PLATAFORMA MÓVIL DE ÚLTIMA
GENERACIÓN: IMPLEMENTACIÓN Y
COMPARATIVA DE SU RENDIMIENTO
FRENTE A UN SISTEMA DESKTOP
1
Que para obtener el grado de
Maestro en Tecnologías de Información
Presentará
Ing. Alfredo Oceguera Carrillo
03/10/2015
SISTEMA INTELIGENTE DE TIPO TLD
(TRACK, LEARN AND DETECT) PARA
PLANTEAMIENTO DE PROBLEMA
03/10/2015
¿De qué manera, la inclusión de unidades de
procesamiento de gráficos en los dispositivos
móviles de última generación, puede ayudar al
desempeño de los sistemas inteligentes TLD
(Track, Learn and Detect) aplicados en
plataformas con ésta característica?

2
JUSTIFICACIÓN
¿Qué pasaría, si una
aplicación
desarrollada para una
plataforma tradicional
fuese ejecutada en
una plataforma móvil
que cuenta con un
recurso especifico, y
que para el ambiente
tradicional no es
incluido aún, pero el
ambiente de prueba si
cuenta con él?

03/10/2015

Establecer un marco
de referencia entre
una plataforma móvil
de última generación
y un sistema desktop
tradicional al ejecutar
el mismo algoritmo
inteligente el cual
requiere de
demasiados recursos,
entradas, salidas y
procesamiento
3
JUSTIFICACIÓN
03/10/2015

Ejecutar e implementar
un algoritmo inteligente
de tipo TLD (Track,
Learn and Detect), tanto
en ambientes
tradicionales como
móviles, teniendo como
única diferencia la
inclusión de una Unidad
de Procesamiento de
Gráficos (GPU) en la
plataforma móvil
4
JUSTIFICACIÓN
La comparativa que se
propone, establecerá
una base para
determinar qué tan
útil puede llegar a ser
la inclusión de un
GPU en un dispositivo
móvil, sin sacrificar el
performance de la
aplicación TLD
implementada en el
móvil
03/10/2015

5
RESUMEN
La aplicación “PREDATOR” (2011) realizada por
Zdenek Kalal 1 , Krystian Mikolajczyk 1 y Jiri
Matas 2 durante su estancia en University of
Surrey, UK.(1) Czech Technical University,
Czech Republic (2), es un sistema inteligente que
rastrea un patrón de imagen estipulado
utilizando un dispositivo capturador (cámara),
aprendiendo la figura requerida y detectándola
en donde ésta vuelva a presentarse, todo esto en
tiempo real. Este algoritmo es denominado TLD
(Track, Learn and Detect). Según sus
características de especificación, esta aplicación
fue construida en las plataformas C y MatLab y
no utiliza un GPU para sus fines
03/10/2015

6
RESUMEN
03/10/2015
Móvil
(Motorola XT890 “razr i”)
CPU Intel Atom
Processor (Saltwell) @
2.0Ghz (Single Core)
 GPU PowerVR SGX
540
 Memoria Interna 8Gb
expandible 32Gb SD

Sistema Operativo
Android 4.1.x o
posteriores (Jelly
beans)
 Pantalla Táctil
capacitiva 4.3-in.
Super AMOLED
Advanced qHD (540 x
960)

7
RESUMEN





Un objeto a la vez
El video proviene de una
cámara de lente único
El objeto a rastrear es
definido dentro del
stream de video
Identifica al objeto
referencia y su ubicación
Matlab y Lenguaje C,
un solo hilo de proceso
sin uso de GPU.
03/10/2015
PREDATOR
Algoritmo TLD (Track,
Learn and Detect)
El stream de video
proceso en tiempo real
utilizando
resoluciones de tipo
QVGA
 El módulo de
entrenamiento, no
trabaja de manera
offline
 Ambientes Windows,
Linux y Mac OS X

8
CUADRO DE ANÁLISIS DE CONGRUENCIA
OBJETIVOS PREGUNTA
HIPOTESIS VARIABLE
NOTAS
Sistema
inteligente de tipo
TLD (Track, Learn
and Detect) para
plataforma móvil
de
última
generación:
Implementación y
comparativa de su
rendimiento frente
a
un
sistema
Desktop
Obtener
los
parámetros
de
comparación que
permitan
establecer
diferencias
o
similitudes entre
plataformas
diferentes
(tradicional
y
móvil)
al
ejecutar
una
aplicación
de
alto nivel de
desempeño
y
exigencia para el
sistema,
así
como
sus
resultados al ser
contrapuestos
Las plataformas
móviles no han
presentado,
hasta
hoy,
alguna mejoría
que
permitan
asemejar
su
rendimiento al
de
una
plataforma
tradicional, sin
embargo,
la
inclusión de co
procesdores de
gráficos (GPU)
pueden ser esa
mejora
que
permitirá
a
estos
dispositivos,
competir con las
plataformas
Desktop
en
rendimiento,
desempeños,
eficacia
y
eficiencia.
Esta es la
pregunta
central
del
estudio.
¿De qué manera, la
inclusión
de
unidades
de
procesamiento
de
gráficos
en
los
dispositivos móviles
de
última
generación, puede
ayudar
al
desempeño de los
sistemas
inteligentes
TLD
(Track, Learn and
Detect) aplicados en
plataformas
con
ésta característica?
Desempeño de
los
recursos
internos
compartidos en
las estructuras
internas de las
plataformas
tanto
tradicionales
como móviles
03/10/2015
TITULO
9

METODOLOGÍA
Al
ser
una
parte
medular
de
esta
investigación
la
obtención de un marco
de
referencia
que
empate las diferencias y
las similitudes entre la
ejecución del algoritmo
TLD en una plataforma
tradicional
y
una
plataforma móvil, es
necesario establecer una
metodología
cuantitativa.
03/10/2015

Este
tipo
de
metodologías permiten
al investigador, plantear
una respuesta y por
ende una solución a su
problema
planteado,
mediante la recopilación
y análisis de datos
obtenido a lo largo del
estudio.
10
CRONOGRAMA
03/10/2015
11
BIBLIOGRAFÍA






http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/tld.ht
ml
http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/Publi
cations/2011_ict_pioneers.pdf
http://www.imgtec.com/downloadconfirmation.asp?Fa
ctsheet=SGXSeries5&Title=POWERVR%20SGX%20S
eries5%20Factsheet
http://www.motorola.com.mx/consumers/MotorolaRAZR-i/184972,es_MX,pd.html?selectedTab=tab2&cgid=mobile-phones#tab
http://personal.ee.surrey.ac.uk/Personal/Z.Kalal/
http://kahlan.eps.surrey.ac.uk/featurespace/tld/
http://www.android.com/whatsnew/
03/10/2015

12
Descargar

Sistema inteligente de tipo TLD (Track, Learn and Detect