Page 30 - Acalán 115

Acalán 115 28 Julio - Diciembre

Figura 7. Cascada de clasif cadores.

requiere de un estricto seguimiento de pasos. En
Para aplicar la técnica de boosting primero se debe primer lugar, para entrenar el clasif cador Adaboost
establecer un algoritmo de aprendizaje sencillo en conjunto con la cascada de clasif cadores que
(clasif cador débil o base), que será llamado repetidas ofrece la librería de openCV se necesita un conjunto
veces para crear diversos clasif cadores base. Para el de imágenes positivas y negativas que serán los
entrenamiento de los clasif cadores base se emplea, f cheros descriptores del elemento que se quiere
en cada iteración, un subconjunto diferente de detectar y así los clasif cadores puedan detectar si
muestras de entrenamiento y una distribución de en las imágenes aparece o no el objeto de interés, en
pesos diferente sobre las muestras de entrenamiento este caso la señal de “ALTO”.
[Freund, 1997]. Finalmente, estos clasif cadores
base se combinan en un único clasif cador que se Estos f cheros descriptores, se crearon utilizando
espera sea mucho más preciso que cualquiera de los varias imágenes positivas, así como se muestra
clasif cadores base por separado. representativamente en la f gura 8, que serán esas
imágenes en donde aparezca el objeto a detectar en
Entrenamiento del clasif cador diferentes posiciones y diferente estado, diferentes
Un clasif cador es básicamente una herramienta fondos, etc. Por otro lado, también se necesita un
que se utiliza para predecir la clase o categoría a conjunto de imágenes negativas, que serán esas
la que pertenece un dato. Previamente, para poder imágenes donde no aparezca el objeto de interés,
utilizar esta herramienta, se necesitará llevar a cabo aunque sí puede contener objetos similares como
un entrenamiento [Cebollada, 2019]. La obtención por ejemplo otras señales de tránsito, personas,
de un clasif cador en cascada construido mediante calles, en sí todo aquello que no se requiera
el método de Boosting para un objeto en concreto detectar.

Figura 8. Lote de imágenes positivas.

El siguiente paso es crear los f cheros descriptores dimensiones de “ALTO” y ancho de cada imagen del
de objetos, para ello se usa un programa realizado lote de imágenes positivas. En la f gura 9 se muestra
en C++, el cual dará como salida un archivo de la creación del f chero una vez dado el directorio del
texto (.txt) en un cierto formato que debe indicar el lote de imágenes positivas, este f chero .txt se necesita
directorio, nombre, la posición en el vector x, y las para el lote de imágenes positivas y negativas.

UNIVERSIDAD AUTÓNOMA DEL CARMEN