La Visió per Computador, també anomenada Visió
Artificial, és una vessant de la Intel·ligència Artificial i es basa en
un conjunt de tècniques que tenen com a finalitat extreure propietats del
món a partir d'un conjunt d'imatges. Així dons, es tracta de programar un
ordinador per a obtenir certa informació a partir d'una imatge.
Un sistema de Visió Artificial actua sobre
una representació d'una realitat que li proporciona informació sobre la
intensitat, colors, formes, etc. Aquestes representacions acostumen a ser
en forma d'imatges estàtiques, escenes tridimensionals o imatges en
moviment.
Interpretació de la
imatge
Quan es parla d'una imatge bidimensional,
s'estarà fent en base a una funció f on a cada coordenada (x,y) de la
imatge li correspondrà un valor d'alguna propietat com pot ser la intensitat
o el color, com per exemple:
Aquesta representació es dóna quan es capta una
imatge mitjançant una càmera i es passa a un digitalitzador, el qual duu a
terme la digitalització.
Etapes d'un sistema de
Visió Artificial
Un sistema de Visió per Computador està format
per un sensor òptic, normalment una càmera més un computador, que
emmagatzemarà les imatges i executarà els algorismes sobre elles.
El procés es pot dividir en cinc etapes:
1. Adquirir la imatge digital amb algun
tipus de sensor.
Principals parts en la adquisició de imatges:
• Il·luminació: Propietats dels objectes.
Tipus de il·luminació. Fonts de llum.
• Càmeres CCD: Estructura del dispositiu.
Característiques de las cameres CCD matricials. Arquitectures de les CCD
matricials.
• Òptica: Principals paràmetres. Òptiques
tipus zoom. Model Pin - Hole. Profunditat de camp i distancies hiperfocals.
Aberracions òptiques. Filtres.
• Targetes de adquisició i processament de
imatges. (Frame Grabbers)
2. Fer un preprocessament: es millra la
qualitat de la imatge adquirida amb l'ajut de filtres i transformacions
geomètriques per facilitar les etapes posteriors.
3. Segmentació: es tracta d'identificar
els objectes de l'escena.
4. Reconeixement: poder diferenciar els
objectes mitjançant l'ús de patrons.
5. Interpretació: segons allò obtingut en
el punt 4 es fa una interpretació i es prenen les decisions
corresponents.
6. Anàlisi previ de certes característiques
comunes que s'estableixen per diferenciar els objectes.
És un procés que pot realimentar-se cap
endarrere, és a dir, pot ser que es faci una mala interpretació i per tant,
calgui tornar al reconeixement, segmentar la imatge d'una altra forma o
passar-li un filtre diferent en el preprocés
Marcacions Industrials
Pel seu reconeixement cal seguir els seguents pasos:
1- Estudi de Font
Quan el joc de caràcters emprat no és estàndard
o és imprès d'una manera insòlita és possible preparar el lector amb mostres de
text, un entrenament complet és una condició necessària per permetre
l'emmagatzematge de mostres de referència dels caràcters apuntats i font de
fàcil consulta.
2-Segmentació de caràcter
Els caràcters han de ser aïllats abans del
procés de reconeixement.
Considerant que les posicions dels caràcters no
han de ser conegudes per avançat, el canvi de text o l'espaiat de font arbitrari
són tractats.
3- Rotació i invariància de mida
Dos mètodes de reconeixement són utilitzats:
Un fa servir la normalització de mida amb la
normalització de nivell de grisos. Això explota totalment la informació del
nivell de grisos.
L'altre confia en la representació de la forma
mitjançant els anomenats "Descriptors
Fourier" en addició a la mida invariant és rotació invariant també,
permetent llegir textos d'orientació arbitrària.
4-Verificació de la Qualitat d'impressió
Com un complement a la capacitat de lectura cal
una comprovació de llegibilitat: per a un caràcter donat, la qualitat pot ser
calculada, dient com de properes deuen ser les coincidències amb les mostres
introduïdes, d'aquesta manera la verificació òptica de caràcters pot realitzar.
5- Orientació i posicionament d'objectes
Disseny i implementació de sistemes de visió
artificial per a verificar la posició i orientació d'elements dins de cintes de
transports per a la seva manipulació posterior. Disseny de sistemes "pick
and place" per manipulació automatitzada de productes en línies de
producción.
6- Recompte de productes en processos complexos
i d'alta velocitat
Disseny i implementació de sistemes de visió
artificial per recompte de productes en transports, estàtics ... per exemple
per:
-Empaquetat de productes automatitzat.
-Control de qualitat en processos de
producció
-Detecció de defectes en productes, aspecte,
mida, longitud
-Disseny i implementació de sistemes de visió
artificial per a control dimensional (mida, longitud) i estètic (defectes
físics) aplicat al control de qualitat de productes manufacturats en general
tant a nivell industrial (peces d'automòbils, taulers de control, llunes de
cotxe, maons, rajoles ) com de consum.
7- Inspecció de superfícies
Disseny i implementació de sistemes de visió
artificial a la línia de fabricació de l'empresa per a inspecció de superfícies
a la recerca de determinades característiques com defectes superficials,
rugositat, textura ... consum.
Detecció de cares
Hi ha infinitat d'aplicacions de detecció de
rostres, tant per seguretat com per a altres tipus d'aplicacions, com per
exemple en càmeres de fotos, perquè l'enfocament automàtic sàpiga on ha de
enfocar.
Com funciona el
reconeixement facial?
Com hi ha una gran quantitat d'aplicacions, el
funcionament varia d'unes a altres, però independentment dels patrons emprats
per cada programa hi ha una sèrie de passos comuns.
Un cop obtinguda una imatge (ja sigui emprant càmeres
dedicades a aplicacions de seguretat o webcams domèstiques) el primer pas
consisteix en l'extracció de la cara de la imatge. Per a això s'obtenen punts
singulars amb què centrar la imatge, els ulls per exemple. D'aquesta imatge
centrada es normalitza a una mida i profunditat específics per després extreure
trets d'ella (aquests primers passos són comuns a la major part d'aplicacions
de visió artificial):
A continuació es divideix la imatge en blocs
menors i s'emmagatzema en una matriu:
Finalment es processen les dades de les noves
imatges i es generen els seus "Eigenfaces", conjunt de
vectors propis, mitjançant un procés matemàtic anomenat ACP. És a dir separem
la informació de la cara en una sèrie de autovectors,
derivats de l'anàlisi estadística d'un gran nombre de rostres
