Reconhecimento Automático de Placas de Veículos

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Reconhecimento Automático de Placas de Veículos"

Transcrição

1 Reconhecimento Automático de Placas de Veículos Vinicius Bergoli Trentini, Lucas Antonio Toledo Godoy, Aparecido Nilceu Marana Universidade Estadual Paulista - UNESP (Campus de Bauru) Faculdade de Ciências - Departamento de Computação Resumo A utilização das placas para o monitoramento e a identificação de veículos trafegando em determinadas áreas é um importante recurso, pois além das placas representarem um atributo único e indivisível para os automóveis, elas estão plenamente visíveis e a mercê de uma possível checagem, sem haver a necessidade da colaboração dos proprietários dos veículos (em oposição ao número do chassi, por exemplo). Neste artigo são apresentados resultados obtidos por um sistema de visão computacional desenvolvido para o reconhecimento automático de placas de veículos em um ambiente externo, capturadas por câmeras de vídeo convencionais. As imagens capturadas pela câmera são pré-processadas para melhorar suas qualidades (removendo-se possíveis ruídos) e visando o tratamento dos efeitos das perspectivas geométricas com as quais as placas se apresentam nas imagens. Além disso, os tamanhos das placas são padronizados por meio de correções de escala para, então, terem os seus caracteres segmentados e reconhecidos por um classificador. O desempenho do sistema foi avaliado utilizando-se imagens de vídeos obtidos em um cenário real, na portaria de um condomínio residencial. Resultados experimentais obtidos indicam que o sistema consegue ter êxito mesmo em condições pouco favoráveis e com a utilização de câmeras de baixa resolução. 1. Motivação Devido ao crescente número de veículos trafegando pelos centros urbanos, torna-se cada vez mais necessário o controle dos automóveis que passam por determinados lugares, a fim de se manter a ordem e até mesmo a segurança de tais locais caso algo imprevisto venha a ocorrer. Para que isso fique assegurado, é essencial que algum tipo de controle seja implementado e uma maneira eficaz de se empregar tal controle é a fiscalização de quais veículos trafegaram por determinados locais durante um dado momento. Constituída, em geral, por um retângulo de metal com caracteres alfanuméricos e cores ao fundo, a placa funciona como um padrão de identificação para os veículos. Para os seres humanos, a localização de placas de veículos em imagens é uma tarefa natural e fácil, mesmo em condições ruins de visibilidade ou conservação da própria placa. Também é natural ao ser humano, a capacidade de diferenciar informações (no caso, imagens) as quais são, sob seu ponto de vista, visivelmente falsas. Entretanto, para sistemas de visão computacional a localização de uma placa em uma imagem com fundo heterogêneo é uma tarefa complexa, pois em geral o processamento é realizado pixel a pixel, utilizando processamento sequencial. Durante o processamento, podem ser localizados muitos padrões falsos positivos que podem estar contidos na imagem. A segmentação e o reconhecimento da placa de um automóvel, a partir de sua imagem, representam um importante recurso em sistemas em que é feito o monitoramento automático desses, pois dessa forma, é possível guardar sua informação mais relevante e mais descritiva. No entanto, a segmentação e o posterior reconhecimento de uma imagem não é algo elementar e existem várias técnicas bastante complexas que podem ser empregadas, as quais oferecem diferentes soluções para o problema utilizando-se de diferentes métodos [8]. Um ser humano devidamente treinado necessita de um tempo da ordem de 5 segundos para conseguir identificar a placa de um automóvel, para, posteriormente, inseri-la em um sistema [1], tempo este que, para ambientes de fluxo intenso de veículos, é inviável. Tendo em vista o contexto apresentado, é fácil concluir que seria bastante funcional um sistema que, dado um ambiente em que o fluxo de automóveis é monitorado por uma câmera, pudesse segmentar as informações relevantes, ou seja, um sistema que pudesse segmentar as placas dos veículos a partir das imagens de vídeo capturadas e, posteriormente, realizar o reconhecimento dos caracteres alfanuméricos que compõem a placa. Daí a motivação para o desenvolvimento do sistema proposto nesse artigo. 2. Pré-processamento da imagem Como as imagens utilizadas pelos computadores são capturadas por outros dispositivos como, por exemplo, câmeras fotográficas ou câmeras de vídeo, elas estão passíveis a erros na captura e posterior representação digital. 267

2 Para que as fases de processamento de imagens possam executar suas tarefas de maneira eficiente e, sobretudo, eficaz, uma fase de pré-processamento pode ser realizada antes do início da segmentação, fase esta responsável por efetuar correções de distorções geométricas as quais foram geradas no momento da captura e também efetuar a eliminação de ruídos [2]. A fase de pré-processamento da imagem pode ser considerada como uma fase preparatória para o processo de localização e reconhecimento em si. Dessa forma, logo após a captura da imagem de entrada (a qual, trata-se de um quadro de vídeo), são realizados alguns tratamentos com o objetivo de deixá-la com a melhor qualidade possível. Primeiramente, transforma-se o padrão de cores da imagem de entrada de RGB para escala de cinza. Tal transformação é necessária tanto para tornar o problema mais simples, quanto para melhorar a acurácia dos resultados nas fases seguintes. Logo após a conversão é aplicado um filtro Smooth [7] no domínio da imagem, que tem por objetivo a suavização da imagem para a eliminação de ruídos. O resultado dessa filtragem é uma imagem borrada em relação à original. No entanto, são eliminadas certas saliências e reentrâncias as quais atrapalham o processo de localização da placa. Após a suavização, realiza-se uma detecção de bordas. Para tanto, aplicase o operador de Canny, citado na literatura especializada como um detector de bordas ótimo [7]. A sequência de imagens apresentada na Figura 1 ilustra os resultados da aplicação dos filtros de suavização e de detecção de bordas. (a) (b) 3. Localização da placa As placas dos automóveis possuem padrões intrínsecos a elas, fruto da padronização imposta a todos os veículos circulantes. A Figura 2 mostra a padronização vigente para as placas de automóveis brasileiros [6]. Sabendo-se da existência dessa padronização, a maioria das abordagens em localização de placas de veículos procura por determinados padrões espaciais nas imagens, tais como a forma da placa, a concentração ou os agrupamentos de cores, a textura, as sequências de caracteres pré-determinadas ou ainda as assinaturas e as variações em escala cinza [3]. Além da procura por padrões numa cena, os quais caracterizam uma placa de automóvel, os algoritmos de segmentação aplicados às placas devem ser robustos o suficiente a ponto de serem capazes de contornar problemas de visualização das placas, do mesmo modo que o ser humano é capaz de fazê-lo. Por exemplo, podem ocorrer situações em que a placa do automóvel apresenta-se encoberta por neblina [4], o que dificulta a visualização da mesma, ou, então, devido à ação do tempo, a placa pode encontrar-se deteriorada. (c) Figura 1: (a) Imagem original; (b) Imagem após a aplicação do filtro de suavização; (c) Imagem obtida após a detecção de bordas. Figura 2: Padronização imposta às placas de automóveis brasileiros [6]. 268

3 É claro que existem situações nas quais nem mesmo os seres humanos conseguem realizar a identificação de uma placa como, por exemplo, quando o automóvel está envolto por uma densa neblina ou, então, quando a placa de um veículo encontra-se tão desgastada de tal forma que seja impossível sua identificação. Tais casos não exigem embora seja desejável que o algoritmo seja capaz de realizar o processo de segmentação com sucesso, devido à grande dificuldade e complexidade contida no processo, apesar dos computadores nos fornecerem recursos de velocidade e de processamento que os seres humanos não possuem e que podem ser explorados. Visto que as placas possuem características geométricas exclusivas, como forma e proporções de comprimento e altura, o uso de técnicas de segmentação focadas em operadores geométricos mostra-se bastante interessante. Assim, a busca pela placa do automóvel em uma imagem resume-se na procura por uma figura geométrica retangular a qual respeite as características de uma placa de automóvel. Tal método é invariante à luminosidade, já que se limita à busca de uma forma geométrica e também pode contornar o problema da visão lateral após alguns tratamentos simples para a retirada da perspectiva (casos em que a placa não é visualizada exatamente de frente causam distorções nas formas dos caracteres). Para que o efeito da perspectiva possa ser retirado, faz-se necessário um reposicionamento dos pixels na imagem. A bibliografia especializada cita especificamente três abordagens as quais atingem tais objetivos. São elas: a translação, a rotação e o scaling [9]. No entanto, somente o reposicionamento dos pixels não é suficiente, pois com a simples aplicação de uma matriz de transformação um pixel pode sobrepor outro e há posições em que nenhum pixel pode ser alocado, gerando posições não alocadas na imagem de saída. Faz-se então necessário aplicar uma interpolação dos pixels vizinhos, com o objetivo de se preencher os espaços não alocados na vizinhança dos pixels. Com a correção da perspectiva realizada, parte-se então para a localização da placa e, para isso, é utilizada a aproximação Douglas-Peucker (DP) [2], capaz de selecionar cada um dos objetos presentes na imagem. Tal aproximação retorna uma sequência de vértices os quais representam os polígonos capazes de englobar o contorno de cada um dessses objetos. Isso é conseguido através da distribuição de uma quantidade mínima de vértices para cada objeto encontrado, quantidade essa capaz de, através da união desses vértices por meio de arestas, englobar totalmente o objeto deixando uma margem mínima de espaço entre o polígono e o contorno real do objeto considerado [2]. No caso do interesse da segmentação baseada na forma dos objetos, como é o caso, é desejável que haja um número mínimo de vértices que não deforme a imagem, mas que, ainda assim, preserve sua natureza morfológica. Isso permite um processamento mais rápido no momento em que for realizada a análise da forma de cada objeto encontrado. Como o objetivo do método é encontrar retângulos, é necessário que seja realizada uma análise em cada um dos polígonos gerados, a fim de que sejam verificados quais deles apresentam características similares às de um retângulo e, consequentemente, a uma placa de automóvel. As características analisadas são as seguintes: O polígono deve possuir quatro vértices; A área do polígono deve ser compatível com a de uma placa de automóvel. Tal área é determinada de forma experimental, por meio da análise das placas encontradas nos vídeos de teste; O polígono deve ser convexo, ou seja, não deve possuir reentrâncias; O ângulo entre duas arestas consecutivas deve ser de 90 graus. O polígono que respeitar as condições impostas acima possui grande chance de ser um retângulo e, consequentemente, a placa de um veículo. Todos os polígonos encontrados com tais características são marcados na imagem para que seja realizada posteriormente uma análise mais minuciosa de cada um deles. 4. Segmentação dos caracteres A segmentação da placa do automóvel em uma cena é uma instância do problema de detecção de regiões de interesse. Pode-se afirmar que essa etapa representa o principal empecilho no reconhecimento de placas de veículos, visto que a realização desta fase atua como base para todo o processamento seguinte [3]. Assim, o baixo desempenho desta etapa bem como sua realização incorreta, pode vir a influenciar diretamente todas as etapas posteriores à segmentação da placa do automóvel. O método desenvolvido para esta etapa percorre cada coluna da imagem segmentada na etapa anterior a fim de que sejam verificadas as quantidades de pixels pretos contidos na referida coluna. Com a imagem previamente binarizada (somente pixels pretos ou brancos), contabiliza-se a densidade simplesmente testando-se se o valor do pixel é zero (corresponde às regiões onde existem caracteres) e, em caso positivo, soma-se uma unidade a uma variável densidade d j onde j corresponde à coluna analisada. A variável densidade guarda, portanto, o número de pixels pretos encontrados em cada coluna da imagem. A Figura 3 apresenta um gráfico onde o eixo das abscissas representa as colunas da imagem segmentada de uma placa, enquanto que o eixo das ordenadas representa os somatórios dos valores dos pixels pretos de cada coluna da imagem da placa. 269

4 Figura 3: Gráfico contendo a quantidade de pixels pretos (eixo y) em cada coluna da imagem (eixo x). Observando-se a Figura 3, pode-se perceber que os caracteres são representados pelos picos se comparados com o fundo da placa, que por sua vez é representada pelos vales e pontos de mínimo. A abordagem desenvolvida para a segmentação dos caracteres utiliza os mínimos locais para separar cada um dos caracteres em relação ao fundo da placa. Os valores de mínimo, bem como suas posições na imagem, utilizados na separação dos caracteres em relação ao fundo da placa são obtidos por intermédio de uma função de análise de máximos e mínimos locais, a qual é aplicada a partir de um ponto inicial até uma distância máxima (para que não seja excedida a largura de um caractere), sempre sendo variadas as posições de início como sendo a posição encontrada pela função na iteração anterior. O processo se repete, com as posições de início e fim dos caracteres sendo encontradas pela referida função, até que sejam encontrados os sete caracteres existentes em uma placa ou, então, até que a última coluna da imagem seja atingida. Dessa forma, conhecidas as coordenadas que delimitam cada um dos caracteres da placa, fica facilitada a tarefa de recortar cada um deles em relação ao fundo da imagem para o posterior reconhecimento. O resultado da aplicação do método pode ser observado na Figura 4. Figura 4: Segmentação baseada nos máximos e mínimos locais, onde cada caractere da placa aparece delimitado pelas barras verticais. 5. Reconhecimento dos caracteres Para o reconhecimento dos caracteres é utilizado o algoritmo Random Trees, também chamado de Random Forests, o qual é um classificador baseado em árvores de decisão e pode reconhecer os padrões de várias classes ao mesmo tempo. O algoritmo é composto por inúmeras árvores, formando assim florestas de decisão [2]. Durante a fase de treinamento, cada árvore das florestas que compõem o algoritmo trabalha da seguinte forma [5]: 1. Caso o número de amostras seja N, então N amostras são retiradas de forma randômica e com substituição dos dados originais. Essas N amostras constituem a base de treinamento; 2. Caso o vetor de características seja constituído de M posições, uma quantidade m (em que m é muito menor do que M) de subseções são escolhidas ao acaso de forma a escolher-se o melhor sub-vetor. Essa pequena representação do vetor de características irá conter as características relevantes desse vetor; 3. Retorna-se então ao passo 1 até que se tenha treinado todas as árvores de todas as florestas. Por não utilizar de forma integral a coleção de dados informada, esse algoritmo é bastante rápido tanto na fase de treinamento quanto na tomada de decisão. Além disso, a sua taxa de acerto é bastante elevada independentemente do tamanho da base de dados considerada, sendo que a sua taxa de erros depende, principalmente de dois fatores [5]: 1. Da correlação entre duas árvores em uma mesma floresta, sendo que, aumentando-se a correlação entre as duas aumenta-se também a taxa de erros; 2. Do peso que cada árvore individual representa na floresta, sendo que um classificador forte diminui a taxa de erros e um classificador mais fraco aumenta essa taxa. É o valor de subseções (m) retiradas do vetor de características que determina a eficiência do algoritmo. Conforme m diminui, diminui a correlação, mas diminui também o poder descritivo da árvore, e quando m aumenta, aumenta a força do classificador, mas aumenta também a correlação entre as árvores. Deve-se, portanto, escolher um limiar de forma que se consiga determinar um ponto ótimo em que o peso do classificador não seja muito afetado e as correlações entre árvores não aumente. Esse limiar é determinado pelo algoritmo baseado na coleção de dados informada. Quando se usa o treinamento com substituição, aproximadamente 1/3 dos dados são deixados de fora da base de amostras. Essas características que foram deixadas de fora são utilizadas para se estimar o erro das árvores adicionadas à floresta e também para calcular o nível de importância que cada vetor de características exerce [5]. Para classificar um novo objeto a partir de um vetor de características, é computada então a decisão de cada árvore de uma dada floresta e aquela classe que receber mais votos favoráveis é a classe atribuída ao caractere sendo reconhecido. 6. Experimentos Os testes do sistema implementado foram realizados utilizando-se vídeos obtidos na portaria de 270

5 um condomínio residencial, durante a operação normal de controle de acesso ao condomínio realizada atualmente pelos porteiros de forma não automatizada. Tais testes foram de suma importância, visto que avaliaram a eficácia do sistema em um ambiente real, ou seja, não manipulado para a sua utilização. Algumas situações que puderam ser observadas consideram a mudança de luminosidade no ambiente, a oclusão da placa, seja devido à passagem de pessoas no espaço entre a câmera e o veículo, ou mesmo devido à presença de outro veículo de forma que este escondesse a placa do primeiro (Figura 5), ou então a parada incorreta do veículo (Figura 6), de forma que o grau de perspectiva lateral fosse excessivamente acentuado, o que pode inviabilizar a identificação correta da placa. Para o reconhecimento da placa, primeiramente determina-se se há um veículo na cena, através do emprego de técnicas de subtração de imagens [2]. A partir de então são analisados 150 quadros consecutivos do vídeo, sendo que em cada um deles é feito o reconhecimento da placa em separado, de forma que o resultado final, devolvido pelo sistema, é aquele o qual mais se repete dada a análise dos 150 quadros. classes: vídeos utilizados para a construção da base de treinamento e vídeos para a execução dos testes. Os vídeos utilizados na fase de treinamento dos algoritmos de reconhecimentos foram empregados na extração dos vetores de características dos caracteres para, então, serem gravados em um arquivo, sendo assim utilizados no posterior treinamento. Vale destacar que a fase de extração dos vetores de características não possui qualquer tipo de contato com os vídeos utilizados nos testes, evitando assim que o sistema fique viciado, ou seja, que reconheça exatamente os mesmos caracteres com os quais foi treinado. A fase de treinamento tem o objetivo de ensinar o algoritmo de reconhecimento a identificar os caracteres por meio da observação dos padrões intrínsecos a cada um deles, de modo que ao se deparar novamente com um objeto que corresponda a determinadas características, ele consiga determinar a reposta correta acerca de qual caractere se trata aquele objeto, assim como nós seres humanos somos capazes de fazê-lo. Para o treinamento foram utilizados três vídeos com duração aproximada de 18, 10 e 3 minutos respectivamente. Desses vídeos foram obtidas 2102 amostras para letras e 2011 para dígitos de placas. Os vetores de características obtidos a partir das amostras de treinamento foram submetidos aos algoritmos de treinamento os quais são distintos para letras e dígitos. Obteve-se então o classificador para o método Random Trees. Após a etapa de treinamento, os vídeos de teste foram submetidos ao classificador para que a eficácia do mesmo pudesse ser avaliada. Nesta etapa foram utilizados dois vídeos, com durações aproximadas de 25 e 20 minutos. 7. Resultados Figura 5: Oclusão da placa do veículo. A Tabela 1 apresenta os resultados obtidos pelo classificador baseado no método de reconhecimento Random Trees para a base de dados descrita na Seção 6. Tabela 1: Resultados obtidos pelo classificador Random Trees. Total de letras % Letras corretamente reconhecidas 59 93,7% Letras não reconhecidas 4 6,3% Total de dígitos % Figura 6: Veículo muito distante da câmera. Para os testes, os vídeos capturados na portaria do condomínio residencial foram divididos em duas Números corretamente reconhecidos 73 86,9% Números não reconhecidos 11 13,1% 271

6 A Figura 7 ilustra uma placa corretamente reconhecida pelo sistema. imagens obtidas com câmeras de melhor resolução e instaladas em posições mais adequadas. Referências bibliográficas [1] DAMBROS, A. L., Sistema de Reconhecimento de Placas de Veículos Automotores. Centro Universitário Feevale, Novo Hamburgo, [2] BRADSKI, G.; KAEHLER. A., Learning OpenCV: Computer Vision with OpenCV Library. Sebastopol, CA, O Reilly Media, Inc., September p. (a) (b) ( c ) Figura 7: (a) Imagem de entrada capturada por uma câmera de vídeo, com a placa localizada automaticamente pelo sistema; (b) Caracteres segmentados após a correta localização da placa na imagem; (c) Resultado retornado pelo sistema, caracterizando o reconhecimento correto da placa do automóvel. 8. Conclusão Esse artigo apresenta resultados obtidos por um sistema automático de reconhecimento de placas de veículos, aplicado em imagens de vídeos obtidos na portaria de um condomínio em uma situação real e rotineira do funcionamento dessa portaria. Através das soluções encontradas, foi possível atender aos requisitos de invariância à luminosidade, além da escala e também da projeção, que em geral são fatores complicadores para esse tipo de sistema. Quanto aos testes realizados, pode-se afirmar que os resultados conseguidos foram bastante satisfatórios, já que a taxa de reconhecimento apresentou-se acima dos 80%, mesmo para uma situação não ideal para o funcionamento do sistema, onde uma câmera de baixa resolução foi utilizada e, além disso, posicionada de forma não favorável. Como trabalhos futuros pretende-se avaliar o sistema com um número maior de amostras, já que o desempenho do classificador Random Trees se mostrou positivamente sensível à variação do número de amostras. Além disso, pretende-se também realizar testes utilizando-se [3] NUÑES, J. R., Segmentação Automática e Classificação em Vídeos Esportivos. Dissertação (mestrado) Pontifícia Universidade Católica do Paraná, Curitiba, [4] Principais Interesses de Pesquisa: Processamento de Imagens e Visão Computacional - Unisinos ( Último acesso em 02 de junho de [5] BREIMAN, L.; CUTLER, A., Random Forests ( RandomForests/cc_home.htm) Último acesso em 03 de dezembro de 2009). [6] Placas de veículos. page=curiosidades&pageid=10&pagina=5. Último acesso em 09 de janeiro de [7] MARANA, A. N.; BREGA, J. R. F., Técnicas e Ferramentas de Processamento de Imagens Digitais e Aplicações em Realidade Virtual e Misturada, Bauru, Canal6 Editora,2008. [8] GUINGO, B. C., Reconhecimento Automático de Placas de Veículos Automotores, Dissertação de mestrado, Universidade Federal do Rio de Janeiro, [9] GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 2. ed. Upper Saddle River, NJ, USA, Prentice-Hall,

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

Localização de placas em imagens de veículos. Resumo

Localização de placas em imagens de veículos. Resumo Localização de placas em imagens de veículos Geovane Hilário Linzmeyer Curso de Inteligência Computacional Pontifícia Universidade Católica do Paraná Curitiba, dezembro de 2005 Resumo Um dos maiores problemas

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

Segmentação de Imagens de Placas Automotivas

Segmentação de Imagens de Placas Automotivas Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental

Leia mais

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Figura 01: Aplicações do Filtro Espacial Passa-Baixa. 791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,

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

Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect

Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Lucas Viana Barbosa 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o ser

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

Tratamento da Imagem Transformações (cont.)

Tratamento da Imagem Transformações (cont.) Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

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

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

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Bruno Alberto Soares OLIVEIRA 1,3 ; Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Marlon MARCON 2,3 1 Estudante

Leia mais

5 Extraindo listas de produtos em sites de comércio eletrônico

5 Extraindo listas de produtos em sites de comércio eletrônico 5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl

Leia mais

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de Teste do Sistema DTCOURO Willian Paraguassu Amorim 27 de julho de 2005 1 Título Desenvolvimento do Módulo de Pré-processamento e Geração

Leia mais

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional Universidade Federal de Minas Gerais Escola de Engenharia Curso de Graduação em Engenharia de Controle e Automação Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado

Leia mais

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching" 1 Com suas palavras explique o que é Reconhecimento de Padrões- RP. Quais são os fases clássicas que compõem

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

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445)

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Prof. Hélio Pedrini Instituto de Computação UNICAMP 2º Semestre de 2015 Roteiro 1 Morfologia Matemática Fundamentos Matemáticos Operadores

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

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA INF2608 FUNDAMENTOS DE COMPUTAÇÃO GRÁFICA RELATÓRIO: IMAGENS SÍSMICAS VISUALIZAÇÃO E DETECÇÃO

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

Seleção Retangular Esta é uma das ferramentas mais usadas. A seleção será indicada pelas linhas tracejadas que fazem a figura de um retângulo.

Seleção Retangular Esta é uma das ferramentas mais usadas. A seleção será indicada pelas linhas tracejadas que fazem a figura de um retângulo. O que é o Gimp? O GIMP é um editor de imagens e fotografias. Seus usos incluem criar gráficos e logotipos, redimensionar fotos, alterar cores, combinar imagens utilizando o paradigma de camadas, remover

Leia mais

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez Operações Algébricas e Lógicas Guillermo Cámara-Chávez Operações Aritméticas São aquelas que produzem uma imagem que é a soma, diferença, produto ou quociente pixel a pixel Operações Aritméticas Fig A

Leia mais

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão 01 Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão Rodrigo G. Trevisan¹; José P. Molin² ¹ Eng. Agrônomo, Mestrando em Engenharia de Sistemas Agrícolas (ESALQ-USP); ² Prof. Dr. Associado

Leia mais

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem ARTIGO Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem Leonardo Borges de Castro 1 *, Dr. João Marques Salomão 2 e Me. Douglas Almonfrey 2 1 VALE - Engenharia

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

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

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

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

Interação Humano - Computador usando Visão Computacional

Interação Humano - Computador usando Visão Computacional Interação Humano - Computador usando Visão Computacional Bernardo Bucher B. Barbosa 1, Júlio César Silva 2 1 UNIFESO, Centro de Ciências e Tecnologia, Curso de Ciência da Computação, brgenius@gmail.com

Leia mais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,

Leia mais

Visão computacional no reconhecimento de formas e objetos

Visão computacional no reconhecimento de formas e objetos Visão computacional no reconhecimento de formas e objetos Paula Rayane Mota Costa Pereira*, Josemar Rodrigues de Souza**, Resumo * Bolsista de Iniciação Científica da Faculdade de Tecnologia SENAI CIMATEC,

Leia mais

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT).

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT). VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO Riccardo Luigi Delai 1 ; Alessandra Dutra Coelho 2 1 Aluno de Iniciação Científica da Escola de Engenharia Mauá (EEM/CEUN-IMT);

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass Visão Computacional e Realidade Aumentada Trabalho 3 Reconstrução 3D Pedro Sampaio Vieira Prof. Marcelo Gattass 1 Introdução Reconstrução tridimensional é um assunto muito estudado na área de visão computacional.

Leia mais

Prof. Marcelo Henrique dos Santos

Prof. Marcelo Henrique dos Santos POR QUE ESTUDAR COMPUTAÇÃO GRÁFICA? Quem quiser trabalhar em áreas afins: Entretenimento Jogos e filmes Visualização Simulação de fenômenos físicos Arte computadorizada Educação e treinamento Processamento

Leia mais

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Andres Jessé Porfirio Orientador: Prof. Dr. Daniel Weingaertner Universidade Federal do Paraná Sumário Introdução Abordagem Baseada

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

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

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário

Leia mais

MORFOLOGIA MATEMÁTICA. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR

MORFOLOGIA MATEMÁTICA. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR MORFOLOGIA MATEMÁTICA Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Outubro/2015 Morfologia Matemática Morfologia na Biologia Estudo da estrutura dos animais e plantas;

Leia mais

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva 225 Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva Marcus V. C. Guelpeli1, Bruno S. P. de Oliveira2, Wellington C. A. Landim2 1 Curso de Sistema

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

PRINCIPAIS FUNCIONALIDADES DO SOFTWARE GLOBAL MAPPER

PRINCIPAIS FUNCIONALIDADES DO SOFTWARE GLOBAL MAPPER PRINCIPAIS FUNCIONALIDADES DO SOFTWARE GLOBAL MAPPER Além das novas implementações na versão 15, ressaltamos a seguir as principais funções que fazem do Global Mapper um dos melhores softwares para a visualização

Leia mais

Implementação de Algoritmo em PHP para Detecção de Faces em Imagens Estáticas

Implementação de Algoritmo em PHP para Detecção de Faces em Imagens Estáticas Implementação de Algoritmo em PHP para Detecção de Faces em Imagens Estáticas Helmiton Filho, Mikaelle Oliveira, Carlos Danilo Miranda Regis Instituto Federal de Educação, Ciência e Tecnologia da Paraíba

Leia mais

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Access Control System Based on Face Recognition Tiago A. Neves, Welton S. De Oliveira e Jean-Jacques De Groote Faculdades COC de Ribeirão

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

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Motivado por duas principais aplicações: Melhorar a informação da imagem para interpretação humana Processamento de cenas para percepção de máquinas (Visão Computacional)

Leia mais

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem

Leia mais

Apresentação final do Trabalho de Conclusão -Novembro 2002. Autenticação On-line de assinaturas utilizando Redes Neurais. Milton Roberto Heinen

Apresentação final do Trabalho de Conclusão -Novembro 2002. Autenticação On-line de assinaturas utilizando Redes Neurais. Milton Roberto Heinen Apresentação final do Trabalho de Conclusão -Novembro 2002 Autenticação On-line de assinaturas utilizando Redes Neurais Milton Roberto Heinen miltonrh@ig.com.br Motivação Falta de segurança dos sistemas

Leia mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais

Introdução ao Processamento de Imagens

Introdução ao Processamento de Imagens Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento

Leia mais

Normalização Espacial de Imagens Frontais de Face

Normalização Espacial de Imagens Frontais de Face Normalização Espacial de Imagens Frontais de Face Vagner do Amaral 1 e Carlos Eduardo Thomaz 2 Relatório Técnico: 2008/01 1 Coordenadoria Geral de Informática Centro Universitário da FEI São Bernardo do

Leia mais

Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático.

Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático. TREINAMENTO ITSCAM Ajustes de imagens Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático. Ganho: Amplificador analógico conectado ao sensor de imagem. Pode ser fixo ou automático. Auto

Leia mais

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS 221 SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS Jean-Jacques S. De Groote - Prof. Dr. do Centro Universitário Uniseb de Ribeirão Preto.

Leia mais

SCANNER DE TRIANGULAÇÃO LASER PARA PROTOTIPAGEM 3D

SCANNER DE TRIANGULAÇÃO LASER PARA PROTOTIPAGEM 3D SCANNER DE TRIANGULAÇÃO LASER PARA PROTOTIPAGEM 3D Autores: Evandro Francisco WEISS, Felipe Augusto SCHIQUETTI, Eduardo Bidese PUHL Identificação autores: Aluno da Ciência da Computação, Bolsista IFC Rio

Leia mais

4 Segmentação. 4.1. Algoritmo proposto

4 Segmentação. 4.1. Algoritmo proposto 4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças

Leia mais

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com Introdução do Processamento de Imagens Julio C. S. Jacques Junior juliojj@gmail.com Porque processar uma imagem digitalmente? Melhoria de informação visual para interpretação humana Processamento automático

Leia mais

MÉTODOS DE REPRESENTAÇÃO

MÉTODOS DE REPRESENTAÇÃO MARIA DO CÉU SIMÕES TERENO 2011 EUROPEU E AMERICANO SISTEMAS DE PROJEÇÕES ORTOGONAIS Ângulos Diedros A representação de objectos tridimensionais por meio de desenhos bidimensionais, utilizando projecções

Leia mais

Como evitar erros utilizando o Poka-Yoke

Como evitar erros utilizando o Poka-Yoke Seis Sigma Como evitar erros utilizando o Poka-Yoke O Poka-Yoke é uma importante ferramenta na etapa Control do método DMAIC do Lean Seis Sigma. Por Cristina Werkema O Poka-Yoke termo japonês que significa

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

SISTEMA DE VISÃO ESTÉREO EM TEMPO REAL. Juliano Tusi Amaral Laganá Pinto¹; Vanderlei Cunha Parro²

SISTEMA DE VISÃO ESTÉREO EM TEMPO REAL. Juliano Tusi Amaral Laganá Pinto¹; Vanderlei Cunha Parro² SISTEMA DE VISÃO ESTÉREO EM TEMPO REAL Juliano Tusi Amaral Laganá Pinto¹; Vanderlei Cunha Parro² ¹ Aluno de Iniciação Científica da Escola de Engenharia Mauá (EEM/CEUN-IMT); ² Professor da Escola de Engenharia

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

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

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

Sistema de Identificação de Placas por Processamento Automático de Imagens. Resumo

Sistema de Identificação de Placas por Processamento Automático de Imagens. Resumo Sistema de Identificação de Placas por Processamento Automático de Imagens Tatiane Campos 1, Sergio Bampi 2, Altamiro Susin 3 Instituto de Informática - UFRGS C. P. 15064 - CEP 91501-971 - Porto Alegre

Leia mais

Cálculo de volume de objetos utilizando câmeras RGB-D

Cálculo de volume de objetos utilizando câmeras RGB-D Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de

Leia mais

Foscam é Referência Mundial

Foscam é Referência Mundial INSTITUCIONAL Foscam é Referência Mundial A FOSCAM foi fundada em 2007 com o objetivo de fornecer ao mercado câmeras de monitoramento de vídeo por IP com alta qualidade a preços competitivos, tornando

Leia mais

Manual PAINT.NET de imagens

Manual PAINT.NET de imagens Manual PAINT.NET de imagens 1. Instalação 1.1 - Para instalar o programa paint.net, o primeiro passo é baixá-lo do endereço a seguir e salvá-lo em seu computador. http://ww2.prefeitura.sp.gov.br/paint_net/paint.net.3.36.exe

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

PIXEL - DO DESENHO À PINTURA DIGITAL

PIXEL - DO DESENHO À PINTURA DIGITAL F PIXEL - DO DESENHO À PINTURA DIGITAL Carga Horária: 96 horas/aulas Módulo 01: Desenho de observação DESCRIÇÃO: Neste módulo o você irá praticar sua percepção de linhas e formas, bem como a relação entre

Leia mais

REALIDADE AUMENTADA APLICADA NA EDUCAÇÃO: ESTUDOS DOS SEUS BENEFÍCIOS

REALIDADE AUMENTADA APLICADA NA EDUCAÇÃO: ESTUDOS DOS SEUS BENEFÍCIOS REALIDADE AUMENTADA APLICADA NA EDUCAÇÃO: ESTUDOS DOS SEUS BENEFÍCIOS Kelly Cristina de Oliveira 1, Júlio César Pereira 1. 1 Universidade Paranaense (UNIPAR) Paranavaí PR Brasil kristhinasi@gmail.com,

Leia mais

Importância do GED. Implantação de um Sistema de GED

Importância do GED. Implantação de um Sistema de GED Implantação de um Sistema de GED Gerenciamento Eletrônico de Documentos Importância do GED O GED tem uma importante contribuição na tarefa da gestão eficiente da informação; É a chave para a melhoria da

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF FILTRAGEM ESPACIAL

Leia mais

OpenGL. Uma Abordagem Prática e Objetiva. Marcelo Cohen Isabel Harb Manssour. Novatec Editora

OpenGL. Uma Abordagem Prática e Objetiva. Marcelo Cohen Isabel Harb Manssour. Novatec Editora OpenGL Uma Abordagem Prática e Objetiva Marcelo Cohen Isabel Harb Manssour Novatec Editora Capítulo 1 Introdução A Computação Gráfica é uma área da Ciência da Computação que se dedica ao estudo e ao desenvolvimento

Leia mais

ARTIGO. O que tem o melhor zoom: 18x ou 36x?

ARTIGO. O que tem o melhor zoom: 18x ou 36x? ARTIGO O que tem o melhor zoom: 18x ou 36x? O que tem o melhor zoom: 18x ou 36x? No mundo das câmeras de segurança, o zoom 18x pode ser igual a 36x. Mais especificamente, uma câmera de segurança de alta

Leia mais

Processamento de Imagens COS756 / COC603

Processamento de Imagens COS756 / COC603 Processamento de Imagens COS756 / COC603 aula 10 - sugestões de trabalhos Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje exemplos de projetos panorâmica (mosaico) deteção de faces extração de características

Leia mais

Aluno(a): Nº. Professor: Fabrízio Gentil Série: 3 o ano Disciplina: Física - Óptica

Aluno(a): Nº. Professor: Fabrízio Gentil Série: 3 o ano Disciplina: Física - Óptica Lista de Exercícios Pré Universitário Uni-Anhanguera Aluno(a): Nº. Professor: Fabrízio Gentil Série: 3 o ano Disciplina: Física - Óptica 01 - (PUC SP) Um objeto é inicialmente posicionado entre o foco

Leia mais

MODELAGEM DIGITAL DE SUPERFÍCIES

MODELAGEM DIGITAL DE SUPERFÍCIES MODELAGEM DIGITAL DE SUPERFÍCIES Prof. Luciene Delazari Grupo de Pesquisa em Cartografia e SIG da UFPR SIG 2012 Introdução Os modelo digitais de superficie (Digital Surface Model - DSM) são fundamentais

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

IDENTIFICANDO O COMPORTAMENTO INADEQUADO DOS VAGÕES SOFTWARE ESPECIALISTA PARA AUTOMATIZAÇÃO COMPLETA LYNXRAIL

IDENTIFICANDO O COMPORTAMENTO INADEQUADO DOS VAGÕES SOFTWARE ESPECIALISTA PARA AUTOMATIZAÇÃO COMPLETA LYNXRAIL IDENTIFICANDO O COMPORTAMENTO INADEQUADO DOS VAGÕES SOFTWARE ESPECIALISTA PARA AUTOMATIZAÇÃO COMPLETA LYNXRAIL Kris Kilian MESc, Monica Kilian PhD, Vladimir Mazur PhD Lynxrail, Austrália James Robeda B

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

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

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica CBPF Centro Brasileiro de Pesquisas Físicas Nota Técnica Aplicação de Física Médica em imagens de Tomografia de Crânio e Tórax Autores: Dário Oliveira - dario@cbpf.br Marcelo Albuquerque - marcelo@cbpf.br

Leia mais

2. O que é Redundância de código ou informação? Como a compressão Huffman utiliza isso? Você conhece algum formato de imagem que a utiliza?(1.

2. O que é Redundância de código ou informação? Como a compressão Huffman utiliza isso? Você conhece algum formato de imagem que a utiliza?(1. Respostas do Estudo Dirigido Cap. 26 - Reducing the information:... ou Image Compression 1. Para que serve comprimir as imagens? Que aspectos estão sendo considerados quando se fala de: Compression Rate,

Leia mais

PROCESSO DE RECONHECIMENTO NÃO SUPERVISIONADO DE ÁREAS DE ESTACIONAMENTO

PROCESSO DE RECONHECIMENTO NÃO SUPERVISIONADO DE ÁREAS DE ESTACIONAMENTO UNIVERSIDADE PRESBITERIANA MACKENZIE MESTRADO EM ENGENHARIA ELÉTRICA Antonio Henrique Mexas PROCESSO DE RECONHECIMENTO NÃO SUPERVISIONADO DE ÁREAS DE ESTACIONAMENTO SÃO PAULO 2014 UNIVERSIDADE PRESBITERIANA

Leia mais

Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial

Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial André Faria Ruaro, Nader Ghoddosi Universidade Federal do Santa Catarina (UFSC) Florianópolis SC Brasil Pós-Graduação

Leia mais

Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE

Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados

Leia mais

Ensaios por Partículas Magnéticas- Equipamentos de Magnetização"No Contact" Clayton Moura de Oliveira ITW - Chemical Products Ltda

Ensaios por Partículas Magnéticas- Equipamentos de MagnetizaçãoNo Contact Clayton Moura de Oliveira ITW - Chemical Products Ltda Ensaios por Partículas Magnéticas- Equipamentos de Magnetização"No Contact" Clayton Moura de Oliveira ITW - Chemical Products Ltda Trabalho apresentado na 6ª Conferência sobre Tecnologia de Equipamentos

Leia mais

Thales Trigo. Formatos de arquivos digitais

Thales Trigo. Formatos de arquivos digitais Esse artigo sobre Formatos de Arquivos Digitais é parte da Tese de Doutoramento do autor apresentada para a obtenção do titulo de Doutor em Engenharia Elétrica pela Escola Politécnica da USP. Thales Trigo

Leia mais

LENTES ESFÉRICAS Fórmula de Gauss

LENTES ESFÉRICAS Fórmula de Gauss LENTES ESFÉRICAS Fórmula de Gauss. (Unicamp 203) Um objeto é disposto em frente a uma lente convergente, conforme a figura abaixo. Os focos principais da lente são indicados com a letra F. Pode-se afirmar

Leia mais

UNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO

UNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!

Leia mais

Compreendendo os Efeitos da Projeção nas Imagens Aéreas

Compreendendo os Efeitos da Projeção nas Imagens Aéreas Compreendendo os Efeitos da Projeção nas Imagens Aéreas Introdução Com a atual popularização dos sistemas CAD, ficou muito fácil para usuários de cartografia carregarem um arquivo vetorial, oriundo de

Leia mais

Técnicas de Suavização de Imagens e Eliminação de Ruídos

Técnicas de Suavização de Imagens e Eliminação de Ruídos 21 Técnicas de Suavização de Imagens e Eliminação de Ruídos Carlos H. Sanches 1, Paulo J. Fontoura 1, Phillypi F. Viera 1, Marcos A. Batista 1 1 Instituto de Biotecnologia Universidade Federal do Goiás

Leia mais

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais.

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais. 80,7(0$'(9, 23$5$5(&21+(&,0(172'(3(d$(080 7$%8/(,52'(;$'5(= Sérgio Faustino Ribeiro Juracy Emanuel M. da França Marcelo Alves de Barros José Homero Feitosa Cavalcanti Universidade Federal da Paraíba CCT/COPIN/NEUROLAB-CT/DTM

Leia mais

Mapeamento 3D de superficies planas para interação homem-máquina

Mapeamento 3D de superficies planas para interação homem-máquina Mapeamento 3D de superficies planas para interação homem-máquina SCHVARCZ FRANCO, Guilherme 1 ; CEOLIN, Simone R. 1 1 Projeto PROBITI do Curso de Sistemas de Informação do Centro Universitário Franciscano

Leia mais

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided

Leia mais