En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del
|
|
- José Miguel Fuentes Lucero
- hace 2 años
- Vistas:
Transcripción
1 33
2 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán utilizados dentro del proyecto. 3.1 PROCESAMIENTO DE IMÁGENES. Un área muy ligada a la de visión computacional es la de procesamiento de imágenes. Aunque ambos campos tienen mucho en común, el objetivo final es diferente. Objetivo de Procesamiento de Imágenes El objetivo de procesamiento de imágenes es mejorar la calidad de las imágenes para su posterior utilización o interpretación. [Escalera 01] 3.2 VISIÓN COMPUTACIONAL Su función principal es reconocer y localizar objetos en el ambiente mediante el procesamiento de las imágenes. La visión computacional es el estudio de los procesamientos de imágenes, para entenderlos y construir máquinas con capacidades similares a las humanas. [Sucar 03] Objetivo de la Visión Computacional El objetivo de la visión computacional es extraer características de una imagen para su descripción e interpretación por la computadora. 34
3 La base del software de un sistema de visión es la interpretación y análisis de los píxeles. El resultado final puede ser, desde la medida de una partícula, a la determinación o lectura de una serie de caracteres (OCR), pasando por cualquier otro proceso que podamos imaginar sobre las imágenes. Dependiendo de si la aplicación se realiza en entorno industrial o científico los pasos a seguir en un sistema de visión serán algo distintos. Aplicación Industrial Captura de la Imagen Definición de la región de interés donde se realizarán las medidas Inicialización de las tolerancias para determinar si la pieza a determinar es o no correcta Ejecutar las medidas Generar una salida apropiada Aplicación Científica Capturar la Imagen Hacer un proceso de mejora Determinar los elementos a medir Ejecutar la medida Almacenar las medidas y realizar procesos gráficos o estadísticos 35
4 Mientras que en las aplicaciones industriales la velocidad a la que se realizan las medidas es fundamental, ya que se deben evaluar todas las piezas producidas en tiempo real, en las aplicaciones científicas se busca la determinación de los resultados en imágenes más complejas. 3.3 COMPONENTES DE UN SISTEMA DE VISIÓN El buen desempeño de un sistema de visión depende en gran parte de sus componentes que lo forman, existiendo 6 partes primordiales para que el sistema funcione adecuadamente. Captación: Es el proceso a través del cual se obtiene una imagen visual. Preprocesamiento: Incluye técnicas tales como la reducción de ruido y realce de detalles Segmentación: Es el proceso que divide a un imagen en objetos que sean de nuestro interés. Descripción: Es el proceso mediante el cual se obtienen características convenientes para diferenciar un tipo de objeto de otro, por ejemplo tamaño y forma. Reconocimiento: Es el proceso que asocia un significado a un conjunto de objetos reconocidos. Entrada Imagen Adquisición de Imagen Preprocesado Base de Conocimientos Reconocimiento e interpretación Resultados Segmentación Representación y descripción Figura 3.1: Etapas fundamentos de un sistema de Visión Artificial. [Chávez 2001] Un sistema de visión artificial toma información útil acerca de una escena a partir de su proyección en dos dimensiones. 36
5 Existen herramientas que ayudan a tomar una decisión de los métodos y algoritmos que se aplican a los sistemas de procesamiento de imágenes, debido a que la información grafica no siempre responde a resultados de métodos o algoritmos definidos, esto es por que cada sistemas de procesamiento es distinto y las aplicaciones son variadas. Los métodos analizados fueron tomados en base a una propia herramienta de procesamiento de imágenes, sin embargo existen herramientas comerciales que ayudan a tomar una decisión como Wit, NeatVisión, etc. Para mayo información consulta el apéndice A. 3.4 ANÁLISIS DE MÉTODOS DE PROCESAMIENTO DE IMÁGENES PARA CONTROLAR UN ROBOT MANIPULADOR Inicialmente se conoce que se trabaja ahora directamente en la imagen a color, el objetivo es mejorarla para su interpretación visual o para alimentarla a los niveles superiores de visión. Normalmente se pueden aplicar las técnicas para imágenes monocromáticas a imágenes a color, aplicándose a cada componente. Sin embargo, hay casos en que si se hace esto directamente, pueden existir problemas y no obtenerse exactamente el efecto deseado. Ejemplos de esto son la aplicación de ecualización por histograma y la detección de orillas en imágenes a color. Los algoritmos implementados en este proyecto están definidos dentro del área de visión activa, debido a que trabajan sobre escenas activas del ambiente desarrollado por el robot. A continuación se presenta los algoritmos que se utilizan dentro del sistema de procesamiento de Imágenes para controlar un robot manipulador. La secuencia como se van presentando los métodos de procesamiento de imágenes son la forma en que se van aplicando al sistema de control del manipulador. Se inicia con un método de preprocesamiento de imagen. 37
6 Método de Preprocesamiento de imagen. Segmentación: Es el proceso en que se divide una escena percibida en sus partes para extraer objetos para su posterior reconocimiento y análisis. Por lo que se ha una subdivisión del espacio de parámetros llamados células de acumulación donde a, a ) y b, b ) son los intervalos. ( max min ( max min b máx b 0 b min a min 0 a máx Figura 3.2: División del plano de parámetros en células. [Gonzalez y Woods 92] a La imagen es divida en una matriz de 3x3, inicialmente se desarrolla este tipo de segmentación, para disminuir problemas de confusión de piezas. Normalmente este uso se segmentación en células acumulativas se implementa en algoritmos básicos de segmentación de tipo similitud como es la transformada de Hough. El tipo de segmentación utilizado es Segmentación General. Métodos de procesamiento de imágenes La mayoría de procesamiento de imágenes se aplica directamente sobre imágenes en escala de grises, debido al bajo consumo de cómputo de éste; la mayoría de métodos matemáticos deterministas que se utilizan en su procesamiento, están basados en la diferencia de niveles 38
7 de grises, por lo que no existen muchos métodos para procesamiento de imágenes en color, aun cuando estos pueden ser utilizados en este tipo de formato de imagen. En este proyecto plantea utilizar métodos matemáticos estadísticos para el procesamiento de imágenes en color, con el fin de ser demostrables para ser reutilizados en otras investigaciones. Obtención de características del objeto por Color Existen varias representaciones o modelos de color. Estos modelos se dividen en dos clases de modelos. Unos son modelos sensoriales y otros se denominan modelos preceptúales. [Sucar 03] La idea principal de Obtener Características por Color es sacar datos relevantes en formato RGB de objetos, para crear características que puedan ser utilizadas por otros procesos para llegar a un resultado. Y Y X R G B Z X Figura 3.3: Obtención de características del objeto por color [Starostenko 2003] Por la naturaleza de la captura de la imagen, se trabaja en formato RGB, por lo cual se trabaja con un formato sensorial en lugar del un formato de percepción como el HSI. Además se pueden aplicar las mismas técnicas que se utilizan en imágenes monocromáticas. Para esto se toma cada componente (R,G,B) como una imagen 39
8 monocromática y se aplica algún operador o método a cada una independientemente. Después se combinan todas (considerando normalmente el máximo o el promedio). Modelo Sensorial El modelo RGB es el modelo básico que utiliza las componentes primarias rojo, verde y azul, normalizadas. En este modelo se basan las cámaras y receptores de televisión. Sin embargo se tienen problemas al aplicarlo al procesamiento de imágenes (ecualización). Modelo Perceptual. Modelo HSI (Hue, Saturation, Intensity) se puede ver como una transformación del espacio RGB al espacio perceptual. En principio los modelos perceptúales deben ser mejores ya que nosotros detectamos los cambios en estas componentes. Sin embargo, es compleja la implementación de la detección de orillas en croma por no ser lineal. Otra alternativa es definir técnicas especiales para detección de orillas en imágenes a color. El procesamiento de imágenes a color es relativamente reciente, por los altos requerimientos de memoria y cómputo necesarios. Procesos para Detección de Bordes: Los contornos caracterizan los límites de un objeto. Un contorno se caracteriza por presentar una transición de claro a oscuro o viceversa. Por esto se presenta un método para detectar bordes como Sobel. Sobel Se detecta el borde, calculando el gradiente de la imagen en dos direcciones ortogonales. El operador utilizado es Sobel, el cual se presenta de la siguiente manera. 40
9 Tabla: Operador Gradiente Sobel Una plantilla detecta contornos horizontales y la otra verticales, obteniendo dos imágenes de gradientes Ig 1, Ig 2. Para determinar si en un píxel determinado hay un contorno o no, se define un umbral a partir del cual se considera la existencia de contorno: La imagen de contornos I c (x,y) se puede formar a partir de: I c { ( x y) = 1 si I ( x, y) + I ( x y), > umbral g1 g 2, 0 otro caso (2.13) Detección de bordes en color Este método se aplica a cada una de las componentes básicas de RGB, como si se tratara de una imagen monocromática, y se hace una combinación de todas ellas, considerándose el máximo o el promedio, sin embargo puede presentar orillas que no impliquen un cambio fuerte en ninguna componente, pero si son notables en color o saturación. Además este método se plantea para detectar bordes de piezas no convexas y convexas. Una forma alternativa para calcular el borde de objetos en imágenes en color, es hacer una transformación de formato RGB a HSI, y aplicar cualquier método matemático estadístico para la detección de bordes, como Sobel o Robert, sin embargo se aplica a cada componente de color HSI, y después se combinan todas las orillas detectadas, considerando normalmente el máximo o promedio. La transformación de RGB a HSI se realiza mediante la siguiente ecuación: 41
10 H = cos ( R G) ( R G) 2 + ( R B) + ( R B)( G B) (2.14) S 3min( R, G, B) = 1 R + G + B (2.15) 1 I = ( R + G + B) 3 (2.16) Si B > G : H = 2π H La intensidad (I) y saturación (S) están normalizada (entre cero y uno) y el croma (H) esta entre 0 y 360 grados. Distancia de Color entre Píxeles Se toma la distancia de cada píxel a sus vecinos (máscara de 3x3), se suman y se normalizan (dividir entre 8). De esta forma la magnitud de la orilla aumenta al aumentar la diferencia en intensidad, croma o saturación. d = [( R R ) + ( G G ) + B B ] ( 1 (2.17) d = Ó 2 [ abs R R ) + abs( G G ) + abs( B )] ( B2 (2.18) Convex Hull: La envolvente convexa, también denominada cierre convexo o convex hull, es uno de los más fundamentales constructores geométricos. El problema de computar un convex hull no 42
11 sólo está centrado en aplicaciones prácticas, sino también es un vehículo para la solución de un número de cuestiones aparentemente sin relación con él, que surgen en la Geometría Computacional y tiene aplicaciones, como por ejemplo, en el procesado de imágenes y en localización. Figura 3.4: Idea intuitiva del significado del cierre conexo [Cormen 2001] Desafortunadamente, no es posible construir la definición intuitiva de cierre convexo de forma natural, por lo que hay que definir un algoritmo, que en este caso es el QuikHull. [Cormen 2001] Algoritmo Quick Hull. La idea del Quick Hull es ir descartando lo más pronto posible los puntos que no formarán parte de la frontera del cierre convexo, que suelen ser los más interiores de la nube de puntos. El algoritmo Quick Hull calcula la envolvente convexa en tiempo O(n 2 ). Se aplica este método debido a que las piezas con las que se trabaja, son convexas y se utiliza para generar una figura conexa dentro del software de esta forma se tiene una figura definida, y se puede calcular el centro de masa de figura 43
12 Etiquetamiento: Cuando se hace una búsqueda de un objeto por color se busca su valor de umbral y una vez encontrado, se modifica cambiándolo a un valor definido. De esta forma aparecen valores homogéneos definidos en la imagen Figura 3.5: Algoritmo de Etiquetamiento. De esta forma a cada valor homogéneo se le asigna un valor o etiqueta, de esta forma se puede conocer el número de objetos existentes en cada célula y de esta forma se identifica dentro del sistema, siendo identificados todos los objetos totalmente. Una vez en funcionamiento los métodos de procesamiento de imágenes, generan una salida específica en una matriz de 3x3. Esta hace una interacción con el juego del Tic Tac Toe, el cual toma la matriz y actualiza su resultado. A continuación se presenta el análisis del juego del Tic Tac Toe, el cual genera una salida, la cual es convertida a un conjunto de reglas o configuraciones que son enviadas para controlar el robot manipulador Lego MindStorms. 3.5 TIC TAC TOE Una vez que se actualiza la matriz, se pasa a un modulo de juego, que es la implementación del tan conocido tic-tac-toe, este solamente responde como si tuviera un jugador normal. 44
13 Figura 3.6: Ejemplo de Juego Tic Tac Toe La implementación de este tipo de juegos puede ser desarrollada para que se ejecute en forma ingenua o en forma inteligente. Algoritmo Ingenuo. Cuando se implementa el juego del tic tac toé en forma ingenua, se generan los movimientos de la computadora en forma aleatoria, y solamente se checa quien gano, las probabilidades de que la computadora gane de esta forma son mínimas. Algoritmo inteligente. En este caso se implementó en forma inteligente, para lo cual se llevo a cabo el desarrollo de un algoritmo que utiliza un árbol de juego Minimax, este algoritmo es utilizado para encontrar las mejores soluciones a este tipo de juego. Mínimax El algoritmo Minimax consiste en establecer el compromiso para las mejores jugadas de ambos contendientes. Esto es, en una visón realista no se deben esperar situaciones 45
14 favorables siempre que el oponente pueda evitarlo, ni tampoco desfavorables, si el jugador puede rehuirlas. El procedimiento es como sigue: 1. Si un nodo P es terminal, su valor es el de la función de evaluación para el jugador para el que se resuelve el árbol de búsqueda. 2. En otro caso, su valor será: El máximo de los valores de sus hijos si es un nodo alfa. El mínimo de los valores de sus hijos si es un nodo beta. 3. El algoritmo finaliza cuando se dispone de la puntuación del nodo inicial. La mejor jugada será la que devolvió el valor elegido por el nodo raíz. Figura 3.7: Se presenta un ejemplo de aplicación de este algoritmo. Junto a cada nodo no terminal se representa su valor Minimax. Siendo la idea principal Maximizar las tiradas considerando que el oponente va a minimizar Para decidir que jugada hacer, el árbol se divide por niveles: max: al primer jugador (nivel) y todas las posiciones (niveles) donde juega 46
15 min: al oponente y todas las posiciones en donde juega Las hojas se etiquetan con gana, pierde, empata desde el punto de vista de max Si podemos etiquetar todas las hojas, podemos etiquetar todo el árbol La respuesta generada por el juego, se toma y se convierte en una instrucción de control, la cual se envía al robot Lego MindStorms. 3.6 RESPUESTA EN TIEMPO REAL La idea central para definir este proyecto como sistema con respuesta en Tiempo Real, es la noción de tiempo de respuesta o tiempo que tarda el sistema en generar una salida asociada a una entrada. Debe tomarse en cuenta que en un sistema de Tiempo Real se debe distinguir de otros en donde el tiempo de respuesta es importante pero no critico. Un sistema de Tiempo Real depende no sólo de los resultados de la computadora, si no también del tiempo que tarda en producirse dichos resultados. Computadora Dispositivo de Comunicación de Entrada/salida Dispositivo de Entrada Dispositivo de Salida Interfaz Planta Fig. Esquema general de un sistema de control por computadora En la figura se representa el esquema general de un sistema de control por computadora. Una característica común en los sistemas de tiempo real es que la computadora se encuentra conectado en un entorno dentro del cual está trabajando para un gran número de dispositivos de los que recibe y a los que da una amplia variedad de estímulos. Las entradas 47
16 y salidas y las señales de comunicación tienen una característica común. Éstas están conectadas a dispositivos que comunican el computador con procesos externos a él. Todos estos procesos externos operan en su propia escala de tiempo y es el computador quien se encarga de producir las salidas, de tal forma, que el instante de tiempo en que se producen, esté de acuerdo con las escalas de tiempos de los procesos externos. Atendiendo a la forma de sincronizar los procesos externos con las acciones internas realizadas por el computador, los sistemas de tiempo real se pueden clasificar en: Sistemas basados en reloj. La sincronización se define en términos de paso de tiempo. Sistemas basados en sensores. La sincronización se define en términos de sucesos, por ejemplo el cierre de un interruptor. Sistemas interactivos. La relación entre las acciones del computador y la evolución del sistema se define de forma más amplia que en los casos anteriores En este proyecto se plantea utilizar la clasificación de Sistema interactivo, debido al conjunto de acciones que tiene que desarrollar la computadora con relación con sus entradas externas como la cámara y la lectura de sensores del Robot Lego MindStorms CONCLUSIÓN En este capitulo se presentaron los medios para desarrollar un sistema de procesamiento de imágenes el cual tomará una decisión en base al resultado del algoritmo del tic-tac-toe, para manipulador un robot manipulador. Sin embargo los detalles sobre el desarrollo del proyecto se explican en el siguiente capitulo. 48
Tema 4:Segmentación de imágenes
Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos
Capítulo III Procesamiento Digital de Imágenes
Capítulo III Procesamiento Digital de Imágenes Contenido Introducción al Procesamiento digital de imágenes Orígenes del procesamiento digital de imágenes. Aplicaciones del Procesamiento de Imágenes Componentes
Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador
Capítulo 3. 3. Marco Teórico.
Capítulo 3 3. Marco Teórico. La visión artificial o visión por computador se define como un área multidisciplinar que pretende, en cierta medida, reproducir artificialmente el sentido de la vista mediante
Tema 1.- Introducción a la Visión Artificial
Tema 1.- Introducción a la Visión Artificial Visión Artificial Avanzada Prof. Dr. Nicolás Luis Fernández García Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad
Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes
1 Facultad: Ingeniería. Escuela: Biomédica Asignatura: Imágenes Médicas Realce de Características Objetivos Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características
REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES
REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES Y. Sossa, G. Osorio, F. Prieto, F. Angulo Grupo de Percepción
Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1
Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado
Autor: Javier Yáñez García
Curso 2009-2010 2010 Universidad Carlos III de Madrid PROYECTO FIN DE CARRERA: TRACKING DE PERSONAS A PARTIR DE VISIÓN ARTIFICIAL Autor: Javier Yáñez García Contenidos 1. Introducción 2. Estado del arte
Visión Artificial. Por Elisabeth Pérez
Visión Artificial Por Elisabeth Pérez Indice Qué es la Visión Artificial? Visión Artificial Diversos nombres Áreas de Aplicación Visión Artificial en Sistemas de Calidad Los pasos a tener en cuenta Áreas
Detección de bordes en una imagen.
Detección de bordes en una imagen. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Utilizar distintas máscaras empleadas para
MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ
MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS FACULTAD TECNOLÓGICA TECNOLOGÍA EN ELECTRÓNICA INGENIERÍA EN CONTROL Índice general
Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.
Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por
Enfoque propuesto para la detección del humo de señales de video.
Capítulo 3 Enfoque propuesto para la detección del humo de señales de video. 3.1 Comportamiento del enfoque propuesto. Una visión general del método propuesto se muestra en la figura 2. El método genera
ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL
ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL Curso 2015/2016 (Código:71014046) 1.PRESENTACIÓN DE LA ASIGNATURA Esta asignatura pretende ofrecer al alumno una panorámica del problema de la percepción visual a
Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada
Capítulo 2 Silueta 2.1 Silueta La silueta de un objeto es muy importante porque es lo que nos da las pistas visuales de cómo es que está formado, nos dice dónde están sus límites y ayuda a diferenciar
Imágenes binarias. Horn, Robot Vision Haralick & Shapiro, Computer and Robot Vision Gonzalez & Woods, Digital Image Processing. imagenes binarias 1
Imágenes binarias Horn, Robot Vision Haralick & Shapiro, Computer and Robot Vision Gonzalez & Woods, Digital Image Processing imagenes binarias 1 Propiedades geométricas simples: Area: la integral de la
SISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO
PROCESAMIENTO DIGITAL DE IMÁGENES Dr. Johnson Garzón SISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO Realizado por : Carlos Pillajo Introducción En este proyecto,
Qué es una imágen digital?
Qué es una imágen digital? Una imagen digital es una fotografía, un dibujo, un trabajo artístico o cualquier otra imagen que es convertida en un fichero de ordenador. Qué es una imágen digital? Una imagen
Práctica 2 - Procesamiento de Imágenes
Práctica 2 - Procesamiento de Imágenes En esta práctica veremos diferentes técnicas de tratamiento que suelen ser aplicadas a las imágenes obtenidas desde satélites. Muchos de los procedimientos que aprendamos
La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos).
Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y
Tratamiento de la Imagen Digital
Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos electricos discretos basados en un sistema binario (ceros y
Visión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/
Visión Sesión 4: Búsqueda y tracking de modelos 2D en imágenes Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Detección de aristas Transformada de Hough Componentes conectadas Alineación de
Técnicas Clásicas de Segmentación de Imagen
Técnicas Clásicas de Segmentación de Imagen Marcos Martín 21 de mayo de 2002 1. Introducción El primer paso en cualquier proceso de análisis de imagen es la segmentación. Mediante la segmentación vamos
Detección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente
Detección de bordes Métodos basados en operadores lineales de gradiente 1 Bordes Variaciones fuertes de la intensidad que corresponden a las fronteras de los objetos visualizados Métodos basados en el
En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus
1 Introducción. En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus soluciones o procesos, se basan en matrices binarias. Existen varios métodos y algoritmos que trabajan
MICRODISEÑO CURRICULAR Ingeniería de Sistemas. Créditos TPS TIS TPT TIT
1. IDENTIFICACIÓN Asignatura Visión Artificial Área Nivel IV Código Pensum Correquisito(s) Prerrequisito(s) Créditos TPS TIS TPT TIT 2. JUSTIFICACIÓN. La visión artificial es una de las disciplinas de
Tema 1. Sistemas de Visión Artificial
1 Div. Ingeniería de de Sistemas y Automática Universidad Miguel Hernández Tema 1. Sistemas de Visión Artificial GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Transformación Información
TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA
TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una
Tema 1. Sistemas de Visión Artificial
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 1. Sistemas de Visión Artificial GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Transformación Información
IB14 Informática para la construcción. Tema 5. Tratamiento de imágenes digitales
IB14 Informática para la construcción Tema 5. Tratamiento de imágenes digitales Contenidos Fotografía tradicional. Fotografía digital. Procesamiento digital de imágenes. Cómo almacena el ordenador
Robótica y visión artificial. Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante
Robótica y visión artificial Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante Introducción Percepción biológica vs. computacional Qué es una imagen? Procesamiento
CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES
CAPÍTULO PROCESAMIENTO DIGITAL DE IMÁGENES En este capítulo se presentan de manera breve, una explicación de la visión, las imágenes digitales y como son capturadas por medios electrónicos, el campo encargado
k 11 N. de publicación: ES 2 035 793 k 21 Número de solicitud: 9102026 k 51 Int. Cl. 5 : G01B 11/00
k 19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA k 11 N. de publicación: ES 2 035 793 k 21 Número de solicitud: 9102026 k 51 Int. Cl. 5 : G01B 11/00 B07C 5/00 k 12 SOLICITUD DE PATENTE A1 22 kfecha de
RECONOCIMIENTO AUTOMATICO DE MATRICULAS
RECONOCIMIENTO AUTOMATICO DE MATRICULAS Carlos Parra Ramos Universidad Carlos III de Madrid Madrid, España 2006 David Regajo Rodríguez Universidad Carlos III de Madrid Madrid, España 2006 100030583@alumnos.uc3m.es
CONFERENCIA REALIDAD AUMENTADA. Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com
CONFERENCIA REALIDAD AUMENTADA Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com Bogotá, Septiembre 2012 OBJETIVO GENERAL El objetivo es presentar un recorrido actualizado por las diferentes
Operaciones Morfológicas en Imágenes Binarias
Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los
Tema 1. Sistemas de Visión Artificial
Tema 1. Sistemas de Visión Artificial Tabla de Contenidos Definición Transformación Información Luminosa Imagen Digital Sistema Humano Visión Sistema Visión Artificial Aplicaciones de la Visión por
Reconocimiento de objetos mediante WebCam en tiempo real ESCUELA POLITÉCNICA SUPERIOR DE GANDÍA INGENIERÍA TÉCNICA DE TELECOMUNICACIONES
ESCUELA POLITÉCNICA SUPERIOR DE GANDÍA INGENIERÍA TÉCNICA DE TELECOMUNICACIONES Proyecto final de carrera Reconocimiento de objetos mediante WebCam en tiempo real Autor: Steve Rossius Director: Ignacio
Acerca del Libro. Información básica. Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán
Acerca del Libro Información básica Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán ISBN: 978-9942-01-790-1. 8 capítulos. 133 páginas. Ibarra
Edwin Chiguano, Nathaly Moreno, Luis Corrales. Facultad de Ingeniería Eléctrica y Electrónica, EPN Quito, Ecuador
Diseño e implementación de un sistema traductor de lenguaje de señas de manos a un lenguaje de texto mediante visión artificial en un ambiente controlado Edwin Chiguano, Nathaly Moreno, Luis Corrales Facultad
SIMULACION. Formulación de modelos: solución obtenida de manera analítica
SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar
Arquitectura de Aplicaciones
1 Capítulo 13: Arquitectura de aplicaciones. - Sommerville Contenidos del capítulo 13.1 Sistemas de procesamiento de datos 13.2 Sistemas de procesamiento de transacciones 13.3 Sistemas de procesamiento
8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA
ÍNDICE PRÓLOGO...19 CAPÍTULO 1. INTRODUCCIÓN...25 1.1 SISTEMA DE VISIÓN Y PROCESAMIENTO DE IMÁGENES...25 1.2 PROCESAMIENTO DIGITAL DE IMÁGENES...26 1.3 RELACIONES BÁSICAS ENTRE PÍXELES...27 1.3.1 Vecinos
Unidad II: Administración de Procesos y del procesador
Unidad II: Administración de Procesos y del procesador 2.1 Concepto de proceso Un proceso no es más que un programa en ejecución, e incluye los valores actuales del contador de programa, los registros
FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS
FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS Introducción Los algoritmos utilizados para el procesamiento de imágenes son de complejidad computacional alta. Por esto
RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT
UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA TÉCNICA DE TELECOMUNICACIÓN (ESPECIALIDAD EN SONIDO E IMAGEN) PROYECTO FIN DE CARRERA RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS
PREPROCESADO DE DATOS PARA MINERIA DE DATOS
Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado
APLICACIÓN DE TÉCNICAS DE IMAGEN ARTIFICIAL Y REDES NEURONALES PARA EL SEGUIMIENTO DEL REMONTE DE FAUNA PISCÍCOLA
Curso sobre Técnicas de Visualización CEH-CEDEX, 10 junio de 2011 APLICACIÓN DE TÉCNICAS DE IMAGEN ARTIFICIAL Y REDES NEURONALES PARA EL SEGUIMIENTO DEL REMONTE DE FAUNA PISCÍCOLA Aplicación de técnicas
CAPITULO III MARCO METODOLÓGICO. La presente investigación plantea como objetivo el diseño de un prototipo
CAPITULO III MARCO METODOLÓGICO 1. Tipo de Investigación La presente investigación plantea como objetivo el diseño de un prototipo de robot industrial para la automatización del proceso de conformado de
MODELO MATEMÁTICO PARA LA EVALUACIÓN CUANTITATIVA DE LA CONFIABILIDAD EN LA ARQUITECTURA DE XEDRO ERP
MODELO MATEMÁTICO PARA LA EVALUACIÓN CUANTITATIVA DE LA CONFIABILIDAD EN LA ARQUITECTURA DE XEDRO ERP Msc. Larisa González Alvarez, Ing. Katia Tereza Liens Pérez, DrC. Liesner Acevedo Martínez RESUMEN
5.- ANÁLISIS DE RIESGO
5.- ANÁLISIS DE RIESGO El módulo de Análisis de Riesgo se caracteriza por desarrollar una herramienta formativa para la gestión, que permite al usuario identificar, analizar y cuantificar el riesgo de
Capítulo 5. Diseño del modelo de indexación de imágenes basado en una ontología
Capítulo 5. Diseño del modelo de indexación de imágenes basado en una ontología Como se vio anteriormente, en el Capítulo se analizaron las características de diversos métodos de representación de imágenes
Reconocimiento de imágenes
Capítulo 4 Reconocimiento de imágenes En la actualidad, el reconocimiento de imágenes es una herramienta de gran utilidad en el área de control y automatización. Varias empresas usan el reconocimiento
IV. Implantación del sistema.
IV. Implantación del sistema. Para hablar sobre el proceso de desarrollo del sistema de Recuperación de Información Visual propuesto, empezaremos hablando del hardware utilizado, las herramientas de software
PENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015)
PENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015) CRITERIOS E INDICADORES Se detallan a continuación los criterios de evaluación junto con sus indicadores de contenidos asociados. En negrita se indican
7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD
Agencia de Cooperación Internacional del Japón Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Industrial 7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Elaboración: Kiyohiro
Dirección General de Educación Superior Tecnológica
Dirección General de Educación Superior Tecnológica 1. Datos Generales de la asignatura Nombre de la asignatura: Clave de la asignatura: Programación de dispositivos móviles RSM 1205 Créditos (Ht Hp_ créditos):
SEWERIN. Pre Localización De Fugas de Agua
SEWERIN Pre Localización De Fugas de Agua Ventajas del sistema La Pre localización de fugas de agua consiste en la escucha de la red en varios puntos. Para ello se utilizan loggers que graban sus sonidos
REDES NEURONALES APLICADAS AL ANÁLISIS DE IMÁGENES PARA EL DESARROLLO DE UN PROTOTIPO DE UN SISTEMA DE SEGURIDAD GABRIEL FELIPE JARAMILLO GONZÁLEZ
REDES NEURONALES APLICADAS AL ANÁLISIS DE IMÁGENES PARA EL DESARROLLO DE UN PROTOTIPO DE UN SISTEMA DE SEGURIDAD GABRIEL FELIPE JARAMILLO GONZÁLEZ UNIVERSIDAD TECNOLÓGICA DE PEREIRA PROGRAMA DE INGENIERÍA
M.C. Carolina Rocío Sánchez Pérez krlinasp@gmail.com
M.C. Carolina Rocío Sánchez Pérez krlinasp@gmail.com 28 de Enero de 2011 Evaluación del curso 30% 3 exámenes 40% tareas/proyectos 30 % presentaciones Nota: Una vez establecidas, las fechas de exámenes,
Capítulo 2. Las Redes Neuronales Artificiales
Capítulo 2. Las Redes Neuronales Artificiales 13 Capitulo 2. Las Redes Neuronales Artificiales 2.1 Definición Redes Neuronales Artificiales El construir una computadora que sea capaz de aprender, y de
Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional
Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Mario A. Bueno a, Josué Álvarez-Borrego b, Leonardo Acho a y Vitaly Kober c mbueno@cicese.mx,
SISTEMA DE VISIÓN ARTIFICIAL Figura 9.40 Equipo Keyence instalado en estación 8. Borrador V0.0 15/12/05 1 1 SISTEMA DE VISIÓN ARTIFICIAL. La donación por parte de Monroe (Gijón) del sistema de visión artificial
Algoritmos. Autor: José Ángel Acosta Rodríguez
Autor: 2006 ÍNDICE Página Índice 1 Problema 1. Movimiento de figuras geométricas.2 Problema 2. Conversión decimal a binario....3 Problema 3. Secuencias binarias..4 Problema 4. Conversión a binario a octal...
Diseño de un sistema de navegación en interiores adaptado al guiado de personas.
UNIVERSIDAD DE ZARAGOZA Diseño de un sistema de navegación en interiores adaptado al guiado de personas. Aitor Aladrén Tudela Índice general 1 2 Sección 1 Introducción 1.1. Marco de trabajo La obtención
Diseño de Moda Informatizado
L as políticas industriales en los países desarrollados del mundo inciden mucho en la tecnología y el diseño industrial. Ambos conceptos tienen gran importancia en la industria en general, pues hacen que
SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES. Manufactura Integrada por Computadora (CIM) Qué es es CIM?
SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES 2003 Manufactura Integrada por Computadora (CIM) Qué es es CIM? Bajo el nombre de CIM se engloba a un conjunto de aplicaciones informáticas cuyo
SIMULACIÓN EN TIEMPO REAL DE UNA ESTACION DE TRABAJO INDUSTRIAL ROBOTIZADA.
SIMULACIÓN EN TIEMPO REAL DE UNA ESTACION DE TRABAJO INDUSTRIAL ROBOTIZADA. Mora Sánchez José Antonio, López Flores Miguel Eduardo, Bustillo Díaz Mario Benemérita Universidad Autónoma de Puebla 14 sur
CUALIFICACIÓN SISTEMAS DE GESTIÓN DE INFORMACIÓN PROFESIONAL. Nivel 3. Versión 5 Situación RD 1201/2007 Actualización
Página 1 de 16 CUALIFICACIÓN SISTEMAS DE GESTIÓN DE INFORMACIÓN PROFESIONAL Familia Profesional Informática y Comunicaciones Nivel 3 Código IFC304_3 Versión 5 Situación RD 1201/2007 Actualización Competencia
SISTEMAS DE TRATAMIENTO DE IMAGENES DE USO INDUSTRIAL
SISTEMAS DE TRATAMIENTO DE IMAGENES DE USO INDUSTRIAL Series CVS & MVS Alltronics Peru SAC Julio CSR Sept. 2009 INTRODUCCION La sofisticación de los procesos industriales exige de equipos cada vez más
Procesamiento de Imágenes
Procesamiento de Imágenes Curso 011 - Clase Filtros Espaciales Filtrado espacial Ya trabajamos procesando sólo al piel individualmente. Ahora vamos a hacer un procesamiento en una vecindad de cada piel.
DISEÑO DE FUNCIONES (TRATAMIENTOS)
DISEÑO DE FUNCIONES (TRATAMIENTOS) Diseño Estructurado. Estrategias para Derivar el Diagrama de Estructura. Diseño de Módulos Programables. 1. DISEÑO ESTRUCTURADO El Diseño es el proceso por el cual se
Capítulo 1. Introducción. 1.1. Antecedentes
Capítulo 1. Introducción En este capítulo se presenta una descripción general del problema a investigar y el enfoque con el que se aborda. Se establece la necesidad de incorporar técnicas de análisis novedosas
UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3
UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3 INTRODUCCIÓN El elemento hardware de un sistema básico de proceso de datos se puede estructurar en tres partes claramente diferenciadas en cuanto a sus funciones:
Representación de Datos. Una Introducción a los Sistemas Numéricos
Representación de Datos Una Introducción a los Sistemas Numéricos Tipos de Datos Datos Texto Número Imagen Audio Video Multimedia: Información que contiene números, texto, imágenes, audio y video. Como
Taller de robótica y tecnología. Aprender a Convivir
Taller de robótica y tecnología Los jóvenes con altas capacidades necesitan métodos de trabajo que les estimulen intelectualmente a seguir avanzando en su avidez por el conocimiento y una atmósfera de
CAPÍTULO 4 ANÁLISIS Y DISEÑO: e-commerce CONSTRUCTOR
CAPÍTULO 4 ANÁLISIS Y DISEÑO: e-commerce CONSTRUCTOR En este capítulo se describe el análisis y diseño de un sistema, denominado e-commerce Constructor, el cual cumple con los siguientes objetivos: Fungir
SISTEMA DE CONTROL DE PRESENCIA
SISTEMA DE CONTROL DE PRESENCIA 1 SISTEMA DE CONTROL DE PRESENCIA 1 1 GENERALIDADES DE LA APLICACIÓN 3 2 SEGURIDAD Y ACCESO AL PROGRAMA 7 2.1 Mantenimiento de usuarios 7 2.2 Perfiles 9 3 GESTIÓN DE EMPRESAS
Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz
1 Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 2 ÍNDICE Introducción 3 Aplicaciones de la Simulación 3 La Metodología de la Simulación por Computadora 5 Sistemas, modelos
Maximiliano G. G. - Septiembre 2010. - mxgdvg@gmail.com (Versión 0.)
Estas son mis respuestas a algunas cuestiones y preguntas de exámenes (no hay soluciones oficiales resueltas por el equipo docente en esta asignatura). Como soy un alumno, no necesariamente son correctas
Juegos. Esquema. Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β
Juegos Transparencias IA (F29) M.Marcos, 2002 (Figuras c S.Russell & P.Norvig, 1998) 1 Esquema Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β Transparencias IA
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
SISTEMAS DE INFORMACIÓN II TEORÍA
CONTENIDO: EL PROCESO DE DISEÑO DE SISTEMAS DISTRIBUIDOS MANEJANDO LOS DATOS EN LOS SISTEMAS DISTRIBUIDOS DISEÑANDO SISTEMAS PARA REDES DE ÁREA LOCAL DISEÑANDO SISTEMAS PARA ARQUITECTURAS CLIENTE/SERVIDOR
SERVIDOR WEB PARA ACCESO EN TIEMPO REAL A INFORMACIÓN METEOROLÓGICA DISTRIBUIDA
SERVIDOR WEB PARA ACCESO EN TIEMPO REAL A INFORMACIÓN METEOROLÓGICA DISTRIBUIDA E. SÁEZ, M. ORTIZ, F. QUILES, C. MORENO, L. GÓMEZ Área de Arquitectura y Tecnología de Computadores. Departamento de Arquitectura
Proyecto Fin de Carrera
Proyecto Fin de Carrera Reconocimiento de acciones humanas en secuencias de vídeo Autor Pedro José Monforte Sánchez Director Carlos Orrite Uruñuela Escuela de Ingeniería y Arquitectura 2012 Repositorio
CONTENIDOS MÍNIMOS BACHILLERATO
CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5
SISTEMA DE INSPECCION BASADO EN VISION ARTIFICIAL APLICADO A UN PROCESO INDUSTRIAL
UNIVERSIDAD DON BOSCO FACULTAD DE INGENIERIA ESCUELA DE ELECTRÓNICA SISTEMA DE INSPECCION BASADO EN VISION ARTIFICIAL APLICADO A UN PROCESO INDUSTRIAL ALUMNOS: PEDRO ERNESTO ORTEGA MARROQUIN EMERSON FRANCISCO
SISTEMA DE APOYO PARA IDENTIFICACIÓN Y ESTIMACIÓN DE VOLUMETRÍA DE NÓDULOS PULMONARES
SISTEMA DE APOYO PARA IDENTIFICACIÓN Y ESTIMACIÓN DE VOLUMETRÍA DE NÓDULOS PULMONARES CIS1510AP04 Pontificia Universidad Javeriana Autor. José Alejandro León Andrade Directores: Andrea del Pilar Rueda
CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA
CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas
BASE DE DATOS UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II. Comenzar presentación
UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II BASE DE DATOS Comenzar presentación Base de datos Una base de datos (BD) o banco de datos es un conjunto
Con el fin de obtener los datos, se procede con las siguientes instrucciones:
Capitulo 3. La predicción de beneficios del mercado bursátil Este segundo caso de estudio va más allá en el uso de técnicas de minería de datos. El dominio específico utilizado para ilustrar estos problemas
8624 Microsoft Dynamics AX 4.0 Sales and Marketing
8624 Microsoft Dynamics AX 4.0 Sales and Marketing Introducción Este curso de dos días impartido por instructor, provee a estudiantes con el conocimiento y habilidades para implementar, ajustar o usar
1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015
CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 UNIDAD 1: LOS NÚMEROS NATURALES. OPERACIONES Y RELACIONES El sistema de numeración decimal Estimación y redondeo de un número natural Las operaciones con números
5. Despliegue en la PC
5 DESPLIEGUE EN LA PC 62 5.1 Conexión a la PC por medio de la tarjeta de audio La adquisición de señales analógicas es un trabajo que cada vez se hace más necesario en todos los campos relacionados con
Los pronósticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenómenos, tales como:
TEMA 1: PRONÓSTICOS 1.1. Introducción Pronostico es un método mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algún grado de certeza. Existen disponibles tres grupos
El monitoreo de una variable física requiere supervisión permanente de señales que
Capítulo 1 Marco Contextual 1.1. Formulación del problema 1.1.1. Definición del problema El monitoreo de una variable física requiere supervisión permanente de señales que varían con el tiempo. Tal información,
REGISTRO DE TRANSEÚNTES EN TIEMPO REAL UTILIZANDO UN SISTEMA DE VISIÓN ARTIFICIAL SOBRE UN AMBIENTE CONTROLADO
REGISTRO DE TRANSEÚNTES EN TIEMPO REAL UTILIZANDO UN SISTEMA DE VISIÓN ARTIFICIAL SOBRE UN AMBIENTE CONTROLADO JOAN MAURICIO VALENCIA LÓPEZ MAURICIO ABRIL CAÑAS UNIVERSIDAD TECNOLÓGICA DE PEREIRA PROGRAMA
CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.