modejota / swimit Goto Github PK

Dado que los vídeos a calidad y framerate máximos son muy pesados, reescalar al tamaño medio de casi todos los videos que mandó Angela y a un menor framerate.

Una vez tenemos una imagen binaria, deberemos utilizar detección de contornos para hallar al nadador y seguirle la pista.

Probar métodos de deep learning, como alternativa a la substracción de fondos y busqueda de contornos.

Se debe buscar información sobre las propiedades y características de los distintos espacios de color (en particular, RGB, HSV e YCbCr), así como de los principales usos de cada uno de ellos. El espacio de color a utilizar en el pre-procesamiento es la primera decisión que debemos tomar.

Necesitamos afinar un conjunto de pesos pre-entrenado para que se ajuste a nuestro problema y nos permita detectar a los nadadores.

Se debe buscar información sobre el funcionamiento y/o técnica en que se basan cada uno de los algoritmos de eliminación de fondos que he probado (KNN, MOG2, LSBP y GSOC)

Consultar información sobre las métricas de segmentación de DICE, JACCARD y la intersección sobre la unión, para comprar la calidad de nuestros resultados frente a los obtenidos manualmente.

Cuando llegue el momento, crear funciones para calcularlas y aplicarlas sobre fotograma de prueba, de manera que podamos comparar enfoques

Se deben investigar distintas alternativas para el preprocesamiento de la imagen, antes de convertirla en una imagen binaria sobre la que intentar reconocer a los nadadores. Se deben también investigar los diversos métodos para llevar a cabo dicha conversión.

Tenemos que calcular las brazadas por minuto que realiza el nadador en el área central de la piscina, por tramos de 25 metros (un largo), y en media de dichos tramos.

Se necesita disponer de una interfaz gráfica mínima que permita al usuario seleccionar un vídeo a analizar (de entre los formatos más habituales, en principio, AVI, MP4 y FLV) y mostrar dicho vídeo en una nueva ventana.