Abstract
Los avances tecnológicos de los últimos años han permitido aumentar la capacidad de almacenamiento en teléfonos móviles y cámaras de vídeo sustancialmente, dando lugar a que los vídeos que grabamos cada vez sean más y más largos. Este fenómeno ha motivado la aparición de distintos métodos de detección automática de eventos destacados a partir de información de las imágenes del vídeo, con el objetivo de extraer solamente los eventos más importantes de una secuencia de vídeo larga de manera rápida y eficiente. Estos métodos suponen una mejora cualitativa para el mundo relacionado con la creación de contenidos audiovisuales, automatizando el proceso de selección de eventos destacados previo a cualquier producción audiovisual.
Este trabajo propone una estrategia para la detección automática de eventos destacados en vídeos de Tricking basada en la extracción de puntos significativos y en la estimación de sus desplazamientos entre imágenes.
Los puntos significativos identificados pasan por una serie de filtros diseñados para descartar aquellos que carezcan de movimiento (y por tanto de interés) o que no pertenezcan a una zona de interés en la imagen (como el plano del fondo). Estos puntos son posteriormente agrupados en regiones, permitiendo así identificar y caracterizar objetos de interés en la imagen.
Una posterior etapa evalúa el comportamiento en el tiempo de las regiones detectadas con el fin de identificar posibles eventos de interés, que serán finalmente clasificados como destacados o no y filtrados en base a unas variables de usuario que permiten ajustar los resultados obtenidos a las preferencias del usuario.
El resultado final de la estrategia propuesta para un vídeo dado sería una serie de secuencias de vídeo donde se han detectado eventos destacados. Este método permitiría extraer eventos que resaltan por su cantidad de movimiento de largas secuencias de vídeo. Para evaluar su funcionamiento, la estrategia ha sido aplicada a una serie de secuencias de vídeo que muestran distintos patrones de movimiento y los resultados obtenidos han demostrado ser prometedores, mostrando los eventos detectados grandes similitudes con los verdaderos eventos presentes.
