Visión por Computador

Usted está aquí

Créditos
6
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
ESAII
La visión por computador es una disciplina de la informática que trata de extraer y analizar la información de interés contenida en una imagen o secuencia de imágenes. Los campos de aplicación crecen cada día y van desde el reconocimiento de caras al diagnóstico precoz de enfermedades, pasando por la detección y localización de objetos y personas, la interacción gestual con sistemas, el guiado de robots o la conducción automática.
Al acabar la asignatura el alumno sabrá analizar, diseñar, programar y evaluar métodos y técnicas de análisis de imágenes, bajo requerimientos de respuesta temporal, fiabilidad y coste.
La evaluación de la asignatura se hará mediante controles parciales, las prácticas del laboratorio y trabajos en grupo, pudiéndose aprobar la asignatura sin tener que hacer un examen final.

Profesores

Responsable

  • Joan Climent Vilaró ( )

Otros

  • Joan Aranda López ( )
  • Manel Frigola Bourlon ( )

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0.4
Aprendizaje autónomo
5.6

Competencias

Competencias Técnicas

Competencias técnicas comunes

  • CT1 - Demostrar conocimiento y comprensión de hechos esenciales, conceptos, principios y teorías relativas a la informática y a sus disciplinas de referencia.
    • CT1.2A - Demostrar conocimiento y comprensión de los conceptos fundamentales de la programación y de la estructura básica de un computador. CEFB5. Conocimiento de la estructura, funcionamiento e interconexión de los sistemas informáticos, así como los fundamentos de su programación.
  • CT2 - Utilizar de forma apropiada teorías, procedimientos y herramientas en el desarrollo profesional de la ingeniería informática en todos sus ámbitos (especificación, diseño, implementación, despliegue -implantación- y evaluación de productos) de manera que se demuestre la comprensión de los compromisos adoptados en las decisiones de diseño.
    • CT2.5 - Diseñar y evaluar interfaces persona-computador que garanticen la accesibilidad y la usabilidad a los sistemas, a los servicios y a las aplicaciones informáticas.
  • CT4 - Demostrar conocimiento y capacidad de aplicación de los procedimientos algorítmicos básicos de las tecnologías informáticas para diseñar soluciones a problemas, analizando la idoneidad y la complejidad de los algoritmos
    • CT4.1 - Identificar las soluciones algorítmicas más adecuadas para resolver problemas de dificultad mediana.
    • CT4.3 - Demostrar conocimiento y capacidad de aplicación de los principios fundamentales y las técnicas básicas de los sistemas inteligentes y su aplicación práctica.
  • CT5 - Analizar, diseñar, construir y mantener aplicaciones de forma robusta, segura y eficiente, escogiendo el paradigma y los lenguajes de programación más adecuados.
    • CT5.2 - Conocer, diseñar y utilizar de forma eficiente los tipos y las estructuras de datos más adecuados para la resolución de un problema.
    • CT5.5 - Usar las herramientas de un entorno de desarrollo de software para crear y desarrollar aplicaciones.
  • CT8 - Planificar, concebir, desplegar y dirigir proyectos, servicios y sistemas informáticos en todos los ámbitos, liderando su puesta en marcha, su mejora continua y valorando su impacto económico y social
    • CT8.1 - Identificar tecnologías actuales y emergentes y evaluar si son aplicables, y en qué medida, para satisfacer las necesidades de los usuarios.

Competencias Transversales

Aprendizaje autónomo

  • G7 - Detectar carencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar este conocimiento. Capacidad para el aprendizaje de nuevos métodos y tecnologías y versatilidad para adaptarse a nueves situaciones.
    • G7.3 - Aprendizaje autónomo: Capacidad de planificación y organización del trabajo personal. Aplicar los conocimientos adquiridos a la realización de una tarea en función de la pertenencia y la importancia, decidiendo la manera de llevarla a cabo y el tiempo que hay que dedicarle y seleccionando las fuentes de información más adecuadas. Identificar la importancia de establecer y mantener contactos con los compañeros de estudios, con el profesorado y con profesionales (networking). Identificar fórums de información sobre ingeniería TIC, sus avances y su impacto en la sociedad (IEEE, asociaciones, etc.).

Competencias Técnicas de cada especialidad

Especialidad de computación

  • CCO2 - Desarrollar de forma efectiva y eficiente los algoritmos y el software apropiados para resolver problemas complejos de computación.
    • CCO2.2 - Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano de una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
    • CCO2.3 - Desarrollar y evaluar sistemas interactivos y de presentación de información compleja, y su aplicación a la resolución de problemas de diseño de interacción persona computadora.
    • CCO2.4 - Demostrar conocimiento y desarrollar técnicas de aprendizaje computacional, y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a la extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

Objetivos

  1. Entender los mecanismos de formación de las imágenes digitales y sus características.
    Competencias relacionadas: CT1.2A,
  2. Comparar y seleccionar las herramientas más adecuadas de preprocesado de imagen en función del problema a resolver.
    Competencias relacionadas: CT1.2A, CT4.1, CT5.2,
  3. Segmentar y etiquetar las regiones de una imagen a partir de sus características comunes y / o diferencias.
    Competencias relacionadas: CT1.2A, CT4.1, CT5.2, CT4.3,
  4. Conocer, diseñar y aplicar de forma eficiente los descriptores más adecuados para la caracterización de regiones, contornos o puntos singulares de una imagen.
    Competencias relacionadas: CT1.2A, CT5.2, CCO2.2,
  5. Detectar y reconocer la presencia de determinados ítems en una imagen.
    Competencias relacionadas: CCO2.3, CT2.5, CT4.1, CCO2.2, CCO2.4, CT4.3,
  6. Realizar correctamente experimentos encaminados a evaluar los métodos elegidos o propuestos, sus limitaciones y puntos débiles, en base a resultados objetivables.
    Competencias relacionadas: CT1.2A, CT8.1, CT4.1, CT5.5, CCO2.2, CCO2.4, G7.3, CT4.3,
  7. Detectar movimiento en una escena y seguir objetivos.
    Competencias relacionadas: CT1.2A, CT8.1, CCO2.3, CT2.5, CT4.1, CT5.2, CCO2.2, CT4.3,

Contenidos

  1. Fundamentos de la imagen digital
    La imagen digital, propiedades y características. Discretización y cuantificación. Espacios de color.
  2. Procesado digital imágenes
    Transformaciones de nivel de gris.Transformacions geométriques.Operadors lineales. Convolución. Realzado y suavizado de la imatge.Detecció de contorns.Operadors no lineales. Filtros morfologics.Espai de escala
  3. Segmentación de imágenes
    Binaritzación.
    Técniques basadas en regiones: región growing, split & merge, watershed, k-means, normalized cuts ....
    Técnicas basadas en contornos: log, dog, Canny ... Análisis de conectividad y etiquetado, grafo de adyacencia.
  4. Descriptores de formas
    Descriptores basados en contornos
    descriptores basados en regiones Concepto invariancia en traslación, rotación, iluminación, transformaciones afines y / o escala.
  5. Reconocimiento
    Conceptos bàsics.Classificació mediante vectores descriptors.Construcció de las clases (Clustering, aprendizaje ...) Funciones distància.Tipus de clasificadores: Bayes, Mahalanobis, Fisher, K-nearest, ... Evaluación de una classificació.Anàlisi de componentes principales . Reducción de la dimensionalitat.Identificació de objetos. Reconocimiento de categorías.
  6. características locales
    Descriptores basados en histogramas: histogramas de color, HOGs.Transformada de Hough.Detectors y descriptores de puntos de interés: Harris, SIFT.Característiques Haar. El algoritmo de Viola-Jones para detectar caras.
  7. Análisis del movimiento
    Imagen diferencia. Flujo óptico. Correspondencia de puntos. Seguimiento de objetos.

Actividades

Actividad Acto evaluativo


Que és una imatge? Quina informació conté?

Captació d'imatges digitals, propietats i característiques. Formació de la Imatge.
Objetivos: 1
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Processat digital d'imatges

Histograma de la imatge, modificacions, realçat. Filtrat espacial i freqüencial. Filtres morfologics. Transformacions geométriques. Espai d'escala
Objetivos: 2
Contenidos:
Teoría
6h
Problemas
0h
Laboratorio
12h
Aprendizaje dirigido
0h
Aprendizaje autónomo
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.
Objetivos: 3 6
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
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.
Objetivos: 4 6
Contenidos:
Teoría
6h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
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.
Objetivos: 5 6
Contenidos:
Teoría
6h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Detecció i anàlisi de moviment

Imatge diferencia. Fluxe òptic. Correspondencia de punts. Seguiment d'objectes.
Objetivos: 5 6 7
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

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.
Objetivos: 1 2 3 5 4 6
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
14h
Aprendizaje dirigido
0h
Aprendizaje autónomo
28h

Prova d'assoliment d'objectius.

Prova de coneixements.
Objetivos: 1 2 3
Semana: 7
Tipo: entrega
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
2h
Aprendizaje autónomo
1h

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.
Objetivos: 2 3 4 6
Semana: 11
Tipo: entrega
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
1h
Aprendizaje autónomo
1h

Presentació dels resultats del miniprojecte

L'alumne fa una presentació davant els companys amb els resultats del seu miniprojecte.
Objetivos: 2 3 5 4 6
Semana: 14
Tipo: entrega
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
3h
Aprendizaje autónomo
4h

Prova de coneixements

Prova de coneixements
Objetivos: 1 2
Semana: 3
Tipo: examen de laboratorio
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Prova de coneixements

Prova de coneixements
Objetivos: 1 2
Semana: 4
Tipo: examen de laboratorio
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Prova de coneixements

Prova de coneixements

Semana: 5
Tipo: examen de laboratorio
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Prova de coneixements

Prova de coneixements

Semana: 6
Tipo: examen de laboratorio
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Metodología docente

La metodología docente será con carácter general de carácter deductivo. Se intentará huir del método expositivo / Lección magistral. El planteamiento será siempre el mismo: - proponer un problema - intentar resolverlo - añadir las piezas de teoría necesarias para poder solucionar el problema de manera adequada.Durant las prácticas se trabajará también el aprendizaje cooperativo, así como el aprendizaje autónomo por a la resolución del miniproyecto.

Método de evaluación

Esta sección está sin traducir de forma deliberada, con el fin de evitar posibles malinterpretaciones.

Bibliografía

Básica:

Complementaria:

Capacidades previas

Es recomendable que el estudiante haya superado las asignaturas de Probabilidad y Estadística (PE) y Proyecto de Programación (PROP).

Adenda

Contenidos

Sense modificacions respecte la Guia Docent

Metodología docente

Sense modificacions respecte la Guia Docent

Método de evaluación

Sense modificacions respecte la Guia Docent

Plan de contingencia

Les classes de teoria previstes inicialment de forma presencial, s'haurien d'impartir via telemàtica. Es respectarà al màxim la planificació inicial plantejada per a sessions presencials.