FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA

Transcripción

1 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA PROGRAMA ANALÍTICO FIME Nombre de la unidad de aprendizaje: Reconocimiento de patrones Frecuencia semanal: 3 horas. Horas presenciales: 40 horas. Horas de trabajo extra aula: 28 Modalidad: presencial Período académico: semestre Unidad de aprendizaje: ( X ) obligatoria ( ) optativa Área curricular, según el nivel educativo: Licenciatura ( X ) Formación básica profesional ( ) Formación profesional ( ) Formación general Universitaria ( ) Libre elección Créditos UANL: 3 Fecha de elaboración: 9 de Octubre 2016 Fecha de la última actualización: Responsables del diseño: Jesús Emmanuel Gómez Correa Presentación: Esta unidad de aprendizaje está dividida en 3 unidades temáticas basadas en el proceso para reconocer patrones. En la primera unidad temática, conozca los conceptos importantes que se utilizarán a lo largo de la unidad de aprendizaje, los conceptos importantes de una buena adquisición de imágenes tomando en cuenta el proceso de formación de imágenes del ojo humano, conocer algunos de los diferentes tipos de procesamiento digital de imágenes en el dominio espacial como también en el dominio frecuencial. En la segunda unidad temática, ofrecer algunas de las herramientas y métodos para la detección, herramientas y formulas matemáticas que permitirán la extracción y clasificación de características de patrones. En la tercera unidad temática, diseñar modelos funcionales o prototipos de patrones.

2 Propósito: Esta unidad de aprendizaje tiene como finalidad que el estudiante desarrolle competencias que contribuyen al perfil del ingeniero y a una mejor integración del mismo y a su entorno profesional. Además permite fundamentar los requerimientos previos para la unidad de aprendizaje posterior, tal que conocerá los principios de ingeniería en que se basan los sistemas y dispositivos de identificación personal. Competencias del perfil de egreso: a. Competencias de la Formación General Universitaria a las que contribuye esta unidad de aprendizaje: Esta unidad de aprendizaje contribuye al desarrollo de las siguientes competencias generales: Competencias instrumentales: Aplica estrategias de aprendizaje autónomo en los diferentes niveles y campos del conocimiento que le permitan la toma de decisiones oportunas y pertinentes en su ámbito personal, académico y profesional. Emplea pensamiento lógico, crítico, creativo y propositivo para analizar fenómenos naturales y sociales que le permitan tomar decisiones pertinentes en su ámbito de influencia con responsabilidad social. Competencias personales y de interacción social Interviene frente a los retos de la sociedad contemporánea en lo local y global con actitud crítica y compromiso humano, académico y profesional para contribuir a consolidar el bienestar general y el desarrollo sustentable. Competencias integradoras Logra la adaptabilidad que se requiere en los ambientes sociales y profesionales de incertidumbre de nuestra época para crear mejores condiciones de vida. Resuelve conflictos personales y sociales conforme a técnicas específicas en el ámbito académico y de su profesión para la adecuada toma de decisiones. b. Competencias específicas del perfil de egreso a las que contribuye la unidad de aprendizaje: El estudiante conocerá los principios de ingeniería en que se basan los sistemas y dispositivos de identificación personal.

3 Será capaz de seleccionar productos que se adapten al cuerpo humano para ampliar o mejorar las capacidades humanas, para establecer sistemas de seguridad basados en métricas biológicas, y para seleccionar productos ergonómicos. Podrá diseñar sistemas automáticos manipulados con datos biológicos.

4 Representación gráfica Considerando el propósito, las competencias y el producto integrador de aprendizaje, bosquejar mediante una representación gráfica el proceso global de construcción del aprendizaje, partiendo de la problematización del objeto de estudio de la unidad de aprendizaje, para desarrollar las competencias descritas y elaborar el producto integrador de aprendizaje.

5 Unidad temática 1: Conceptos básicos y preprocesamiento Competencias particulares: El alumno concoce los conceptos básicos del patrones y aplica operaciones de preprocesamiento. Elementos de Competencia Analiza los conceptos más importantes y esenciales del patrones. La etapa del preprocesamiento del reconocimiento de patrones también se analiza a través de los diferentes filtros espaciales y frecuenciales. Evidencias de aprendizaje 1. Reporte de los conceptos más importantes utilizados en el patrones y las materias con las que se relaciona. 2. Reporte de los problemas resueltos de los diferentes tipos de procesamiento digital de imágenes: en el dominio espacial. 3. Reporte de los problemas resueltos de los diferentes tipos de procesamiento digital de imágenes: en el dominio frecuencial. Criterios de desempeño 1. Cada una de las evidencias de aprendizaje debe contener las siguientes secciones: Portada con datos generales del estudiante Introducción Desarrollo Resultados Conclusiones Referencias Actividades de aprendizaje Contenidos Recursos 1. Lectura de las secciones de los temas de: Conceptos básicos del patrones. 2. Lectura de las secciones de los temas de: Filtros en el dominio espacial, Transformada de Fourier y Filtros en el dominio de las frecuencias. 3. Lectura de apoyo para la implementación de la Transformada de Fourier, Filtros en el dominio espacial y en el dominio de las frecuencias en un lenguaje de programación. 1. Qué es el patrones?. 2. Etapas del patrones. 3. Reconocimiento supervisado y no supervisado. 4. Ejemplos práctico de un problema donde se utiliza el patrones. 5. Filtros en el dominio espacial. 6. Filtros en el dominio frecuencial. 7. Transformada discreta de Fourier. 1. Libros con lecturas de apoyo. 2. Material multimedia. 3. Computadora con un lenguaje de programación para la implementación de los preprocesamientos.

6 Unidad temática 2: Procesamiento en una y dos dimensiones Competencias particulares: Capacitar al alumno a diseñar sistemas el patrones tomando en cuenta los errores que se puedan presentar en las mediciones. Elementos de Competencia Analiza los procesos más importantes de la segmentación, la cual es una de las etapas más importantes en el patrones. Las principales características de los patrones también se analizan. Evidencias de aprendizaje 1. Reporte de las herramientas existentes que puede utilizar para segmentación. 2. Reporte de las herramientas y fórmulas matemáticas que permitirán la extracción de características de los patrones a analizar. 3. Reporte de las herramientas y fórmulas matemáticas que permitirán la clasificación de diferentes patrones a analizar. Criterios de desempeño Cada una de las evidencias de aprendizaje debe contener las siguientes secciones: Portada con datos generales del alumno, Introducción, Desarrollo, Resultados, Conclusiones y Referencias. Actividades de aprendizaje Contenidos Recursos 1. Lectura de las secciones de los temas de: segmentación. 2. Lectura de las secciones de los temas de: Extracción y clasificación de características. 3. Lectura de apoyo para la implementación de la segmentación en un lenguaje de programación. 1. Detección de puntos aislados, líneas y bordes. 2. Métodos de segmentación basados en pixeles. 3. Métodos de segmentación basados en bordes. 4. Métodos de segmentación basados en la transformada de Hough. 5. Características geométricas y Características cromáticas. 6. Normalización de características. 7. Análisis de componentes principales. 1. Libros con lecturas de apoyo. 2. Material multimedia. 3. Computadora con un lenguaje de programación para la implementación de los procesamientos.

7 Unidad temática 3: Aplicaciones del Reconocimiento de Patrones. Competencias particulares: Dar a conocer los diferentes tipos de procesamiento digital de imágenes en el dominio espacial como también en el dominio de la frecuencia. Elementos de Competencia Analiza los procesos más importantes de clasificación y extracción de características, la cual es una de las etapas finales en el patrones. Los reconocimientos de huellas digitales, rasgos faciales y biométrico ocular se analizan. Evidencias de aprendizaje 1. Reporte de los principales clasificadores: Lineales, no lineales y Bayesianos 2. Reporte de cómo diseñar modelos funcionales o prototipos de patrones. Criterios de desempeño Cada una de las evidencias de aprendizaje debe contener las siguientes secciones: Portada con datos generales del alumno, Introducción, Desarrollo, Resultados, Conclusiones y Referencias. Actividades de aprendizaje Contenidos Recursos 1. Lectura de las secciones de los temas de: clasificadores lineales, no lineales y Bayesianos. 2. Lectura de artículos de investigación que traten sobre el : huellas digitales, rasgos faciales y biométrico ocular. 3. Lectura de apoyo para la implementación de alguno de los métodos de patrones, con el cual se podrá reconocer huellas digitales, rasgos faciales y oculares. 1. Clasificadores: Lineales, no lineales y Bayesianos. 2. Reconocimiento de huellas digitales. 3. Reconocimiento de rasgos faciales. 4. Reconocimiento biométrico ocular. 1. Libros con lecturas de apoyo. 2. Artículos de investigación relacionados al Reconocimiento de patrones. 3. Computadora con un lenguaje de programación para la implementación de los procesamientos.

8 Evaluación integral de procesos y productos: Evidencia 1. Reporte de los conceptos más importantes utilizados en el patrones y las materias con las que se relaciona. 2. Reporte de los problemas resueltos de los diferentes tipos de procesamiento digital de imágenes: en el dominio espacial. 3. Reporte de los problemas resueltos de los diferentes tipos de procesamiento digital de imágenes: en el dominio frecuencial. 4. Reporte de las herramientas existentes que puede utilizar para segmentación. 5. Reporte de las herramientas y fórmulas matemáticas que permitirán la extracción de características de los patrones a analizar. 6. Reporte de las herramientas y fórmulas matemáticas que permitirán la clasificación de diferentes patrones a analizar. 7. Reporte de los principales clasificadores: Lineales, no lineales y Bayesianos. 8. Reporte de cómo diseñar modelos funcionales o prototipos de patrones Examen de Medio curso Examen Ordinario Producto Integrador Ponderación 20% 20% 20% Producto integrador de aprendizaje de la unidad: Implementación de un programa que permita hacer un reconocimiento biométrico utilizando huellas digitales, rasgos faciales u oculares.

9 Fuentes de apoyo y consulta: Libro: Digital image processing Autor: Rafael C. Gonzalez and Richard E. Woods Editorial: Pearson Prentice Hall Libro: Pattern recognition and machine learning Autor: Christopher M. Bishop Editorial: Springer Libro: Adaptive, learning and pattern recognition systems Autor: J. M. Mendel and K. S. Fu Editorial: Academic Press Libro: Reconocimiento de formas y visión artificial Autor: Darío Maravall Gómez-Allende Editorial: Addison-Wesley iberoamericana Perfil del docente: Estudios de doctorado en ingeniería de las especialidades de Electrónica, Automatización, Mecatrónica o afín. Ficha bibliográfica del profesor: El Dr. Jesús Emmanuel Gómez Correa es Licenciado en Física por la Universidad Juárez Autónoma de Tabasco. Tiene estudios de posgrado en ciencias en la especialidad de óptica, en el Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) durante los años 2009 al 2015.