Agenda. Detecção e Análise de Movimento em Vídeos. Detecção e Análise de Movimentos: Introdução. Detecção e Análise de Movimentos: Introdução

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Agenda. Detecção e Análise de Movimento em Vídeos. Detecção e Análise de Movimentos: Introdução. Detecção e Análise de Movimentos: Introdução"

Transcrição

1 Agenda Detecção e Análise de Movimento em Vídeos Alceu de Souza Britto Jr. Alessandro L. Koerich InviSys Sistemas de Visão Computacional Ltda Programa de Pós-Graduação em Informática (PPGIa PUCPR) Introdução Detecção de movimento Fluxo ótico Segmentação Background / Foreground Rastreamento de elementos (Tracking) Classificação de eventos Convencionais/Não-convencionais Múltiplas câmeras Próximos desafios Seminário TVGlobo Engenharia São Paulo, SP Detecção e Análise de Movimentos: Introdução Detecção e Análise de Movimentos: Introdução - Objetivos - Controle, monitoramento e/ou segurança de ambientes. - Aplicações - Câmeras de segurança - Monitoramento de tráfego - Contagem de pessoas - Vídeo conferência - Piloto automático - Dentre outras, Tarefas envolvidas: Baixo nível (segmentação e rastreamento) : pessoas, veículos, outros objetos. Identificação de cada elemento detectado: efetuando alguma rotulação. - Rastreamento de cada elemento: definindo-se a trajetória e/ou predição da trajetória.

2 Detecção e Análise de Movimentos: Introdução Detecção e Análise de Movimentos: Introdução Tarefas envolvidas: Alto nível (análise do comportamento, interpretação) - Caracterização do movimento: mensurando-se variáveis como direção, velocidade, consistência temporal, - Classificação do movimento como convencional ou nãoconvencional. - Fusão e interpretação dos resultados de várias câmeras Desafios Câmeras fixas Problemas comuns: Variação da Iluminação Sombras Imagem tremida oclusão Câmeras móveis Problema adicional: necessidade de compensação de movimento da câmera para construir background. Detecção de Movimento Detecção de Movimento: Fluxo Óptico Abordagens: Fluxo óptico Cálculo do movimento para uma região ou todo o frame. Rastreamento de objetos Segmentação background (fundo) / foreground (movimento) Rastreamento e análise dos elementos detectados em uma seqüência de frames. Cálculo do movimento aparente do brilho da imagem considerando uma região ou todo um frame. Princípio: Se I(x,y,t) é o brilho, considera-se que: I(x,y,t) depende das coordenadas x,y da imagem. O brilho de cada pixel de um elemento em movimento não muda ao longo do tempo.

3 Detecção de Movimento: Fluxo Óptico Detecção de Movimento: Fluxo Óptico Se o objeto está se movendo no tempo dt e seu deslocamento é (dx,dy), então usando a série de Taylor: I ( x + dx, y + dy, t + dt) = I ( x, y, t) + dx + dy + dt +... x y t De acordo com a 2a. consideração: I ( x + dx, y + dy, t + dt) = I ( x, y, t) dx + dy + dt +... = 0 x y t Dividindo por dt tem-se a equação do fluxo óptico: u + v = x y t u = dx dt, v = dy dt - Utiliza vetores de fluxo de objetos em movimento no tempo - Complexidade computacional alta possível para processamento em tempo real apenas com hardware especializado. - Sensível a ruído. Detecção de Movimento: Localizando Elementos em Movimento Segmentação de uma cena em fundo (background) e elementos em movimento (foreground). Abordagens Baseada em modelo explícito utiliza um modelo detalhado e fixo de cada elemento na cena. Baseada em modelo implícito (mais flexível) utiliza modelos genéricos e criados dinamicamente. Subtração simples utilizando background fixo, a qual consiste em: Selecionar um único frame que não contenha objetos de interesse (em movimento) para representar o (fundo) background Subtrair o frame selecionado como fundo de um frame contendo objetos de interesse. Os pixels resultantes cujos valores sejam diferentes de zero são considerados como foreground. Problemas: Sensível a variação de iluminação da cena, ou pequenas variação relacionadas ao processo de aquisição (balanço e/ou tremor da câmera - jitter).

4 Exemplo subtração simples do fundo Exemplo subtração simples Background fixo Altamente dependente de um bom modelo do fundo Diferença temporal Consiste em calcular a diferença entre frame corrente e o n-ésimo frame anterior. Fornece contorno do objeto em movimento. Quanto maior o n mais espesso será o contorno. Diferença Temporal - Indicado para ambientes dinâmicos - Elementos apresentam buracos no interior.

5 Fundo fixo Abordagens Estatísticas Baumberg and Hogg modelam o background utilizando um filtro da mediana para cada pixel. Um limiar sob a diferença absoluta entre frames é utilizado para identificar o foreground. Haritaoglu et al. modelam a intensidade dos pixels do background usando valores de mínimo e máximo e a diferença máxima entre frames. Se a intensidade de um pixel está fora do modelo é classificado como foreground. Diferença de frames 5o. anterior Ridder et al. usam filtro de Kalman em cada pixel para modelar a intensidade e assim predizer o background, contudo os autores ainda utilizam um limiar sob a diferença absoluta entre frames para identificar o foreground. Stauffer and Grimson modelam a história de cada pixel (cor em espaço RGB) por uma mistura de Gaussianas. Abordagem Stauffer and Grimson Robusto à variações de iluminação. Absorve movimentos repetitivos na cena (exemplo: movimento de folhas das árvores). Bom desempenho para rastreamento em regiões complexas ou rastreamento de objetos lentos; Boa opção quando há entrada e saída de elementos na cena (atualização dinâmica do background). Detecção de elmentos em movimento Stauffer and Grimson: Mistura de Gaussinas?? Múltiplas Gaussianas são necessárias para compensar as diferentes interações entre os pixels do background e fatores da cena, tais como: Iluminação Sombras interações entre objetos Atualização das gaussianas acontece a cada frame. Cada frame contribui para as características do background, sendo que este tem variância menor que elementos em movimento. K t P( X ) = ω, N( X1, μ,, Σ, ) t i= 1 i t i t i t

6 Stauffer and Grimson: Mistura de Gaussinas Stauffer and Grimson: Peso e quantidade de Gaussinas Foreground? O que não for background será considerado foreground. Para cada pixel, distribuições que possuem variância menor são usualmente parte do background. Um número pré-definido de Gaussianas é utilizado (entre 3 e 5); Cada valor de pixel deve ser avaliado segundo todas as Gaussianas; Cada Gaussiana tem um peso que indica quão bem esta representa a história do pixel; Se um objeto torna-se estático por um longo período de tempo, este será eventualmente agregado ao background (o tempo denpende das características do objeto) Se um pixel corresponde a uma Guassiana então seu peso é incrementado e a Gaussiana atualizada; Se o peso cair abaixo de um limiar então a Gaussiana é eliminada. Se não acontece uma correspondência então uma nova Gaussiana é criada com um peso baixo. Stauffer and Grimson: Escolha do Espaço de Cor Stauffer and Grimson: Exemplo RGB é sensível a sombras; Segmentação utilizando Stauffer & Grimson O uso de um espaço de cores que separa intensidade da informação matiz (croma) é importante para tratar sombra e variações de iluminação. HSV ou YUV são utilizados com freqüência. - Região central dos elementos fragmentada movimento lento - Usando mistura de gaussianas - Exemplo A - Exemplo B

7 background/foreground - (Mckenna et al.) background/foreground - (Mckenna et al.) - Modelo para pixels baseado em informações do gradiente (Sobel) calculado com base em informações de cromaticidade. - Resultados para diferentes limiares calculados com base em desvio padrão (1, 2, 3, 5, e 10) 1) Subtração do fundo baseado em cor 2) Subtração baseada em gradiente (Sobel) 3) Combinação das anteriores 4) Depois de filtro da mediana 5) Segmentação 6) Agrupamento e bounding boxes background/foreground - (Elgammal et al.) background/foreground - (Elgammal et al.) Abordagem não paramétrica utiliza uma função kernel para estimar a probabilidade de um pixel ter uma determinada intensidade no tempo t. Resultados: Dia chuvoso Floresta Lente especial Kim et al. Modela background criando um codebook para cada pixel Diferente número de codewords. Características: cor e brilho Exemplo:

8 Como tratar o foreground? Rastreamento de Elementos (Tracking - abordagens) Pixels considerados foreground devem ser agrupados para formar objetos. Filtragem e algoritmo de detecção de componentes conexos normalmente são utilizados. O resultado é uma lista de objetos com tamanho e posição conhecidos. Baseado em regiões Background mantido dinamicamente e objetos em movimento detectados subtraindo background da imagem corrente. Baseado em contorno ativo Mais simples e mais eficiente Reduz complexidade computacional Precisão limitada a nível de contorno Rastreamento (Tracking): Acompanhar elementos em movimento no campo de visão da camera. Rastreamento de Elementos (Tracking - abordagens) Rastreamento de Elementos (Tracking) Baseado em características Globais: centróides, perímetros, áreas, cores,... Locais: segmentos de linhas e curvas, vértices. Grafos: distâncias e relações entre características. Baseado em modelos Utiliza modelos criados com conhecimento a priori do ambiente. Modelos baseados no corpo humano. Modelos de movimento. Modelos baseados em veículos. Problemas: Oclusão; Referenciar o mesmo objeto durante a trajetória; Possíveis Soluções: Predição do movimento; Função de Custo para identificar o elemento Filtro de Kalmann

9 Rastreamento de Elementos (Tracking Função Custo) Rastreamento de Elementos (Tracking Função Custo) Função de Custo dp é a distância dos centros de massa; ds é a diferença de tamanho; dd é a diferença de direção; dt é a diferença da persistência (Time To Live); wp, ws, wd são os respectivos pesos; Cada objeto do quadro anterior deve ser assimilado a região de movimento no quadro atual que lhe fornecer o menor custo; Predição do Movimento: O i s é a velocidade de deslocamento; S é um decremento de velocidade; R j é a região de movimento mais próxima ao objeto; O c é o ultimo centro conhecido pelo objeto A nova posição será dada por: O c = O c+ O s Rastreamento de Elementos Tracking: Filtro de Kalman Rudolph E. Kalman (1960) solução recursiva para a filtragem linear de dados discretos. Equações matemáticas implementam um preditor/corretor que minimiza o erro estimado para a covariância. Aplicado para tracking (Greg Welch, Gary Bishop) ( Rastreamento de Elementos Tracking: Filtro de Kalman Filtro de Kalman estima o estado do sistema em um dado tempo e então o realimenta com base na mensuração do ruído. Filtro de Kalman: (1) Equações p/atualização no Tempo Responsável por projetar no tempo o estado corrente e a estimativa de erro para obter uma estimativa a priori para o próximo passo. (2) Equações p/atualização de Medidas Realimentação de medidas incorpora novas medidas na estimativa a priori para obter uma estimativa melhorada (a posteriori).

10 Rastreamento de Elementos Tracking: Filtro de Kalman Classificação de eventos: Abordagens Ciclo do filtro Estado = centro de massa do elemento em movto. Com modelo explícito para cada tipo de movimento (Ramanan & Forsyth) Preditor Predição: projeta o estado estimado no tempo. Corretor Atualização: ajusta a estimativa com medidas realizadas no tempo projetado. Classificação de eventos: Abordagens Classificação de eventos: Abordagens Com modelo explícito para cada tipo de movimento (Ramanan & Forsyth) Exemplos: Vídeo 1 Video 2 Abordagem sem modelo específico para movto Exemplo (Hochulli at el.) Extração de características Seleção de características Implementação de classificador (KNN) Classificação de elementos em movimento como: eventos convencionais e não convencionais.

11 Classificação de eventos: Abordagem Hochulli at al. Extração de características que descrevem: elemento e/ou movimento; Exemplos de características para descrição do elemento: Globais: Área, Perímetro, Cor; Locais: Curvas, Contornos, traços; Classificação de eventos: Exemplo de características que descrevem o movimento: Dado um instante t da trajetória, extrai-se informações sobre: Velocidade; Posição Deslocamento; Variação da Direção e Consistência temporal. Gráficas: Distâncias, Geometria; Classificação de eventos: Classificação de eventos: Dividida em duas etapas: Treinamento: É a fase onde o sistema aprende o que é um movimento convencional ou não-convencional. É necessario a intervenção do usuário; Classificação: Com base no que foi ensinado na fase de treinamento, o sistema classifica novos movimentos automaticamente, sem a intervenção do usuário;

12 Classificação de eventos: Uma janela temporal determina o tempo de classificação do movimento; Durante este tempo é formado o Conjunto de Vetores de características que descrevem o movimento; Classificação de eventos: Uma vez rotulado os vetores do conjunto, é feita uma votação entre os vetores do conjunto para classificar o movimento como convencional ou não-convencional; Para cada vetor do conjunto é computado uma distância Euclidiana com os demais vetores da base (KNN); Vantagens: Metódo Simples e Direto; Desvantagens: Pode se tornar computacionalmente caro; Classificação de eventos: Continuidade HMM SVM SVM ONE-CLASS Máquinas de estado. Classificação de eventos: Ambiente 1 3 Tipos de eventos analisados: Andando; Correndo; ZigZag Taxa de Acerto: 77.20%; Características mais representativas: Velocidade; Direção;

13 Classificação de eventos: Ambiente 2 2 Tipos de eventos analisados Andando; Briga Simulada; Taxa de Acerto: 82.05% Características mais representativas: Posição; Deslocamento; Variação do Tamanho; Múltiplas Câmeras: Principais características Instalação Desempenho e custo Como cobrir uma região toda com o menor número de câmeras? Possibilidades: sobreposição dos campos de visão e câmeras espalhadas arbitrariamente. (Pavlidis, et al): Instala 1a. Câmera; Instala 2a. Câmera com 25%-50% sobreposição com o campo de visão da 1a. Cada nova câmera de ser instalada com 25%-50% de sobreposição com o campo de visão combinado das demais câmeras. Correspondência de Objetos Métodos baseados em geometria: características geométricas são projetadas em um mesmo espaço. Métodos baseados em reconhecimento: histograma de cores. Múltiplas Câmeras Múltiplas Câmeras Chaveamento entre câmeras Cai et al. determinam um índice de confidência para o rastreamento. Quando o índice está abaixo de um limiar o sistema procura pela câmera com mais alta confidência e a torna ativa. Fusão de dados Importante para tratamento de oclusão ou mesmo continuidade do rastreamento Depende do esquema de instalação das câmeras. Sistema com campos de visão sobrepostos Boyd et al. Campos de visão de múltiplas câmeras são transformados em um único campo de visão; Grimson et al. Conjunto de câmaras espalhadas arbitrariamente em um ambiente Determina automaticamente como mapear os campos de visão locais em um campo de visão coerente Classifica as atividades monitoradas. Huang & Russell Tenta encontrar o mesmo veículo nos diferentes campos de visão para efetuar contagem e monitorar o tempo. Utiliza aparência e considera a posição das câmeras ao longo do caminho simples a ser monitorado; Considera objetos com movimento determinístico, exceto objetos que entram e deixam o ambiente.

14 Múltiplas Câmeras Múltiplas Câmeras Câmeras em posições arbitrárias Kettnaker & Zabih Sistemas múltiplas câmeras não considera sobreposição nem caminho simples (determinístico); Câmeras em sistema de corredores objetos com caminhos arbitrários Pedestres podem escolher o caminho (não determinístico); Sistema é capaz de reconstruir o caminho de todos os objetos. Possível aplicação: planejamento de tráfego. Caminho não determinístico e não sobreposição de campos de visão (Kettnaker & Zabih) Múltiplas Câmeras Múltiplas Câmeras Esquema proposto em (Xu et al.) Detecção e rastreamento de jogadores Filtro de Kalmann (a partir do campo de visão de uma câmera)

15 Múltiplas Câmeras Múltiplas Câmeras Rastreamento de cada jogador é atualizado com base em medidas das várias câmeras. A atualização é realizada com base nas medidas dos K-vizinhos mais próximos. Futuro??? Contato Combinação de monitoramento de vídeo e identificação de pessoas (Biometria). Classificação de comportamentos Detecção de anormalias e predição de comportamento. Alessandro L. Koerich Alceu de Souza Britto Jr

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado

Leia mais

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia mais

Aula 5 - Classificação

Aula 5 - Classificação AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente

Leia mais

Processamento de Imagens COS756 / COC603

Processamento de Imagens COS756 / COC603 Processamento de Imagens COS756 / COC603 aula 03 - operações no domínio espacial Antonio Oliveira Ricardo Marroquim 1 / 38 aula de hoje operações no domínio espacial overview imagem digital operações no

Leia mais

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos

Leia mais

Rastreamento de Múltiplos. Objetos em Tempo Real

Rastreamento de Múltiplos. Objetos em Tempo Real Rastreamento de Múltiplos Objetos em Tempo Real THIAGO DA ROSA DE BUSTAMANTE 1 UFMG - Universidade Federal de Minas Gerais, Av. Antônio Carlos, 667 Pampulha - Belo Horizonte, MG, Brasil trb@dcc.ufmg.br

Leia mais

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões

Leia mais

Encontrando a Linha Divisória: Detecção de Bordas

Encontrando a Linha Divisória: Detecção de Bordas CAPÍTULO 1 Encontrando a Linha Divisória: Detecção de Bordas Contribuíram: Daniela Marta Seara, Geovani Cássia da Silva Espezim Elizandro Encontrar Bordas também é Segmentar A visão computacional envolve

Leia mais

Classificação de Imagens

Classificação de Imagens Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,

Leia mais

Introdução. Uso do disco Vantagens Desvantagens Baixo custo, facilidade de manutenção do software e do hardware, simetria e flexibilidade

Introdução. Uso do disco Vantagens Desvantagens Baixo custo, facilidade de manutenção do software e do hardware, simetria e flexibilidade Introdução É sabido que os processos rodam em processadores. Nos sistemas tradicionais existe somente um único processador, de forma que não há dúvida a respeito de como ele deve ser usado. Em um sistema

Leia mais

2 Estudo dos Acoplamentos

2 Estudo dos Acoplamentos 24 2 Estudo dos Acoplamentos Um problema acoplado é aquele em que dois ou mais sistemas físicos interagem entre si e cujo acoplamento pode ocorrer através de diferentes graus de interação (Zienkiewicz

Leia mais

Artigo publicado. na edição 18. www.revistamundologistica.com.br. Assine a revista através do nosso site. setembro e outobro de 2011

Artigo publicado. na edição 18. www.revistamundologistica.com.br. Assine a revista através do nosso site. setembro e outobro de 2011 Artigo publicado na edição 18 Assine a revista através do nosso site setembro e outobro de 2011 www.revistamundologistica.com.br :: artigo Cálculo do estoque de segurança as suas diferentes abordagens

Leia mais

Sistemas Inteligentes. Aula: Agentes Inteligentes Flávia Barros & Patricia Tedesco

Sistemas Inteligentes. Aula: Agentes Inteligentes Flávia Barros & Patricia Tedesco Sistemas Inteligentes Aula: Agentes Inteligentes Flávia Barros & Patricia Tedesco 1 Ao final desta aula a gente deve... Entender o que é um Agente Racional (inteligente)? Distinguir entre os vários tipos

Leia mais

VCA Treinamento em Algoritmo

VCA Treinamento em Algoritmo Conteúdo VCA Treinamento em Algoritmo VCA Treinamento em Algoritmo Conteúdo Algoritmos Rastreador (tracker) Monitoramento Objeto Abandonado/Removido Pessoas Calibração Classificação Linha de contagem Auto

Leia mais

CAPÍTULO I 1 INTRODUÇÃO 1.1 CONSIDERAÇÕES INICIAIS

CAPÍTULO I 1 INTRODUÇÃO 1.1 CONSIDERAÇÕES INICIAIS 20 CAPÍTULO I 1 INTRODUÇÃO 1.1 CONSIDERAÇÕES INICIAIS A Fotogrametria é uma sub-área das Ciências Geodésicas e abrange grande parte de todo o processo de compilação de mapas. Atualmente, a Fotogrametria

Leia mais

Rastreamento de Objetos por Similaridade de Características: Uma Aplicação para Compressão e Indexação de Vídeos

Rastreamento de Objetos por Similaridade de Características: Uma Aplicação para Compressão e Indexação de Vídeos Rastreamento de Objetos por Similaridade de Características: Uma Aplicação para Compressão e Indexação de Vídeos Trabalho de Conclusão de Curso Engenharia da Computação Aluno: André Hermenegildo do Nascimento

Leia mais

Morfologia Matemática Binária

Morfologia Matemática Binária Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária

Leia mais

2 Classificação de Imagens de Sensoriamento Remoto

2 Classificação de Imagens de Sensoriamento Remoto 2 Classificação de Imagens de Sensoriamento Remoto 2.1. Processamento Digital de Imagens Processamento Digital de Imagens entende-se como a manipulação de uma imagem por computador de modo que a entrada

Leia mais

CONTAGEM AUTOMÁTICA DE PESSOAS EM CENAS DE VÍDEO USANDO VISÃO COMPUTACIONAL

CONTAGEM AUTOMÁTICA DE PESSOAS EM CENAS DE VÍDEO USANDO VISÃO COMPUTACIONAL JAIME DALLA VALLE JUNIOR CONTAGEM AUTOMÁTICA DE PESSOAS EM CENAS DE VÍDEO USANDO VISÃO COMPUTACIONAL Dissertação apresentada ao Programa de Pós-Graduação em Informática da Pontifícia Universidade Católica

Leia mais

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

Leia mais

Sistema Computacional para Contagem Automática de Pessoas Baseado em Análise de Seqüências de Imagens

Sistema Computacional para Contagem Automática de Pessoas Baseado em Análise de Seqüências de Imagens LEILA SILVIA DA SILVA Sistema Computacional para Contagem Automática de Pessoas Baseado em Análise de Seqüências de Imagens Dissertação de mestrado apresentada ao Curso de Mestrado em Modelagem Matemática

Leia mais

APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO

APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO ESTÁGIO DOCÊNCIA ALUNA: ADRIANA AFFONSO (PROGRAMA DE PÓS- GRADUAÇÃO NO INPE MESTRADO EM SENSORIAMENTO REMOTO) ORIENTADOR: PROF. DR.

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos

Leia mais

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior Simulação Gráfica Morfologia Matemática Julio C. S. Jacques Junior Morfologia Palavra denota uma área da biologia que trata com a forma e a estrutura de animais e plantas. No contexto de Morfologia Matemática:

Leia mais

ESTEREOSCOPIA INTRODUÇÃO. Conversão de um par de imagens (a)-(b) em um mapa de profundidade (c)

ESTEREOSCOPIA INTRODUÇÃO. Conversão de um par de imagens (a)-(b) em um mapa de profundidade (c) ESTEREOSCOPIA INTRODUÇÃO Visão estereoscópica se refere à habilidade de inferir informações da estrutura 3-D e de distâncias da cena de duas ou mais imagens tomadas de posições diferentes. Conversão de

Leia mais

Capítulo 5 Filtragem de Imagens

Capítulo 5 Filtragem de Imagens Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;

Leia mais

Comparativo entre métodos de controle de demanda: qual o mais eficiente para o usuário nacional?

Comparativo entre métodos de controle de demanda: qual o mais eficiente para o usuário nacional? Comparativo entre métodos de controle de demanda: qual o mais eficiente para o usuário nacional? Mauricio R.Suppa (GESTAL Ltda) Marcos Iuquinori Terada (GESTAL Ltda) Afim de se obter o máximo aproveitamento

Leia mais

Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes

Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

2 Texturas com Relevo e Equações de Pré Warping

2 Texturas com Relevo e Equações de Pré Warping 2 Texturas com Relevo e Equações de Pré Warping A noção de warping de imagens é fundamental para o entendimento da técnica abordada nesta dissertação. Este capítulo apresenta definições formais para vários

Leia mais

Trabalho 2 Fundamentos de computação Gráfica

Trabalho 2 Fundamentos de computação Gráfica Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Algoritmo k Means Mestrado/Doutorado em Informática (PPGIa) Pontifícia Universidade Católica do Paraná (PUCPR) 2 Problema do Agrupamento Seja x = (x 1, x 2,,

Leia mais

Optimização de um Mundo Virtual

Optimização de um Mundo Virtual secção 3.2 Optimização de um Mundo Virtual Dadas as limitações impostas pela actual tecnologia, um mundo virtual que não seja cuidadosamente optimizado torna-se necessariamente demasiado lento para captar

Leia mais

Universidade de Brasília Instituto de Ciências Exatas Departamento de Ciência da Computação

Universidade de Brasília Instituto de Ciências Exatas Departamento de Ciência da Computação Universidade de Brasília Instituto de Ciências Exatas Departamento de Ciência da Computação Monitoramento de Tráfego Veicular Terrestre Usando Análise de Movimento em Imagens Sequenciais Esther Arraes

Leia mais

Medindo a Produtividade do Desenvolvimento de Aplicativos

Medindo a Produtividade do Desenvolvimento de Aplicativos Medindo a Produtividade do Desenvolvimento de Aplicativos Por Allan J. Albrecht Proc. Joint SHARE/GUIDE/IBM Application Development Symposium (October, 1979), 83-92 IBM Corporation, White Plains, New York

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

Introdução. Capítulo. 1.1 Considerações Iniciais

Introdução. Capítulo. 1.1 Considerações Iniciais Capítulo 1 Introdução 1.1 Considerações Iniciais A face humana é uma imagem fascinante, serve de infinita inspiração a artistas há milhares de anos. Uma das primeiras e mais importantes habilidades humanas

Leia mais

Marcelo K. Albertini. 17 de Abril de 2014

Marcelo K. Albertini. 17 de Abril de 2014 Introdução a Mineração de Dados Marcelo K. Albertini 17 de Abril de 2014 2/1 Organização do curso Prof. Marcelo Keese Albertini Sala: Bloco 1A - sala 1A230 Horário de atendimento: Sexta-feira 14h-17h ou

Leia mais

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

Projetivo para Cálculo de Dimensões de Caixas em Tempo Real

Projetivo para Cálculo de Dimensões de Caixas em Tempo Real Um Método M Projetivo para Cálculo de Dimensões de Caixas em Tempo Real Leandro A. F. Fernandes laffernandes@inf.ufrgs.br Manuel M. Oliveira oliveira@inf.ufrgs.br (orientador) Grupo de Computação Gráfica

Leia mais

Modelos Pioneiros de Aprendizado

Modelos Pioneiros de Aprendizado Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

Gerência de Memória. Paginação

Gerência de Memória. Paginação Gerência de Memória Paginação Endereçamento Virtual (1) O programa usa endereços virtuais É necessário HW para traduzir cada endereço virtual em endereço físico MMU: Memory Management Unit Normalmente

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

Rendering. Por Angelo Luz

Rendering. Por Angelo Luz Rendering Por Angelo Luz Sumário O que é Rendering? Qual a utilidade? Alguns Componentes do Rendering Técnicas mais utilizadas Métodos de utilização O que é Rendering? Rendering é o processo de criação

Leia mais

Classificação: Determinístico

Classificação: Determinístico Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos

Leia mais

Óptica Geométrica: Óptica de raios com matrizes

Óptica Geométrica: Óptica de raios com matrizes Óptica 0/007 UFRJ - IF Prof. Paulo H. S. Ribeiro Óptica Geométrica: Óptica de raios com matrizes Aula 4 Adriano Henrique de Oliveira Aragão Sumário Ótica Geométrica: postulados Princípio de Fermat A equação

Leia mais

PP 301 Engenharia de Reservatórios I 11/05/2011

PP 301 Engenharia de Reservatórios I 11/05/2011 PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo

Leia mais

Ferramenta para detecção de fadiga em motoristas baseada no monitoramento dos olhos

Ferramenta para detecção de fadiga em motoristas baseada no monitoramento dos olhos Ferramenta para detecção de fadiga em motoristas baseada no monitoramento dos olhos Rafael Dattinger Acadêmico Dalton Solano dos Reis - Orientador Roteiro Introdução/Objetivos Fundamentação teórica Desenvolvimento

Leia mais

2 Pesquisa Bibliográfica

2 Pesquisa Bibliográfica 2 Pesquisa Bibliográfica As estratégias para detecção de conteúdo relevante podem ser divididas em duas abordagens: orientada a site e orientada a página. A primeira técnica utiliza várias páginas de um

Leia mais

Frederico Damasceno Bortoloti. Adaptado de: Claudio Esperança Paulo Roma Cavalcanti

Frederico Damasceno Bortoloti. Adaptado de: Claudio Esperança Paulo Roma Cavalcanti Fundamentos de Representação Gráfica Frederico Damasceno Bortoloti Adaptado de: Claudio Esperança Paulo Roma Cavalcanti Estrutura do Curso Avaliação através de Prova Estudo / Seminário Nota parcial NP

Leia mais

Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática. Coordenação de Pós-Graduação em Informática

Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática. Coordenação de Pós-Graduação em Informática Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Coordenação de Pós-Graduação em Informática Segmentação, Rastreamento de Objetos e Detecção de Eventos Primitivos com

Leia mais

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA DEPARTAMENTO DE ENGENHARIA ELÉTRICA ELETRÔNICA SÉRIE DE EXERCÍCIO #A22 (1) O circuito a seguir amplifica a diferença de

Leia mais

[Fingerprint Recognition]

[Fingerprint Recognition] Mestrado em Engenharia de Segurança Informática Tecnologias Biométricas Pedro Santos santos.pmcm@gmail.com 12065 Filipe Vieira fil.vieira@gmail.com 12049 Rui Pereira ruipereira.eng@gmail.com 12061 Docente

Leia mais

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem

Leia mais

Memória - Gerenciamento. Sistemas Operacionais - Professor Machado

Memória - Gerenciamento. Sistemas Operacionais - Professor Machado Memória - Gerenciamento Sistemas Operacionais - Professor Machado 1 Partes físicas associadas à memória Memória RAM Memória ROM Cache MMU (Memory Management Unit) Processador Tabela de Páginas TLB 2 Conceitos

Leia mais

2. NÍVEL DE SISTEMA OPERACIONAL

2. NÍVEL DE SISTEMA OPERACIONAL 2. NÍVEL DE SISTEMA OPERACIONAL Nos períodos anteriores foram mostrados os níveis iniciais da organização de um computador, quando vimos em Circuitos Digitais os detalhes do Nível 0 (zero) de Lógica Digital.

Leia mais

Explodindo montagens

Explodindo montagens Explodindo montagens Número da Publicação spse01691 Explodindo montagens Número da Publicação spse01691 Notificação de Direitos Limitados e de Propriedade Este software e a documentação relacionada são

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

Sistemas de Tempo Real: Conceitos Básicos

Sistemas de Tempo Real: Conceitos Básicos Escola de Computação 2000 - IME-USP Sistemas de Tempo Real: Conceitos Básicos Jean-Marie Farines Joni da Silva Fraga Rômulo Silva de Oliveira LCMI - Laboratório de Controle e Microinformática DAS - Departamento

Leia mais

Representação por Números Reais

Representação por Números Reais Representação por Números Reais Cromossomas expressam valores através de números reais (ponto flutuante) e não em binário Para apresentarmos essa representação vamos introduzir o conceito de hibridização

Leia mais

Avaliação de Desempenho de Sistemas

Avaliação de Desempenho de Sistemas Avaliação de Desempenho de Sistemas Introdução a Avaliação de Desempenho de Sistemas Prof. Othon M. N. Batista othonb@yahoo.com Roteiro Definição de Sistema Exemplo de Sistema: Agência Bancária Questões

Leia mais

Memória cache. Prof. Francisco Adelton

Memória cache. Prof. Francisco Adelton Memória cache Prof. Francisco Adelton Memória Cache Seu uso visa obter uma velocidade de acesso à memória próxima da velocidade das memórias mais rápidas e, ao mesmo tempo, disponibilizar no sistema uma

Leia mais

CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT CURSO DE TECNOLOGIA EM SISTEMAS DE INFORMAÇÃO

CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT CURSO DE TECNOLOGIA EM SISTEMAS DE INFORMAÇÃO UNIVERSIDADE DO ESTADO DE SANTA CATARINA CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT CURSO DE TECNOLOGIA EM SISTEMAS DE INFORMAÇÃO PLANEJAMENTO DE PROCESSOS ASSISTIDO POR COMPUTADOR CAPP (COMPUTER AIDED PROCESS

Leia mais

Variabilidade do processo

Variabilidade do processo Variabilidade do processo Em todo processo é natural encontrar certa quantidade de variabilidade. Processo sob controle estatístico: variabilidade natural por causas aleatórias Processo fora de controle:

Leia mais

Problema. Conversão Matricial. Octantes do Sistema de Coordenadas Euclidiano. Sistema de Coordenadas do Dispositivo. Maria Cristina F.

Problema. Conversão Matricial. Octantes do Sistema de Coordenadas Euclidiano. Sistema de Coordenadas do Dispositivo. Maria Cristina F. Problema Conversão Matricial Maria Cristina F. de Oliveira Traçar primitivas geométricas (segmentos de reta, polígonos, circunferências, elipses, curvas,...) no dispositivo matricial rastering = conversão

Leia mais

Codificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão)

Codificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão) Tópico: Vídeo (Codificação + Compressão) Um vídeo pode ser considerado como uma seqüência de imagens estáticas (quadros). Cada um desses quadros pode ser codificado usando as mesmas técnicas empregadas

Leia mais

Ementas Disciplinas Obrigatórias

Ementas Disciplinas Obrigatórias Ementas Disciplinas Obrigatórias INFORMÁTICA Algoritmos I Resolução de problemas e desenvolvimento de algoritmos: análise do problema, estratégias de solução e representação. Estruturação e modularização.

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução ao Processamento de Imagens Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais).

Leia mais

Capítulo 5: Aplicações da Derivada

Capítulo 5: Aplicações da Derivada Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f

Leia mais

Redes Neurais Artificiais: Funções de Base Radial

Redes Neurais Artificiais: Funções de Base Radial Treinamento COELCE CEFET UFC MÓDULO II 2008.1 Redes Neurais Artificiais: Funções de Base Radial Prof. Dr. Guilherme de Alencar Barreto Depto. Engenharia de Teleinformática (DETI/UFC) URL: www.deti.ufc.br/~guilherme

Leia mais

Scale-Invariant Feature Transform

Scale-Invariant Feature Transform Scale-Invariant Feature Transform Renato Madureira de Farias renatomdf@gmail.com Prof. Ricardo Marroquim Relatório para Introdução ao Processamento de Imagens (COS756) Universidade Federal do Rio de Janeiro,

Leia mais

Medição tridimensional

Medição tridimensional A U A UL LA Medição tridimensional Um problema O controle de qualidade dimensional é tão antigo quanto a própria indústria, mas somente nas últimas décadas vem ocupando a importante posição que lhe cabe.

Leia mais

Capítulo 5. Figura 5.2. Conector para o monitor.

Capítulo 5. Figura 5.2. Conector para o monitor. Capítulo 5 Placas de vídeo Visão geral das placas de vídeo Esta placa está presente em todos os PCs, exceto nos que possuem placas de CPU com os circuitos de vídeo embutidos. A maioria dos PCs produzidos

Leia mais

Como os Modelos Atuais Podem Combater Novas Formas de Fraude?

Como os Modelos Atuais Podem Combater Novas Formas de Fraude? Como os Modelos Atuais Podem Combater Novas Formas de Fraude? Uma camada adaptativa, que aprende novos padrões de fraude, pode ser adicionada ao modelo para melhorar a sua capacidade de detecção Número

Leia mais

Introdução sobre o Tempo Real

Introdução sobre o Tempo Real Capítulo 1 Introdução sobre o Tempo Real Esse capítulo visa esclarecer o entendimento de tempo real dos autores, definir conceitualmente os Sistemas de Tempo Real e apresentar os problemas e desafios que

Leia mais

Planificação de. Aplicações Informáticas B

Planificação de. Aplicações Informáticas B Escola básica e secundária de Velas Planificação de Aplicações Informáticas B Ano letivo 2011/2012 1- Introdução à Programação Planificação de Aplicações Informáticas B Unidade Sub-Unidades Objetivos Conteúdos

Leia mais

Algoritmos de Subtração Básica de Fundo

Algoritmos de Subtração Básica de Fundo Algoritmos de Subtração Básica de Fundo Leonardo Ronald Perin Rauta leonardorauta@univali.br UNIVALI Anita Maria da Rocha Fernandes anita.fernandes@univali.br UNIVALI Resumo:Algoritmos de subtração de

Leia mais

Redes Neurais. A IA clássica segue o paradigma da computação simbólica

Redes Neurais. A IA clássica segue o paradigma da computação simbólica Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência

Leia mais

de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos

de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Descrição da precipitação pluviométrica no munícipio de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Idemauro Antonio Rodrigues de Lara 1 Renata Alcarde 2 Sônia Maria De

Leia mais

Organização de Computadores 1

Organização de Computadores 1 Organização de Computadores 1 5 CONJUNTO DE INSTRUÇÕES Prof. Luiz Gustavo A. Martins Introdução O que é um conjunto de instruções? Coleção completa das instruções que a CPU é capaz de executar (entende).

Leia mais

UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA BACHARELADO EM ENGENHARIA DE COMPUTAÇÃO JOSÉ FERREIRA DA COSTA NETO

UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA BACHARELADO EM ENGENHARIA DE COMPUTAÇÃO JOSÉ FERREIRA DA COSTA NETO UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA BACHARELADO EM ENGENHARIA DE COMPUTAÇÃO JOSÉ FERREIRA DA COSTA NETO DESENVOLVIMENTO DE UM SISTEMA AFERIDOR DE VELOCIDADE DE VEÍCULOS UTILIZANDO TÉCNICAS DE COMPUTAÇÃO

Leia mais

COBERTURA EM UMA REDE DE SENSORES SEM FIO

COBERTURA EM UMA REDE DE SENSORES SEM FIO COBERTURA EM UMA REDE DE SENSORES SEM FIO Vivian Lúcia Bittencourt Drumond Universidade Presidente Antônio Carlos Rodovia MG 368 KM 12 Colônia Rodrigo Silva Barbacena Minas Gerais Brasil viviandrumond@yahoo.com.br

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

Ferramentas da Qualidade. Professor: Fabrício Maciel Gomes fmgomes@usp.br

Ferramentas da Qualidade. Professor: Fabrício Maciel Gomes fmgomes@usp.br Ferramentas da Qualidade Professor: Fabrício Maciel Gomes fmgomes@usp.br ABORDAGENS DA QUALIDADE ABORDAGENS DA QUALIDADE Desde que a Qualidade se tornou um atributo do processo produtivo, ela vem sendo

Leia mais

Operações Pontuais. Guillermo Cámara-Chávez

Operações Pontuais. Guillermo Cámara-Chávez Operações Pontuais Guillermo Cámara-Chávez Um modelo simples de formação de uma imagem Para que a imagem de uma cena real possa ser processada ou armazenda na forma digital deve passar por dois processos

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM E SIMULAÇÃO MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Terminologia Básica Utilizada em de Sistemas Terminologia Básica Uma série de termos

Leia mais

Engenharia de Software

Engenharia de Software Engenharia de Software 2.1 Capítulo 2 QUALIDADE DE SOFTWARE 1. INTRODUÇÃO Como foi mencionado no capítulo anterior, o papel da Engenharia de Software é, principalmente, fornecer métodos e ferramentas para

Leia mais

Gerenciador de portas de Switch (es)

Gerenciador de portas de Switch (es) Benefícios para os Negócios Controle Automatizado de Acesso a Portas de Switch(es) de Rede e Hosts Finais A capacidade de planejamento ao acompanhar portas livres, em uso e definidas por usuário. Encontre

Leia mais

4 Avaliação Experimental

4 Avaliação Experimental 4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre

Leia mais

Ajuste de Curvas. Ajuste de Curvas

Ajuste de Curvas. Ajuste de Curvas Ajuste de Curvas 2 AJUSTE DE CURVAS Em matemática e estatística aplicada existem muitas situações em que conhecemos uma tabela de pontos (x; y). Nessa tabela os valores de y são obtidos experimentalmente

Leia mais

Filtragem de imagens fixas usando Matlab

Filtragem de imagens fixas usando Matlab Televisão digital EEC5270 Relatório Filtragem de imagens fixas usando Matlab Bruno Filipe Sobral de Oliveira - ee01084@fe.up.pt Filipe Tiago Alves de Magalhães - ee01123@fe.up.pt Porto, 20 de Novembro

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

implementação Nuno Ferreira Neves Faculdade de Ciências de Universidade de Lisboa Fernando Ramos, Nuno Neves, Sistemas Operativos, 2014 2015

implementação Nuno Ferreira Neves Faculdade de Ciências de Universidade de Lisboa Fernando Ramos, Nuno Neves, Sistemas Operativos, 2014 2015 Sistemas de ficheiros: implementação Nuno Ferreira Neves Faculdade de Ciências de Universidade de Lisboa Objetivos da aula Descrever algunsdetalhes daimplementação deumsistema de ficheiros Discutir algoritmos

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Reconhecimento de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superior de Tecnologia Engenharia Informática Reconhecimento de Padrões Prof. João Ascenso e Prof.

Leia mais

Agentes Inteligentes. Inteligência Artificial. Exemplos. Agentes Inteligentes. Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com

Agentes Inteligentes. Inteligência Artificial. Exemplos. Agentes Inteligentes. Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Agentes Inteligentes Inteligência Artificial Um agente é algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores. Agente Prof. Ms. Luiz Alberto Contato:

Leia mais

Índice de conteúdos. Índice de conteúdos. Capítulo 6. Modelação e Simulação de Sistemas...1. 1.A simulação de sistemas...1. 1.1.Definição...

Índice de conteúdos. Índice de conteúdos. Capítulo 6. Modelação e Simulação de Sistemas...1. 1.A simulação de sistemas...1. 1.1.Definição... Índice de conteúdos Índice de conteúdos Capítulo 6. Modelação e Simulação de Sistemas...1 1.A simulação de sistemas...1 1.1.Definição...1 1.2.As razões de usar modelos de simulação...2 2.Modelos de simulação...4

Leia mais

Banco de Dados Orientado a Objetos

Banco de Dados Orientado a Objetos Banco de Dados Orientado a Objetos MODELAGEM, ANÁLISE, PROJETO e CLASSIFICAÇÃO Interação combinando lógica, através de objetos que contém os dados. Estes divididos conforme seus tipos e métodos (classe),

Leia mais