In this paper a modification of an algorithm that performs a tracking of points in a noisy image sequence is presented. Using this modification the same performance in the tracking is obtained. However, the execution time is reduced considerably. The algorithms perform the tracking according to the multiple view geometry in a calibrated image sequence, where the parameters of the function that transforms the 3D space into the 2D images are known. The key idea of these algorithms is to consider as noise those points that cannot be tracked in the sequence. The presented modification is performed using indexes that reduce the number of evaluations in the search of corresponding points. Additionally, the algorithm is assed in several cases where the number of noisy points and the noise in the measurement of the points to be tracked are varied. Using this study, it is possible to know the performance of the tracking method. An example that shows a perfect tracking of 8 points in a sequence of 10 images with 500 noisy points per image is shown.

En este artículo se presenta una modificación de un algoritmo que realiza el seguimiento de puntos en una secuencia de imágenes ruidosas. Con esta modificación se obtienen los mismos resultados en cuanto al desempeño del algoritmo, sin embargo se reduce considerablemente el tiempo de ejecución. Ambos algoritmos realizan el seguimiento sobre la base de las restricciones multi-focales existentes en la geometría multiimagen para una secuencia calibrada de imágenes, es decir donde los parámetros de la función que realiza la transformación del espacio 3D a las imágenes 2D de la secuencia son conocidos. La idea principal de estos algoritmos es considerar como ruido aquellos puntos que no pueden ser seguidos en la secuencia. La modificación presentada se basa en la utilización de índices para reducir el número de evaluaciones de correspondencia en los puntos candidatos. Adicionalmente, se evalúa el algoritmo ante diversas situaciones en las que se hace variar el número de puntos de ruido en las imágenes y el ruido presente en la medición de la ubicación de los puntos a seguir. Con este estudio es posible medir fácilmente el desempeño del algoritmo. Se muestra un ejemplo de seguimiento perfecto de 8 puntos en una secuencia de 10 imágenes que presenta 500 puntos ruidosos por imagen.