Vision artificial

UNIVERSIDAD POLITECNICA SALESIANA

VISION ARTIFICIAL
Oscar David Sari Villa
UNIVERSIDAD POLITÉCNICA SALESIANA
Carrera de Ingeniería Electrónica Y Telecomunicaciones
osari@est.ups.edu.ec

este diagrama se explica desde arriba hacia abajo,
Resumen—En este documento se presenta un en esta se dice que existen tres perfiles de usuario:
informe de las diversas formas de visión artificial, Básico, intermedio y avanzado [5].
sus diferentes usos y aplicaciones, como por
ejemplo la visión artificial aplicada a la detección
de transeúntes para que de esta manera con poco
personal humano se pueda realizar un trabajo
amplio que originalmente requeriría muchas
personas.

PALABRAS CLAVES: Procesamiento de
imágenes, seguimiento visual, conteo de personas,
detección de flujo vehicular.

I. INTRODUCCIÓN
El proceso general que realizaremos es la de
detectar el movimiento ya sea de personas u otro
objeto mediante el uso de aparatos electrónicos o
software como por ejemplo el Display IMG,
TeamSoftware, Irmotion, Goratech Ireport. De esta
manera facilitaremos el trabajo de las personas ya
estas no tendrán que estar todo el tiempo tras las
cámaras de vigilancia.
FIG. 1 ESTRUCTURA DEL SOFTWARE
Sea cual sea el mecanismo o software que vayamos
a utilizar debe poseer la capacidad de detectar,
analizar e informar sobre cualquier evento que III. ESTRUCTURA DEL CAMPO VISUAL
suceda en área determinada [1] [2] [3]. Esto hace referencia a la imagen plana que refleja
Los sistemas de visión artificial deben tener la gran una escena generalmente tridimensional, para esto
capacidad de detectar objetos tal y cual como lo se han usado sensores foveales los cuales presentan
hacen los seres humanos, mediante la detección de un perfil de resolución variable a lo largo del campo
objetos estos deben tomar decisiones pero esto ya se de visión. Al realizar esto permite que la percepción
vincula con la inteligencia artificial que en este caso y al ambiente visual en el que estamos trabajando
sean coordinados y que se dé una mejor interacción,
no hablares mucho de ello [4].
gracias a esto podremos recibir las imágenes más
II. ESTRUCTURA DEL SOFTWARE detalladas pero sin perder de vista el campo visual
en que estamos [6].
En la siguiente figura (Fig. 1) se indica la estructura
implementada en el software de visión artificial,

1


De la misma manera podemos aplicar esto para También presentamos una propuesta para el
detectar el densidad de peatonal en tiempo real, de reconocimiento invariante de objetos que está
esta manera podremos detectar aumenta densidad de basada en el uso de formas cónicas dentro de la base
personas en ciertas horas del día y sin la necesidad más simple de conocimiento, esto se puede
de que alguna persona este sentado todo el día representar mediante un vector que se llama
enfrente de una cámara de vigilancia para realizar [CDF&POSE] [9].
todo esto se presenta el siguiente diagrama de
bloque detallando cada una de las etapas [8]: Generación del vector descriptivo [CDF&POSE]:

Cuando la información ya ha sido procesada se
conforma el vector descriptivo que en realidad es la
entrada a la red neuronal.

Di es la distancia al centro del perímetro.
Xc, Yc, son las coordenadas del centroide.
Φ es el ángulo de orientación.
Z es la altura del objeto.
ID es un numero codificado relacionado a la
geometría de los componentes [9].

1. Detección de movimiento invariante a la luz:

IV. DETECCION DE OBJETOS EN
MIVIMIENTO
Cunado un objeto está en movimiento estos
producen cambios de intensidad debido a los
reflejos producidos por la luz, eso significa que si
analizamos dos imágenes sucesivamente esto
producirán cambios de intensidad tanto en objetos
móviles como estáticos [8][9].

2


3. Clasificación

VI. IMPLEMENTACION Y RESULTADOS

Para la implementación de la visión artificial se
utilizó una PC con un procesador Intel Pentium IV
de 2.8 GHz y 512 MB de memoria RAM en un
sistema operativo de Windows XP. La aplicación se
la realizo en la plataforma de LabVIEW 8.0 de
V. EXTRACCION DE CARACTERISITICAS National Instruments.
Y CLASIFICACION La siguiente imagen se la capto con una cámara
Web convencional o sea común y corriente la
cámara estaba a 3.5m del suelo en una posición
Descriptores de Fourier
acimutal, captando una área de 9 metros cuadrados
[8].
Mediante esta descripción se trata de extraer
imágenes a partir de imágenes bizarras utilizando
un análisis de conectividad, para esto primero se
utilizan detectores de bordes. Los descriptores de
Fourier se caracterizan por ser invariantes a
transformación es geométricas y tolerantes al ruido
[10]. Cuando se trata de una superficie cerrada la
serie de Fourier se la puede representar con una
adecuada parametrizacion

z(k) = [Xk,Yk], k=1.2……N (1)
z(k) = Xk + jYk (2)

la transformada discreta de Fourier de a(n)=z(k) es:
Se realizaron varias pruebas para una mejor
verificación de resultados con diferentes
velocidades de muestreo 7.5, 15, 30 pies, pero
lastimosamente no se pudo hacer pruebas en tiempo

3


Arrebola, F., Urdiales, C., Camacho, P. y
Sandoval, F.,
(1998) “Vision system based on shifted fovea
real debido al software que se utilizó. Para la

multirresolution retinotopologies”, Proc. of the
distancia de 15 y 30 pies se obtuvieron resultados
estadísticamente equivalentes por lo daba igual los

25th
datos a 15 pies que los datos a 30 pies.

Annual Conf. IEEE Ind. Electronics Soc., , pp.
Las pruebas se realizaron en ambientes estáticos en

1357-
donde no haya más movimiento que la que produce

1361, Aachen-Alemania.
el objeto que estamos analizando, esto es un gran

A. Bandera, C. Urdiales, J.L. Herreros y F.
problema ya que en un ambiente real van a existir

Sandoval
muchos objetos en movimiento y tratar de analizar

Dpto. Tecnología Electrónica, E.T.S.I.
uno en específico nos resultara muy difícil [8].

Telecomunicación
Universidad de Málaga, Campus de
VII. CONCLUCIONES

Teatinos, 29071 Málaga, España
Scientia et Technica Año XIII, No 35, Agosto
Con toda la información que presentamos

de 2007. Universidad Tecnológica de Pereira.
anteriormente tratamos de demostrar la importancia

ISSN 0122-1701
que tiene la visión artificial que es una parte que
abarca la inteligencia artificial, pero de igual

Mario Peña Cabrera1, Ismael López Juárez2,
manera no deja de ser importante ya que gracias a

H. Gómez N1., R. Osorio C.1, Oleg Sergiyenko3
la visión artificial podemos crear mecanismos que

1 Instituto de Investigaciones en Matemáticas
realicen trabajo no por el simple hecho de recibir

Aplicadas y en Sistemas (IIMAS-UNAM)
órdenes si no que son capaces de visualizar su

Circuito Escolar, Cd. Universitaria, D.F. CP
objetivo, tomar decisiones y ejecutarlas.

4100,México.
En este artículo también se trata de explicar un poco

mario@leibniz.iimas.unam.mx
más sobre los proyectos que involucran la visión

2 CINVESTAV, Saltillo , Coahuila, México.
artificial, como por ejemplo aplicada en la detección

3 Engineering Institute, Autonomous University
de peatones.

of Baja California, Mexicali, Baja California,
Pero todo esto solo es un trabajo de investigación ya

México.
que todo lo realizado es simplemente una

E. G, V. F. Batlle. A. A: Oliver y L. S.
recopilación de información o experimentos que ya

“Descriptores de Fourier para identificacin y
fueron realizados.

posicionamiento de objetos en entornos 3D”. In
Hughett. P, ”A programable command
Proc. 2004 XXV Jornadas de Automatica Cuidad
VIII. REFERENCIAS

interpreter to automate image
Real. España, pp 8-10.
processing of infrared thermography”,SPIE Vol
1467, Thermosense XIII,1991.
Ballard, D. y Brown, C. (1982) Computer
Vision, Prentice
Hughett. P, ”A programmable command
interpreter to automate image
processing of infrared thermography”,SPIE Vol
1467, Thermosense
XIII,1991.
Tombropolous,R.Z., J.R. Adler et al. (1999),
»Carabeamer : A treatment planner for a robotic
radiosirurgical system with general kinematics »,
Medical Image Analysis 3(3) : 237,264.
Hern´an Ben´ıtez,Humberto Loaiza,Bladimir
Vacca,Javier Acevedo
4

Vision artificial

Más contenido relacionado

Destacado (20)

Similar a Vision artificial (20)

Vision artificial