Visión Artificial Unidad de Competencia I Introducción a la Visión Artificial

Documentos relacionados
Secretaría de Docencia Dirección de Estudios Profesionales

Sistemas de Percepción

Enginyeria Tècnica Industrial (esp. Electrònica Industrial) B.O.E. 6-Març-2001

VISIÓN POR COMPUTADOR

Caracterización de Imágenes

RIVC - Robótica Industrial y Visión por Computador

Tema 1.- Introducción a la Visión Artificial

El movimiento en problemas de visión artificial

Programa de la asignatura. Horas. ASIGNATURA: Visión Artificial

Visión por computadora Computer vision

Visión Artificial. Grado en Ingeniería Electrónica de Comunicaciones Grado en Ingeniería en Tecnologías de la Telecomunicación. Universidad de Alcalá

Grado en Ingeniería en Electrónica y Automática Industrial Universidad de Alcalá Curso Académico 2014/2015 Curso 4º Cuatrimestre 1º

240AR052 - Temas Avanzados en Visión por Computador

Métodos Avanzados para Análisis y Representación de Imágenes

ANX-PR/CL/ GUÍA DE APRENDIZAJE ASIGNATURA CURSO ACADÉMICO - SEMESTRE FECHA DE PUBLICACION

Reconocimiento Automático de Voz

ANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Modelado e interpretacion de entornos tridimensionales

TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA

TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA MULTIMEDIA Y COMERCIO ELECTRÓNICO.

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

DESCRIPCIÓN DE LA ASIGNATURA

Visión Artificial. Por Elisabeth Pérez

DISEÑO CURRICULAR COMPUTACIÓN GRÁFICA

REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES

TÉCNICO SUPERIOR UNIVERSITARIO EN MANTENIMIENTO ÁREA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE DIBUJO INDUSTRIAL

License Plate Detection using Neural Networks

PROCESAMIENTO DE IMÁGENES DIGITALES

INSTITUTO POLITÉCNICO NACIONAL

M.C. Carolina Rocío Sánchez Pérez

GUIA DOCENTE DE LA ASIGNATURA VISIÓN ARTIFICIAL DE LA TITULACION MÁSTER DE SISTEMAS TELEMÁTICOS E INFORMÁTICOS

Reconocimiento visual de ademanes usando MS Kinect - Introducción. Dr. Héctor Avilés Escuela de Invierno de Robótica 2015

Pontificia Universidad Católica del Ecuador Facultad de Enfermería

PROGRAMA DE ESTUDIO. Práctica. Práctica ( ) Semestre recomendado: 8º. Requisitos curriculares: Sistemas Digitales 2

Introducción Curso: Procesamiento Digital de Imágenes

INGENIERIA. Reyes Marzano, Alejandro FISI-UNMSM

Toda copia en PAPEL es un "Documento No Controlado" a excepción del original.

Universidad Tecnológica Nacional Facultad Regional Buenos Aires Secretaría de Ciencia y Tecnología. Seminario IA y R

3. COMPONENTES DEL SISTEMA

Programa de estudios por competencias Seminario Resolución de Problemas de Métodos Matemáticos I

UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL

TECNOLÓGICO NACIONAL DE MÉXICO. 1. Datos Generales de la asignatura. Nombre de la asignatura: Clave de la asignatura: SATCA 1 : Carrera:

Guía Docente Curso

1. Comprender las definiciones y principios básicos de la teoría de conjuntos. 3. Diferenciar entre las diferentes tipos de relaciones.

Secretaría de Docencia Dirección de Estudios Profesionales

Universidad Politécnica de Madrid. TITERE: Realización de Prácticas de Visión por Computador a través de Internet

ASIGNATURA: ESTRUCTURA DE DATOS II

Guía docente. Identificación de la asignatura. Profesores. Contextualización. Requisitos. Asignatura Visión por Ordenador

Un enfoque algorítmico para enseñar Visión por Computador en las titulaciones de Informática

Guía práctica de estudio 03: Algoritmos

Programación Gráfica. Conceptos Básicos

Universidad de Guanajuato Tronco Común de Ingenierías

PROGRAMA DISEÑO ASISTIDO POR COMPUTADORAS I

GUÍA DOCENTE Computación Neuronal y Evolutiva. Grado en Ingeniería Informática

Acuerdo 286 Matemáticas

Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional

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

Métodos de Inteligencia Artificial

PROYECTO DOCENTE ASIGNATURA: "Técnicas de Representación Gráfica Mediante Computador"

DIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.

Carrera: Ingeniería Civil CIE 0529

Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.

Fecha de elaboración: Julio de 2010 Fecha de última actualización: Presentación

TRATAMIENTO DE IMÁGENES DIGITALES

UNIVERSIDAD LIBRE SECCIONAL PEREIRA FACULTAD DE INGENIERÍAS PROGRAMA ACADÉMICO DE INGENIERÍA DE SISTEMAS

4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:

SILABO MATEMÁTICA III

UNIVERSIDAD DE GUADALAJARA

Herramientas Computacionales en Ingeniería

Disertante: Ing. Sebastián Appel

Extensión de la Morfología Matemática a imágenes en Color

1.- DATOS DE LA ASIGNATURA

Dirección de Desarrollo Curricular Secretaría Académica

Secretaría de Docencia Dirección de Estudios Profesionales

Algoritmos. Diagramas de Flujo. Informática IV. L. S. C. Heriberto Sánchez Costeira

PROYECTO DOCENTE ASIGNATURA: "Robótica y Automatización"

ESTRUCTURAS DE DATOS

Reconstrucción Tridimensional a Partir de Varias Imágenes

ASIGNATURA: ELECTRÓNICA

Ubicación de la asignatura. Propósito de la asignatura. Desarrollando proyectos. Asignaturas relacionadas. Una mirada hacia la optimización económica

MOMENTO I. BLOQUE 1. Opera las funciones básicas del sistema operativo y garantiza la seguridad de la información

Como resultado de aprender adecuadamente los contenidos del curso el estudiante estará en capacidad de:

PROGRAMA DE MATEMÁTICAS PRONTUARIO

TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN

Conceptos de Algoritmos, Datos y Programas

Filtrado de imágenes usando hardware dedicado

Centro Universitario UAEM Zumpango Ingeniería en Computación. Dr. Arturo Redondo Galván

UNIVERSIDAD DE GUANAJUATO

UNIDAD: I TEMAS PROPÓSITO DE LA UNIDAD Coordenadas Variables Valores Absolutos relativos. Coordenadas Rectangulares polares.

PROGRAMA ANALÍTICO DE ASIGNATURA

Programación I. Carrera: ECM Participantes Participantes de las academias de ingeniería electrónica de los Institutos Tecnológicos.

Nombre de la asignatura: Interconectividad de Redes. Créditos: Aportación al perfil

DES: Materia requisito:

INSTITUTO TECNOLÓGICO SUPERIOR DEL SUR DEL ESTADO DE YUCATAN SUBDIRECCIÓN ACADÉMICA DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

Métodos de Inteligencia Artificial

Técnicas de inteligencia artificial. Visión Artificial Visión 3D

Tratamiento de Imágenes por computadora

Introducción al proceso digital de imagen y visión por computador

Dirección de Desarrollo Curricular Secretaría Académica

Titulación(es) Titulación Centro Curso Periodo Grado en Física FACULTAT DE FÍSICA 3 Primer cuatrimestre

Transcripción:

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO Centro Universitario UAEM Zumpango Ingeniero en Computación Visión Artificial Unidad de Competencia I Introducción a la Visión Artificial M. en C. Rafael Rojas Hernández rrojas.uaemex@gmail.com Febrero 2016 Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 1/ 35

Índice de la presentación Información general de la Unidad Estructura de la Unidad de Aprendizaje Unidad de Competencia I Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 2/ 35

Información general de la Unidad de Aprendizaje Unidad de Aprendizaje Visión Artificial Propósito de la Unidad de Aprendizaje El alumno empleará y aplicará los fundamentos y algoritmos básicos de visión artificial, indicando el potencial de su aplicación para ponerlas en práctica en las diversas áreas desarrollo, investigación y mercado laboral. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 3/ 35

Estructura de la Unidad de Aprendizaje 1. Introducción a la Visión Artificial 2. Análisis de Imágenes 3. Emparejamiento de imágenes 4. Reconocimiento de patrones 5. Reconocimiento automático de objetivo Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 4/ 35

Unidad de Competencia I Introducción a la Visión Artificial Objetivo de la Unidad de Competencia Reconocer los campos de trabajo de la visión artificial y utilizar los fundamentos básicos en visión de bajo nivel, para proponer y bosquejar un sistema de visión artificial. Conocimientos Emplea aproximaciones a la visión artificial desde el reconocimiento de formas. Describe el modelo general de un sistema de visión. Ubica las aplicaciones de un sistema de visión artificial. Identifica los niveles de procesamiento de la visión artificial. Manipula imágenes utilizando las operaciones básicas en píxeles, detección de discontinuidades, filos y contornos. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 5/ 35

Unidad de Competencia I Introducción a la Visión Artificial Habilidades Elabora los componentes básicos que componen un sistema visión. Maneja los algoritmos elementales del procesamiento de imágenes propias de la visión de bajo nivel. Actitudes y valores Selecciona métodos apropiados. Explica conceptos. Propone soluciones. Resuelve problemas. Pone en práctica los conocimientos adquiridos. Actúa conforme a un plan. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 6/ 35

Unidad de Competencia I Temario Aproximaciones a la visión artificial desde el reconocimiento de formas Modelo general de un sistema de visión Aplicaciones Análisis de imágenes multiespectrales Reconocimiento Óptico de Carácters (OCR) Reconocimiento Óptico de Carácters (OCR) Análisis de imágenes médicas (diagnóstico automatizado y asistido) Control de calidad e inspección industrial Seguridad Visión robótica Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 7/ 35

Introducción a la Visión Artificial A través de la vista los seres humanos conocemos el entorno que nos rodea, en el podemos percibir estructuras tridimensionales, que nos muestran objetos mediante su forma, textura, superficie, color, sombra, entre otras. Conceptualmente el cerebro nos ayuda a definir a que corresponde cada uno de los objetos, separando el fondo de lo que en realidad nos interesa. Sin embargo para que una máquina pueda hacer esto es complicado. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 8/ 35

Introducción a la Visión Artificial Para las máquina la manera de percibir las imágenes es a través de una cámara digital, la cúal obtiene imágenes bidimensionales, y no distingue las características de los objetos. Sin embargo, con el transcurso del tiempo se han llegado a realizar investigaciones en el procesmiento de imágenes para determinar ciertas carácteristicas en imágenes bidimensionales. Lo que implica dotar a las máquinas de visión. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 9/ 35

Introducción a la Visión Artificial Aproximaciones a la visión artificial desde el reconocimiento de formas Qué es la Visión Artificial? Visión es caber qué hay y dónde mediante la vista (Aristóteles) Visión es recuperar de la información de los sentidos (vista) propiedades válidas del mundo exterior (Gibson a ) Visión es un proceso que produce, a partir de las imágenes del mundo exterior, una descripción que es útil para el observador y que no tiene información irrelevante(marr b ) a J. Gibson, The Ecological Approach to Visual Perception, Houghton Mifflin, Boston, 1979 b D. Marr, Vision, Freeman, San Francisco, 1982 Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 10/ 35

Introducción a la Visión Artificial El problema surge al momento de encontrarse con imágenes que pueden engañar al ojo, o a la cámara. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 11/ 35

Introducción a la Visión Artificial O simplemente cuando las imágenes no tienen una calidad aceptable para determinar las carácteristicas necesarias. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 12/ 35

Introducción a la Visión Artificial Para ello es necesario hacer uso del procesamiento de imágenes, logrando con ello: Elminar defectos o ruido Mejora en propiedades visuales (brillo, color) Resolver desenfoque Todo esto mediante algoritmos matemáticos que están ya definidos, sin embargo, es necesario elegir de manera correcta cada uno de ellos. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 13/ 35

Introducción a la Visión Artificial Una vez obtenida una imagen de buena calidad, es el objetivo de la visión artificial extraer las características que describen los objetos que se están buscando, a través de: Su localización El tipo de objeto Representación física Color Forma Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 14/ 35

Modelo general de un sistema de visión Para desarrollar el proceso de visión artificial es necesario contar y considerar lo siguiente: Imagen de entrada Preprocesamiento de la imagen de entrada Metódos de extracción de características Representación del proceso de visión artificial Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 15/ 35

Modelo general de un sistema de visión Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 16/ 35

Modelo general de un sistema de visión Imagen de entrada Imagen adquirida del dispositivo de inicial, cámara digital, cámara web, video. Sin modificacón alguna. Preprocesamiento Serie de procesos o tratamientos para mejor la calida de la imagen de entrada, como eliminación de ruido, contraste, saturación de color, entre otros. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 17/ 35

Modelo general de un sistema de visión Metódos de extracción de características Algoritmos a utilizar para obtener la(s) característica(s) buscadas, puede implicar uno o más pasos. Representación del proceso de visión artificial Una vez obtenidas las características será necesario determinar para que serán usadas, por ejemplo: sólo mostrar la posición del objeto, indicar si se contien el objeto, realizar alguna acción (en software o hardware), entre otras. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 18/ 35

Aplicaciones Análisis de imágenes multiespectrales Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 19/ 35

Aplicaciones Análisis de imágenes multiespectrales Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 20/ 35

Aplicaciones Reconocimiento Óptico de Carácters (OCR) Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 21/ 35

Aplicaciones Reconocimiento Óptico de Carácters (OCR) Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 22/ 35

Aplicaciones Análisis de imágenes médicas (diagnóstico automatizado y asistido) Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 23/ 35

Aplicaciones Análisis de imágenes médicas (diagnóstico automatizado y asistido) Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 24/ 35

Aplicaciones Análisis de imágenes médicas (diagnóstico automatizado y asistido) Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 25/ 35

Aplicaciones Control de calidad e inspección industrial Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 26/ 35

Aplicaciones Control de calidad e inspección industrial Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 27/ 35

Aplicaciones Control de calidad e inspección industrial Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 28/ 35

Aplicaciones Seguridad Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 29/ 35

Aplicaciones Seguridad Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 30/ 35

Aplicaciones Seguridad Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 31/ 35

Aplicaciones Visión robótica Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 32/ 35

Aplicaciones Visión robótica Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 33/ 35

Bibliografía Szeliski, R., Çomputer Vision:Algorithms and Applications", Springer, 2011. Davies, E. R., Çomputer and Machine Vision: Fourth Edition: Theory, Algorithms, Practicalities", Academic Press, 4a. Edición, 2012. Snyder, W. E., Qi, H., "Machine Vision", Cambridge University Press, 2004. Faugeras, O., "Three dimensional computer vision: A geometric viewpoint", The MIT Press, 1993. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 34/ 35

Bibliografía Trucco, E., Verri, A., Ïntroductory techniques for 3D computer vision", Prentice Hall, 1998. Gonzalez, R. C., Woods, R. E., "Digital Image Processing". Prentice Hall, 3a. Edición, 2007. Petrou, M., Bosdoganni, P., Ïmage Processing: The Fundamentals", WileyBlackwell, 1999. Jain, R., Kasturi, R., Schunck, B. G., "Machine Vision", McGraw Hill, 1995. Rafael Rojas H.(CU UAEM Zumpango) Visión Artificial Unidad de Competencia I 35/ 35