Tracking Feral Horses in Aerial Video Using Oriented Bounding Boxes

Este artículo propone un método de estimación de orientación de cabeza mediante votación por mayoría para mejorar el seguimiento de caballos salvajes en videos aéreos, superando las limitaciones de los detectores de cajas delimitadoras orientadas actuales que no pueden distinguir la cabeza de la cola.

Lo esencial

Imagina que estás volando sobre un campo con un dron, intentando seguir a un grupo de caballos salvajes que corren libremente. Tu misión es saber quién es quién y hacia dónde mira cada uno en todo momento.

El problema es que, vistos desde arriba, los caballos son pequeños, se amontonan, hay sombras que parecen caballos y, lo más difícil: giran en todas direcciones.

Aquí te explico cómo resolvieron este rompecabezas los autores de este artículo, usando una analogía sencilla:

1. El Problema: La "Caja de Cartón" Torpe

Antes, los científicos usaban cajas cuadradas o rectangulares (llamadas bounding boxes) para encerrar a los caballos en la pantalla.

• El fallo: Imagina intentar envolver un lápiz en una caja cuadrada. Si el lápiz está de lado, la caja tiene que ser enorme para cubrirlo, y termina incluyendo mucha "basura" (pasto, sombras, rocas) que no es el lápiz.
• La solución antigua: Usaron cajas que podían girar (Oriented Bounding Boxes o OBB), como si fueran cajas de cartón que se adaptan a la forma del caballo. Esto es mejor, pero tenía un truco: las cajas solo podían girar hasta 180 grados.
• La confusión: Para la computadora, una cabeza y una cola son lo mismo si solo miras 180 grados. Si el caballo gira, la computadora pensaba: "¡Oh, se ha dado la vuelta de golpe!" y cambiaba la dirección bruscamente, rompiendo el seguimiento. Era como si un conductor de autobús de repente decidiera conducir hacia atrás porque la señal de tráfico le parecía confusa.

2. La Solución: Los "Detectives de Partes" y el "Voto Mayoritario"

Para solucionar esto, los autores crearon un sistema de tres pasos, como un equipo de detectives:

• Paso 1: Encontrar al caballo. Primero, usan un detector rápido (un modelo de IA llamado YOLO11) que dibuja una caja giratoria alrededor de todo el caballo.
• Paso 2: Buscar la cabeza y la cola. Una vez que tienen la caja, recortan esa imagen y la envían a tres detectores especializados:
  1. Un detective que solo busca cabezas.
  2. Un detective que solo busca colas.
  3. Un detective que busca cabezas y colas a la vez.
• Paso 3: El "Voto Mayoritario" (La clave del éxito). Aquí está la magia. Imagina que los tres detectives miran la misma foto y dicen:
  • Detective A: "¡La cabeza está aquí!"
  • Detective B: "No veo la cabeza, pero veo la cola allá."
  • Detective C: "¡Veo una cabeza aquí y una cola allá!"

En lugar de confiar en uno solo (que podría equivocarse), el sistema cuenta los votos. Si dos o tres coinciden en la ubicación de la cabeza, ¡esa es la respuesta! Esto elimina los errores de los "detectives distraídos" y asegura que el sistema sepa exactamente hacia dónde mira el caballo, sin importar si gira 360 grados.

3. El Resultado: Un Seguimiento Suave

Gracias a saber exactamente hacia dónde mira la cabeza (el "norte" del caballo), el sistema puede calcular un ángulo de 0 a 360 grados.

• Sin este sistema: El caballo gira suavemente, pero la caja de seguimiento salta bruscamente de un lado a otro, como si el caballo tuviera espasmos.
• Con este sistema: La caja gira suavemente siguiendo al caballo, como si fuera un sombrero que se ajusta perfectamente a su cabeza mientras corre.

¿Por qué es importante?

Los caballos salvajes tienen estructuras sociales complejas. Para entender cómo se relacionan, quién lidera al grupo o cómo se mueven juntos, necesitamos saber hacia dónde miran. Si la computadora se confunde y cree que un caballo mira al norte cuando mira al sur, los datos sobre sus amistades y peleas serán incorrectos.

En resumen:
Este paper es como crear un sistema de seguridad que no solo ve a los ladrones (los caballos), sino que sabe exactamente hacia dónde miran usando un equipo de tres expertos que se consultan entre sí para no cometer errores. Gracias a esto, ahora podemos estudiar la vida social de los caballos salvajes con una precisión casi perfecta (99.3% de acierto).

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Seguimiento de Caballos Salvajes en Video Aéreo Utilizando Cajas Delimitadoras Orientadas (OBB)

1. Planteamiento del Problema

El estudio aborda la dificultad de rastrear individuos dentro de grupos de animales sociales (específicamente caballos salvajes) utilizando videos aéreos capturados por drones. Aunque el análisis de trayectorias es crucial para entender la dinámica de grupo y las interacciones sociales, los métodos tradicionales de seguimiento presentan limitaciones severas en este contexto:

• Limitaciones de las Cajas Delimitadoras Alineadas (Axis-Aligned Bounding Boxes - AABB): En videos aéreos de gran altitud, los animales aparecen pequeños, con fondos complejos (sombras, depresiones), alta densidad de individuos y orientaciones corporales variadas. Las AABB tradicionales incluyen demasiado fondo innecesario y no capturan la orientación del animal, lo que genera falsos positivos y negativos.
• Limitaciones de las Cajas Orientadas (OBB) Estándar: Aunque las OBB reducen el fondo al considerar la rotación, los detectores actuales (como YOLO-OBB) restringen el ángulo de rotación a un rango de 0° a 180°. Esto impide distinguir la cabeza de la cola, provocando "flips" o inversiones repentinas de 180° entre frames consecutivos. Estas discontinuidades rompen la continuidad temporal, haciendo imposible un seguimiento robusto de la dirección de movimiento.

2. Metodología Propuesta

Los autores proponen un marco de detección multi-etapa basado en OBB que estima la orientación de la cabeza (0° a 360°) para mantener la coherencia temporal. El proceso se divide en tres etapas principales:

• A. Detección de Individuos (OBB Inicial):

  • Se utiliza un modelo YOLO11m-OBB afinado para detectar a los caballos en todo el frame, generando una caja delimitadora orientada inicial.

• B. Localización de Partes Corporales (Cabeza y Cola):

  • Basándose en la caja OBB de cada caballo detectado, se extrae un parche cuadrado centrado en el animal.
  • Se emplean tres detectores independientes afinados sobre estos parches:
    1. Detector de Cabeza-Cola: Entrenado para detectar ambas partes.
    2. Detector de Cabeza: Entrenado solo para la cabeza.
    3. Detector de Cola: Entrenado solo para la cola.
  • Votación Mayoritaria (Majority Voting): Para determinar la posición final de la cabeza y la cola, se aplica un algoritmo de votación basado en la Intersección sobre Unión (IoU):
    • Las detecciones de cada clase se agrupan si tienen un IoU $\ge$ 0.3.
    • Se selecciona el grupo con más votos (detecciones coincidentes).
    • Si hay empate, se elige el grupo con la puntuación de confianza más alta.
    • Esto elimina falsos positivos aislados y mejora la robustez frente a fallos de modelos individuales.

• C. Cálculo del Ángulo de Rotación (0° - 360°):

  • Se calcula el vector desde el centro de la OBB hacia la posición estimada de la cabeza (o cola, si la cabeza no se detecta).
  • Mediante el producto punto con los vectores de los bordes cortos de la OBB, se determina qué dirección corresponde a la cabeza.
  • Esto permite asignar un ángulo de rotación continuo de 0° a 360°, eliminando la ambigüedad de 180°.

• D. Seguimiento (Tracking):

  • Se integra la información angular en un marco de seguimiento basado en DeepSORT extendido.
  • Se modifica el vector de estado del filtro de Kalman para incluir componentes angulares ($\sin \theta, \cos \theta$) en lugar de la relación de aspecto y la altura, evitando discontinuidades angulares.
  • El vector de estado se define como: $x = [x, y, \sin \theta, \cos \theta, \dot{x}, \dot{y}]^T$.

3. Contribuciones Clave

• Resolución de la Ambigüedad de 180°: Propone un método efectivo para distinguir la cabeza de la cola en videos aéreos, permitiendo un rango de rotación completo de 360°, lo cual es esencial para el seguimiento continuo.
• Arquitectura de Votación Mayoritaria: Demuestra que combinar múltiples detectores especializados (cabeza, cola, ambos) con un mecanismo de votación basado en IoU supera el rendimiento de cualquier modelo individual, aumentando la robustez ante oclusiones y fondos complejos.
• Integración en Seguimiento: Adapta el algoritmo DeepSORT para manejar OBBs con orientación completa, demostrando que la estimación precisa de la dirección mejora la estabilidad de los IDs en el seguimiento.

4. Resultados

• Precisión de Detección de Cabeza: En un conjunto de prueba de 299 imágenes (con diversos terrenos: vegetación, rocas, suelo), el método propuesto alcanzó una precisión del 99.3% (297/299).
  • Comparación: El modelo "Cabeza-Cola" obtuvo 99.0%, mientras que los modelos individuales de "Cabeza" y "Cola" obtuvieron 98.0%.
• Evaluación Cualitativa: Las visualizaciones muestran que el método propuesto recupera correctamente la posición de la cabeza incluso cuando los detectores individuales fallan (debido a oclusiones o ángulos difíciles).
• Estabilidad de Seguimiento: Los resultados cualitativos en el seguimiento (Figura 4) muestran que la orientación de la OBB permanece estable incluso cuando el caballo cambia de dirección, evitando los saltos de 180° típicos de los detectores estándar.

5. Significado e Impacto

Este trabajo es fundamental para la etología y el estudio de la dinámica de grupos animales. Al permitir un seguimiento individual preciso y continuo en videos aéreos, facilita el análisis cuantitativo de:

• Interacciones interindividuales basadas en distancias.
• Comportamientos sociales y estructuras de grupo.
• Trayectorias de movimiento a nivel individual y grupal.

La metodología propuesta supera las limitaciones técnicas actuales de los detectores de objetos orientados, ofreciendo una solución escalable y robusta para el monitoreo de fauna en entornos naturales complejos. Aunque se identificaron desafíos menores (como cambios de ID en casos de oclusión extrema entre madre y cría), el enfoque demuestra que la estimación de orientación de 360° es indispensable para el seguimiento de alta fidelidad en videos aéreos.