ALGORITMO DE RECONOCIMIENTO DE PRATONES PARA EL RECONOCIMIENTO DE OBJETOS DIGITALES USANDO LA VISION ARTIFICIAL

UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA DE INFORMÁTICA

[pic 1]

ALGORITMO DE RECONOCIMIENTO DE PRATONES PARA EL RECONOCIMIENTO DE OBJETOS DIGITALES USANDO LA VISION ARTIFICIAL

PROTOCOLO DE TESIS DE GRADO

POR:        JUAN PABLO STRELLI REYNOZO

TUTOR METODOLÓGICO: M.SC. GROVER RODRIGUEZ RAMIREZ

ASESOR: LIC. MARCELO ARUQUIPA CHAMBI

LA PAZ – BOLIVIA
2014

Contenido                                                                                  Pág.        

1.        Introducción.        1

2.        Planteamiento del problema.        2

3.        Formulación del problema.        3

4.        Objetivos.        3

4.1 Objetivo general.        3

4.2 Objetivos específicos.        3

5.        Justificación.        4

5.1 justificación técnica.        4

5.2 Justificación social.        5

5.3 Justificación práctica.        5

6.        Alcances.        6

6.2 Alcances temporal.        6

6.3 Alcance parcial.        6

7.        Marco teórico.        6

7.1 Visión artificial.        6

7.2 Reconocimiento de patrones.        7

1. Introducción.

El reconocimiento visual de objetos es una función básica con la que cuentan los organismos más desarrollados. La identificación de patrones usando la visión nos permite realizar tareas como la identificación, clasificación, vigilancia, selección, análisis, etc.

El avance de desarrollos tecnológicos nos permitió que esta capacidad sea traspasada a distintos dispositivos como los celulares, dispositivos robóticos; diseñados para fines específicos en una amplia variedad.

La visión artificial en estos dispositivos cuenta con un sistema de extracción de rasgos que luego es comparada en la base de datos o con la información aprendida del sistema incorporado, una dificultad que ocurre es que el objeto analizado puede estar en cualquier posición o puede estar siendo bloqueado por otro objeto más pequeño, con cualquier nivel de brillo y de iluminación o puede estar parcialmente oculto, lo que podría incidir negativamente en la comparación en la base de datos almacenada.

Existen investigaciones y avances en el desarrollo de metodologías que tienen en cuenta estas variantes y responden con buena taza de precisión en condiciones controladas. El desafío el mejorar los algoritmos que están involucrados en la visión artificial para lograr desempeños correctos en la vida real, esto no solo involucra el reconocimiento exitoso si no también el tiempo de ejecución del reconocimiento para que este sea aplicado en sistemas de tiempo real y distribuido.

El desarrollo  de nuevos algoritmos de reconocimiento de imágenes digitales abre nuevas ventanas a los distintos procesos de automatización existentes como la dactiloscopia, conteo, identificación, seguridad etc.

Para el mejor entendimiento de lo que se pretende llegar hacer en la investigación se muestra en el siguiente ejemplo analítico del problema que se tiene.

Supongamos que se tiene las siguientes imágenes almacenadas.

[pic 2]

Supongamos que cada imagen tiene un tiempo de ejecución de 1ms (milisegundo), la salida deseada es el objeto a) y este se analizara desde distintas posiciones, también este será obstruido por otros objetos.

Tabla 1.0 análisis de las imágenes.

En el anterior ejemplo que es aplicado en situaciones reales se puede notar como para una salida deseada los procedimientos que son actualmente usados pueden llegar a colapsar dando tiempos de ejecución más largos y salidas erróneas esto sucede porque la mayoría de los algoritmos usados son los basados en análisis de pixel por pixel dando tiempos de ejecución más altos.

1. Planteamiento del problema.

Dado que en la actualidad la tecnología de reconocimiento de imágenes digitales va aumentando, es necesario tener un algoritmo optimizado que puedan realizar tareas de reconocimiento de información; usando la mínima información de la imagen.

El desarrollo de herramientas de soporte para la detección automática de objetos en tiempo real, es un área que va creciendo por la capacidad computacional que se tiene de las mismas, el algoritmo planteado se enfocara en dos aspectos  fundamentales que serán el de aprendizaje y testeo, una noción importante en la visión artificial es la similaridad de los objetos en cuanto a la forma que ellos tienen, es por eso que muchos investigadores han propuesto medidas de similaridad a distancia entre formas, que tienen en cuenta la distancia interna (partes visualmente significativas), también pueden estudiarse por medio de sus bordes.

El procedimiento por análisis de bordes requiere, procedimientos de extracción de características geométricas: curvatura, segmentos rectos y zonas de convexidad y concavidad. Estos procedimientos deben ser suficientemente insensibles al ruido presente en imágenes reales, a fin de obtener resultados confiables.

1. Formulación del problema.

Mejorar los algoritmos existentes para el reconocimiento de objetos digitales. Además, se propone una medida de similaridad de formas orientada al reconocimiento automático de objetos.

¿Se podrá llegar a un nuevo algoritmo que sea capaz de identificar una imagen digital sin que nos importe el ruido de la imagen o si esta imagen está siendo bloqueada por otro objeto?

1. Objetivos.

4.1 Objetivo general.

El objetivo general es generar conocimiento teórico y práctico en el área de análisis de imágenes. En el aspecto teórico se estudiara cuestiones de geometría digital, definición, extracción y cálculo de características geométricas de objetos en una imagen digital. Desde el punto de vista práctico se pretende desarrollar algoritmos que permitan poder reconocer automáticamente y eficazmente objetos, para ser aplicados a sistemas de visión artificial.

4.2 Objetivos específicos.

• Estudiar de forma teórica la definición de características geométricas en objetos digitales, como derivadas de la geometría diferencial.
• Estudiar la preservación  de propiedades de borde de un objeto mediante trasformaciones geométricas.
• Proponer métodos de representación simplificada de formas y medida de similaridad, compatibles con sistemas de procesamiento en tiempo real.
• Diseñar algoritmos de clasificación y reconocimiento de un objeto digital.

1. Justificación.

Actualmente los sistemas que usan algoritmo de detección de objetos captados mediante imágenes son más frecuentes, desde sistemas de seguridad hasta dispositivos cotidianos que son usados todos los días por diferentes personas, es por eso que actualmente existe una gran cantidad de algoritmos para la detección de objetos digitales, con las debilidades que cada algoritmo es distinto, y tienen diferentes objetivos por ejemplo si se quiere reconocer el rostro de una persona el mejor algoritmo con una taza de efectiva del 97,53% es el algoritmo de DEEPFACE, que es usado actualmente por las empresas más grandes de redes sociales del mundo, pero supongamos que no queremos reconocer el rostro de una persona si no el iris, entonces ahí aplicaríamos lo que es los filtros de GABOR y la transformada circular de HOUGH, ahora si lo que queremos analizar son distintos objetos como plantas, figuras geométricas, palmas de la mano de una persona o cualquier otro objeto en si los algoritmos anteriormente mencionados ya no nos servirían, aunque si existen algoritmos de detección de objetos estos carecen de análisis profundos como ser geometría, tiempos de ejecución, pre-procesamiento de imágenes etc.

...