El sistema de videomonitoreo está compuesto por cinco cámaras a 45m de altura en una torre y están conectadas a una estación local que se encarga de la adquisición de los datos que son transferidos vía fibra óptica (~350m) a una estación en el Laboratorio de Ingeniería y Procesos Costeros. La estación de videomonitoreo de Sisal fue instalada por el Dr. E. Tonatiuh Mendoza Ponce y la Dra. Elena Ojeda en el 2012 y a partir del 2018 el Dr. Jaime Arriaga es el encargado principal.

Las cámaras (1296x966 pixeles) cubren el área desde la entrada del puerto de abrigo de Sisal hasta el muelle de Sisal (~2km) y capturan imágenes cada media hora durante diez minutos (3.75 imágenes por segundo). Con estos 10min de imágenes se generan 3 productos: una imagen instantánea, una imagen promedio y una imagen de la desviación estándar. La adquisición de imágenes está controlada por el Software SIRENA  (Nieto et al., 2010). 

Para poder tomar mediciones en metros es necesario transformar las coordenadas pixeles a coordenadas del mundo real. A partir de la información GPS de puntos de control que se observan en las imágenes (por ejemplo la coordenada de la esquina del muelle) y de la curvatura del horizonte se pueden resolver una serie de ecuaciones y transformar las imágenes individuales en pixeles a una sola imagen mosaico  (ULISES en python).  El resultado se puede observar en la figura 1, la distancia entre pixeles es de medio metro de manera constante. La vibración de la torre producida por el viento, junto con la expansión térmica, provocan que los puntos de control no permanezcan quietos (se pueden llegar a desplazar 10 pixeles) provocando errores. La solución obvia es corregir manualmente la posición de los puntos de control en cada imagen pero resulta inhumano e ineficiente (i.e. corregir cada día toma alrededor de 5 horas). Aquí se aplica un algoritmo que identifica puntos coincidentes entre 2 imágenes y su transformación geométrica que corrige los desplazamientos (i.e. registro de imagen) que se puede expandir durante días y cada mes la imagen semilla cambia para evitar que los cambios en la vegetación generen errores. En la figura 2 se muestra la vista de la cámara 1 sin corregir las vibraciones (lado izquierdo) y corrigiendo dicho movimiento.    

Una vez calibradas estas imágenes se pueden aplicar algoritmos de visión computacional para estudiar una gran variedad de procesos morfológicos, biológicos y físicos. Por ejemplo, se puede evaluar la tendencia a largo termino de erosión/acreción así como su capacidad para recuperarse ante tormentas, nortes y huracanes o su respuesta ante actuaciones humanas. 

 

Todas las imágenes se encuentran disponibles en: http://tepeu.sisal.unam.mx/video-sisal/images.jsp

 

Agradecimientos: 
Programa de Cátedras CONACYT (Proyecto 1146)

Proyecto CONACYT INFR-2014-01-225561

Proyecto Internos del Instituto de Ingeniería: 5341 “Implementación de estación de video monitorización para la obtención de indicadores de vulnerabilidad a la erosión”

Referencias:

M.A. Nieto et al. 2010. An open source, low cost video-based coastal monitoring system. Earth Surface Processes and Landforms. 35 , 1712–1719