Lezione. Sito, Orari, Ricevimento

Transcript

1 Lezioni giovedi venerdi Corso Introduzione :00-13:30 A3 A3 Lezione+ Lab Lezione Sito, Orari, Ricevimento Esami Il sito del corso è Ricevimento: lunedì 16:00-18:00 Mailing list: mail a visiope@dis.uniroma1.it Laboratorio e Ricevimento via Ariosto 25. Il corso è di 6 crediti = 60 ore di cui 14~1515 effettive di laboratorio Esame: esercizi durante il corso o esame finale Tesina sugli argomenti trattati, implementazione in Matlab

2 Argomenti Modello della telecamera Filtraggio Rilevamento di contorni Segmentazione e analisi di tessiture Calibrazione della telecamera Visione 3D Flusso ottico e tracciamento del movimento Metodi di clusterizzazione Metodi statistici per la visione Temi correlati al Corso di Visione e Percezione Tipologie di sensori La percezione di distanza-prossimità: stima della posizione e localizzazione navigazione Percezione di suoni Interpretazione del parlato Corsi correlati Applicazioni Elective AI Teoria dei segnali Informatica Grafica Intelligenza Artificiale i Apprendimento Robotica Elaborazione delle immagini 1 Sorveglianza e Sicurezza Robotica mobile Controllo della produzione Multimedialità lità Interazione persona-macchina Basi di dati visuali-librerie digitali Medicina e chirurgia Monitoraggio Cinema e Televisione

3 Percezione visiva: schema delle lezioni Il modello della telecamera Rumore Filtri Tessitura Individuazione (texture) dei contorni Calibrazione della telecamera Segmentazione Clusterizzazione Visione primaria ed iniziale Visione Secondaria La percezione nella Computer Science Lo studio dei metodi e modelli di rappresentazione e interpretazione dei dati acquisiti tramite sensori. Rappresentazione Modello Stereopsi Tracciamento Visione cognitiva Elaborazione del segnale Intelligenza Ricostruzione 3d Forme Modelli Statistici Aspetti RBC Modelli Geometrici Riconoscimento Controllo Interpretazione Metodi Sensori artificiali Visione Dispositivi fisici che misurano quantità fisiche e le convertono in segnali elettrici. Tipi di sensori: ellettromagnetici, chimici, ottici, termici, acustici, meccanici,. Proprietà: gamma, sensibilità (variazioni IO), velocità (O t -I t ), stabilità, Limiti: rumore, inaccuratezza,.. Visione artificiale indipendente dal mezzo tipologie di camere: CCD (charged coupled device) CMOS (Complementary metal-oxide semiconductor ) Interfacce: USB, Frame Grabber

4 Storia della camera oscura 1520 Leonardo da Vinci descrive in modo particolareggiato il principio della camera oscura Girolamo Cardano afferma che una lente positiva al posto di un semplice foro consente di ottenere una immagine più luminosa 1657 Kaspar Schott introduce un'importante novità: due cassette scorrevoli, una dentro l'altra, permettono di variare la distanza fra la lente e il piano su cui si forma l'immagine, e quindi di mettere a fuoco la camera oscura W.H.Wollaston scopre l'effetto fotochimico del nitrato d'argento Joseph Nicephore Niepce ( ) inizia i propri p studi utilizzando carta sensibilizzata con cloruro d'argento Nicéphore Niépce realizza le prime immagini stabili utilizzando il bitume di Giudea Antoine Hercules Florence informa l'académie des Sciences di aver fissato le immagini della camera oscura. Usa per la prima volta la parola fotografia e conia il verbo fotografare (da photós, luce e gráphein, scrivere) Henry Fox Talbot riesce a fissare temporaneamente, con una soluzione concentrata di sale, dei fogli di carta impregnati di cloruro d'argento. 7/1/1839 Louis Jacques Mandè Daguerre ( ) annuncia di Fiora essere Pirri riuscito a fissare le immagini, senza rivelare i particolari dell'invenzione. Overview CV Come consideriamo un immagine Intensita

5 Mappa didistanza Dati Singola immagine: colore, intensita, gradiente Sequenza di immagini: movimento. Filtraggio Edge detection Prodotto di un immagine con un kernel facendolo scorrere sull immagine

6 Edge detection Tessitura Brodatz Classificazione e raggruppamento Allineamento Prossimità Simiglianza Simiglianza Direzione Regioni Raggruppamento

7 Classificazione di caratteristiche Segmentazione Parallelismo Continuità Simmetria Chiusura Analisi delle forme Stereopsi

8 Integrazione di sensori Movimento e Flusso ottico Tracciamento Studio dell attenzione

9 Attenzione Attenzione nei robot Riconoscimento Un primo modello: Marr Modelli Geometrici Modelli probabilistici Aspetti e riconoscimento per componenti

10 Riconoscimento di persone Riconoscimento di Targhe Tesine 2006 Riconoscimento di volti Riconoscimento basato su tessiture Tesine 2007?

11 Riconoscimento basato su forme Forme e categorie Ricostruzione 3D Regione foveata Segmentazi one con Kernel Gaussiano poligona lizzazione Dalla tesina 2009 di Fanello Gori e Rudi Stabilizzazione Mosaicing

12 Mosaicing + stabilizzazione