Clasificación de accesorios a partir de información de profundidad

Abstract

El objetivo de este trabajo de fin de grado (TFG) es la identificación robusta de complementos a partir de imágenes de profundidad (2.5D). Dichas imágenes serán adquiridas de una cámara Kinect II ubicada en una posición cenital. Los complementos evaluados en este caso son gorras y distintos tipos de sombreros (grandes, pequeños y medianos), que la solución propuesta debe ser capaz de identificar. La solución propuesta extrae un conjunto de descriptores por cada persona previamente detectada en la escena que, posteriormente, son clasificados utilizando la técnica PCA (Análisis de Componentes Principales), comparándolos con las distintas clases previamente entrenadas. El sistema desarrollado se ha evaluado realizando diferentes pruebas experimentales sobre secuencias de profundidad reales, obteniendo resultados satisfactorios. En concreto, se han obtenido tasas de acierto del 98% para el caso más sencillo (clasificación binaria) y superiores al 85% en los casos más complejos (cuatro o cinco clases).

The aim of this final degree thesis is the robust identification of headgear accesories from depth images (2.5D) acquired using a Kinect II camera located in a zenithal position. The accesories evaluated in this work are caps and different types of hats (large, small and medium). The proposed solution must be able to identify complements of each class. The proposed solution extracts a set of descriptors for each person previously detected in the scene, which are then classified using the PCA (Principal Component Analysis) technique, comparing them with the different classes previously trained. The developed system has been evaluated by carrying out different experimental tests on real depth sequences, obtaining satisfactory results. Specifically, success rates of 98% have been obtained for the simplest case (binary classification) and higher than 85% in the most complex cases (four or five classes).