Detección de eventos de interés en escenas de playa, costa y litoral mediante métodos de segmentación semántica

Abstract

La Visión por Ordenador es un área fundamental para el análisis y estimación de múltiples fenómenos. ´Estos son capturados en soportes digitales tipo imagen o vídeo con diversos orígenes, como pueden ser el caso de imágenes de tipo médico, satelital, video vigilancia, etc. De esta manera, a través del estudio de dichas capturas, se puede analizar una escena determinada. Esto permite la realización de labores posteriores como identificación, localización, clasificación, seguimiento o inserción en la escena de información de interés. Dentro de los distintos objetivos estratégicos en entornos donde prima la economía azul, como es el archipiélago Canario, es fundamental tener en consideración la conservación del entorno costero, ya que condiciona una parte importante de la riqueza generada en la región a través de, por ejemplo, el turismo o la seguridad marítima. Asimismo, no sólo el uso del litoral, sino la evolución de la demografía y el uso de infraestructuras costeras vitales en este tipo regiones, justifican aún más acciones que ayuden en el estudio y conservación de dichas zonas. Nuestro objetivo ha sido desarrollar un prototipo basado en Inteligencia Artificial capaz de detectar diferentes eventos relacionados con la dinámica costera y el comportamiento del mar mediante la aplicación de estrategias de segmentación semántica sobre imagen y vídeo. Como resultado, queremos conseguir máscaras de segmentación fiables y robustas cuyos límites nos permitan entender la interacción entre las regiones que permanecen estáticas (como es un muro o un paseo marítimo) y las que interactúan en el entorno de manera dinámica (es decir, el mar, las olas, espuma, etc.) en escenas de oleaje. Finalmente, el análisis de la variabilidad de las escenas nos conduce a cálculos interesantes de cuestiones tales como medir el periodo de las olas lo que nos puede ayudar a predecir momentos de rebase o comportamientos anómalos en el mar. Este trabajo nace de la colaboración entre la empresa Qualitas Artificial Intelligence and Science S.A. (QAISC) 1 y el Centro de Tecnologías de la Imagen 2 (CTIM) de la Universidad de Las Palmas de Gran Canaria en el marco de la iniciativa “Smart Coast AI Solutions 4.0”. La empresa ha proporcionado al alumno el acceso a imágenes y vídeos de zonas de costa y litoral obtenidas mediante cámaras PTZ ubicadas en diferentes entornos turísticos de costa en la isla de Gran Canaria. Este proyecto ha sido parcialmente financiado por el convenio de colaboración firmado entre la la Fundación Canaria Parque Científico Tecnológico de la Universidad de Las Palmas de Gran Canaria y el ayuntamiento de Las Palmas de Gran Canaria, titulado ”Desarrollo de acciones y estudios en el litoral bahía del Confital - Las Canteras”.

Computer Vision is a fundamental area for the analysis and estimation of multiple phenomena. These are captured on digital image or video media with various origins, such as medical, satellite, video surveillance, etc. images. In this way, through the study of these captures, a specific scene can be analyzed. This allows subsequent tasks to be carried out such as identification, localization, classification, monitoring or insertion of information of interest into the scene. Within the different strategic objectives in environments where the blue economy prevails, such as the Canary archipelago, it is essential to take into consideration the conservation of the coastal environment, since it conditions an important part of the wealth generated in the region through, for example , tourism or maritime safety. Likewise, not only the use of the coastline, but the evolution of demographics and the use of vital coastal infrastructure in this type of regions, justify even more actions that help in the study and conservation of these areas. Our objective is to develop a prototype based on Artificial Intelligence capable of detecting different events related to coastal dynamics and the sea behavior by applying semantic segmentation strategies on image and video. As a result, we want to achieve reliable and robust segmentation masks whose limits allow us to understand the interaction between regions that remain static (such as a wall or a boardwalk) and those that interact in the environment in a dynamic way (that is, the sea , waves, foam, etc.) in seaside scenes. Finally, the analysis of the variability of the scenes leads us to interesting calculations of issues such as measuring the period of the waves, which can help us predict overtopping moments or anomalous behavior at sea.