Evaluación de técnicas de detección de dorsales en competiciones deportivas

Abstract

La detección de objetos es una de las áreas de visión por computador que está progresando rápidamente, extendiendo su uso en muchos campos de aplicación. El éxito de la detección de objetos se basa en las técnicas de aprendizaje profundo que ofrecen grandes avances en la actualidad. Este trabajo aborda la detección del dorsal en imágenes de corredores, que es un problema complejo debido a multitud de factores. Se evalúan algunas técnicas para la detección de dorsales, partiendo de clásicas basadas en detección de contornos, a técnicas más recientes basadas en aprendizaje profundo, como los modelos con la arquitectura Faster R-CNN. La evaluación de las diferentes técnicas se realiza sobre conjuntos de imágenes de las carreras LPATrail y Transgrancanaria.

Object detection is one of the areas of computer vision that is progressing very rapidly, expanding its use in many application fields. The success in object detection is based on deep learning techniques that offer great advances currently. This work addresses the bib detection in images of runners that is a complex problem due to several factors. Some techniques for the bibs detection are evaluated, starting from classics based on contour detection, to more recent techniques based on deep learning, such as models with the Faster R-CNN architecture. The evaluation of the different techniques is carried out on sets of images from the LPATrail and Transgrancanaria races.