Actualizado el 21 de Marzo del 2018 (Publicado el 10 de Octubre del 2017)
1.601 visualizaciones desde el 10 de Octubre del 2017
4,4 MB
133 paginas
Creado hace 9a (13/09/2015)
.
UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA
RECONOCIMIENTO DE OBJETOS INMERSOS EN IMÁGENES
ESTÁTICAS MEDIANTE EL ALGORITMO HOG Y RNA-MLP
T E S I S
QUE PARA OBTENER EL GRADO DE
MAESTRO EN ELECTRÓNICA Y COMPUTACIÓN
PRESENTA
ING. AYAX ALDEMAR GARCÍA LÓPEZ
DIRECTOR: DR. ENRIQUE GUZMÁN RAMÍREZ
HUAJUAPAN DE LEÓN, OAXACA. AGOSTO, 2015
Resumen
La visión artificial o por computadora es una disciplina que, mediante la capacidad de percepción
visual, busca la construcción de descripciones explícitas y significativas de los objetos físicos a
partir de imágenes. Esta capacidad permite extraer y analizar información espectral, espacial y
temporal de los distintos objetos contenidos en una imagen.
Gran variedad de tareas pueden ser realizadas por un sistema de visión artificial debido a esta
capacidad; una de gran importancia es el reconocimiento de objetos, la cual se refiere a la
identificación de un objeto con base en descriptores asociados con el objeto. Los procesos de
extracción de características y clasificación, son de relevante importancia para que el
reconocimiento de objetos cumpla su objetivo. Además, para obtener un buen desempeño en esta
tarea es necesario contar con descriptores robustos y un clasificador de buena calidad.
En este sentido, el algoritmo de extracción de características propuesto por Navneet Dalal y Bill
Triggs [1], denominado histogramas de gradientes orientados (Histogram of Oriented Gradients,
HOG), ha demostrado que en representaciones normalizadas del objeto, sus descriptores ofrecen
información discriminativa de los objetos presentes en una imagen, siendo además robusta
gracias a su invariancia ante cambios en la iluminación, en el fondo o en la posición del objeto.
Por otro lado, es bien conocida la característica de las redes neuronales artificiales (RNA o ANN
del inglés Artificial Neural Network) tipo perceptrón multicapa (MLP, Multi-Layer Perceptron)
para solventar el problema que se presenta cuando los pocos datos disponibles durante el
entrenamiento generalmente no son suficientes para cubrir la variabilidad en apariencia, lo que
representa una buena opción para el proceso de clasificación.
Buscando ofrecer una alternativa competitiva con las existentes actualmente, y considerando la
importancia que tiene la tarea de reconocimiento de objetos en diversas áreas de la ciencia y su
gran potencial de aplicaciones, el presente trabajo de tesis presenta un sistema de reconocimiento
de objetos que utiliza en el proceso de extracción de características al algoritmo HOG y a una
RNA tipo MLP en el proceso de clasificación.
Abstract
Computer vision is a discipline that, through the ability of visual perception, search the
construction of explicit and significant descriptions of physical objects from images. This ability
allows to extract and analyse spectral, spatial and temporal information of the different object in
an image.
Variety of task can be performed by a computer vision system due this ability; object recognition
is one of the most important, which refers to the identification of an object based descriptors
associated with the object. The process of feature extraction and classification, are of outstanding
importance for the object recognition task in achieving its objective. Also, for a good performance
in this task robust descriptors and a classifier of good quality are necessary.
At this sense, the feature extraction algorithm proposed by Navneet Dalal and Bill Triggs [1],
called histogram of oriented gradients (HOG), demonstrated that under standard representations
of objects, descriptors provide discriminative information from the objects in an image, and is
also robust thanks to its invariance to changes in lighting, background or object position.
On the other hand, is highly known the characteristic of the artificial neural networks (ANN)
multilayer perceptron (MLP) to solve the problem that occurs when the data available in training
generally are not sufficient to cover the variability in appearance, which is a good option for the
classification process.
Seeking to offer a competitive alternative to existing today, and considering the importance of
the object recognition task in the different sciences areas and their potential in applications, the
present work of thesis shows an object recognition system integrated by a HOG algorithm in the
characteristics extraction process and ANN type MLP in the classification process.
Agradecimientos
Mi más profundo y sincero agradecimiento a todas aquellas personas que con su ayuda han
colaborado en la realización del presente trabajo, en especial al Dr. Enrique Guzmán Ramírez,
director de esta investigación, por la orientación, el seguimiento y la supervisión continúa de la
misma, pero sobre todo por la motivación y el apoyo recibido a lo largo de estos años.
Especial reconocimiento merece el interés mostrado por mi trabajo y las sugerencias recibidas
de los sinodales: Dr. Rosebet Miranda, Dr. Aníbal Arias, Dr. Agustín Santiago y Dr. Omar
Caballero.
Un agradecimiento muy especial merece la comprensión, paciencia y el ánimo recibidos de todas
y cada una de las personas que integran mi familia y amigos.
A todos ellos, muchas gracias.
Dedicatoria
A Dios.
Por permitirme llegar hasta este punto y haberme dado salud para lograr mis objetivos, además
de su infinita bondad y amor.
A mi madre Guillermina.
Por darme todo su apoyo en todo momento, por sus consejos, sus valores, su bondad, por la
motivación constante que me ha permitido ser una persona de bien, pero más que nada, por su
amor y alegría.
A mi padre Vicente.
Por ser un pilar fundamental de mi formación académica y personal, por los ejemplos de
perseverancia y constancia que lo caracterizan y que me ha infundado siempre, por el valor
mostrado para salir adelante, por su esfuerzo, su voluntad y por su amor.
A mis familiares.
Merit, Eneas, Diomedes, Violeta y Leona, por estar conmigo y apoyarme siempre. Carlos,
Delfino y Margarita por sus consejos. Y a todos aquellos que participaron directa o
indirectamente en la elaboración de esta tesis.
Todo este trabajo ha sido posible gracias a ellos.
Índice
RESUMEN ..................................................................................................................................III
ABSTRACT ................................................................................................................................. V
AGRADECIMIENTOS ............................................................................................................. VII
DEDICATORIA ......................................................................................................................... IX
ÍNDICE ....................................................................................................................................... XI
ÍNDICE DE FIGURAS ............................................................................................................. XV
ÍNDICE DE TABLAS ............................................................................................................. XIX
CAPÍTULO 1................................................................................................................................1
INTRODUCCIÓN .........................................................................................................................1
1.1 CONTEXTO ............................................................................................................................1
1.2 PROBLEMA A RESOLVER ........................................................................................................3
1.3 JUSTIFICACIÓN ......................................................................................................................3
1.4 HIPÓTESIS .............................................................................................................................4
1.5 OBJETIVOS DEL TRABAJO ......................................................................................................4
1.6 METAS ..................................................................................................................................5
1.7 CONTRIBUCIONES .................................................................................................................5
Reconocimiento de objetos inmersos en imágenes estáticas mediante el algoritmo HOG y RNA-MLP
1.8 DESCRIPCIÓN DE LA SOLUCIÓN PROPUESTA .......................................................................... 5
1.9 ORGANIZACIÓN DEL DOCUMENTO ........................................................................................ 7
CAPÍTULO 2 ............................................................................................................................... 9
MARCO TEÓRICO ...................................................................................................................... 9
2.1 RECONOCIMIENTO DE OBJETOS ............................................................................................ 9
2.1.1 Métodos basados en apariencia .................................................................................. 10
2.1.2 Métodos basados en características ............................................................................ 11
2.1.3 Arquitectura de un sistema de reconocimiento de objetos ....
Comentarios de: RECONOCIMIENTO DE OBJETOS INMERSOS EN IMÁGENES ESTÁTICAS MEDIANTE EL ALGORITMO HOG Y RNA-MLP (0)
No hay comentarios