Neste trabalho apresentamos um estudo sobre técnicas de classificação com uso de conjunto representativo. Existem diferentes técnicas aplicadas à classificação, sendo uma das principais vantagens da classificação com conjuntos representativos a simplicidade de implementação e de entendimento. Porém, para a composição deste conjunto, ainda existem dificuldades a serem abordadas. Neste trabalho estamos interessados em três destas dificuldades que consideramos importantes, que são a escolha do tamanho do conjunto representativo, a distribuição dos vetores representativos entre os grupos/classes e como evoluir este conjunto com uma menor dependência de seu estado inicial. A maneira como estas dificuldades são enfrentadas atualmente é discutida através de uma revisão bibliográfica onde apresentamos trabalhos relacionados. Um dos produtos deste trabalho é a proposta de uma alteração no método de aprendizado Growing Neural Gás (FRITZKE, 1995) para que permita a classificação reduzindo a influência dos problemas abordados, o qual foi testado com problemas de classificação largamente conhecidos, e também demonstrado com a implementação de um estudo de caso de reconhecimento de voz. Com base nos testes apresentados foi possível verificar que o método proposto é eficiente na abordagem dos problemas considerados, atingindo níveis de precisão comparáveis aos de outros métodos de classificação com menor necessidade de conhecimento prévio dos dados.

É muito comum hoje em dia a conversa entre duas pessoas que usam como meio de comunicação seus computadores, os quais, na maioria das vezes, possuem minicâmeras acopladas, possibilitando que os interlocutores se vejam e tornando o contato mais próximo. Esta aplicação é chamada de videoconferência e teve seu uso difundido, principalmente, pela evolução da Internet. Entretanto, a transmissão de dados de vídeo via rede é um trabalho pesado e pode gerar, por exemplo, a falta de sincronia entre imagem e som que é causada pela demora na transmissão das imagens devido ao tamanho de cada arquivo. Para minimizar este efeitos a solução encontrada foi a utilização de técnicas de compactação de vídeo para diminuir o tamanho do conteúdo a ser enviado e consequentemente o tempo envolvido nesta transmissão. Na década de 80 surgiu uma técnica de compressão cuja promessa era conseguir uma taxa de compactação jamais alcançada e que por este motivo seria ideal para vídeoconferências. Esta técnica foi chamada de Codificação Baseada em Modelos. Este trabalho aplica a Codificação de Vídeo Baseada em Modelos no reconhecimento de imagens compostas de cabeça e ombro de videoconferencistas. O objetivo principal é a identificação e reconhecimento de algumas características faciais: olhos, narinas, boca e também da cabeça e face onde estes elementos estão. Os dados obtidos são utilizados na adaptação de alguns parâmetros de um modelo wire-frame de face chamado Candide. O resultado é a verificação da possibilidade de uso da Codificação Baseada em Modelos em vídeoconferências e a proposta de solução de um problema nem sempre resolvido na literatura: a localização inicial das características faciais acima citadas.

Este trabalho investiga o problema de reconhecimento de faces utilizando Sistemas de Reconhecimento Facial (SRFs) baseados na extração de características via técnicas de autovetores, objetivando propor combinações dessas técnicas, comparar o desempenho em situações de interesse e analisar o comportamento de redes neurais como classificador. Para extração de características são utilizadas as técnicas Linear Discrimiant Analysis (LDA) e Principal Component Analysis (PCA). Inicialmente, de modo a explicar o problema de reconhecimento de faces, é apresentada uma breve revisão sobra a literatura relativa ao tema, destacando-se os trabalhos Goudail et alii (1996) e Neto (1997) que são fundamentais para as propostas desenvolvidas na presente dissertação. Na seqüência, de modo a analisar detalhadamente as técnicas utilizadas nestes trabalhos, os sistemas de reconhecimento facial são divididos em três etapas, a saber, descrição da face, extração de características e classificação. A seguir, é formado o banco de dados ITA, contendo 400 imagens faciais de pessoas da Divisão de Engenharia Eletrônica do Instituto Tecnológico de Aeronáutica (ITA), e o sistema de aquisição de imagens utilizado na sua construção são apresentados. Este banco de dados ORL (Samaria, 1994) são utilizados nas avaliações de desempenho com o objetivo de testar os métodos e o comportamento destes a variações nas disposições das faces presentes em cada base de dados. Na seqüência, o SRF baseado em LDA (SRF-LDA) é implementado. Os resultados da avaliação dos bancos de dados mostram um desempenho satisfatório. Com o objetivo de comparação, o mesmo procedimento é realizado para o SRF baseado em PCA (SRF-PCA), concluindo-se que melhor desempenho é obtido no SRF-LDA. Em seguida propõe-se um SRF que utiliza uma combinação das técnicas LDA e PCA (SRF+PCA+LDA). Esta combinação utiliza extração de características com descrição da face através de vetores de intensidade de pixel, realiza um mapeamento que otimiza a relação de distâncias interclasse e intraclasse, diminui o número de coeficientes necessários para se representar uma face e melhora o desempenho de processo de reconhecimento. Finalmente, uma vez que rede neural é classicamente utilizada como classificador, propõe-se sua utilização tanto no SRF-PCA, quanto para o SRF-PCA+LDA. O classificador baseado em redes neurais melhora o desempenho do reconhecimento em ambos os casos.

Desenvolvemos e implementamos um sistem fala-texto com vocabulário ilimitado para o português do Brasil. A primeira parte do sistema, denominada reconhecedor fonético, é capaz de segmentar e reconhecer a fala contínua formada por sílabas com estrutura CV, V, VC e CVC, que perfazem 90% de freqüência em português. A segmentação sub-silábica é realizada por um algoritmo que integra de forma original a técnica dos Modelos Ocultos de Markov (HMM) com regras extraídas da própria estrutura fonética do português brasileiro. O algoritmo divide a fala contínua em unidades sub-silábicas e o reconhecimento fonético destas unidades é feito com uso de HMM contínuos, cujos vetores de observação são formados basicamente por coeficientes Mel-cepstrais. A segunda parte denominada gerador de texto, consiste principalmente num conversor fonológico-grafêmico desenvolvido especificamente para a língua portuguesa falada no Brasil. Esta parte do sistema consegue converter qualquer seqüência fonêmica nos correspondentes grafemas, eliminando as possibilidades ortograficamente incorretas. O desempenho do sistema como um todo foi avaliado com base no texto final gerado a partir de 200 frases pronunciadas em taxa de elocução lenta por um único locutor, para o qual os modelos de Markov foram treinados. Obtivemos uma taxa de reconhecimento de 95,9% para todos os fonemas da língua portuguesa, excetuando as semivogais. Para os mesmos dados, o erro de segmentação silábica máximo foi de 0,83% e o índice para o reconhecimento de palavras, de um vocabulário ilimitado, foi de 87%. Considerando-se até a quinta palavra mais provável, a taxa de acerto das mesmas sobe para 96,2% e a de fonemas para 99%, enquanto que o erro de segmentação cai para 0,52%.

Este trabalho apresenta a concepção, desenvolvimento e integração de um sistema de integração binocular para rastreamento binocular auxiliado por uma estratégia de atenção que permite selecionar regiões específicas da imagem para rastreamento. Múltiplas regiões são segmentadas sem o conhecimento do conteúdo da cena mediante detecção monocular de movimento no plano de imagem. Pontos detectados são agrupados em alvos cujo interesse para fins de rastreamento é avaliado por função de atenção. Observou-se que o emprego de imagens foveadas reduz consideravelmente a carga computacional requerida pelo processo de segmentação. Atributos de cada alvo são extraídos para emprego na função de atenção, que determina o valor de interesse dos alvos. A função de atenção proposta é a base da estratégia de atenção e resulta na seleção do alvo com maior valor de interesse. Os atributos empregados são a disparidade binocular, o número de pixels do alvo, sua densidade e velocidade no plano de imagem e a duração de sua ocorrência ao longo das imagens. Incertezas nos atributos são desconsideradas pela função de atenção. Os movimentos da cabeça de visão onde o sistema foi implementado consistem em movimentos balísticos, sacádicos e de perseguição suave nos eixos de elevação, e vergências assimétricas. A ativação destes movimentos é definida levando-se em conta características de desempenho do aparato visual antropomórfico. Avaliou-se o desempenho do sistema tanto no rastreamento de diversos alvos rígidos movendo-se em translação de forma controlada contra um fundo estático de textura não homogênea quanto no de uma pessoa deslocand-se e originando múltiplos alvos não rígidos que violam a restrição de translação pura. Os resultados para o primeiro caso demonstraram a manutenção dos alvos rígidos dentro do campo visual de ambas as câmeras. Já os resultados para o segundo caso demonstraram menor robustez a distorções nos padrões de cinza causadas pelo movimento de rotação e de mudança de escala, o que provoca chaveamento excessivo da atenção do sistema. Isto reflete as limitações do poder computacional empregado, uma vez que há grande dificuldade em limitar o movimento entre quadros da pessoa sendo rastreada.

O reconhecimento de caracteres numéricos tem diversas aplicações incluindo arquivos de correios e leituras de cheques em banco. Atualmente, muitos algoritmos rem sido propostos e desenvolvidos, mas ainda é necessário muito trabalho para aproximar-se significativamente do desempenho humano. Neste trabalho é desenvolvido um estudo sobre várias características que envolvem a implementação de um sistema de reconhecimento de caracteres em que se analisa a influência da aplicação dos procedimentos de processamento de imagens, como esqueletonização, a utilização de processos para extração de atributos, como transformadas de Fourier, extração de traços e momentos da forma. Além disso, investiga-se a influência da utilização de uma pequena flutuação da posição dos caracteres durante o treinamento das redes neurais utilizadas como classificadores. O estudo foi feito a partir de imagens reais, e não simulações, portanto, vários subproblemas como aquisição e compressão de dados foram estudados e resolvidos. O sistema foi implementado em linguagem C, no ambiente de desenvolvimento do Visual C++ 4.0, utilizando imagens escaneadas de caracteres numéricos impressos e dígitos manuscritos. Com respeito aos resultados, observou-se que o uso dos extratores de atributos, utilizados nas condições descritas neste trabalho, degradam o desempenho na classificação de imagens ruidosas e o uso da flutuação da posição do caractere durante o treinamento da rede neural introduz uma melhora significativa no desempenho do reconhecimento.

Os impactos ambientais e na saúde ocupacional provenientes das atividades desenvolvidas no setor metal-mecânico têm forçado esta área a reduzir o uso de fluidos de corte e de lubrificantes a base de óleos minerais. Uma alternativa ambientalmente favorável é a substituição dos óleos minerais por óleos vegetais e seus derivados, pois estes são provenientes de fontes renováveis e apresentam excelente poder lubrificante. Neste trabalho, foram caracterizados, do ponto de vista físico-químico e tribológico, os óleos de amendoim e pinhão-manso e seus respectivos derivados transesterificados. Como os ensaios físico-químicos comumente aplicados a óleos vegetais são regulamentados pelo setor alimentício, a seleção dos principais ensaios físico-químicos necessários para caracterizar o desempenho lubrificante de um óleo vegetal foi conduzida a partir de técnicas de análise estatística multivariada e de reconhecimento de padrões, as quais possibilitaram a seleção dos principais parâmetros físico-químicos e tribológicos relacionados com a capacidade lubrificante. Os ensaios tribológicos indicaram que os óleos de amendoim e o de pinhão produzem um menor desgaste em substrato de alumínio que seus derivados transesterificados. Os resultados das análises multivariadas utilizando métodos hierárquicos e não hierárquicos indicaram a existência de três grupos, sendo que os óleos vegetais apresentaram um desempenho lubrificante melhor que os derivados. A adição de 10% do derivado no óleo vegetal diminuiu o coeficiente médio de atrito, podendo ser empregado como aditivo anti-desgaste. Apesar dos resultados positivos, os ensaios fisico-quimicos comprovam a necessidade de adição de compostos antioxidantes para garantir maior tempo de vida ao lubrificante de base vegetal.

O presente trabalho apresenta a aplicação de técnicas de visão computacional na identificação de alvos (i.e. marcações) na superfície de cargas em campanhas de ensaios de separação de cargas externas. A identificação dos alvos na superfície da carga alijada é o primeiro passo para o seu rastreamento e consequentemente, para a análise de sua trajetografia. Foram utilizados os atributos Haar-like e MB-LBP para composição dos classificadores que realizaram a identificação dos alvos nas imagens capturadas em alta resolução (i.e. 720p ou mais) e em alta velocidade (i.e. 200 quadros por segundo ou mais). Em ambos os casos, foi necessária realização de duas etapas, a saber: treinamento dos classificadores e identificação dos alvos na imagem. Como premissa básica, todas as ferramentas utilizadas foram de livre acesso e, portanto, não possuem restrições de uso. As bibliotecas do OpenCV foram utilizadas para a manipulação das imagens e para a aplicação das técnicas escolhidas. Para a validação da ferramenta desenvolvida, foram analisadas sequências de imagens de um voo de ensaio de separação de carga capturadas em uma campanha de desenvolvimento de uma bomba guiada a laser e de ensaios de separação em solo realizadas no IPEV. O tempo de execução do processo de identificação dos alvos em um computador portátil foi comparado ao tempo de execução do mesmo processo em um dispositivo que pode ser embarcado na aeronave, com a finalidade de se verificar o desempenho da ferramenta. Os resultados obtidos nos experimentos se mostraram satisfatórios e puderam comprovar a aplicação das técnicas na identificação dos alvos em ensaios de separação de carga.

O reconhecimento facial é uma tarefa que os seres humanos realizam naturalmente todos os dias e praticamente sem esforço nenhum. Porém para uma máquina este processo não é tão simples. Com o aumento do poder computacional das máquinas atuais criou-se um grande interesse no processamento de imagens e vídeos digitais, com aplicações nas mais diversas áreas de conhecimento. Este trabalho objetiva a comparação de técnicas de reconhecimento facial, já conhecidas na literatura, com o intuito de identificar qual técnica possui melhor desempenho em um ambiente real e semicontrolado. Secundariamente avalia-se a possibilidade da utilização de uma ou mais técnicas de reconhecimento facial para identificar automaticamente a presença de alunos em uma sala de aula de artes marciais, utilizando imagens das câmeras de vigilância instaladas no recinto, levando em consideração aspectos importantes, tais como: imagens com pouca nitidez, luminosidade não ideal, movimentação constante dos alunos e o fato das câmeras estarem em um ângulo fixo. Este trabalho está relacionado às áreas de Processamento de Imagens e Reconhecimento de Padrões, e integra a linha de pesquisa de \"Monitoramento de Presença\" do projeto \"Ensino e Monitoramento de Atividades Físicas via Técnicas de Inteligência Artificial\" (Processo 2014.1.923.86.4, publicado no DOE 125(45), em 10/03/2015), projeto este executado em conjunto da Universidade de São Paulo, Faculdade Campo Limpo Paulista e Academia Central Kungfu-Wushu. Com os experimentos realizados e apresentados neste trabalho foi possível concluir que, dentre os métodos de reconhecimento facial utilizados, o método Local Binary Patterns teve o melhor desempenho no ambiente proposto. Por outro lado, o método Eigenfaces teve o pior desempenho de acordo com os experimentos realizados. Além disso, foi possível concluir também que não é viável a realização da detecção de presença automática de forma confiável no ambiente proposto, pois a taxa de reconhecimento facial foi relativamente baixa, se comparada a outros trabalhos do estado da arte, trabalhos estes que usam de ambientes de testes mais amigáveis, mas ao mesmo tempo menos comumente encontrados em nosso dia-a-dia. Acredita-se que foi possível alcançar os objetivos propostos pelo trabalho e que o mesmo possa contribuir para o estado da arte atual na área de visão computacional, mais precisamente no âmbito do reconhecimento facial. Ao final são sugeridos alguns trabalhos futuros que podem ser utilizados como ponto de partida para a continuação desta pesquisa ou até mesmo de novas pesquisas relacionadas a este tema / Face recognition is a task that human beings perform naturally in their everyday lives, usually with no effort at all. To machines, however, this process is not so simple. With the increasing computational power of current machines, a great interest was created in the field of digital videos and images processing, with applications in most diverse areas of knowledge. This work aims to compare face recognition techniques already know in the literature, in order to identify which technique has the best performance in a real and semicontrolled environment. As a secondary objective, we evaluate the possibility of using one or more face recognition techniques to automatically identify the presence of students in a martial arts classroom using images from the surveillance cameras installed in the room, taking into account important aspects such as images with low sharpness, illumination variation, constant movement of students and the fact that the cameras are at a fixed angle. This work is related to the Image Processing and Pattern Recognition areas, and integrates the research line \"Presence Monitoring\" of the project entitled \"Education and Monitoring of Physical Activities using Artificial Intelligence Techniques\" (Process 2014.1.923.86.4, published in DOE 125 (45) on 03/10/2015), developed as a partnership between the University of São Paulo, Campo Limpo Paulista Faculty, and Kungfu-Wushu Central Academy. With the experiments performed and presented in this work it was possible to conclude that, amongst all face recognition methods that were tested, Local Binary Patterns had the best performance in the proposed environment. On the other hand, Eigenfaces had the worse performance according to the experiments. Moreover, it was also possible to conclude that it is not feasible to perform the automatic presence detection reliably in the proposed environment, since the face recognition rate was relatively low, compared to the state of the art which uses, in general, more friendly test environments but at the same time less likely found in our daily lives. We believe that it was possible to achieve the objectives proposed by this work and that can contribute to the current state of the art in the computer vision field and, more precisely, in the face recognition area. Finally, some future work is suggested that can be used as a starting point for the continuation of this work or even for new researches related to this topic

A detecção e reconhecimento de objetos é uma tarefa fundamental em aplicações relacionadas à navegação autônoma de robôs móveis e veículos inteligentes. Com a evolução tecnológica nos sistemas sensoriais, surgiram equipamentos capazes de detectar e representar os elementos presentes no ambiente de forma tridimensional, em estruturas chamadas nuvem de pontos. Os sensores 3D geralmente capturam um grande volume de pontos em curtos intervalos de tempo, o que demanda técnicas robustas para processamento dessa informação além de tolerância a eventuais ruídos nos dados. Uma abordagem frequentemente utilizada na área de Visão Computacional para redução de dimensionalidade é a extração de features robustas, armazenando um subconjunto de informações representativas e simplificadas do conjunto de dados. Esta tese apresenta uma metodologia de classificação de objetos em nuvens de pontos 3D através da extração de features 3D globais. Foi desenvolvido um novo descritor 3D invariante à escala, translação e rotação denominado 3D-CSD (3D-Contour Sample Distances) para representação da superfície dos objetos presentes no ambiente, e utilizado um método de aprendizado supervisionado para reconhecimento de padrões. Os experimentos realizados envolveram o uso de Redes Neurais Artificiais para o reconhecimento de diferentes classes de objetos, avaliando e validando a metodologia proposta. Os resultados obtidos demostraram a viabilidade da aplicação desta abordagem para o reconhecimento de objetos em sistemas de percepção 3D. / Objects detection and recognition is a critical task in applications for mobile robots and intelligent vehicles autonomous navigation. With the advent of many 3D sensors, environment elements can be detected and represented in three-dimensional mode, in structures known as point clouds. 3D sensors usually capture a large amount of points at high rates, requiring robust techniques to process this information and also deal with noise on input data. A common approach in the Computer Vision field for dimensionality reduction is the use of robust features extraction techniques. This way, only a subset with representative and simplified information from the dataset is processed. This thesis presents a methodology for objects recognition in 3D point clouds using global 3D features extraction. A novel 3D descriptor invariant to scale, translation and rotation named 3D-CSD (3D-Contour Sample Distances) was developed to represent the objects surface, and a supervised learning method used for pattern recognition. The experiments were performed using Artificial Neural Networks for the recognition of different classes of objects, evaluating and validating the proposed methodology. Obtained results demonstrated the feasibility of this approach application for object recognition in 3D perception systems.