Segmentación interactiva multi-clase de personas

Abstract

La segmentació de persones es molt difícil a causa de la variabilitat de les diferents condicions, com la postura que aquestes adoptin, color del fons, etc. Per realitzar aquesta segmentació existeixen diferents tècniques, que a partir d'una imatge ens retornen un etiquetat indicant els diferents objectes presents a la imatge. El propòsit d'aquest projecte és realitzar una comparativa de les tècniques recents que permeten fer segmentació multietiqueta i que son semiautomàtiques, en termes de segmentació de persones. A partir d'un etiquetatge inicial idèntic per a tots els mètodes utilitzats, s'ha realitzat una anàlisi d'aquests, avaluant els seus resultats sobre unes dades publiques, analitzant 2 punts: el nivell de interacció i l'eficiència.

La segmentación de personas en imágenes es muy difícil debido a la variabilidad de las diferentes condiciones, como la postura que estas adopten, color del fondo, etc. Para realizar esta segmentación existen diferentes técnicas, que a partir de una imagen nos retornan un etiquetado indicando los diferentes objetos presentes en la imagen. El propósito de este proyecto es realizar una comparativa de las técnicas recientes que permiten hacer segmentación multietiqueta y que son semiautomáticas, concretamente en el caso de segmentación de personas. A partir de un etiquetado inicial idéntico para todos los métodos utilizados, se ha realizado un análisis de éstos, evaluando sus resultados sobre unos datos públicos, analizando 2 puntos: el nivel de interacción y la eficiencia.

People segmentation in images is very difficult due to the variability of different conditions, such as the position they adopt, background color, etc. To perform this segmentation, different techniques exist that, given an input image, they return a labelling of the different objects present in it. The purpose of this project is to conduct a comparison of recent techniques that allow multilabeling, and which are semi-automatic, specifically in the case of people segmentation. From an initial labeling identical for all the used methods, an analysis of them has been performed, evaluated over a public image dataset, and analyzing 2 points: interaction level, and efficiency.