Fuente de financiamiento: Programa Nacional de Innovación para la Competitividad y Productividad (Innóvate Perú)

Algoritmo Paralelo para ‘Principal Component Pursuit’ en la Arquitectura CUDA con Casos de Estudio orientados a Seguridad Ciudadana y de Ayuda a Personas Discapacitadas

Recientemente se ha propuesto el método Principal Component Pursuit (PCP) [2,3] como una alternativa robusta (ante datos irregulares) a técnicas mas tradicionales (p.e. Principal Component Analysis [7] y técnicas derivadas). PCP es exitosamente usado para segmentar automáticamente objetos en movimiento del fondo (objetos estáticos) en aplicaciones médicas [26] y en seguridad ciudadana [4,8,27,29], entre otras aplicaciones [5,6,28,33,34]. Sin embargo, vía los algoritmos existentes [1,2,3,4,6,29,30], el costo computacional de PCP es muy elevado y no permite aplicaciones practicas en tiempo real, p.e. análisis de imágenes aéreas de alta resolución orientado a seguridad ciudadana [27,36,39].

Este proyecto propone desarrollar un nuevo algoritmo paralelo, computacionalmente eficiente, para el computo de PCP y aplicaciones, teniendo especial énfasis en el modelo de programación SIMT o CUDA [25]. Se destaca que en [21], artículo escrito por el investigador principal, aceptado en ICIP’13 [22], se plantean las ideas base del nuevo algoritmo. Además se proponen dos casos de estudio: Segmentación automática en tiempo real de objetos en movimiento en vídeos digitales (1920×1080 pixel, 30 cuadros por seg.) grabados desde un UAV (Unmanned aerial vehicle), orientado a seguridad ciudadana (conteo de vehiculos, personas y ciclistas), y desde una silla de ruedas instrumentada; el segundo caso está relacionado al proyecto Coalas [13] de la Entidad Asociada (universidad francesa Esigelec).

Resultados  — Nov. 2016 (cierre de proyecto)

Publicaciones — Capitulo de libro

• P. Rodríguez, B. Wohlberg, «Incremental Methods for Robust Local Subspace Estimation«, en «Hanbook of Robust Low-Rank and Sparse Matrix Decomposition: Applications in Image and Video Processing», pp. 284–320, CRC Press, 2016.

Publicaciones — Journal papers

• P. Rodríguez, B. Wohlberg, «Incremental Principal Component Pursuit for Video Background Modeling», Springer Journal of Mathematical Imaging and Vision (JMIV), vol. 55, no. 1, pp. 1–18, 2016.

• Y. Hu, K. Sirlantzis, H. Howells, N. Ragot, and P. Rodriguez, «An online background subtraction algorithm deployed on a nao humanoid robot based monitoring system«, Robotics and Autonomous Systems, vol. 85, pp. 37–47, 2016.

Publicaciones — Conference papers

• J. Quesada, P. Rodríguez, «Automatic vehicle Counting Method Based on Principal Component Pursuit Background Modeling«, IEEE International Conference on Image Processing (ICIP), (Phoenix, AZ, USA), pp. 3822–3826, September, 2016.

• G. Silva, P. Rodríguez, «Jitter Invariant Incremental Principal Component Pursuit for Video Background Modeling on the TK1«, Asilomar Conference on Signals, Systems, and Computers (ACSSC), (Pacific Grove, CA, USA), pp. 1403–1407, Nov., 2015.

• Y. Hu, K. Sirlantzis, G. Howells, N. Ragot, P. Rodriguez, «An online background subtraction algorithm using contiguously weighed linear regression«, European Signal Processing Conference (EUSIPCO), (Nice, France), pp. 1845—1849, August, 2015.

• P. Rodríguez, B. Wohlberg, «Translational and Rotational Jitter Invariant Incremental Principal Component Pursuit for Video Background Modeling», IEEE International Conference on Image Processing (ICIP), (Quebec, Canada), pp. 537–541, September, 2015.

• P. Rodríguez, B. Wohlberg, «A Matlab Implementation of a Fast Incremental Principal Component Pursuit Algorithm for Video Background Modeling», IEEE International Conference on Image Processing (ICIP), (Paris, France), pp. 3414–3416, October, 2014.

• P. Rodríguez, B. Wohlberg, «Video Background Modeling under Impulse Noise», IEEE International Conference on Image Processing (ICIP), (Paris, France), pp. 1041–1045, October, 2014.

• J. Reategui, P. Rodríguez, N. Ragot, «Fast Omni-image Unwarping using Pano-Mapping Pointers Array», IEEE International Conference on Image Processing (ICIP), (Paris, France), pp. 5811–5815, October, 2014.

Ponencias internacionales

• Todos los artículos listados en Publicaciones — Conference papers.

• Adicionalmente
  • P. Rodriguez, B. Wohlberg, «Ghosting in Principal Component Pursuit: An Incremental Approach«, SIAM Imaging Science (IS), (Albuquerque, NM, EE. UU.), May 2016.
  • P. Rodríguez, «Real-time Incremental Principal Component Pursuit for Video Background Modeling on the TK1»,
    GPU Technical Conference (GTC), (San Jose, CA, USA), March, 2015.
  • G. Silva, J. Reategui, P. Rodríguez, «Fast Omni-Image Unwarping on the Jetson TK1», GPU Technical Conference (GTC), (San Jose, CA, USA), March, 2015.

Tesis — posgrado

• Daniel Leoncio Paredes Zevallos, «Multi-Scale Image Inpainting With Label Selection Based on Local Statistics», 2014.

• Stephen Techer, «Background Learning for Combining Computationally Expensive and Fast Background Modeling Methods», 2014.

Tesis — pre-grado

• Gustavo Manuel Silva Obregon, «Implementacion de Unwarping de Videos Omnidireccionales en la Plataforma Jetson TK1», 2015.

• Jorge Gerardo Quesada Pacora, «Estimación del Número de Objetos en Videos Digitales Orientada a la Gestión del Transito Vehicular», 2015.

• Héctor Francisco Chahuara Silva, «Implementación del Detector de Esquinas de Harris en la Plataforma Jetson TK1», 2016.

Reconocimientos

• CUDA Reserach Center», 2014.

Fecha de inicio: 03/12/2013
Fecha final: 31/05/2016
Estado DGI: En proceso
Instituciones Investigadoras:
Pontificia Universidad Católica del Perú (PUCP) -- Lima, Peru
École d'ingénieurs généralistes (Esigelec) -- Rouen, Francia
Instituciones Financiadoras:
Innóvate Perú (código: 179-Fincyt-IB-2013)