License Plate Detection using Neural Networks

Tamaño: px
Comenzar la demostración a partir de la página:

Download "License Plate Detection using Neural Networks"

Transcripción

1 License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule Jose González, Francisco Aravena TUTELKAN 4 th International Workshop on Soft Computing Models in Industrial Applications IWANN-SOCO 2009

2 Reconocimiento de matriculas Descripción El reconocimiento de matrículas (LPR) consiste en reconocer los caracteres de la patente, usando una imagen de la zona frontal o trasera del vehículo Etapas Adquisición de la imagen Localización de la patente Segmentación de los caracteres Reconocimiento de los caracteres 2

3 Localización de matriculas Descripción La localización consiste en localizar la región de la imagen donde se encuentra la patente Objetivo Desarrollar un método robusto basado en redes neuronales para la localización de patentes 3

4 Método para la localización de patentes Método Adquisición y Preprocesamiento Imagen (RGB) de 320*240 pixeles Conversión a modo color HSV Selección del Canal V Clasificación mediante redes neuronales Clasificación de descriptores estadísticos de regiones Red neuronal MLP Clasificación múltiple Mejoramiento Operaciones Morfológicas Heurísticas de forma y tamaño 4

5 Algoritmo de Entrenamiento MLP Desventajas MLP Baja velocidad de convergencia : Gradiente Descendiente Mala generalización: Metodo Adoptado: Regularización Bayesiana Alta velocidad de convergencia : Levenberg-Marquart Buena generalización: Determinar número de neuronas capa oculta.

6 Efectos de la regularización Sin Regularización Con Regularización

7 Descriptores para caracterizar la patente Media (m) Desviación estándar (σ), Medida de suavidad (R), Tercer momento estadístico (µ3) Medida de uniformidad (U) Entropía (e). Contraste z(min)/z(max). 7

8 Lo que piensa la mayoría!!!! Se necesita tomar decisión compleja 1 experto 1 opinión poca información varios expertos varias opiniones mas información Como decidir mejor? Cual es lo correcto?

9 Clasificación múltiple Ideas Claves Se basa en que zonas en la imagen sean analizadas más de una vez Se realizan varias clasificaciones, cada una de ellas con grillas que se encuentran parcialmente desplazadas. Se determina la pertenencia de un pixel a la patente considerando el resultado mas frecuente entre todas las imágenes binarias. 9

10 Etapas de mejoramiento de la clasificación Etapas Erosión Heurísticas de forma y tamaño Dilatación Resultado de la clasificación múltiple Resultado de la etapa de mejoramiento 10

11 Etapa de erosión Idea clave Desconectar regiones conexas Adelgazamiento de objetos Eliminación de objetos pequeños Resultado de la clasificación múltiple Resultado de la etapa de mejoramiento 11

12 Algoritmo para Heurísticas de forma y tamaño Idea clave : A partir de las región de mayor tamaño Calcula el mínimo rectángulo que encierra la región Aplicación de heurística de forma Si no cumple heurística seguir con regiones de menor tamaño Forma de rectángulos de patente Forma de rectángulos de no patente 12

13 Etapa de dilatación Idea clave Devolver el tamaño original de los objetos 13

14 Resultados acertados (95%) 14

15 Resultados erróneos (5%) 15

16 Conclusiones y trabajos futuros Conclusiones Este paper ha presentado un nuevo método de detección de patentes basado en un MLP. La clasificación múltiple ha contribuido a obtener un mejor resultado para la segmentación de regiones de patentes Las operaciones morfológicas y heurísticas basadas en la forma y el tamaño de la patente, mejoran los resultados de la segmentación Trabajos futuros El estudio de nuevos descriptores para caracterizar la patente. Verificación de la región obtenida mediante otros criterios Análisis de la firma de la patente mediante proyección Proponer un esquema de reconocimiento basado en nuestro método de localización 16

17 Agregando Nuevos Puntos de Vista RN (1) RN (n) Fusion Mejoramiento Verificación Metodo (1) Metodo (n)

18 Resultados Recientes (sin publicar) Localización de la Matrícula basado en Fusión de Métodos

19 Resaltar Fondo de la Patente Transformación Morfológica 1: Top Hat (1) Imagen escala de grises (2) Erosión y Dilatación con mismo SE línea horizontal (Apertura) ( 3) Imagen original - imagen resultante (4) Binarización

20 Transformación Morfológica 2 : Bottom- Hat Resaltar Caracteres de la Patente (1) Imagen Original (2) Dilatación y Erosión con mismo SE- línea horizontal (Cierre) (3) Imagen Resultante - Imagen Original (4) Binarización

21 Combinación Transformación 1 y 2 Entrega la información de región de patente (1) Imagen Original (2) Transformacion 1 (3) Transformacion 2 (4) Combinacion T1 y T2

22 Transformación Morfológica en Imagen Binaria Entrega la información de región de patente (1) imagen escala de grises (2) Combinación T1 y T2 (3) Eliminación y relleno de regiones

23 Redes Neuronales y Métodos de morfología Original Redes Neuronales Trans. Morfologicas Fusion

24 Resultados

Reconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos

Reconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos Reconocimiento automático a través de visión artificial, correlación estadística y Matlab aplicado a las matrículas de vehículos Orlando Barcia * obarcia@ups.edu.ec Introducción Existen muchas investigaciones

Más detalles

Aplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido

Aplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido Aplicación de Modelos Matemáticos en el Tratamiento de Imágenes de Ultrasonido Dr. Marco MORA Investigador Les Fous du Pixel Image Procesing Group Departamento de Computación e Informática Universidad

Más detalles

Preguntas tema 4: MORFOLOGÍA

Preguntas tema 4: MORFOLOGÍA Preguntas tema 4: MORFOLOGÍA 1 I N G E N I E R Í A I N F O R M Á T I C A C U R S O 2 0 1 3-2 0 1 4 MORFOLOGÍA BINARIA 2 Ejemplo clausura: Corrección de texto escaneado - Imagen original: texto escaneado

Más detalles

Porqué analizar imágenes?

Porqué analizar imágenes? Porqué analizar imágenes? Medidas que requieren estudiar un número demasiado elevado de imágenes. Análisis cuantitativo: La visión humana no cuantifica por si sola. El análisis automático es más repetitivo

Más detalles

REDES NEURONALES. Una esquema simplificado de una neurona se muestra en la siguiente figura. Cuerpo celular. Dendrita. Axón.

REDES NEURONALES. Una esquema simplificado de una neurona se muestra en la siguiente figura. Cuerpo celular. Dendrita. Axón. REDES NEURONALES Las redes neuronales constituyen una poderosa herramienta para modelar sistemas, especialmente no lineales, sean dinámicos o estáticos. En el cuerpo celular se realizan la mayoría de las

Más detalles

Visión por computadora Computer vision

Visión por computadora Computer vision Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:

Más detalles

Análisis de imágenes digitales

Análisis de imágenes digitales Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades

Más detalles

Redes bayesianas temporales para reconocimiento de escenarios

Redes bayesianas temporales para reconocimiento de escenarios Redes bayesianas temporales para reconocimiento de escenarios Ahmed Ziani and Cina Motamed Visión de Alto Nivel Dr. Enrique Sucar Irvin Hussein López Nava Junio 2009 Introducción (1) Objetivo: aplicaciones

Más detalles

CAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS

CAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS CAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS Descripción de la base de datos Como datos de entrenamiento, en este proyecto, se utilizó la base de datos ORL [1], la cual contiene un conjunto

Más detalles

RecAM. Reconocimiento Automático de Matrículas

RecAM. Reconocimiento Automático de Matrículas RecAM Reconocimiento Automático de Matrículas Curso de Tratamiento de Imágenes por Computadora Año 2003 Tutor: Ing. Alvaro Pardo Integrantes: Rodrigo Abal Raúl Medeglia Nicolás Pebet De Qué Se Trata? Cada

Más detalles

UNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA

UNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA UNIVERSIDAD DEL NORTE DIVISION DE INGENIERÍAS DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA Ingenierías DEPARTAMENTO Ingenierías eléctrica y electrónica PROGRAMA

Más detalles

CLASIFICACIÓN DE LA IMAGEN. Escuela de Ingeniería Civil y Geomática Francisco Luis Hernández Torres

CLASIFICACIÓN DE LA IMAGEN. Escuela de Ingeniería Civil y Geomática Francisco Luis Hernández Torres CLASIFICACIÓN DE LA IMAGEN TÉCNICA QUE PERMITE LA IDENTIFICACIÓN DE LOS DIFERENTES OBJETOS O GRUPOS PRESENTES EN UNA IMAGEN MULTI-ESPECTRAL. MÉTODO NO SUPERVISADO MÉTODO SUPERVISADO El Desarrollo De Las

Más detalles

Un método de caracterización del patrón de color en la elastografia de nódulos mamarios.

Un método de caracterización del patrón de color en la elastografia de nódulos mamarios. Un método de caracterización del patrón de color en la elastografia de nódulos mamarios. Poster no.: S-1431 Congreso: SERAM 2012 Tipo del póster: Presentación Electrónica Científica Autores: F. Sendra

Más detalles

5 Procesamiento de imagen

5 Procesamiento de imagen Reconocimiento de señales de tráfico para un sistema de ayuda a la conducción 5 Procesamiento de imagen 5.1 Problemática de la detección de señales de tráfico y estrategia adoptada Las condiciones climatológicas

Más detalles

Metodologías Para La Estimación de Ingresos Corrientes del Sector Público. Lic. Edgar Morales

Metodologías Para La Estimación de Ingresos Corrientes del Sector Público. Lic. Edgar Morales Metodologías Para La Estimación de Ingresos Corrientes del Sector Público Lic. Edgar Morales Ingresos Fiscales Los ingresos fiscales son los que percibe el sector público para hacer frente a los gastos

Más detalles

Sistemas de Percepción

Sistemas de Percepción Visión por Computador Nota: Las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Hueso. Prentice Hall. 1. Introducción 1 Definiciones: Introducción

Más detalles

MICRODISEÑO CURRICULAR Ingeniería de Sistemas. Créditos TPS TIS TPT TIT

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

Más detalles

Reconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos

Reconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos Reconocimiento de Caracteres en Imagen Digital, una Aplicación al Reconocimiento Automático de Placas de Vehículos Ricardo Rolón Alonso Facultad Politécnica, Universidad Nacional del Este Avda. Monseñor

Más detalles

6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS Velocidad de retorno del rayo con distribución uniforme

6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS Velocidad de retorno del rayo con distribución uniforme Aplicación de redes neuronales en el cálculo de sobretensiones y tasa de contorneamientos 233 6.4. APLICACIÓN DE REDES NEURONALES EN EL CÁLCULO DE LA TASA DE CONTORNEAMIENTOS 6.4.1. Introducción Como ya

Más detalles

Detección de Focos de Infección de Ramularia Tulasnei Usando Segmentación y una Red Neuronal

Detección de Focos de Infección de Ramularia Tulasnei Usando Segmentación y una Red Neuronal Congreso Nacional de Control Automático 2013 Ensenada, Baja California, Mexico, Octubre 16-18, 2013 Detección de Focos de Infección de Ramularia Tulasnei Usando Segmentación y una Red Neuronal J. Jalomo,

Más detalles

RECONOCIMIENTO AUTOMATICO DE MATRICULAS

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

Más detalles

ALGORÍTMICA

ALGORÍTMICA ALGORÍTMICA 2012 2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda

Más detalles

Centro de Ciencias de la Atmósfera, UNAM, Circuito Exterior, CU, México DF CP

Centro de Ciencias de la Atmósfera, UNAM, Circuito Exterior, CU, México DF CP Detección de Cáncer Cerebral en Adultos, Mediante Computación Difusa, Técnicas de Procesamiento Digital de Imágenes y Cómputo Neuronal feed-forward, a Tomografías Computarizadas y Resonancias Magnéticas.

Más detalles

EXTRACCION DE CARACTERISITCAS Y COMPARACION DE UNA HUELLA DIGITAL INTEGRANTES

EXTRACCION DE CARACTERISITCAS Y COMPARACION DE UNA HUELLA DIGITAL INTEGRANTES EXTRACCION DE CARACTERISITCAS Y COMPARACION DE UNA HUELLA DIGITAL INTEGRANTES PAMELA SAN-WONG MACIA GIRA KUONQUI BRAVO OBJETIVO GENERAL Diseñar un sistema de reconocimiento basado en la extracción de las

Más detalles

Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala

Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala Reconocimiento de Caracteres: Un abordaje invariante a translación, rotación y escala Jesús P. Mena-Chalco jmena@vision.ime.usp.br Departamento de Ciência da Computação Instituto de Matemática e Estatística

Más detalles

CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7)

CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) Tema 1: Conceptos Básicos Sistemas Conexionistas 1 CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) 1.- Introducción. 1.1.- Redes Neuronales de Tipo Biológico. 1.2.- Redes Neuronales dirigidas

Más detalles

Máster de Visión Artificial. Asignatura: Aplicaciones Industriales. Práctica puntuable Reconocimiento Manuscrito. Orión García Gallardo

Máster de Visión Artificial. Asignatura: Aplicaciones Industriales. Práctica puntuable Reconocimiento Manuscrito. Orión García Gallardo Máster de Visión Artificial Asignatura: Aplicaciones Industriales Práctica puntuable Reconocimiento Manuscrito Orión García Gallardo INTRODUCCIÓN La escritura a mano ha persistido como medio de comunicación

Más detalles

PROGRAMACION CONCURRENTE Y DISTRIBUIDA

PROGRAMACION CONCURRENTE Y DISTRIBUIDA PROGRAMACION CONCURRENTE Y DISTRIBUIDA V.2 Redes de Petri: Análisis y validación. J.M. Drake 1 Capacidad de modelado y capacidad de análisis El éxito de un método de modelado es consecuencia de su capacidad

Más detalles

M É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS.

M É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS. A P É N D I C E D M É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS. Código extendido de Sombras. Burr ha propuesto el código de sombras como

Más detalles

Redes Neuronales Artificiales

Redes Neuronales Artificiales Redes Neuronales Artificiales Claudio Javier Tablada Germán Ariel Torres Resumen. Una Red Neuronal Artificial es un modelo matemático inspirado en el comportamiento biológico de las neuronas y en la estructura

Más detalles

Tema 6: Descriptores topológicos, geométricos y estadísticos de las imágenes digitales

Tema 6: Descriptores topológicos, geométricos y estadísticos de las imágenes digitales Tema 6: Descriptores topológicos, geométricos y estadísticos de las imágenes digitales de imágenes (después de realizar una segmentación) Componentes conexas Agujeros (2D) Túneles y cavidades (3D) Característica

Más detalles

3. Espacios de color. 3.Espacios de color. El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores:

3. Espacios de color. 3.Espacios de color. El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores: 3. Espacios de color El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores: El color es un poderoso descriptor que, en la mayoría de los casos simplifica la identificación

Más detalles

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 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

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005 Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =

Más detalles

Aprendizaje Automatizado

Aprendizaje Automatizado Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto

Más detalles

Pontificia Universidad Católica del Ecuador

Pontificia Universidad Católica del Ecuador FACULTAD O ESCUELA DE INGENIERIA 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: Procesamiento de imágenes CÓDIGO: 14259 CARRERA: SISTEMAS NIVEL: Sexto No. CRÉDITOS: CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: PROFESOR:

Más detalles

White paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por:

White paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por: White paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por: Introducción Si pregunta a dos directores de recursos

Más detalles

Tema 15: Combinación de clasificadores

Tema 15: Combinación de clasificadores Tema 15: Combinación de clasificadores p. 1/21 Tema 15: Combinación de clasificadores Abdelmalik Moujahid, Iñaki Inza, Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial

Más detalles

Introducción a las Redes Neuronales

Introducción a las Redes Neuronales Introducción a las Redes Neuronales Excepto en las tareas basadas en el cálculo aritmético simple, actualmente, el cerebro humano es superior a cualquier computador: Reconocimiento de imágenes, Interpretación

Más detalles

Identificación de frutos a través de la implementación de Tecnologías de la Información

Identificación de frutos a través de la implementación de Tecnologías de la Información 71 Identificación de frutos a través de la implementación de Tecnologías de la Información GUTIERREZ, Ma. de Jesús*, FRANCO, Anilu, SUAREZ, Alberto y TORRES, Gonzalo A. Recibido 12 de Enero, 2015; Aceptado

Más detalles

CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS

CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS Capitulo 6. Sistema de Detección de Intrusos con Redes Neuronales. 69 CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS USANDO REDES NEURONALES. En este capítulo se realiza la preparación adecuada de toda la

Más detalles

Revista Digital Universitaria. 10 de enero 2006 Volumen 7 Número 1 ISSN: Bermeo Campos Nadia Lizbeth

Revista Digital Universitaria. 10 de enero 2006 Volumen 7 Número 1 ISSN: Bermeo Campos Nadia Lizbeth Revista Digital Universitaria 10 de enero 2006 Volumen 7 Número 1 ISSN: 1067-6079 ROBOTS CONTROLADOS POR INTERNET PARA LA LOCALIZACIÓN DE OBJETOS [ETAPA 1 DESARROLLO DE SOFTWARE] Bermeo Campos Nadia Lizbeth

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.

Más detalles

UNIDAD 1 Estadimetría

UNIDAD 1 Estadimetría UNIDAD 1 Estadimetría La estadimetría es un método que sirve para medir distancias y diferencias de elevación indirectamente, es rápido pero su precisión no es muy alta. Este procedimiento se emplea cuando

Más detalles

Sistemas Conexionistas

Sistemas Conexionistas 1 Objetivo Sistemas Conexionistas Curso 2011/2012 El objetivo de esta práctica es usar un conjunto de redes de neuronas artificiales para abordar un problema de reconocimiento de figuras sencillas en imágenes

Más detalles

Redes Neuronales Celulares Aplicadas al Procesamiento de Imágenes Presenta: Luis Eduardo Morán López

Redes Neuronales Celulares Aplicadas al Procesamiento de Imágenes Presenta: Luis Eduardo Morán López Redes Neuronales Celulares Aplicadas al Procesamiento de Imágenes Presenta: Luis Eduardo Morán López Universidad de Colima Diplomado para la Actualización del profesorado I. Introducción Las Redes Neuronales

Más detalles

Comparación de métodos de detección de piel en modelos de color YCbCr y HSI para reconocimiento de caras

Comparación de métodos de detección de piel en modelos de color YCbCr y HSI para reconocimiento de caras Comparación de métodos de detección de piel en modelos de color YCbCr y HSI para reconocimiento de caras Ramello, Pedro Martín Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas

Más detalles

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

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

Más detalles

Microzonación Sísmica de las Ciudades de David y Panamá.

Microzonación Sísmica de las Ciudades de David y Panamá. Microzonación Sísmica de las Ciudades de David y Panamá. Nestor Luque, Eduardo Camacho Astigarrabia, Arkin Tapia y Yadira Echeverria Instituto de Geociencias de la Universidad de Panamá Ciudad del Saber,

Más detalles

Introducción a las imágenes digitales. Segunda parte

Introducción a las imágenes digitales. Segunda parte Introducción a las imágenes digitales Segunda parte Introducción a las imágenes digitales Herramientas matemáticas. Transformaciones de intensidad. Histograma de una imagen. Imágenes a color. Modelos de

Más detalles

LA DIRECTORA DEL INSTITUTO COLOMBIANO PARA LA EVALUACIÓN DE LA EDUCACIÓN (ICFES),

LA DIRECTORA DEL INSTITUTO COLOMBIANO PARA LA EVALUACIÓN DE LA EDUCACIÓN (ICFES), Página 1 de 7 LA DIRECTORA DEL INSTITUTO COLOMBIANO PARA LA EVALUACIÓN DE LA EDUCACIÓN (ICFES), En ejercicio de sus atribuciones legales, en especial las conferidas por la Ley 1324 de 2009, Decreto Número

Más detalles

Metodología para la generación y evaluación de políticas de operación en sistemas de recursos hídricos. Aplicación a un sistema de México

Metodología para la generación y evaluación de políticas de operación en sistemas de recursos hídricos. Aplicación a un sistema de México Metodología para la generación y evaluación de políticas de operación en sistemas de recursos hídricos. Aplicación a un sistema de México Índice general Resumen...vii Resum... ix Summary... xi Índice de

Más detalles

Medidas de posición relativa

Medidas de posición relativa Medidas de posición relativa Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 3.1-1 Medidas de posición relativa Son medidas que pueden utilizarse para comparar valores de diferentes

Más detalles

LOCALIZACION DE PLACAS EN VEHICULOS AUTOMOTORES

LOCALIZACION DE PLACAS EN VEHICULOS AUTOMOTORES LOCALIZACION DE PLACAS EN VEHICULOS AUTOMOTORES Arturo Legarda Sáenz Mario I. Chacón M. Alejandro Zimmerman Solís Instituto Tecnológico de Chihuahua Ave. Tecnológico 2909 31310, Chihuahua, Chih. Tel. (01)

Más detalles

Laboratorio de Visión para Robots. Práctica 2

Laboratorio de Visión para Robots. Práctica 2 1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar

Más detalles

Reconocimiento de caracteres del alfabeto dactilológico mediante redes neuronales artificiales: Un enfoque experimental

Reconocimiento de caracteres del alfabeto dactilológico mediante redes neuronales artificiales: Un enfoque experimental Reconocimiento de caracteres del alfabeto dactilológico mediante redes neuronales artificiales: Un enfoque experimental Diego Auquilla 1, Kenneth Palacio-Baus 1, Víctor Saquicela 2 1 Departamento de Ingeniería

Más detalles

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de

Más detalles

Tema 7 Redes Neuronales Recurrentes

Tema 7 Redes Neuronales Recurrentes Universidad Carlos III de Madrid OpenCourseWare Redes de Neuronas Artificiales Inés M Galván -José Mª Valls Tema 7 Redes Neuronales Recurrentes REDES DE NEURONAS ARTIFICIALES INÉS M GALVÁN, JOSÉ Mª VALLS

Más detalles

Aplicaciones del Procesado de Imagen

Aplicaciones del Procesado de Imagen Práctica - Aplicaciones del Procesado de Imagen. Introducción En la carpeta Mis Documentos\TDSII\pImagen y en Moodle se encuentran - El calendario de las prácticas de la asignatura, CalendarioTdsii.pdf

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles

INSTITUTO TECNOLOGICO DE LAS AMERICAS CARRERA DE TECNOLOGO EN DESARROLLO DE SOFTWARE PRECALCULO

INSTITUTO TECNOLOGICO DE LAS AMERICAS CARRERA DE TECNOLOGO EN DESARROLLO DE SOFTWARE PRECALCULO INSTITUTO TECNOLOGICO DE LAS AMERICAS CARRERA DE TECNOLOGO EN DESARROLLO DE SOFTWARE PRECALCULO Nombre de la asignatura: Nomenclatura del Curso: Prerrequisitos: Nomenclatura del prerrequisito Número de

Más detalles

ÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS

ÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS ÍNDICE DE CONTENIDOS 1 2 3 4 5 6 Concepto y Propiedades de los Sistemas Tipología de los Sistemas Elementos Conceptuales de la empresa como sistema El entorno empresarial Funciones Directivas 1 Concepto

Más detalles

GRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen

Más detalles

PRECALCULO INSTITUTO TECNOLÒGICO DE LAS AMÈRICAS CARRERA DE TECNÓLOGO EN MECATRONICA. Precálculo. Nombre de la asignatura: MAT-001

PRECALCULO INSTITUTO TECNOLÒGICO DE LAS AMÈRICAS CARRERA DE TECNÓLOGO EN MECATRONICA. Precálculo. Nombre de la asignatura: MAT-001 INSTITUTO TECNOLÒGICO DE LAS AMÈRICAS CARRERA DE TECNÓLOGO EN MECATRONICA PRECALCULO Nombre de la asignatura: Nomenclatura del Curso: Precálculo MAT-001 Prerrequisitos: Nomenclatura del prerrequisito Ninguno

Más detalles

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

Objetivos. Epígrafes 3-1. Francisco José García Álvarez Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.

Más detalles

Inteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

Inteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción

Más detalles

Tema 6. Variables aleatorias continuas

Tema 6. Variables aleatorias continuas Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),

Más detalles

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL. LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante

Más detalles

Universidad Autónoma del Estado de México UAEM Secretaria de Docencia Dirección de Estudios Profesionales

Universidad Autónoma del Estado de México UAEM Secretaria de Docencia Dirección de Estudios Profesionales Programa de Estudios por Competencias Tratamiento de Imágenes I. IDENTIFICACIÓN DEL CURSO ORGANISMO ACADÉMICO: Facultad de Ingeniería de la Universidad Autónoma del Estado de México () Programa Educativo:

Más detalles

CONSTRUCCIÓN MAPA DE IDEAS

CONSTRUCCIÓN MAPA DE IDEAS CONSTRUCCIÓN MAPA DE IDEAS MOMENTO 1. RECONOCIMIENTO GENERAL DEL CURSO Fecha inicial: 18 de Agosto de 2015 Fecha final: 22 de Agosto de 2015 Tipo de actividad: Individual y luego selección grupal Tiempo

Más detalles

Métodos Avanzados para Análisis y Representación de Imágenes

Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática p. 1/44 Métodos Avanzados para Análisis y Representación de Imágenes Morfología Matemática Departamento de Informática - FICH Universidad Nacional del Litoral Agosto de 2012 Morfología

Más detalles

35 Están en capacidad de resolver problemas que

35 Están en capacidad de resolver problemas que Meta: Matemática Grado 9 8 7 6 ES DE LOGRO EN MATEMÁTICA 8 8 8 8 8 55 5 52 49 52 7 6 7 4 6 ES DE LOGRO Sólo 6 de cada estudiantes de grado º en el Meta alcanzan el nivel esperado de calidad en la matemática

Más detalles

Filtrado de imágenes usando hardware dedicado

Filtrado de imágenes usando hardware dedicado Filtrado de imágenes usando hardware dedicado Acosta Nelson & Tosini Marcelo INCA/INTIA Depto. Computación y Sistemas Fac. Cs. exactas UNCPBA (7000) Tandil Argentina Email: { nacosta, mtosini }@exa.unicen.edu.ar

Más detalles

Visión Artificial INSTITUTO POLITACNICO NACIONAL

Visión Artificial INSTITUTO POLITACNICO NACIONAL INSTITUTO POLITACNICO NACIONAL UNIDAD PROFESIONAL INTERDICIPLINARIA EN INGENIERIA Y TECNOLOGIAS AVANZADAS. Esté modelo fue diseñado para obtener la ventaja del sistema de visión humano, que es más sensible

Más detalles

ANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA

ANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA ANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA ANALISIS DE CLUSTER EN SPSS Opción: Analizar Clasificar ANALISIS DE CLUSTER EN SPSS Tres posibles OPCIONES 1.- Cluster en dos etapas 2.- K-means 3.- Jerárquicos

Más detalles

INDICE Prologo Capitulo 1. Algoritmos y programas Capitulo 2. La resolución de los problemas con computadoras y las herramientas de programación

INDICE Prologo Capitulo 1. Algoritmos y programas Capitulo 2. La resolución de los problemas con computadoras y las herramientas de programación INDICE Prologo XI Capitulo 1. Algoritmos y programas 1.1. Configuraciones de una computadora 1 1.2. Lenguajes de programación 2 1.3. Resolución de problemas 1.3.1. Fase de resolución del problema 3 1.3.1.1.

Más detalles

Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO

Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar

Más detalles

INFORME RONDA AÑO 2011 (V.0) SUBPROGRAMA CREATININA EN ORINA.

INFORME RONDA AÑO 2011 (V.0) SUBPROGRAMA CREATININA EN ORINA. INFORME RONDA 11-04 AÑO 2011 (V.0) SUBPROGRAMA CREATININA EN ORINA. PROGRAMA DE EVALUACIÓN EXTERNA DE LA CALIDAD - ENSAYOS DE APTITUD EN SALUD OCUPACIONAL Departamento de Salud Ocupacional 1 Laboratorio

Más detalles

Procesamiento de imágenes con MATLAB

Procesamiento de imágenes con MATLAB Procesamiento de imágenes con MATLAB MATLAB (abreviatura de MATrix LABoratory, "laboratorio de matrices") es un software matemático que ofrece un entorno de desarrollo integrado (IDE) con un lenguaje de

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD 1. Competencias Formular proyectos de energías renovables mediante

Más detalles

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 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

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MANTENIMIENTO ELECTROMECÁNICO 1. Competencias Formular proyectos de energías

Más detalles

Impacto tributario de las modificaciones en las NICs y NIIFs: Perspectiva contable y tributaria

Impacto tributario de las modificaciones en las NICs y NIIFs: Perspectiva contable y tributaria Impacto tributario de las modificaciones en las NICs y NIIFs: Perspectiva contable y tributaria Marco Antonio Zaldívar 15 de febrero de 2006 1 Proyecto de Mejora de IASB Revisión de NICs existentes para

Más detalles

SEGMENTACIÓN AUTOMÁTICA DE TEJIDOS CEREBRALES EN MRI MULTIESPECTRALES MEDIANTE CLASIFICACIÓN POR MÍNIMA DISTANCIA EUCLÍDEA

SEGMENTACIÓN AUTOMÁTICA DE TEJIDOS CEREBRALES EN MRI MULTIESPECTRALES MEDIANTE CLASIFICACIÓN POR MÍNIMA DISTANCIA EUCLÍDEA 42 Jornadas Argentinas de Informática 4 Congreso Argentino de Informática y Salud Facultad de Matemática, Astronomía y Física Universidad Nacional de Córdoba Córdoba, Argentina SEGMENTACIÓN AUTOMÁTICA

Más detalles

Guía Docente Curso 2008-2009

Guía Docente Curso 2008-2009 Nombre: Sistemas de percepción robótica Denominación en inglés 1 : Robotic perception ESCUELA POLITECNICA SUPERIOR Guía Docente Curso 2008-2009 Titulación Ingeniería Industrial DATOS DE LA ASIGNATURA Código:

Más detalles

Tablas de dispersión (hash tables)

Tablas de dispersión (hash tables) Tablas de dispersión (hash tables) La dispersión es una técnica empleada para realizar inserciones, eliminaciones y búsquedas en un tiempo promedio constante. La estructura de datos ideal para la tabla

Más detalles

CICLO DE MEJORA CONTINUA

CICLO DE MEJORA CONTINUA OFICINA DE CALIDAD Y SEGURIDAD EL PACIENTE La calidad comienza y termina en nuestra propia conciencia propia conciencia CICLO DE MEJORA CONTINUA Oficina de Calidad y Seguridad del Paciente Historia de

Más detalles

Sistemas Biométricos para el aula nuestro de informática.

Sistemas Biométricos para el aula nuestro de informática. Sistemas Biométricos para el aula nuestro de informática. La "biometría informática" es la aplicación de técnicas matemáticas y estadísticas sobre los rasgos físicos o de conducta de un individuo, para

Más detalles

NIA 500 NORMAS INTERNACIONALES DE ASEGURAMIENTO DE LA INFORMACIÓN NAI

NIA 500 NORMAS INTERNACIONALES DE ASEGURAMIENTO DE LA INFORMACIÓN NAI NIA 500 Evidencia de auditoría NORMAS INTERNACIONALES DE ASEGURAMIENTO DE LA INFORMACIÓN NAI Agenda 1. Concepto de evidencia de auditoría 2. La evidencia de auditoría puede ser mas confiable si 3. Evidencia

Más detalles

Especialidades en GII-TI

Especialidades en GII-TI Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 9 Experimentación y presentación de datos Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de experimentación y determinación

Más detalles

Técnicas de inteligencia artificial. Visión Artificial Visión 3D

Técnicas de inteligencia artificial. Visión Artificial Visión 3D Técnicas de inteligencia artificial Visión Artificial Visión 3D Indice Introducción Visión estéreo Introducción Cuando usamos una cámara, perdemos la información 3D x y z y x z y x Sin embargo, la información

Más detalles

automático tico de la reserva ovarica en las mujeres _

automático tico de la reserva ovarica en las mujeres _ El cálculo automático tico de la reserva ovarica en las mujeres _ Tom Kelsey School of Computer Science University of St Andrews Scotland 29 de Agosto de 2007 ASAI 2007 1 Resumen Describiré y presentaré

Más detalles

3. COMPONENTES DEL SISTEMA

3. COMPONENTES DEL SISTEMA 3. COMPONENTES DEL SISTEMA 3.1. ESTRUCTURA En este apartado se describen los diferentes componentes que conforman el sistema desarrollado de reconocimiento facial, tanto a nivel físico, entorno de trabajo

Más detalles

Escrito por DAVID ESPINOSA Martes, 11 de Octubre de :46 - Última actualización Jueves, 04 de Octubre de :01

Escrito por DAVID ESPINOSA Martes, 11 de Octubre de :46 - Última actualización Jueves, 04 de Octubre de :01 SEGMENTACIÓN DEL MERCADO El mercado: concepto y clases. - CONCEPTO DE MERCADO-. Generalmente la idea de mercado se entiende referida a un producto o servicio, a un lugar geográfico y a un momento del tiempo,

Más detalles

Colores Primarios. Lic. Mauricio Jaques Soto

Colores Primarios. Lic. Mauricio Jaques Soto Color en el diseño Esta información se distribuye bajo licencia Creative Commons. Usted es libre de: Copiar, distribuir y comunicar públicamente Hacer obras derivadas No Comerciales Bajo las condiciones

Más detalles

El interés por el estudio de las bases biológicas de las diferencias individuales ha estado presente a la par que el interés por el estudio de las

El interés por el estudio de las bases biológicas de las diferencias individuales ha estado presente a la par que el interés por el estudio de las El interés por el estudio de las bases biológicas de las diferencias individuales ha estado presente a la par que el interés por el estudio de las diferencias individuales (dos ejemplos). 1 2 Un ejemplo

Más detalles

Segmentación de patentes vehiculares mediante técnicas de agrupamiento en ambientes externos

Segmentación de patentes vehiculares mediante técnicas de agrupamiento en ambientes externos Ingeniare. Revista chilena de ingeniería, vol. 2 Nº 2, 203, pp. 72-84 Segmentación de patentes vehiculares mediante técnicas de agrupamiento en ambientes externos Segmentation of license plates through

Más detalles

Sistema de lectura automática de formularios manuscritos

Sistema de lectura automática de formularios manuscritos Sistema de lectura automática de formularios manuscritos Lucio MARTINEZ GARBINO 1,2, Augusto J. CARIMATTO 1,2, Leandro DI MATTEO 1, Juan C. GÓMEZ 1,3, Claudio A.VERRASTRO 1,2 1 Grupo de Inteligencia Artificial

Más detalles

PYMES IFRS PYMES IFRS para PYMES. 1 Luis Henry Moya Moreno

PYMES IFRS PYMES IFRS para PYMES. 1 Luis Henry Moya Moreno IFRS PYMES PYMES Henry.moya@parkerandall.co Luís Henry Moya Moreno Contador Público Especialista en Auditoria Tributaria Maestrante en Finanzas Corporativas Certificado ACCA Socio Parker Randall Moya-l@javeriana.edu.co

Más detalles