Na visão computacional, a detecção de objetos é uma tarefa que tem signifgificativa importância. Podemos verificar isto através da existência de inúmeros métodos propostos na literatura. Cada um destes métodos se apóia em algumas características presentes na imagem para alcançar um desempenho eficiente. Considerando ambientes que utilizam cores para determinação de objetos presentes em uma imagem, é possível utilizá-las como características que permitam detectar os objetos. Neste trabalho, são investigados dois classificadores de cores. O primeiro é baseado em limiarização no espaço HSV e o segundo é constituído de um mapa auto-organizável para classificação dos pixels no espaço RGB. Objetivando a construção de um sistema classificador de cores eficiiente, capaz de processar vídeo em tempo real, é proposta uma técnica que se baseia no conceito de quantização. Outro aspecto investigado foi a detecção de movimento para evitar o processamento de pontos indesejados. O desempenho do sistema de classificação de cores é avaliado em um ambiente de futebol de robôs da categoria Mirosot, que é um ambiente dinâmico e que exige que todo o processamento da imagem seja rápido de modo a detectar corretamente todos objetos presentes em cada quadro. Os resultados mostram que o classificador de cores é capaz de detectar todos objetos no ambiente de futebol de robôs, sendo cada quadro processado em menos de 30 milisegundos, tornando o sistema desenvolvido muito adequado ao processamento de vídeo / In computer vision, the detection of objects is a task of great importance. We can verify this by the existence of several methods proposed in the literature. Each one of these methods is based on some characteristics present in the image to reach an eficient performance. Considering environments that make use of colors for determining the objects present in a image, it is possible to utilize them as the characteristics that allow to detect the objects. In this work, two color classifiers are investigated. The first one is based on the thresholding in the HSV space and the second is constituted by a self-organizing map for classifying of pixels in the RGB space. Aiming to construct an eficient color classifier able to process video in real time, it is proposed a technique that is based on the quantization concept. It is also investigated the detection of movement to avoid processing undesired points. The performance of the color classifier system is validated in a MIROSOT robot soccer environment, which is a dynamic environment, requiring that all image processing be very fast in order to detect all the objects present in each frame. The results show that the color classifier system is able to detect correctly all objects present in the robot soccer environment, processing each frame in less than 30 milliseconds, turning the developed system very appropriate for real time video processing

Submitted by Maicon Juliano Schmidt (maicons) on 2015-03-30T13:52:38Z No. of bitstreams: 1 Eduardo de Oliveira.pdf: 5953304 bytes, checksum: 4371bfccf262cad294bf159405027f64 (MD5) / Made available in DSpace on 2015-03-30T13:52:39Z (GMT). No. of bitstreams: 1 Eduardo de Oliveira.pdf: 5953304 bytes, checksum: 4371bfccf262cad294bf159405027f64 (MD5) Previous issue date: 2011-01-31 / Banco Santander / Banespa / Este trabalho apresenta um sistema que realiza automaticamente a inferência das emoções básicas (alegria, tristeza, raiva, medo, repulsa e surpresa) pelas expressões da face de um usuário de computador, através de imagens capturadas por uma webcam. A aplicação desenvolvida baseia-se no sistema de codificação facial FACS, que classifica as ações faciais em códigos específicos, conhecidos como AUs (Action Units). A abordagem utilizada consiste em coletar dados de movimentações da boca, olhos e sobrancelhas para classificar, via redes neurais, os códigos AUs presentes nas expressões faciais executadas. Por meio de árvore de decisão, conjunto de regras ou rede neural, as emoções dos AUs, anteriormente classificados, são inferidas. O sistema construído foi avaliado sobre três cenários diferentes: (1) utilizando amostras de bases de faces para avaliação de reconhecimento de AUs e emoções; (2) com amostras de bases de faces para avaliação de reconhecimento de emoções por rede neural (abordagem alternativa); (3) utilizando uma amostra composta por imagens capturadas por webcam para avaliação de emoção, por árvore de decisão e rede neural. Como resultados, foi obtida uma taxa de reconhecimento sobre AUs de 53,83%, implicando em 28,57% de reconhecimento de emoções pelo inferidor da árvore de decisão - Cenário 1. Já, a inferência de emoção pela rede neural obteve como melhor resultado 63,33% de taxa de reconhecimento - Cenários 2 e 3. O trabalho desenvolvido pode ser utilizado para ajustar o comportamento do computador ao estado afetivo do usuário ou fornecer dados para outros softwares, como sistemas tutores inteligentes. / This work presents a system that automatically performs the inference of basic emotions (happiness, sadness, anger, fear, disgust and surprise) through facial expressions from a computer user, using images captured by a webcam. The developed application is based on facial coding system FACS, that classifies specific facial actions, known as AUs (Action Units). The proposed approach consists in collecting moviment data of mouth, eyes and eyebrows to classify, by neural networks, AUs codes presents in performed facial expressions. With decision tree, ruleset or neural network, the emotions of AUs, previously classified, are inferred. The designed system was evaluated in three different scenarios: (1) using samples of faces bases to evaluate the recognition of AUs and emotions; (2) with samples of face bases to evaluate emotion recognition by neural network (alternative approach); (3) using a sample of images captured by webcam for evaluation of emotion in decision tree and neural network. As results, was obtained 53.83% of recognition rate over AUs, which implicating 28.57% of emotions recognition with decision tree - Scenario 1. The emotion inference by neural network achieve, 63.33% of recognition rate as the best result - Scenarios 2 and 3. The developed paper can be used to adjust computer?s behavior to address user?s affective state, or provides data to other softwares, such as intelligent tutoring systems.

A análise da qualidade de grãos é um dos gargalos encontrados na cadeia produtiva do setor cafeeiro, tendo em vista que atualmente é feita de forma manual. Buscando uma solução para o problema, este trabalho apresenta um método baseado em visão computacional e redes neurais artificiais para identificar vinte e uma classes de grãos de café em amostras. No total, 421 atributos de três diferentes naturezas- morfologia, cor e textura- foram reunidos para compor o conjunto de características utilizado pela rede neural. Os atributos morfológicos são: Descritores de Fourier, Descritores Genéricos de Fourier, Momentos de Zernike, elementos do Modelo Autorregressivo e um conjunto de atributos diversos. Após avaliar duas abordagens para os atributos de cor- histogramas de frequências de cor e atributos estatísticos desses histogramas- a segunda foi escolhida e, assim, os atributos de cor adotados foram: média, variância, obliquidade, energia, curtose, entropia e suavidade de histogramas globais de cor, calculados para os espaços de cor RGB, HSV, I1I2I3 e CIELAB. Visando um melhor desempenho, os descritores de Haralick foram modificados para que dois pixels de referência fossem utilizados no cálculo da matriz de coocorrência. A versão modificada dos descritores superou as originais, e assim, seus valores calculados com o espaço de cor I1I2I3 (aquele que apresentou melhor eficácia em testes) foram utilizados como atributos de textura. O conjunto de atributos foi arranjado em cinco subconjuntos, cada um contendo diferentes combinações das distintas naturezas de atributos e sendo associado a uma análise. Para cada subconjunto selecionaram-se os melhores elementos pelas técnicas chi-quadrado, ganho de informação e PCA (Principal Component Analysis). O resultado dessa seleção determinou as entradas para três processos classificatórios, que foram avaliados a fim de se determinar o mais efetivo. Após as avaliações, e sendo determinada a melhor configuração, o processo classificatório escolhido proporcionou a acurácia de 85,08%, superando trabalhos correlatos. / The quality asssessment of beans is one of the bottlenecks found in the production chain of the coffee industry, as nowadays it is done manually. Seeking a solution for the problem, this work presents a method based on computer vision with neural networks to identify twenty-one classes of coffee beans in samples. In total, 421 features of three different types- morphological, colour and textural- were gathered to compose the feature set used by the neural network. The morphological features were Fourier Descriptors, Generic Fourier Descriptors, Zernike Moments, elements from Autoregressive Model and a miscellaneous set. After evaluating two approaches of colour features- colour frequency histograms and statistics from those histograms- the latter was chosen and the colour features comprised the mean, variance, skewness, kurtosis, energy, entropy and smoothness of global histograms calculated for the channels of the RGB, HSV, I1I2I3 and CIELAB colour spaces. Seeking better performance the Haralick features were modified, so two pixels were used as reference in the computation of the Grey Level Co-occurrence Matrix. The modified versions of the features outperformed the original ones and their computations with the I1I2I3 colour space (the one that provided the best results in tests) were used as textural features. The feature set was then rearranged in five intersecting subsets, each one containing different combinations of the feature types and being associated with an analysis. For each subset the best elements were selected using the techniques PCA (Principal Component Analysis), chi-squared and information gain. The resulting selections were used to determine the inputs to three classification processes, which were evaluated in order to select the most effective. After all evaluations, and having determined the best configuration, the selected classification process yielded an overall accuracy of 85.08%, outperforming related works.

A biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Desta forma, visando contribuir com as técnicas de taxonomia já desenvolvidas, este estudo objetiva desenvolver e testar uma metodologia computacional de identificação de espécies vegetais por meio da análise da textura foliar. Motivado pelo projeto TreeVis, este trabalho realiza uma revisão dos métodos utilizados para análise de textura em imagens digitais (foco concentrado em extração de características e classificação), investigando a aplicabilidade de métodos tradicionais como matrizes de coocorrência, técnicas estado da arte como Gabor wavelets e também de novos e promissoras técnicas de análise de textura, como a dimensão fractal volumétrica. No contexto de classificação investiga-se métodos para reconhecimento de padrões lineares com base em análise de dados multivariados, não lineares com base na teoria das Redes Neurais Artificiais e métodos simples para combinação de diferentes classificadores (comitê de máquinas). Apesar da alta similaridade entre classes e similaridade intraclasses não adequada, os resultados alcançados mostraram-se excelentes. A melhor estratégia de classificação, utilizando comitê de máquinas com descritores de Gabor wavelets/cor e dimensão fractal volumétrica/cor, obteve uma probabilidade de acerto global de 96:32% nas 40 classes estudadas. Esse resultado demonstra como os métodos computacionais de análise de imagens, em especial análise de textura, podem contribuir facilitando e agilizando a tarefa de identificação de espécies vegetais / Biodiversity of species existing in the plant kingdom make the use of traditional models of taxonomy, a process of classification traditionally performed manually, a very complex and time-consuming task. Most of difficulties in that process result from the existence of few researches on plant classification using mathematical and computational methods. In this way, to contribute with the taxonomy techniques already developed, this study aims to develop and test a computational method for identifying plant species by leaf texture analysis. Motivated by the TreeVis project, this work is a comprehensive revision of texture analysis methods used in digital images (focus concentrated in features extraction and classification). This study investigates the applicability of traditional methods such as co-occurrence matrix, state of the art techniques as Gabor wavelets, and new and promising texture analysis methods, such as volumetric fractal dimension. In classification context is investigated methods of pattern recognition based on multivariate data analysis, artificial neural networks and committee machines. Although leaf classes present high similarity between classes and not appropriate similarity intraclasses, the results obtained are excellent. The best strategy for classification, using committee machines with descriptors of Gabor wavelets/color and volumetric fractal dimension/color, yielded a high probability of success, 96:32% in 40 classes studied. This result demonstrates how computational methods of images analysis, in particular texture analysis, can contribute and make more easier and faster the task of identifying plant species

Este trabalho apresenta uma plataforma para coleta e análise de imagens urbanas, que integra Interfaces de Programação de Aplicativos \"Application Programming Interfaces\" (APIs) de sistemas de busca de imagens, Sistemas de Informações Geográficas (SIGs), mapas digitais e técnicas de visão computacional. Esta plataforma, INACITY, permite que usuários selecionem regiões de interesse e capturem elementos de relevância para a arquitetura urbana, como, por exemplo árvores e buracos em ruas. A implementação da plataforma foi feita de maneira a permitir que novos módulos possam ser facilmente incluídos ou substituídos possibilitando a introdução de outras APIs de mapas, SIGs e filtros de Visão Computacional. Foram realizados experimentos com as imagens obtidas através do \"Google Street View\" onde árvores são capturadas em áreas de bairros inteiros em questão de minutos, um ganho significativo quando comparado com o procedimento manual para levantamento deste tipo de dado. Além disso, também são apresentados resultados comparativos entre os métodos de visão computacional propostos para a detecção de árvores em imagens com outros métodos heurísticos, em um conjunto onde as árvores estão marcadas manualmente e assim as taxas de precisão e de redescoberta de cada algoritmo podem ser avaliadas e comparadas. / This project presents a platform that integrates Application Programming Interfaces (APIs), image retrieval systems, Geographical Information Systems (GISes), digital maps and Computer Vision techniques to collect and analyse urban images. The platform, INACITY (an acronym for INvestigate and Analyse a City), empowers users allowing them to select a region over a map and see urban features inside that region that have relevance to the urban architecture context, for instance trees. The implementation is extensible and it is designed to make it easy to add or replace new modules, for instance, to add a new API to present a map, different GISes and other Computer Vision filters.

Nos últimos anos, tem se intensificado o desenvolvimento de novas tecnologias para serem aplicadas à veículos submersíveis não tripulados. Uma delas é a visão computacional, que tem o objetivo de extrair informações úteis das imagens captadas do ambiente, podendo ser utilizada como um sensor para o posicionamento do veículo, além de contribuir para o reconhecimento automático de objetos a serem inspecionados. A finalidade de um veículo submersível não tripulado é efetuar missões de inspeções ou pequenos reparos em estruturas submersas em meios oceânicos ou fluviais. Nessas operações, é importante que o veículo possua um controle autônomo, por meio de um sistema de posicionamento dinâmico, para facilitar a sua operação e garantir o sucesso da missão. Em função destas necessidades, este trabalho concentra-se no desenvolvimento de um sistema de visão computacional auxiliado por ponteiros de raio laser, que geram marcos visuais artificiais em ambientes não estruturados, possibilitando medir distâncias e ângulo de aproamento baseado no método da triangulação. Foram testados lasers com diferentes comprimentos de onda, em ambiente aéreo e subaquático, com diferentes índices de turbidez, nível de luminosidade e distância. Baseado nos resultados e utilizando o sistema de visão e laser como método de sensoriamento, foi projetado e implantado um sistema de posicionamento dinâmico para o plano horizontal, utilizando Filtro de Kalman. A avaliação do sistema de posicionamento dinâmico e do método de sensoriamento foi realizada por meio de simulação numérica e averiguação experimental, utilizando-se um modelo reduzido de um veículo de superfície no laboratório do Departamento de Engenharia Naval e Oceânica da Escola Politécnica da Universidade de São Paulo. Os resultados experimentais indicaram a viabilidade da aplicação do método de sensoriamento baseado em visão computacional e laser para sistemas de posicionamento dinâmico, mostrando-se um método simples, confiável, ativo e independente. / The development of new technologies to improve unmanned underwater vehicles has recently intensified. Computer vision, one such example, has the objective of extracting useful information from images captured in the environment; this information can facilitate vehicle positioning and the reconnaissance of objects to be inspected. Purposes of unmanned underwater vehicles include inspection missions and small repairs in underwater structures located in oceans or rivers. For these operations it is important for the vehicle to have an autonomous control system using dynamic positioning system to facilitate its operation and to guarantee the missions success. Given these necessities, this study concentrates on the development of a computer vision system supported by laser pointing devices that generate artificial landmarks in non-structured environments, facilitating distance and angle measurement based on the triangulation method. Lasers of different wavelengths were tested in air and underwater environments, where the latter had different indices of turbidity, levels of luminosity, and distance. Based on the results and utilizing the system of vision and laser as a sensor method, a dynamic positioning system for the horizontal plane has been created through the use of Extended Kalman Filter. The evaluation of this dynamic positioning system and of the sensor method was accomplished through numeric simulation and experimental checks using a reduced model of a surface vehicle, located in the University of São Paulos Department of Naval and Oceanic Engineering. The experimental results show that the application of the sensor method based on laser and computer vision for the dynamic positioning system is viable and proved to be an independent, active, reliable, and simple method.

A redução de custos e a melhora do processo produtivo são essenciais para o aumento da rentabilidade e da produtividade das áreas agrícolas. O investimento em tecnologia se torna, portanto, fundamental em um mundo cada vez mais competitivo. Neste trabalho é apresentado o desenvolvimento de um método de extração da posição de máquinas agrícolas, em relação às linhas de cultivo, a partir do processamento de imagens fornecidas por uma câmera de vídeo colorida. A posição extraída é a informação básica utilizada em um sistema de direcionamento automático, permitindo determinar quais ações devam ser tomadas para manter a máquina em sua trajetória. O correto posicionamento da máquina sobre as linhas de cultivo melhora o processo de pulverização, ocasionando a redução de custos e o aumento da produtividade da área. O método proposto está embasado nos conceitos de ponto de fuga e busca antecipada. Essas técnicas permitiram simplificar o processamento das imagens e conseqüentemente a redução do tempo de processamento. Essas características, aliadas ao correto posicionamento da câmera, devem permitir que o método proposto possa ser utilizado no controle de máquinas agrícolas que operam em grandes velocidades como os pulverizadores. / Cost reduction and productive process improvement are essential to increase yield in agricultural areas. Investments in technology become, therefore, important in a competitive world. This work presents a novel approach for extracting agricultural machine position, with respect to crop rows, processing images captured by a color video camera. The correct machine positioning in crop rows can improve agricultural processes such as spraying, decreasing the costs and increasing the area yield. The proposed method is based on the look-ahead and vanishing points techniques. These techniques allow the reduction of the algorithm complexity and, therefore, the reduction of the processing time. These characteristics added to the camera position may allow the system to control agricultural machines that run at high speeds, such as sprayers.

Este trabalho apresenta novos métodos para análise de formas tridimensionais dentro do contexto de visão computacional, destacando-se o uso das transformadas wavelets 1D, 2D e 3D, as quais proporcionam uma análise multi-escala das formas estudadas. As formas analisadas se dividem em três tipos diferentes, dependendo da sua representação matemática: f(t)=(x(t),y(t),z(t)), f(x,y)=z e f(x,y,z)=w. Cada tipo de forma é analisado por um método melhor adaptado. Primeiramente, tais formas passam por uma rotina de pré-processamento e, em seguida, pela caracterização por meio da aplicação das transformadas wavelet 1D, 2D e 3D para as respectivas formas. Esta aplicação nos permite extrair características que sejam invariantes à rotação e translação, levando em consideração alguns conceitos matemáticos da geometria diferencial. Destaca-se também neste trabalho a não obrigatoriedade de parametrização das formas. Os resultados obtidos a partir de formas extraídas de imagens médicas e dados biológicos, que justificam este trabalho, são apresentados. / This work presents new methods for three-dimensional shape analysis in the context of computational vision, being emphasized the use of 1D, 2D and 3D wavelet transforms, which provide a multiscale analysis of the studied shapes. The analyzed shapes are divided in three different types depending on their representation: f(t)=(x(t),y(t),z(t)), f(x,y)=z and f(x,y,z)=w. Each type of shape is analyzed by a more suitable method. Firstly, such shapes undergo a pre-processing procedure followed by the characterization using the 1D, 2D or 3D wavelet transform, depending on its representation. This application allows to extract features that are rotation- and translation-invariant, based on some mathematical concepts of differential geometry. In this work, we emphasize that it is not necessary to use the parameterized version of the 2D and 3D shapes. The experimental results obtained from shapes extracted from medical and biological images, that corroborate the introduced methods, are presented.

Orientador: Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2011

Submitted by Cláudia Bueno (claudiamoura18@gmail.com) on 2016-03-04T17:33:45Z No. of bitstreams: 2 Dissertação - Bruno Urbano Rodrigues - 2015.pdf: 15132019 bytes, checksum: 433c4b69a18cc41d168afacdf984560d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-03-07T12:14:40Z (GMT) No. of bitstreams: 2 Dissertação - Bruno Urbano Rodrigues - 2015.pdf: 15132019 bytes, checksum: 433c4b69a18cc41d168afacdf984560d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2016-03-07T12:14:40Z (GMT). No. of bitstreams: 2 Dissertação - Bruno Urbano Rodrigues - 2015.pdf: 15132019 bytes, checksum: 433c4b69a18cc41d168afacdf984560d (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2015-10-01 / The cachaça is a type of drink distilled from sugar cane that has a great economic importance. Their classification includes three types: aged, premium and premium extra. These three classifications are related to the aging time drink in wooden barrels. Besides the aging time is relevant to know what the wood used in the barrels of storage for the properties of each drink are informed correctly to the consumer. This dissertation presented a method for the automatic recognition of the type of wood and the aging time using a computer vision system. The computer vision system is used in the analysis of the color models (RGB) additive and subtractive (CIELab) caught on digital camera. In association with computer vision, algorithmics, system of pattern recognition are used in conjunction with chemical information for the classification of samples. Went used four algorithmics: Artificial Neural network, k-NN (k-Nearest Neighbor), SVM (Support Vector Machines) and Naive Bayes. The end is used the ensemble AdaBoost, technique combining classifiers. In the study we used 108 samples of rum. The results obtained show that it was possible to obtain rates excess use of % 96.26 algorithmics of pattern recognition to the problem of the type of wood. The AdaBoost brought 100 indices % hit to the problem of classification of the type of wood and aging time. Your use proves that it is possible the sort of rum using only color model data contributing to a lower cost of production. / A cachaça é um tipo de bebida destilada a partir da cana-de-açúcar que possui uma grande importância econômica. Sua classificação inclui três tipos: envelhecida, premium e extra premium. Estas três classificações estão relacionadas ao tempo de envelhecimento da bebida em tonéis de madeira. Além do tempo de envelhecimento é relevante saber qual a madeira utilizada no tonél de armazenamento para que as propriedades de cada bebida sejam informadas corretamente ao consumidor. Neste trabalho é apresentado um método para o reconhecimento automático do tipo de madeira e do tempo de envelhecimento utilizando um sistema de visão computacional. O sistema de visão computacional é utilizado na análise dos modelos de cores aditivo (RGB) e subtrativo (CIELab) capturados por uma câmera digital. Em associação ao sistema de visão computacional, algoritmos de reconhecimento de padrões são utilizados em conjunto com informações químicas para a classificação das amostras. Para tal utiliza-se quatro algoritmos: Rede Neural Artificial, k-NN (k-Nearest Neighbor), SVM (Support Vector Machines) e Naive Bayes. Ao final é utilizado o ensemble AdaBoost, técnica que combina classificadores. No estudo foram utilizadas 108 amostras de cachaça. Os resultados obtidos demonstram que foi possível obter taxas superiores a 96,26% na utilização dos algoritmos de reconhecimento de padrões para o problema do tipo de madeira. O AdaBoost trouxe índices de 100% de acerto para o problema de classificação do tipo de madeira e tempo de envelhecimento. Sua utilização comprova que é possível a classificação de cachaça utilizando apenas dados do modelo de cores contribuindo para um menor custo de produção.