Visão ComputacionalMestrado e Doutorado em Engenharia

Elétrica

Prof. Dr. Paulo Sérgio Rodrigueswww.fei.edu.br/~psergio

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.

Visão Computacional

Carro de exploração

Lunar

Baixo Nível Médio Nível Alto Nível

Segmentação Reconhecimento

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

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.

Nível Alto

Técnicas para interpretação de objetos ou cenas

Regiões, em conjunto, passam a fazer sentido

Raciocínio cognitivo

Inferência de informações

Nível AltoRaciocínio cognitivo: Inferência do Contexto para

interpretação de objetos ou cenas

Técnicas de Baixo nível

Imagem original Filtro média (5x5)Filtro Gaussiano

(5x5)Filtro Mediana

(5x5)

Filtro média (5x5)Filtro Mediana

(5x5)

Transformada de HoughImagem binária (bordas) Retas detectadas com a Transformada de Hough

Técnicas típicas de Visão de Médio Nível: Detecção de Retas

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

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

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

Imagem: Janus z Konrad – Boston University Imagem: Boston University

Técnicas Típicas de Visão de Alto Nível: Inferência de Jogadores em Quadra

Aplicações: Biometria

Imagem: Sony ® e S. Seitz

Detecção de Faces Reconhecimento de digital

Aplicações: leitor de placas

imagem: S. Seitz

Aplicações: Inspeção de Fábrica

Aplicações: Veículo Autônomo

Sistema CAD (Computer Aided Diagnosis)

Extração da Lesão

Saída do Ultra-som

Sistema CAD com entropia Não-extensiva

Level Sets

Morfologia

Segmentação

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

TCCs na área de Visão Computacional desenvolvidos na FEI

Reconhecimento Facial com o Número de Fibonacci (Primeiro Lugar na EXPOCOM 2007)

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)

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

Reconstrução Cranio-Facial: Metodologia

Caso de Perda de massa óssea frontal

Prototipagem: Responsável: USP de São Carlos

PRÓTESE CRANIANAMODELOS MÉDICOS 3D: paciente antes de depois da cirurgia

PRÓTESE CRANIANAMODELOS MÉDICOS 3D: Momento da Cirurgia de implante da prótese craniana

a b

c d

Instantes da Prototipagem Rápida

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.

TCCs desenvolvidos na FEI

MAART

Reconhecimento de Logomarcas em Jogos de

Futebol

Integrantes:Allan Martins de PaulaFelipe Gomes MagarottoLucas Martins BaiaRozivaldo Zacarias de Jesus

Orientador: Paulo Sérgio Silva Rodrigues

Objetivo

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

Definição de tipos de Câmera

Câmera Principal Não-Câmera Principal

Setores do Campo

Regiões durante a transmissão

Metodologia

FrameDefinição de câmera Principal

Metodologia

Definição de câmera-principal

Detecção de Bordas

Metodologia

Detecção de Bordas

Detecção de Linhas

Metodologia

Detecção de Linhas

Definição das Regiões de Interesse (ROI)

MetodologiaDefinição da ROI

Matching

MetodologiaTracking e ROL

Próximo Frame

Contabiliza Tempo

Arquivo Individual

Visão ComputacionalGrandes Desafios Futuros

Telemedicina

Gerenciamento de Grandes Bases de Dados

Análise de Imagens em Vídeo

Ambientes Virtuais Colaborativos

Ambientes Virtuais Colaborativos

TV-Digital

Bibliotecas

MATLAB e OPENCV (Intel)