Fiora Pirri. Lezione. Lunedi giovedi venerdi Fiora Pirri. Corso Visione e Percezione. Visione e Percezione 1

Transcript

1 Corso Introduzione, acquisizione e modello della camera Lezioni Lunedi giovedi venerdi A3 A3 Lezione Lezione+ Lab 1

2 Sito, Orari, Ricevimento Il sito del corso è it/ Ricevimento: lunedì 16:00-18:00 Mailing list: mail a visiope@dis.uniroma1.it Laboratorio e Ricevimento via Ariosto 25. Esami Il corso è di 6 crediti = 60 ore di cui 14~15 effettive di laboratorio Esame: esercizi durante il corso o esame finale Tesina sugli argomenti trattati, implementazione in Matlab 2

3 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 3

4 Corsi correlati Elective AI Teoria dei segnali Informatica Grafica Intelligenza Artificiale Apprendimento Robotica Elaborazione delle immagini 1 Applicazioni Sorveglianza e Sicurezza Robotica mobile Controllo della produzione Multimedialità Interazione persona-macchina Basi di dati visuali-librerie librerie digitali Medicina e chirurgia Monitoraggio Cinema e Televisione 4

5 Percezione visiva: schema delle lezioni Il modello della telecamera Tessitura (texture) Rumore Filtri Individuazione dei contorni Visione primaria ed iniziale Calibrazione della telecamera Segmentazione Clusterizzazione Visione Secondaria Stereopsi Ricostruzione 3d Tracciamento Forme Visione cognitiva Modelli Statistici Aspetti RBC Modelli Geometrici Riconoscimento La percezione nella Computer Science Lo studio dei metodi e modelli di rappresentazione e interpretazione t i dei dati acquisiti tramite sensori. Rappresentazione Modello Elaborazione del segnale Intelligenza Controllo Interpretazione Metodi 5

6 Sensori artificiali 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 Visione artificiale indipendente dal mezzo tipologie di camere: CCD (charged coupled device) CMOS (Complementary metal-oxide semiconductor ) Interfacce: USB, Frame Grabber 6

7 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, laltra, 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 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 i i 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 essere riuscito a fissare le immagini, senza rivelare i particolari dell'invenzione. Overview CV 7

8 Come consideriamo un immagine Intensita 8

9 Mappa di distanza Dati Singola immagine: colore, intensita, gradiente Sequenza di immagini: movimento. 9

10 Filtraggio Prodotto di un immagine con un kernel facendolo scorrere sull immagine Edge detection 10

11 Edge detection Tessitura 11

12 Brodatz Classificazione e raggruppamento Allineamento Prossimità Simiglianza Simiglianza Direzione Regioni Raggruppamento 12

13 Classificazione di caratteristiche Parallelismo Continuità Simmetria Chiusura Segmentazione 13

14 Analisi delle forme Stereopsi 14

15 Integrazione di sensori Movimento e Flusso ottico 15

16 Tracciamento Studio dell attenzione 16

17 Attenzione Attenzione nei robot 17

18 Riconoscimento Modelli Geometrici Modelli probabilistici Aspetti e riconoscimento per componenti Un primo modello: Marr 18

19 Riconoscimento di persone Riconoscimento di volti? 19

20 Riconoscimento di Targhe Stabilizzazione 20

21 Mosaicing Mosaicing + stabilizzazione 21

22 Riconoscimento basato su tessiture Riconoscimento basato su forme Forme e categorie Regione foveata Segmentazi one con Kernel Gaussiano poligona lizzazione 22