Visió per Computador

Esteu aquí

Crèdits
6
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
ESAII
La visió per computador és una disciplina de la informàtica que tracta d'extreure i analitzar la informació d'interès continguda en una imatge o seqüencia d'imatges. Els camps d'aplicació creixen cada dia i van des del reconeixement de cares al diagnostic precoç de malalties, passant per la detecció i localització d'objectes i persones, la interacció gestual amb sistemes, el guiat de robots o la conducció automàtica.
En acabar l'assignatura l'alumne sabrà analitzar, dissenyar, programar i avaluar mètodes i tècniques d'anàlisi d'imatges, sota requeriments de resposta temporal, fiabilitat i cost.
L'avaluació de l'assignatura es farà mitjançant controls parcials, les pràctiques del laboratori i treballs en grup, podent-se aprovar l'assignatura sense haver de fer un examen final.

Professorat

Responsable

  • Joan Climent Vilaró ( )

Altres

  • Isiah Zaplana Agut ( )
  • Manel Frigola Bourlon ( )

Competències

Competències Tècniques

Competències tècniques comunes

  • CT1 - Demostrar coneixement i comprensió de fets essencials, conceptes, principis i teories relatives a la informàtica i a les seves disciplines de referència.
    • CT1.2A - Interpretar, seleccionar i valorar conceptes, teories, usos i desenvolupaments tecnològics relacionats amb la informàtica i la seva aplicació a partir dels fonaments matemàtics, estadístics i físics necessaris. CEFB1: capacitat per a resoldre els problemes matemàtics que es plantegin en la enginyeria. Aptitud per a aplicar els coneixements sobre: àlgebra, càlcul diferencial i integral i mètodes numèrics; estadística i optimització.
  • CT2 - Utilitzar d'una manera apropiada teories, procediments i eines en el desenvolupament professional de l'enginyeria informàtica en tots els seus àmbits (especificació, disseny, implementació, desplegament -implantació- i avaluació de productes) de manera que es demostri la comprensió dels compromisos adoptats a les decisions de disseny.
    • CT2.5 - Dissenyar i avaluar interfícies persona-computador que garanteixin l'accessibilitat i la usabilitat als sistemes, als serveis i a les aplicacions informàtiques.
  • CT4 - Demostrar coneixement i capacitat d'aplicació dels procediments algorísmics bàsics de les tecnologies informàtiques per a dissenyar solucions a problemes, analitzant la idoneïtat i la complexitat dels algorismes
    • CT4.1 - Identificar les solucions algorísmiques més adequades per a resoldre problemes de dificultat mitjana.
    • CT4.3 - Demostrar coneixement i capacitat d'aplicació dels principis fonamentals i de les tècniques bàsiques dels sistemes intel·ligents i de la seva aplicació pràctica.
  • CT5 - Analitzar, dissenyar, construir i mantenir aplicacions de forma robusta, segura i eficient, triant el paradigma i els llenguatges de programació més adequats.
    • CT5.2 - Conèixer, dissenyar i utilitzar de forma eficient els tipus i les estructures de dades més adients per a la resolució d'un problema.
    • CT5.5 - Usar les eines d'un entorn de desenvolupament de software per a crear i desenvolupar aplicacions.
  • CT8 - Planificar, concebre, desplegar i dirigir projectes, serveis i sistemes informàtics en tots els àmbits, liderar-ne la posada en marxa, la millora contínua i valorar-ne l'impacte econòmic i social.
    • CT8.1 - Identificar tecnologies actuals i emergents i avaluar si són aplicables, i en quina mesura, per a satisfer les necessitats dels usuaris.

Competències Transversals

Aprenentatge autònom

  • G7 [Avaluable] - Detectar carències en el coneixement propi i superar-les mitjançant la reflexió crítica i l'elecció de la millor actuació per ampliar aquest coneixement. Capacitat per a l'aprenentatge de nous mètodes i tecnologies, i versatilitat per a adaptar-se a noves situacions.
    • G7.3 - Aprenentatge autònom: capacitat de planificació i organització del treball personal. Aplicar els coneixements adquirits a la realització d'una tasca en funció de la pertinença i de la importància, decidir la manera de dur-la a terme i el temps que se li ha de dedicar, i seleccionar les fonts d'informació més adients. Identificar la importància d'establir i mantenir contactes amb els companys d'estudis, amb el professorat i amb els professionals (networking). Identificar fòrums d'informació sobre enginyeria TIC, els seus avenços i el seu impacte en la societat (IEEE, associacions, etc.).

Competències Tècniques de cada especialitat

Especialitat computació

  • CCO2 - Desenvolupar de forma efectiva i eficient els algorismes i el software apropiats per a resoldre problemes complexos de computació.
    • CCO2.2 - Capacitat per a adquirir, obtenir, formalitzar i representar el coneixement humà d'una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment en els que estan relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
    • CCO2.3 - Desenvolupar i avaluar sistemes interactius i de presentació d'informació complexa, i la seva aplicació a la resolució de problemes de disseny d'interacció persona computador.
    • CCO2.4 - Demostrar coneixement i desenvolupar tècniques d'aprenentatge computacional; dissenyar i implementar aplicacions i sistemes que les utilitzin, incloent les que es dediquen a l'extracció automàtica d'informació i coneixement a partir de grans volums de dades.

Objectius

  1. Entendre els mecanismes de formació de les imatges digitals i les seves característiques.
    Competències relacionades: CT1.2A,
  2. Comparar i seleccionar les eines més adients de preprocessat d'imatge en funció del problema a resoldre.
    Competències relacionades: CT1.2A, CT4.1, CT5.2,
  3. Conèixer, dissenyar i aplicar de forma eficient els descriptors més adients per a la caracterització de regions, contorns o punts singulars d'una imatge.
    Competències relacionades: CT1.2A, CT5.2, CCO2.2,
  4. Detectar i reconèixer la presencia de determinats ítems en una imatge.
    Competències relacionades: CCO2.3, CT2.5, CT4.1, CCO2.2, CCO2.4, CT4.3,
  5. Realitzar correctament experiments encaminats a avaluar els mètodes triats o proposats, les seves limitacions i punts febles, en base a resultats objectivables.
    Competències relacionades: CT1.2A, CT8.1, CT4.1, CT5.5, CCO2.2, CCO2.4, G7.3, CT4.3,
  6. Detectar moviment en una escena i seguir objectius.
    Competències relacionades: CT1.2A, CT8.1, CCO2.3, CT2.5, CT4.1, CT5.2, CCO2.2, CT4.3,
  7. Segmentar i etiquetar les regions d'una imatge a partir de les seves característiques comunes i/o diferències.
    Competències relacionades: CT1.2A, CT4.1, CT5.2, CT4.3,

Continguts

  1. Fonaments de la imatge digital
    La imatge digital, propietats i caracteristiques. Discretització i quantificació. Espais de color.
  2. Processat digital d'imatges
    Transformacions de nivell de gris.
    Transformacions geométriques.
    Operadors linials. Convolució. Realçat i suavitzat de la imatge.
    Detecció de contorns.
    Operadors no linials. Filtres morfologics.
    Espai d'escala
  3. Segmentació d'imatges.
    Binarització.
    Técniques basades en regions: region growing, split & merge, watershed, k-means, normalized cuts....
    Tecniques basades en contorns: LoG, DoG, Canny...
    Analisi de connectivitat i etiquetat, graf d'adjacència.
  4. Descriptors de formes
    Descriptors basats en contorns
    Descriptors basats en regions
    Concepte d'invariancia a traslació, rotació, iluminació, transformacions afins i/o escala.
  5. Reconeixement
    Conceptes bàsics.Classificació mitjançant vectors descriptors.
    Construcció de les classes (Clustering, aprenentatge ...)
    Funcions distància.
    Tipus de classificadors: Bayes, Mahalanobis, Fisher, K-nearest,...
    Avaluació d'una classificació.
    Anàlisi de components principals. Reducció de la dimensionalitat.
    Identificació d'objectes. Reconeixement de categories.
  6. Característiques locals
    Descriptors basats en histogrames: histogrames de color, HOGs.
    Transformada de Hough.
    Detectors i descriptors de punts d'interès: Harris, SIFT.
    Característiques Haar. L'algorisme de Viola-Jones per a detectar cares.
  7. Detecció i anàlisi de moviment
    Imatge diferencia. Fluxe òptic. Correspondencia de punts. Seguiment d'objectes.

Activitats

Activitat Acte avaluatiu


Que és una imatge? Quina informació conté?

Captació d'imatges digitals, propietats i característiques. Formació de la Imatge.
Objectius: 1
Continguts:
Teoria
0h
Problemes
4h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Processat digital d'imatges

Histograma de la imatge, modificacions, realçat. Filtrat espacial i freqüencial. Filtres morfologics. Transformacions geométriques. Espai d'escala
Objectius: 2
Continguts:
Teoria
0h
Problemes
18h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
20h

Segmentació d'imatges.

Técniques basades en regions: Binarització, watershed, mean-shift, normalized cuts.... Tecniques basades en contorns: Gradients, LoG, DoG, Canny... Analisi de connectivitat i etiquetat, graf d'adjacència.
Objectius: 7 5
Continguts:
Teoria
0h
Problemes
8h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
10h

Detecció i descripció de característiques.

Característiques locals i globals. Descriptors de regions, contorns i punts singulars. Concepte d'invariancia a translació, rotació i/o escala.
Objectius: 3 5
Continguts:
Teoria
0h
Problemes
14h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
6h

Reconeixement

Conceptes bàsics.Classificació mitjançant vectors descriptors. Construcció de les classes (Clustering, aprenentatge ...) Funcions distància. Tipus de classificadors: Bayes, Mahalanobis, Fisher, K-nearest,... Identificació d'objectes. Reconeixement de categories.
Objectius: 4 5
Continguts:
Teoria
0h
Problemes
6h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
6h

Detecció i anàlisi de moviment

Imatge diferencia. Fluxe òptic. Correspondencia de punts. Seguiment d'objectes.
Objectius: 4 5 6
Continguts:
Teoria
0h
Problemes
2h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
2h

Dissenyar i desenvolupar una aplicació senzilla de visió per computador (miniprojecte).

L'alumne haurà de triar i combinar els mètodes i tècniques que trobi més adients per donar solució al problema presentat. Haurà d'avaluar el seu treball dissenyant jocs de proves i delimitant l'abast de la solució proposada.
Objectius: 1 2 7 4 3 5
Continguts:
Teoria
0h
Problemes
6h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
24h

Control d'assoliment d'objectius.

Prova de coneixements.
Objectius: 1 2 7
Setmana: 7
Tipus: examen de problemes
Teoria
0h
Problemes
1h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Control de seguiment del miniprojecte

L'alumne a de presentar un informe parcial d'evolució del miniprojecte: decisions de disseny i primeres proves si n'hi han, així com una planificació temporal del treball que falta. Es tracta d'una prova de seguiment de la evolució correcta del miniprojecte. També serveix per re-orientar a l'alumne en cas necessari.
Objectius: 2 7 3 5
Setmana: 14 (Fora d'horari lectiu)
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
1h

Presentació dels resultats del miniprojecte

L'alumne fa una presentació del seu miniprojecte.
Objectius: 2 7 4 3 5
Setmana: 15 (Fora d'horari lectiu)
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
3h

Prova d'assoliment d'objectius


Objectius: 7 4 3 5 6
Setmana: 15 (Fora d'horari lectiu)
Tipus: examen de problemes
Teoria
0h
Problemes
1h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
10h

Metodologia docent

La metodologia docent serà amb caràcter general de caràcter deductiu. S'intentarà fugir del mètode expositiu/ Lliçó magistral. El plantejament serà sempre el mateix:
- proposar un problema
- intentar resoldre'l
- afegir les peces de teoria necessàries per poder solucionar el problema de manera adequada.

Durant les pràctiques es treballarà també l'aprenentatge cooperatiu, així com l'aprenentatge autònom per a la resolució del miniprojecte.

Mètode d'avaluació

L'assignatura s'avaluarà de manera continuada. Al llarg del curs, es demanaran una sèrie d'exercicis que serviran per avaluar l'alumne. No es farà examen final.

La nota de laboratori (NL) s'obtindrà a partir de les pràctiques fetes obligatòriament a classe de forma presencial i de les entregues de les pràctiques que l'alumne haurà de treballar fora de classe.
La nota de teoria (NT) s'obtindà a partir dels examens parcials.

La nota final de l'assignatura es calcularà de la forma: NF=0'7NL+0'3NT

L'avaluació de la competència transversal (Aprenentatge Autònom) es calcularà tenint en compte la capacitat de l'alumne per:
. detectar les pròpies mancances de coneixements sobre el problema proposat
. buscar solucions possibles al problema plantejat (cerca de bibliografia-estudi de l'estat de l'art).
. saber valorar en quin moment té prou informació per resoldre el problema plantejat.
. triar la solució adecuada (adaptant o millorant una d'existent) o saber valorar si cal crear-ne una de nova.
. defensar la solució triada davant d'altres solucions en base a arguments objectius (resultats).

Bibliografia

Bàsica:

Complementaria:

Capacitats prèvies

Es recomanable que l'estudiant hagi superat les assignatures de Probabilitat i Estadística (PE) i Projecte de Programació (PROP).