que ocurran ciertas actividades o apariciones de objetos. En el script, la zona de interés es donde los carros y las motos pasan, y es la región en la que se aplican los algoritmos de detección y seguimiento.

💡Máscara

Una máscara en procesamiento de imágenes es una técnica que se utiliza para aislar ciertas áreas de interés o para suprimir partes de una imagen. En el video, se crea una máscara para dejar el fondo negro y dejar los objetos en blanco, lo que facilita su detección y seguimiento.

💡Centro de objeto

El centro de objeto se refiere a la posición central de un objeto detectado. En el script, se almacenan las posiciones centrales de los objetos para su seguimiento y conteo, lo cual es crucial para identificar y rastrear a los carros y motos individuales.

💡Contador de identificación

El contador de identificación es un mecanismo para asignar un número único a cada objeto detectado, lo que permite diferenciar y rastrear individualmente a cada uno. En el video, se utiliza para numerar a los carros y motos que entran en la zona de interés.

💡Sustractor de fondo

El sustractor de fondo es un algoritmo que se utiliza para eliminar el fondo de una imagen y destacar los objetos en movimiento. Es fundamental en el script para crear la máscara que permite la detección de los objetos en la zona de interés.

💡Umbral

El umbral es un valor utilizado para diferenciar entre los píxeles que pertenecen a un objeto y aquellos que no. En el video, se utiliza para definir los límites entre los objetos y el fondo, ayudando a crear la máscara y a suprimir el ruido en la detección de objetos.

💡Contornos

Los contornos son las formas o bordes de los objetos en una imagen. En el script, se extraen los contornos de los objetos detectados para identificar sus formas y tamaños, lo que es importante para filtrar los objetos de interés y suprimir los ruidos.

💡Área de los contornos

El área de los contornos se refiere a la extensión de un contorno en la imagen. Se utiliza en el video para filtrar los contornos según su tamaño, permitiendo solo aquellos que corresponden a objetos grandes, como motos y carros, y excluyendo los ruidos o detecciones falsas.

💡Ruido

El ruido en el procesamiento de imágenes se refiere a cualquier detalle o variación que no corresponde a un objeto real y que puede interferir con la detección y el seguimiento. En el video, se busca suprimir el ruido mediante el uso de umbrales y el filtrado de áreas de contornos para mejorar la precisión de la detección de objetos.

Highlights

Introducción a la creación de un detector y seguidor de objetos, específicamente para carros y motos.

Explicación de cómo el detector y seguidor de objetos puede ser aplicado en diferentes escenarios, como parqueaderos o entradas a centros comerciales.

Importancia de que el entorno sea lo más controlado posible para el correcto funcionamiento del algoritmo.

Demostración del funcionamiento del programa con una carretera de ciudad como escenario.

Proceso de selección de una zona de interés para la detección de objetos en movimiento.

Uso de máscara para destacar objetos en blanco sobre un fondo negro y facilitar su detección.

Creación de un seguidor para contabilizar y rastrear objetos detectados.

Consideraciones sobre la estática de la cámara para el correcto funcionamiento del detector de objetos.

Detalles sobre la implementación del algoritmo de detección y seguimiento en un ambiente controlado.

Importancia de ajustar los parámetros del algoritmo según el entorno y las necesidades específicas.

Proceso de lectura de vídeo y configuración de la resolución para la detección de objetos.

Uso de un sustractor de fondo para mejorar la detección de objetos en movimiento.

Selección de una zona de interés y aplicación de detección en esa área específica.

Aplicación de umbrales para eliminar sombras y ruido en la detección de objetos.

Extracción de contornos y su uso para identificar objetos de interés en la zona de interés.

Filtrado de contornos por área para eliminar ruidos y detecciones falsas.

Uso de la biblioteca de CO2 y el rastreador creado para la implementación del detector y seguidor.

Proceso de seguimiento y asignación de identificación a nuevos objetos detectados.

Mostrar el resultado final del seguimiento y detección de objetos en la zona de interés.

Conclusión del tutorial y esperanza de que la información sea útil para proyectos futuros.

Transcripts

bueno gente bienvenidos ahora de más de

este canal aprende ingenian desde

ablación diego sánchez y el día de hoy

les voy a enseñar cómo podemos hacer un

detector y un seguidor de objetos en

este caso aplicado a carros y motos les

voy a dar el paso a paso de lo que deben

de hacer para que usted lo pueden

aplicar en sus proyectos para un

detector de carros en un parqueadero en

la entrada del centro comercial la

entrada junto residencial o un detector

de personas en un almacén comercial así

que no me enrollo más y comencemos con

el vídeo

bueno gente como hago normalmente

primero les voy a mostrar el

funcionamiento del programa y esto es

pasamos a toda la parte de la

programación y de cómo hacer este

algoritmo así que vamos a empezar bueno

gente aquí ya en pantalla tenemos el

algoritmo funcionando del sitio de

interés que nosotros elegimos para

detectar los carros y las motos este en

realidad es un detector y seguidor de

objetos que aplicamos a carros y motos

pero usted lo puede aplicar a humanos a

lo que ustedes necesiten si este es un

ambiente bastante descontrolado por

decirlo alguna manera porque es una

carretera de una ciudad pero si ustedes

tienen por ejemplo un parqueadero la

entrada a un centro comercial o la

entrada a un conjunto residencial pues

les va a funcionar mucho mejor porque es

ganar cuenta de que el algoritmo

funciona bastante bien que es lo primero

que debemos de tener en cuenta como

vemos en pantalla tenemos una zona

interés nosotros tenemos todo un vídeo

pero vamos a seleccionar una zona de

interés que es por donde deben de pasar

todos los carros y las motos en este

caso

ay nos da una interés lo que vamos a

hacer es extraer una máscara que lo que

hace es dejarnos el fondo negro y

nuestros objetos quedan en blanco así es

la forma en la que los detectamos una

vez los detectamos debemos de crear un

seguidor para irlos contabilizando así

que veamos el funcionamiento ahí viene

la primera moto en el primer objeto

segunda moto 23

ahí tenemos una cuarta moto tenemos el

quinto el carro que pasó sexto séptimo

el quinto es el carro que salió de la

derecha séptimo aquí tenemos un octavo

noveno décimo once como pueden ver él lo

sigue bastante bien lleva bastante bien

el conteo de nuestros carros y también

debe tener deben de tener en cuenta que

bueno es un ambiente que no está para

nada controlado si se juntan mucho los

los objetos pues pueden fallar un poco

el algoritmo así que ahorita sí vamos a

ver cómo se hace este algoritmo

bueno gente lo primero que debemos de

hacer es dirigirnos hacia el sitio dónde

queremos realizar la detección y el

seguimiento de los objetos en este caso

como queremos detectar y seguir carros

bueno vamos a dirigir a una avenida

bastante concurrida de la ciudad esto

con el fin de mostrarles que puede

funcionar este algoritmo puede funcionar

en ambientes bastantes controlados ya

que si usted lo piensa en implementar en

ambientes más controlados como pueden

ser parqueaderos entradas centros

comerciales entradas a conjuntos

residenciales pues puede funcionar mucho

mejor así que vamos a ver qué tal nos va

bueno gente ya estamos aquí en el sitio

donde vamos a captar todos los carros y

las motos y nos vamos a subir a ese

puente que está por acá con el fin de

tener una mejor vista tienen que

recordar algo muy importante y es que la

cámara tiene que estar totalmente

estática por el algoritmo no va a

funcionar así que vamos a ver qué tal

nos bajó

[Música]

a

bueno gente teniendo en cuenta todas las

recomendaciones anteriores de cómo vemos

de captar las imágenes para hacer esta

detección recuerden que la cámara de

estar totalmente quieta si no no va a

funcionar así que lo primero que vamos a

hacer es mirar estos dos archivos punto

país en uno tenemos nuestro seguidor o

rastreador y en el otro pues tenemos ya

todo implementado el detector con el

seguidor entonces importamos la librería

márquez para hacer algunas operaciones

matemáticas y creamos una clase cierto

este va a ser nuestro rastreador

seguidor como se le quieran llamar donde

pues inicialmente lo que hemos de hacer

es inicializar las variables en centro

puntos es donde vamos a almacenar las

posiciones centrales de los objetos para

que para qué vamos a almacenar las

posiciones para saber de qué ese objeto

ya lo detectamos sí eso lo vamos a ver

más adelante y lo otro es el contador de

ideas de identificación como tal

entonces el contador simplemente es el

numerito que aparece arriba del del

objeto en este caso carros y motos pues

contándole básicamente que inicializa

mos en uno porque pues no vamos a tener

un objeto número cero por decirlo alguna

manera el mayor objeto

0

así que bueno aquí empezamos con el

rastreo lo primero que hacemos es crear

una lista donde almacenamos los objetos

identificados entonces nosotros por

medio del detector le entregamos los las

coordenadas de ese objeto a este a esta

función como tal donde lo que hacemos es

obtener el punto central de ese nuevo

objeto una vez obtenemos el punto

central de ese nuevo objeto pues debemos

de mirar si este objeto ya fue detectado

que es lo que les decía concentro puntos

ahí debemos de mirar si ya fue detectado

entonces esto es muy sencillo como

pueden observar simplemente por medio de

un force pasamos por toda la lista si

pasamos por toda la lista y simplemente

miramos si el objeto fue detectado o no

detectado

entonces en caso de que ya fue detectado

pues simplemente no le vamos a asignar

un nivel nuevo una identificación una

identificación nueva es decir que no

vamos a aumentar el contador de ideas

que es este que está aquí y simplemente

vamos a dejar todo tal cual está

pero en caso de que el nuevo objeto sea

un nuevo objeto valga la redundancia sí

entonces ahí sí lo que tenemos que hacer

es aumentar nuestro contador almacenar

nuestras coordenadas en el kissinger

y asignamos uribe es básicamente lo que

tenemos aquí como eres muy básico es

cierto pero como pudieron observar

funciona bastante bien después lo que

hacemos es limpiar la lista de puntos

centrales de lucidez que ya no se están

usando porque pues esto nos consume de

recursos y eso es lo que no queremos

gente simplemente asignamos nada como

para decidir si es lo que estamos

haciendo hace asignar nada a esa lista

de objetos y de que la que tenemos aquí

a revista esta lista

digamos que la vaciamos por por decirlo

de alguna manera lo mismo con centro

puntos y lo mismo con con los new center

point ahora lo que debemos de hacer es

entregar estos objetos y de es decir

entregamos pues estas coordenadas que ya

fueron almacenadas pero que después

fueron base hadas quiere decir que

entregamos las coordenadas y las

limpiamos de una vez para que no se nos

pegue el algoritmo así que teniendo en

cuenta pues vamos a

a pasar a la parte del detector aquí en

el detector como pueden observar bueno

también es bastante básico bastante

sencillo pero se los voy a explicar muy

detalladamente para que ustedes puedan

entenderlo a la perfección

entonces importamos la librería de co2 y

también importamos el rastreador que ya

creamos esto quiere decir que a

rastreador importamos todo si esto

quiere decir este es tester hizo

entonces que lo que primero lo que lo

primero que debemos de hacer bueno lo

primero que debemos de hacer es bueno

hacer lo que viene siendo la lectura del

vídeo aquí realizamos la lectura como

tal

aquí lo que yo hago es que mi cámara

graba 1080 hoy le bajó un poquito la

resolución al vídeo para poder ser para

poder visualizar la correctamente

siempre la bajó a 1280 x 720 cierto

entonces

y lo primero que hemos de hacer crear

como un detector de objetos por eso era

tan importante que la cámara estuviese

totalmente estática porque nuestro

detector de objetos básicamente es un

súper insulto tractor de fondo que es

este que tenemos aquí entonces esta va a

ser nuestra detección nuestro sustractor

de fondo es lo que hace es dejarnos

nuestro fondo en negro y dejar el objeto

que se está moviendo en blanco entonces

que es historia history es como las

veces que se procesan ese fondo entonces

entre más alto sea pues mejor se va a

procesar ese fondo y mejor para detectar

nuestros objetos

y nuestro umbral quiere decir que entre

menor sea entre menor sea nuestro umbral

en nuestro umbral más detección más

detecciones tendremos quiere decir que

va a dejar pasar más objetos en

movimiento entonces es como si digamos

está moviendo un árbol lo va a detectar

como un objeto y eso es lo que queremos

estos valores ustedes los deben de

ajustar a sus necesidades digamos si

ustedes están en un parqueadero pues no

van a tener el árbol moviéndose digamos

que de pronto la persona pasando qué sé

yo el pajarito volando no van a tener

eso entonces digamos que pueden ajustar

estos parámetros a sus necesidades

digamos que en un parqueadero es mucho

más fácil porque tiene un ambiente mucho

más controlado aquí pueden cualquier

persona cruzar o el pajarito etcétera

etcétera entonces

teniendo esto en cuenta vamos a crear

aquí arribita nuestro objeto de

seguimiento y le vamos a llamar

seguimiento como tal entonces

simplemente frame lo que tenemos es

redimensionar lo por decirlo alguna

manera bajarle un poquito la calidad

vídeo para visualizarlo bien ahora vamos

a elegir una zona de interés para el uso

de autos se miran bueno como decir que

la zona interesa esta zona de interés se

las voy a mostrar vamos a minimizar esto

es esta que está aquí como ustedes

pueden observar esta zona de interés es

la zona donde obligatoriamente deben de

pasar todos los carros y las motos que

pasan por esta carretera que cuáles son

es esa es ésta que tenemos aquí abajito

se está aquello selección y aquí abajito

y es lo que ustedes deben de hacer

ustedes no deben de procesar toda la

imagen porque sería un desgaste muy

grande y no es necesario usted lo que

necesitan simplemente es designar esta

zona de interés básicamente estaba acá

bajito y como por aquí obligatoriamente

deben de pasar todos los objetos pues es

la zona donde vamos

a implementar nuestro seguidor y

nuestros defectos como tal entonces esto

lo hacemos es dándole las coordenadas al

a los 30 a los programas como tal

entonces damos las coordenadas de

interés a nuestra zona de interés cierto

así que a partir de aquí lo que hacemos

es crear una máscara con el fin de que

nuestros objetos sean totalmente blancos

y el fondo sea negro que pasan nuestros

extractor de fondos en los entregan el

fondo negro pero nos entrega algunos

elementos crisis en escala de grises

entonces nosotros no queremos esto

porque de pronto está pasando la sombra

de una moto entonces nada más detectar

la sombra de una moto como si fuese otro

objeto y eso es lo que queremos evitar

entonces lo que hacemos es crear una

máscara cierto bueno primero esa

detección esta detección que tenemos

aquí la vamos a aplicar a la zona

interés chicos ya partimos de que

estamos iniciando una interés es decir

estamos en este recuadro

y aquí estamos en este recuadro aquí ya

nos olvidamos de este grandote y nos

quedamos es con este a partir de ahora

este es el que tenemos que que manipular

entonces esta detección que yo les

hacíamos que del sustractor de fondo lo

vamos a aplicar a esa zona de interés

ahora qué vamos a decir vamos a aplicar

un umbral como así que un umbral cielo

es como una una línea que quiere decir

esta línea a partir de aquí hacia arriba

me lo deja blando y a partir de que hay

abajo me lo deja negro nosotros

definimos esa línea en este caso qué

línea definimos no definimos en el valor

254 es decir un poquito menos que

totalmente blanco porque porque el

detector en realidad nos entrega los

objetos blancos blancos blancos es decir

en 255 pero las sombras de ellos no las

entregan 253 252 un poquito más abajo un

poquito más grisáceo entonces queremos

eliminar todas esas sombras queremos

quedarnos con el objeto como tal

entonces de 854 para abajo

todo es negro ya todo eso es negro todo

eso hace parte del fondo y creemos es el

objeto entonces todo lo que esté para

254 lo vuelve 0 y lo que esté por encima

2 y lo vuelve 255 es decir blanco cierto

listo entonces con este umbral

eliminamos los pixeles grises y dejamos

solo los píxeles

que pertenecen a nuestros objetos que

están totalmente blancos como ustedes

pueden observar aquí todavía tenemos

algo de ruido pero donde no hiciéramos

esto tendríamos mucho más ruido muchas

más detecciones y bueno sería un

descontrol total pues ahí pueden

observar que detecta muy bien nuestros

objetos y está la máscara que yo les

estaba diciendo

pero aún así no es suficiente con eso

entonces lo que tenemos que hacer es de

esta máscara que se las voy a volver a

mostrar a esta máscara que tenemos aquí

pues bueno lo que tenemos que hacer es

extraer los contornos de ella cuáles son

los contornos pues bueno estos

muñequitos que están pasando aquí que

son nuestras motos y nuestros carros

como tal cierto entonces nuestros

contornos lo que debemos de hacer

es bueno básicamente dibujarlos sí y

como no tenemos digamos que un orden

jerárquico que queramos utilizar

entonces por eso hacemos el chain a

broxton un chip entonces en

prácticamente dibujamos esos contornos

pero como vamos a dibujar esos contornos

bueno en realidad detectamos los

contornos aquí detectamos esos contornos

y los almacenamos en contornos si

creamos una lista de detecciones que es

donde vamos a almacenar las coordenadas

de esos contornos ahora les voy a

mostrar cómo lo hacemos entonces es muy

sencillo creamos un foro donde con este

en contornos es decir donde con

pertenezca a los contornos que ya

detectamos y simplemente extraemos el

área de esos contornos si se miran bueno

porque el área de los contornos porque

como ustedes pueden observar tenemos

muchos ruidos entonces esos contornos

también valen donde no tuviésemos este

es como este filtro digámoslo de esta

manera todos estos pequeños contornos

que se muestran en pantalla y harían que

todo esto fuera detecciones todo esto

serían de flexiones entonces que

necesitamos

solamente los contornos que son muy

grandes son los que nos interesan porque

son los que pertenecen a los objetos que

se están moviendo de esa manera es que

eliminamos todos estos ruidos tan

peritos que aparecen en pantalla

entonces extraemos del área de esos

contornos como pueden observar y decimos

que el área que sea mayor a 800 eso son

los que vamos a tomar en cuenta entonces

como hacemos esto simplemente área que

sea mayor a 2 a 800

es usted lo pueden tantear con según sus

necesidades entonces si el ave es mayor

a 800 es porque estamos hablando de un

objeto grande sea una moto un carro un

camión el bus lo que sea entonces ahí

donde decimos listo ahorita así lo que

debemos de hacer es aquí en un principio

dibujamos los contornos pero no es lo

que vamos a hacer sino que extraemos lo

tiene siendo el píxel inicial los

píxeles inicial es decir el punto xy ya

que es este que está aquí y extraemos el

ancho y el alto para que nos den o

digamos que un rectángulo como tal si y

es el rectángulo pues bueno en lo que

dibujamos aquí a continuación lo que

estamos haciendo aquí dibujar ese

rectángulo una vez tengamos ese

rectángulo es porque ya tenemos definido

que es un objeto grande entonces lo

almacenamos en detección es que la lista

que creamos anteriormente con que lo

almacenamos con el la componente en x la

componente en ya que son los píxeles

iniciales el ancho y el alto como tal es

decir el pixel que está acá bajito una

vez

y hacemos eso estas detecciones lo que

hemos de hacer es entregárselo al

rastreo

cuál es el rastreo que tenemos aquí el

rastreo como pueden observar es lo que

hace recibir las coordenadas en x en el

ancho y el alto con el fin de extraer el

punto central si el punto central

entonces ya con este punto central

básicamente lo que hacemos es entregar

también el y de cómo les va a mostrar

aquí a continuación

como pueden observar aquí le entregamos

lo que viene siendo el punto equis y el

ancho y el alto y él no se entrega el y

de que en este caso como pueden observar

es el último ítem en este caso era el

objeto número 3 ahora que debemos de

tener el objeto número 2 en el más la

revista por aquí tenemos el objeto

número 2 y más arriba debemos de tener

el objeto número 1 es este que tenemos

aquí sí ahí tenemos esa información

bueno y esa información como la vamos a

interpretar pues es muy sencillo

simplemente decimos que y que debe estar

en impide le vamos a asignar lo que

viene siendo x va a ser el an el pixel

dom el pixel inicial y también los

pequeños las coordenadas del píxel

inicial el ancho y el alto pero aparte

tenemos el y de que el ide es el que

queremos

digamos que mostrar en pantalla es decir

1 2 3 4 5 6 7 8 10 ya lo tenemos

simplemente es más que se ve 2 vamos a

mostrar un texto y vamos a mostrar el

lidl

como el estrés vamos a mostrar como

sprint le vamos a dar las coordenadas le

damos que menos 15 para que se vea un

poquito más arriba creamos el puente y

listo

aquí también lo que hacemos es dibujar

nuestro nuestro rectángulo

sí entonces básicamente unos son

rectángulos pero no pasa nada funciona

bien y listo entonces aquí porque

nuestro esa información que era lo que

les decía las coordenadas en x en el

pixel inicial el ancho y el alto y por

último el líder

por último lo que hacemos aquí es

mostrar nuestra zona de interés nuestra

carretera que es el total y la máscara

cuando le demos al escape el digital 427

se va a cerrar todo nivel para cambio

les muestro

ya teniendo en cuenta todos estos

conceptos de que nuestra zona de interés

va a estar aquí si está aquí no

extracción de interés y aquí está

nuestra máscara la cual detecta esos

esos contornos grandes que ya que ya

sección amos que ya aplicamos varios

filtros para que queden solamente esos

contornos grandes y bueno a partir de

ello le entregamos esas coordenadas y

nec y se niegue a nuestro seguidor para

que él las almacene detecte su punto

central y ver si ese punto central pues

ya lo había detectado antes si no es así

pues bueno asigna un nuevo y de que en

este caso es asignarle un nuevo número

uno dos tres cuatro cinco seis siete

ocho nueve o diez y de ahí en adelante

así que nada gente espero les haya

servido mucho el vídeo espero les sirva

en sus proyectos no olviden apoyar el

canal y nos vemos en la próxima hasta

luego

chao