A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Visão Computacional Mestrado e Doutorado em Engenharia Elétrica Prof. Dr. Paulo Sérgio Rodrigues www.fei.edu.br/~psergio.

Apresentações semelhantes


Apresentação em tema: "Visão Computacional Mestrado e Doutorado em Engenharia Elétrica Prof. Dr. Paulo Sérgio Rodrigues www.fei.edu.br/~psergio."— Transcrição da apresentação:

1 Visão Computacional Mestrado e Doutorado em Engenharia Elétrica Prof. Dr. Paulo Sérgio Rodrigues

2 O que é Visão Computacional? Estuda e desenvolve um conjunto de métodos e técnicas os quais podem tornar um sistema computacional capaz de interpretar imagens.

3 Visão Computacional Carro de exploração Lunar Baixo NívelMédio Nível Alto Nível Segmentação Reconhecimento

4 Nível Baixo Melhoria da qualidade da imagem: Remoção de ruídos da imagem Melhoria do contraste da imagem Remoção de borrões da câmera Remoção de manchas de movimentos Realce da estrutura Realce das cores Processamento de Imagem é utilizado para melhorar a aparência visual da imagem e/ou realçar as características desejadas

5 Nível Médio Extração de Regiões que compõem partes de um objeto ou cena Também podem ser extração de primitivas como curvas, retas, polígonos, elipses,... Geralmente, as regiões isoladas não fazem nenhum sentido pra quem observa.

6 Nível Alto Técnicas para interpretação de objetos ou cenas Regiões, em conjunto, passam a fazer sentido Raciocínio cognitivo Inferência de informações

7 Nível Alto Raciocínio cognitivo: Inferência do Contexto para interpretação de objetos ou cenas

8 Técnicas de Baixo nível Imagem original Filtro média (5x5) Filtro Gaussiano (5x5) Filtro Mediana (5x5) Filtro média (5x5) Filtro Mediana (5x5)

9 Transformada de Hough Imagem binária (bordas) Retas detectadas com a Transformada de Hough Técnicas típicas de Visão de Médio Nível: Detecção de Retas

10 Análise de Imagens com Base em informações de Cor, Forma ou Textura

11 Técnicas típicas de Visão de Alto Nível: Inferência Baseada em Contexto

12

13 Imagem: Janus z Konrad – Boston UniversityImagem: Boston University Técnicas Típicas de Visão de Alto Nível: Inferência de Jogadores em Quadra

14 Aplicações: Biometria Imagem: Sony ® e S. Seitz Detecção de Faces Reconhecimento de digital

15 Aplicações: leitor de placas imagem: S. Seitz

16 Aplicações: Inspeção de Fábrica

17 Aplicações: Veículo Autônomo

18 Sistema CAD (Computer Aided Diagnosis)

19 Extração da Lesão Saída do Ultra-som

20 Sistema CAD com entropia Não-extensiva Level Sets Morfologia Segmentação

21 Região da Lesão Extração da lesão Área Circularidade Protuberâncias Sombra acústica Reforço acústico Homogeneidade RNA Fuzzy Bayes SVM Classificação Saída do Ultra-som Extração de Características Sistema CAD: Etapas Maligno Benigno

22 TCCs na área de Visão Computacional desenvolvidos na FEI Reconhecimento Facial com o Número de Fibonacci (Primeiro Lugar na EXPOCOM 2007)

23 TCCs desenvolvidos na FEI EVIP - EXPANSÃO VISUAL DE EXIBIÇÕES EM SUPERFÍCIES PLANAS ( 3 Prêmios EXPOCOM 2008: Melhor Criatividade e Melhor trabalho Científico e Melhor Trabalho Geral)

24 Análise e Visualização de Imagens Médicas: Reconstrução Craniofacial e Previsibilidade de Resultados LNCC USP-SC CENPRA CHSC INTO Objetivo: Reparar anomalias de crânio e face através da construção automática de próteses

25 Reconstrução Cranio-Facial: Metodologia

26 Caso de Perda de massa óssea frontal

27 Prototipagem: Responsável: USP de São Carlos

28 PRÓTESE CRANIANA MODELOS MÉDICOS 3D: paciente antes de depois da cirurgia

29 PRÓTESE CRANIANA MODELOS MÉDICOS 3D: Momento da Cirurgia de implante da prótese craniana ab cd

30 Instantes da Prototipagem Rápida

31 RECONSTRUÇÃO FACIAL. Caso de Câncer de Mandíbula. Paciente antes e depois. A foto do meio abaixo (o crânio com meia mandíbula) mostra a construção antes do implante. As duas fotos abaixo mostram a paciente hoje, e as duas acima, a paciente com defeito de frente e de perfil.

32 TCCs desenvolvidos na FEI MAART

33 Reconhecimento de Logomarcas em Jogos de Futebol Integrantes: Allan Martins de Paula Felipe Gomes Magarotto Lucas Martins Baia Rozivaldo Zacarias de Jesus Orientador: Paulo Sérgio Silva Rodrigues

34 Motivação Interesse das emissoras de TV; Software não existe comercialmente; Atualmente o processo é feito manualmente, demandando um total de 18 horas por jogo distribuídas em 5 dias.

35 Objetivo Automatizar um processo e assim, gerar um relatório informando quanto tempo as propagandas que estão ao redor do campo apareceram na transmissão.

36 Definição de tipos de Câmera Câmera Principal Não-Câmera Principal

37 Setores do Campo

38 Regiões durante a transmissão

39 Metodologia Frame Definição de câmera Principal

40 Metodologia Definição de câmera- principal Detecção de Bordas

41 Metodologia Detecção de Linhas

42 Metodologia Definição das Regiões de Interesse (ROI)

43 Metodologia Definição da ROI Matching

44 Metodologia Tracking e ROL Próximo Frame Contabiliza Tempo Arquivo Individual

45 Visão Computacional Grandes Desafios Futuros

46 Telemedicina

47 Gerenciamento de Grandes Bases de Dados

48 Análise de Imagens em Vídeo

49 Ambientes Virtuais Colaborativos

50

51 TV-Digital

52 Bibliotecas MATLAB e OPENCV (Intel)


Carregar ppt "Visão Computacional Mestrado e Doutorado em Engenharia Elétrica Prof. Dr. Paulo Sérgio Rodrigues www.fei.edu.br/~psergio."

Apresentações semelhantes


Anúncios Google