New Trends on Dynamic Object Segmentation in Video Sequences: A Survey
Ramírez A. Graciela, Chacón M. Mario · 2013
This paper presents a survey of the latest methods developed for dynamic object segmentation in video sequences. After an exhaustive search of the latest seven years of research done in this area there were found more than 90 papers where segmentation task has been performed. These researches were classified according with the main method or feature used to segment. Once finalized the literature review it was found that Background Subtraction Methods are very common in segmentation tasks but also algorithms where Energy Minimization is used to improve segmentation results, as those based on Graph Cut, are very popular in segmentation literature. At the same time, different studies demonstrate that Motion information used in conjunction with Probabilistic algorithms could produce accurate segmentation results even when the dynamic object is partially occluded. Also, it was found that Depth information could achieve precise segmentation results; this is because most of the time the object to segment may not have consistent color and texture features but the object must occupy an integrated region in the space. This paper also describes a list of the common databases used to evaluate the performance of the different video segmentation. Resumen— Este trabajo presenta un estudio de los metodos desarrollados recientemente para la segmentacion de objetos dinamicos en secuencias de video. Despues de una busqueda exhaustiva de las investigaciones realizadas en esta area en los ultimos seis anos fueron seleccionadas mas de 90 publicaciones en donde se desarrollan algoritmos de segmentacion. Estos trabajos fueron clasificados de acuerdo al metodo o caracteristica principal utilizada para la segmentacion. Una vez finalizada la revision de articulos se encontro que los Modelos de Sustraccion de Fondo son muy utilizados en tareas de segmentacion, asi como tambien que algoritmos basados en Minimizacion de Energia son muy populares en la literatura para lograr mejoras en los resultados, tal es el caso de aquellos basados en Graph Cut. Al mismo tiempo, diferentes estudios demuestran que la informacion de Movimiento en conjunto con algoritmos de Probabilidad puede producir resultados de segmentacion certeros aun y cuando el objeto dinamico se encuentre parcialmente ocluido. Ademas, se encontro que la informacion de Profundidad puede lograr resultados de segmentacion muy precisos, esto debido a que comunmente el objeto a segmentar pude no tener un color o textura consistente pero este ocupa una region estable en el espacio. Al final de este trabajo se presenta una lista de las bases de datos que frecuentemente se utilizan para evaluar el desempeno de diferentes algoritmos de segmentacion de objetos dinamicos en secuencias de video.