La segmentación de objetos móviles en secuencias de vídeo es una técnica fundamental en el campo del procesamiento digital de imágenes y la visión por computador. Su objetivo principal es separar las regiones de interés —los objetos que cambian de posición en el tiempo— del fondo de la escena. Esta capacidad resulta crucial en un gran número de aplicaciones prácticas: desde la videovigilancia y los sistemas de seguridad, que requieren detectar intrusos o comportamientos anómalos en tiempo real; hasta los sistemas de conducción autónoma, donde la detección fiable de peatones, ciclistas y vehículos es esencial para garantizar la seguridad. En el ámbito de la interacción persona-máquina, la segmentación del movimiento se emplea en interfaces basadas en gestos, mientras que en contextos industriales permite monitorizar procesos productivos y detectar fallos en líneas de fabricación automatizadas. También en el área biomédica, la segmentación de movimiento es clave en el análisis de secuencias médicas, como la monitorización de órganos en movimiento o el seguimiento de células vivas bajo microscopio. Estos ejemplos ponen de manifiesto la relevancia de la segmentación de objetos móviles como etapa crítica en aplicaciones de mayor nivel, donde el análisis fiable del movimiento constituye la base para la interpretación y toma de decisiones.

El presente proyecto propone el desarrollo de una aplicación educativa interactiva basada en MATLAB, cuyo fin es facilitar el aprendizaje de estas técnicas a través de la experimentación práctica en un entorno visual y accesible. La herramienta permitirá cargar secuencias de vídeo, aplicar diferentes algoritmos de segmentación de objetos móviles y visualizar los resultados en tiempo real. Entre los métodos incluidos se encuentran el Background Differencing (diferencias entre imágenes consecutivas o respecto a una referencia), el Temporal Median Filtering, el Single Gaussian Modeling y el Gaussian Mixture Modeling. Los resultados de la segmentación podrán compararse con el ground truth disponible, tanto de forma visual como mediante métricas objetivas como recall, precision y F-score, lo que aportará a los estudiantes una evaluación rigurosa de la eficacia de cada método.

La aplicación será diseñada con un enfoque altamente visual e intuitivo, de forma que los estudiantes puedan centrar su atención en el análisis crítico de las técnicas y no en la programación, como ocurría hasta ahora. Esto les permitirá experimentar con distintas configuraciones y escenarios, enfrentándose a desafíos comunes en la segmentación de movimiento: camuflaje de objetos con el fondo, objetos temporalmente estáticos que reaparecen, cambios de iluminación en la escena o presencia de fondos dinámicos. La herramienta permitirá guardar las secuencias segmentadas, lo que facilitará la comparación de resultados y la elaboración de conclusiones fundamentadas.

Además de evaluar la calidad de la segmentación, la aplicación fomentará que los estudiantes reflexionen sobre la eficiencia computacional de cada técnica y sobre su usabilidad, entendida como la facilidad o dificultad de configurar los parámetros de los modelos. De esta manera, los alumnos no solo adquirirán competencias técnicas en el uso de distintos métodos, sino también habilidades de análisis y razonamiento científico sobre la idoneidad de cada técnica en función de las características de los datos y las condiciones de uso.

La aplicación se implementará a modo de prueba en la asignatura Vision Analysis and Deep Learning, perteneciente al Máster Universitario en Ingeniería de Telecomunicación (E.T.S.I de Telecomunicación de la UPM), con un alcance estimado de 30 alumnos por curso académico. Con esta herramienta, los estudiantes dispondrán de un recurso innovador que complementará los contenidos teóricos con ejemplos prácticos, promoviendo un aprendizaje basado en la investigación, la experimentación autónoma y el análisis crítico de resultados. Más adelante, se espera que también pueda ser utilizada en otras asignaturas de la UPM con contenidos afines: Tratamiento Digital de Imágenes, del Grado en Ingeniería de Sonido e Imagen (E.T.S. de Ingeniería y Sist. de Telecom. de la UPM), con unos 20 alumnos por curso, y Tratamiento Digital de Imágenes, del Grado en Topografía (E.T.S.I. de Topografía, Geodesia y Cartografía), con unos 45 alumnos por curso.

El objetivo principal de este proyecto es facilitar el aprendizaje basado en la investigación en el ámbito de la segmentación de objetos móviles en secuencias de vídeo, mediante el desarrollo de una aplicación interactiva que permita a los estudiantes experimentar, analizar y comparar distintos métodos de manera visual, intuitiva y rigurosa.

Los objetivos estratégicos del proyecto incluyen:

1. Promover la investigación práctica
   Proporcionar a los estudiantes una plataforma interactiva que les permita explorar técnicas de segmentación de movimiento en secuencias reales de vídeo, diseñando y evaluando sus propios experimentos.
2. Desarrollar habilidades de análisis y reflexión crítica
   Fomentar que los alumnos investiguen cómo varía el rendimiento de las distintas técnicas en función de las características de las secuencias y de los parámetros empleados, desarrollando capacidades de razonamiento científico y pensamiento crítico.
3. Potenciar la experiencia de aprendizaje basada en la experimentación
   Ofrecer un entorno visual que permita realizar segmentaciones en tiempo real, visualizar los resultados y compararlos con ground truth mediante métricas objetivas (precisión, recall y F-score), facilitando la comprensión práctica de los conceptos teóricos.
4. Fomentar la autonomía en la investigación
   Incentivar que los estudiantes tomen decisiones, ajusten parámetros y extraigan sus propias conclusiones, promoviendo un aprendizaje autónomo y la capacidad de autoevaluar la calidad de sus experimentos.
5. Analizar la eficiencia computacional y la usabilidad de los métodos
   Incluir en la experiencia de aprendizaje no solo la evaluación de la calidad de la segmentación, sino también del coste computacional de los algoritmos y de la facilidad o dificultad de uso de los mismos, ofreciendo así una visión integral de los criterios que influyen en la selección de una técnica en la práctica.

Este proyecto tiene un gran potencial para mejorar la calidad de la enseñanza en el área de visión por computador, integrando la segmentación de objetos móviles en secuencias de vídeo dentro de un enfoque pedagógico basado en la investigación. La aplicación propuesta permitirá a los estudiantes trabajar con secuencias reales y experimentar con algoritmos de segmentación, lo que fortalecerá el vínculo entre teoría y práctica.

Los beneficios más destacados son los siguientes:

1. Mejora del compromiso y la motivación del alumnado a través de la experimentación práctica
   Al enfrentarse a secuencias de vídeo con desafíos reales —como cambios de iluminación, objetos camuflados o fondos dinámicos— los estudiantes se verán motivados a investigar cómo se comportan los diferentes métodos de segmentación. Esto incrementará su curiosidad y fomentará una participación activa en el proceso de aprendizaje.
2. Implementación de un enfoque pedagógico centrado en la investigación
   El proyecto introduce un entorno en el que los estudiantes aprenden analizando, comparando y razonando sobre los resultados obtenidos con distintas técnicas. Este enfoque refuerza su capacidad para aplicar conocimientos teóricos en contextos prácticos, facilitando una asimilación más profunda de los conceptos de segmentación de movimiento.
3. Evaluación continua y retroalimentación inmediata
   Gracias a la comparación con ground truth y al cálculo de métricas objetivas (precisión, recall y F-score), los alumnos obtendrán una retroalimentación instantánea sobre la calidad de los métodos aplicados. Este ciclo de prueba-análisis-ajuste refuerza el aprendizaje autónomo y ayuda a consolidar la comprensión de los algoritmos.
4. Desarrollo de competencias transversales
   La aplicación no solo potenciará los conocimientos técnicos de los estudiantes, sino también competencias clave como el pensamiento crítico, la autonomía en el aprendizaje, la toma de decisiones fundamentadas y la capacidad de evaluar distintos criterios (eficacia, coste computacional, facilidad de uso).
5. Escalabilidad y aplicabilidad en otros contextos académicos
   Aunque la herramienta se utilizará inicialmente en la asignatura Vision Analysis and Deep Learning del Máster Universitario en Ingeniería de Telecomunicación, su diseño modular y su enfoque basado en MATLAB permitirán extender su uso a otras asignaturas relacionadas con el procesamiento de vídeo, la visión artificial o el aprendizaje automático (e.g., Tratamiento Digital de Imágenes del Grado en Ingeniería de Sonido e Imagen y Tratamiento Digital de Imágenes del Grado en Topografía). Esto asegura que el impacto del proyecto pueda crecer más allá de su implementación inicial.

El proyecto se estructura en cinco fases principales, con acciones específicas en cada una de ellas para garantizar un desarrollo ordenado y una adecuada implementación en el aula.

1: Diseño conceptual de la herramienta (1 mes)

• Definición de las funcionalidades clave de la aplicación, incluyendo la carga de secuencias de vídeo, la aplicación de diferentes métodos de segmentación y la comparación de los resultados con ground truth.
• Establecimiento de los requisitos técnicos y pedagógicos, asegurando que la herramienta sea compatible con MATLAB, fácil de usar y adecuada para los objetivos docentes.
• Selección de las técnicas de segmentación de objetos móviles que se implementarán: Background Differencing, Temporal Median Filtering, Single Gaussian Modeling y Gaussian Mixture Modeling.
• Identificación y preparación de un conjunto de secuencias de vídeo con características diversas (fondos dinámicos, cambios de iluminación, camuflaje, objetos temporalmente estáticos) que servirán de base para las prácticas.

2: Desarrollo de la aplicación (5 meses)

• Implementación en MATLAB de los algoritmos de segmentación seleccionados, garantizando un funcionamiento eficiente y fiable.
• Desarrollo de una interfaz gráfica intuitiva y altamente visual que permita a los estudiantes interactuar con la aplicación sin necesidad de programar.
• Incorporación de herramientas de análisis:
  • Visualización en paralelo de resultados y ground truth.
  • Cálculo automático de métricas objetivas (precisión, recall y F-score).
  • Posibilidad de guardar las secuencias segmentadas para su análisis posterior.
• Pruebas piloto de cada módulo de la herramienta, verificando que cumple los requisitos tanto técnicos como pedagógicos, y ajustes en función de los resultados obtenidos.

3: Integración en la asignatura (1 mes)

• Introducción de la aplicación en el marco de las prácticas de laboratorio de la asignatura Vision Analysis and Deep Learning del Máster en Ingeniería de Telecomunicación de la ETSIT.
• Elaboración de guías de uso y propuestas de ejercicios prácticos para que los estudiantes puedan explorar de forma autónoma las técnicas de segmentación de movimiento.
• Recogida de impresiones iniciales de los estudiantes y del profesorado, evaluando la facilidad de uso y el grado de motivación generado por la herramienta.

4: Evaluación y ajuste final (1 mes)

• Realización de pruebas de aprendizaje (pre-test y post-test) para evaluar la evolución del conocimiento adquirido en técnicas de segmentación de objetos móviles.
• Evaluación de la usabilidad de la aplicación mediante el cuestionario estandarizado System Usability Scale (SUS).
• Evaluación de la experiencia de aprendizaje de los estudiantes con el cuestionario Experience of Teaching and Learning Questionnaire (ETLQ).
• Análisis global de los resultados en términos de comprensión conceptual, razonamiento crítico y autonomía en el aprendizaje.
• Introducción de mejoras y ajustes finales en la aplicación basados en la retroalimentación recibida.

5: Difusión y presentación de resultados (2 meses)

• Redacción de un informe detallado que recoja el desarrollo del proyecto, la integración en el aula y la evaluación de los resultados pedagógicos alcanzados.
• Elaboración de materiales de apoyo:
  • Guía de usuario para estudiantes, con instrucciones paso a paso y ejemplos prácticos.
  • Manual de referencia para profesores, con orientaciones sobre la integración de la herramienta en el aula.
  • Vídeo tutorial, mostrando de forma práctica las funcionalidades principales de la aplicación.
• Preparación de un artículo académico para su publicación en congresos y revistas internacionales de innovación educativa, como el IEEE Frontiers in Education Conference, IEEE Transactions on Education o Computer Applications in Engineering Education.

El seguimiento y la evaluación del proyecto se llevarán a cabo de forma continua y estructurada, garantizando que las fases de desarrollo e implementación de la aplicación cumplan con los objetivos establecidos. El proceso se dividirá en dos apartados principales: el seguimiento durante el desarrollo de la herramienta y la evaluación de su impacto pedagógico una vez integrada en la docencia.

1. Seguimiento durante el desarrollo

Para asegurar que la aplicación evoluciona de acuerdo con los plazos y requisitos planteados, se realizarán las siguientes acciones:

• Reuniones periódicas del equipo de trabajo: se organizarán reuniones semanales con los coordinadores y miembros del equipo docente para revisar avances, discutir posibles problemas y definir los siguientes pasos de cada fase. Estas reuniones permitirán una identificación temprana de desviaciones respecto al plan inicial y facilitarán su corrección.
• Pruebas iterativas de la aplicación: a medida que se implementen los distintos módulos (algoritmos de segmentación, visualización de resultados, comparación con ground truth, cálculo de métricas), se llevarán a cabo pruebas parciales para comprobar tanto la robustez técnica como la adecuación pedagógica.
• Registro de avances y documentación técnica: se mantendrá un registro detallado de las funcionalidades desarrolladas, decisiones adoptadas y posibles modificaciones realizadas, asegurando una trazabilidad del proceso que facilite la mejora continua.

2. Evaluación durante la implementación en la asignatura

Una vez finalizada la fase de desarrollo, se integrará la aplicación en las prácticas de la asignatura Vision Analysis and Deep Learning. La evaluación se centrará en tres aspectos principales:

• Impacto en el aprendizaje: se aplicarán pruebas de conocimiento (pre-test y post-test) para medir la evolución del nivel de comprensión de los estudiantes sobre segmentación de objetos móviles. La comparación entre ambos permitirá obtener indicadores cuantitativos del valor añadido de la herramienta.
• Usabilidad de la herramienta: se aplicará el cuestionario estándar System Usability Scale (SUS) para recoger la percepción de los estudiantes acerca de la facilidad de uso, la claridad de la interfaz y la interacción con la aplicación.
• Experiencia de aprendizaje: se utilizará el cuestionario Experience of Teaching and Learning Questionnaire (ETLQ) para evaluar cómo la herramienta ha influido en la motivación de los estudiantes, en la comprensión de los conceptos y en el desarrollo de habilidades críticas y de análisis.

3. Evaluación del impacto docente y pedagógico

Además de la percepción de los estudiantes, se recogerá la visión del profesorado sobre la integración de la aplicación en el aula:

• Feedback del profesorado: se documentarán las opiniones de los docentes que utilicen la herramienta, valorando aspectos como su utilidad en la explicación de conceptos complejos, la mejora en la dinámica de las sesiones prácticas y la adecuación a los objetivos de la asignatura.
• Impacto pedagógico global: el equipo docente analizará de manera conjunta cómo la herramienta ha contribuido a reforzar la conexión entre teoría y práctica, a fomentar la autonomía investigadora y a incrementar la motivación del alumnado.

4. Informe final y propuestas de mejora

Una vez concluida la experiencia, se elaborará un informe final que incluirá:

• Los resultados obtenidos en las distintas evaluaciones.
• Un análisis detallado de la eficacia de la herramienta en el aprendizaje de los estudiantes.
• Propuestas de mejora para futuras ediciones de la asignatura y posibles líneas de continuidad del proyecto en otros contextos educativos.

El desarrollo de este proyecto dará lugar a una serie de productos clave que contribuirán tanto a la enseñanza de la segmentación de objetos móviles en vídeo como a la creación de recursos transferibles a otras asignaturas y programas educativos. Estos productos estarán diseñados no solo para mejorar la experiencia de aprendizaje de los estudiantes, sino también para ser compartidos y replicados en otros contextos académicos.

1. Aplicación interactiva de segmentación de objetos móviles en vídeo
   El principal producto será una aplicación desarrollada en MATLAB que permitirá a los estudiantes experimentar de manera práctica con diferentes técnicas de segmentación de movimiento. La herramienta ofrecerá una interfaz intuitiva y visual que facilitará:
   • La carga de secuencias de vídeo reales.
   • La aplicación de métodos de segmentación como Background Differencing, Temporal Median Filtering, Single Gaussian Modeling y Gaussian Mixture Modeling.
   • La visualización de resultados segmentados junto al ground truth asociado.
   • La comparación objetiva mediante métricas estándar (precisión, recall y F-score).
   • El almacenamiento de las secuencias segmentadas para su análisis posterior.
     El diseño modular de la aplicación permitirá incorporar en el futuro nuevos algoritmos y extender su uso a otras asignaturas vinculadas al procesamiento de vídeo y la visión artificial.
2. Guías y manuales didácticos
   • Guía de usuario para estudiantes: documento con instrucciones detalladas para el uso de la aplicación, ejemplos prácticos y recomendaciones para sacar el máximo provecho de las funcionalidades disponibles.
   • Manual de referencia para profesores: material destinado al profesorado con orientaciones sobre cómo integrar la aplicación en las sesiones prácticas, propuestas de actividades y sugerencias para evaluar el aprendizaje.
   • Vídeo tutorial para usuarios: recurso audiovisual que mostrará paso a paso cómo utilizar la aplicación, desde la carga de secuencias hasta la interpretación de resultados, facilitando la comprensión de los estudiantes mediante un enfoque visual.
3. Cuestionarios y herramientas de evaluación del aprendizaje
   • Pre-test y post-test: diseñados para medir el progreso de los estudiantes antes y después de utilizar la herramienta.
   • Cuestionario de usabilidad (SUS): permitirá evaluar la facilidad de uso de la aplicación desde la perspectiva del alumnado.
   • Cuestionario de experiencia de aprendizaje (ETLQ): recogerá las opiniones de los estudiantes sobre cómo la herramienta ha impactado en su motivación, comprensión y desarrollo de competencias críticas.
     Estos instrumentos de evaluación estarán disponibles para su reutilización en futuras ediciones del curso o en otros contextos docentes.
4. Artículos y presentaciones en reuniones científicas
   Los resultados del proyecto, tanto en términos de desarrollo técnico de la aplicación como de su impacto pedagógico, se difundirán en congresos y revistas internacionales de innovación educativa. Se planteará su presentación en foros como el IEEE Frontiers in Education Conference, y su publicación en revistas académicas como IEEE Transactions on Education o Computer Applications in Engineering Education. Estos trabajos documentarán la efectividad de la herramienta y ofrecerán un modelo replicable para otras instituciones.

El proyecto de innovación educativa contará con un conjunto de materiales divulgativos que facilitarán la difusión de sus resultados y el intercambio de buenas prácticas docentes, tanto dentro de la UPM como en el ámbito académico internacional. Estos materiales estarán orientados a promover la transferencia del conocimiento generado y a fomentar la replicabilidad de la experiencia en otros contextos educativos.

1. Artículo académico
   Se elaborará un artículo que describa el desarrollo de la aplicación, su integración en la docencia y los resultados obtenidos en términos de mejora del aprendizaje y motivación del alumnado. El artículo incluirá un análisis del impacto pedagógico del uso de la herramienta y se propondrá para su publicación en congresos y revistas internacionales de innovación educativa, como el IEEE Frontiers in Education Conference, IEEE Transactions on Education o Computer Applications in Engineering Education.
2. Vídeo divulgativo
   Se realizará un vídeo explicativo sobre el proyecto, mostrando el funcionamiento de la aplicación y ejemplos de su uso en el aula. Este vídeo destacará la importancia de la segmentación de objetos móviles en vídeo, las funcionalidades principales de la herramienta y testimonios o impresiones de los estudiantes tras su utilización. Servirá como recurso de comunicación accesible y atractivo para la comunidad universitaria.
3. Noticia para la UPM
   Se redactará una noticia sobre el proyecto para su difusión en los canales de comunicación institucionales de la UPM (portal de Innovación Educativa, boletines internos y redes sociales). La noticia presentará los objetivos, el desarrollo y los resultados del proyecto, subrayando su carácter innovador y su contribución a la mejora de la docencia práctica en el área de visión por computador.
4. Página web del proyecto
   Se desarrollará una página web dedicada al proyecto, donde se incluirán recursos relacionados con la aplicación: guías de uso, resultados de las pruebas realizadas, el vídeo divulgativo y enlaces a las publicaciones académicas. La web actuará como repositorio abierto y punto de referencia para profesores y estudiantes interesados en el aprendizaje práctico de técnicas de segmentación de vídeo.
5. Difusión en redes académicas y profesionales
   Se compartirán los principales avances y resultados del proyecto a través de redes académicas y profesionales (LinkedIn, ResearchGate, y el portal de Innovación Educativa de la UPM), con el objetivo de ampliar su visibilidad y fomentar la colaboración con otros docentes e investigadores interesados en herramientas didácticas basadas en MATLAB para el procesamiento de vídeo.