Wed, 17 Oct 18 .


Escuela de Ingeniería Electrónica



(:selectlang:)

Repositorio de Tesis de Diseño VLSI

Page: Maestria.RepositorioTesisVLSI - Last Modified : Fri, 28 Sep 18

Detección de manos en imágenes de profundidad mediante el uso de bosques de decisión aleatorios.

Autor: Edison Fernández Alvarado

Fecha de Publicación: 19 de junio de 2015

Resumen

En el presente trabajo se propone un sistema para la detección de manos en imágenes de profundidad. Para realizar dicho cometido, se hace uso de bosques de decisión aleatoria con los cuales se hace una segmentación de la escena en 5 clases definidas: cabeza, brazos, cuerpo, manos y fondo.

Una vez segmentada la escena, mediante el algoritmo de componentes conectados, se procede a agrupar conjuntos de pixeles clasificados como pertenecientes a la misma clase en regiones. A partir de estas regiones se genera una lista de candidatos a mano mediante la validación de los componentes obtenidos.

Mediante la utilización del algoritmo de Dijkstra, se encuentran puntos a una distancia geodésica máxima de 50 cm del candidato a mano y sobre esta ruta se obtiene un histograma de clases el cual es utilizado como descriptor para que, mediante el uso de máquinas de vectores de soporte, se clasifiquen los candidatos como mano o no mano.

Con la propuesta realizada se alcanzan tasas de reconocimiento del 83,05% sobre una base de datos sintética de 80000 imágenes.

Palabras clave: Kinect, imágenes en profundidad, bosques de decisión aleatorios, componentes conectados, distancias geodésicas, Dijkstra, máquinas de vectores de soporte.

Descargar Documento: Detección de manos en imágenes de profundidad mediante el uso de bosques de decisión aleatorios Δ


Static Hand Pose Recognition on Depth Images

Autor: Marco Madrigal Solano

Fecha de Publicación: 15 de mayo de 2015

Resumen

Con el aumento del uso de nuevas tecnologías en actividades diarias, la demanda de sistemas de interacción humano-máquina (HCI por sus siglas en Inglés) ha incrementado. Sistemas de reconocimiento de pose de manos han sido ampliamente explorados para dicha tarea debido a su operación intuitiva para usuarios inexpertos. Sin embargo, el reconocimiento de pose de manos basados en visión es un problema extremadamente desafi ante debido a la dinámica de la mano, la cual posee un gran número de grados de libertad que la hacen difícil de estimar y conlleva a problemas adicionales como la auto oclusión. Con el desarrollo se sistemas de visión con fiables y asequibles para el usuario común como el Microsoft Kinect©, las imágenes de profundidad se han convertido en una herramienta útil para el reconocimiento de partes del cuerpo y por tanto, para el reconocimiento de manos.

En esta tésis se propone un sistema de clasifi cación de poses de mano estáticas basado solamente en imágenes de profundidad y considerando una perspectiva de vista superior. No se establecen restricciones adicionales a la posición de la mano en la escena, lo cual permite a otros objetos estar más cerca de la cámara que la mano. Un conjunto de datos sintéticos es generado para cuatro posturas de la mano (abierta, apuntando, puño y pinza). El diseño propuesto es dividido en dos etapas de procesamiento: segmentación de la mano y clasi ficación de la pose de la mano. La etapa de segmentación de la mano utiliza un bosque de decisión aleatorio (RDF por sus siglas en Inglés) para una clasi ficación a nivel de pixel de las imágenes de profundidad, segmentando la mano en cuatro regiones: brazo, palma y dedos. La clasifi cación de la pose de la mano se lleva a cabo utilizando un conjunto de nido de características visuales de las regiones segmentadas. Siete características visuales son evaluadas en términos de su precisión de clasifi cación. Dos tipos de clasifi cadores son entrenados para la estimación de la pose: bosques de decisión aleatorios y máquinas de soporte vectorial (SVM por sus siglas en Inglés) para propósitos de evaluación. La implementación propuesta provee un 91% de precisión en la casifi cación de las poses de mano utilizadas con el conjunto de datos generado.

Palabras clave: RDF, SVM, imágenes de profundidad, pose de mano, momentos de Hu.

Descargar Documento: Static Hand Pose Recognition on Depth Images Δ


Identificación de la temperatura electrónica de un plasma frío por medio de redes neuronales artificiales

Autor: Jeferson González Gómez

Fecha de Publicación: 10 de diciembre de 2015

Resumen

En dispositivos de fusión nuclear por plasma, el desempeño de los experimentos está relacionado con la capacidad de sus diagnósticos, esto es, la capacidad de obtener de manera correcta y efectiva los parámetros del plasma involucrados en cada experimento. En el área de control del plasma para dispositivos de confinamiento magnético como Tokamaks o Stellerators, crear, mantener y terminar una descarga de plasma son actividades ligadas a los par´ametros mismos del plasma.

Las técnicas convencionales de extracción de parámetros del plasma, como es el caso de la Sonda de Langmuir, implican una medida indirecta y, generalmente, un procesamiento fuera de línea para llegar a un parámetro determinado. Esta naturaleza fuera de línea restringe cualquier tarea de control del plasma en tiempo real. En esta investigación se pretende abordar el problema de la extracción paramétrica del plasma, específicamente la temperatura electrónica, por medio de técnicas de recuperación rápida en línea, enfocadas hacia las ciencias de la computación y la inteligencia artificial, como lo son las redes neuronales artificiales.

Palabras clave: plasma, redes neuronales artificiales, temperatura electrónica, Langmuir.

Descargar Documento: Identificación de la temperatura electrónica de un plasma frío por medio de redes neuronales artificiales Δ


Modelado de forma de larvas utilizando máquinas restringidas de Boltzmann

Autor: David Soto Vásquez

Fecha de Publicación: 23 de mayo de 2015

Resumen

La oclusión y presencia de formas incompletas en imágenes digitales de estructuras vermiformes como las larvas di cultan los procesos automatizados de segmentación y conteo de las mismas. El presente trabajo aporta un método que considera la informacion parcial de forma tomada de una imagen para regenerar el borde de una larva de acuerdo a la información global y local previamente aprendida a partir de datos disponibles. La oclusión se puede observar como un caso especial de forma incompleta y por tanto es considerado por el método.

El presente trabajo tiene como objetivo principal el desarrollo de un modelo de forma que incluya la informacion global y local de la estructura que representa a una larva y que a su vez sea invariable a las modi caciones causadas por la rotación, traslación y cambio de escala. La solución propuesta se basa en el uso del contorno de la larva, propiamente de segmentos de tamaño fi jo traslapados a lo largo del contorno, que posteriormente son sometidos a un análisis de componentes principales (PCA) y a un cambio de escala y sistema numérico, para finalmente ser procesados por una máquina restringida de Boltzman (RBM) o un conjunto de ellas mediante aprendizaje profundo con el objetivo de aprovechar las capacidades generativas de la misma. El método sugerido involucra dos etapas; el entrenamiento y la evaluación de la RBM. De esta forma, al haber entrenado la RBM con segmentos de larvas completas las salidas generadas corresponden a la larva que mejor representa la probabilidad conjunta de sus entradas, que pueden ser larvas incompletas, o un traslape de larvas.

Palabras clave: Modelo de forma, segmentación, componentes principales, código gray, máquinas restringidas de Boltzman, aprendizaje profundo.

Descargar Documento: Modelado de forma de larvas utilizando máquinas restringidas de Boltzmann Δ


Tema Sinorca adaptado por David González y Edwin Orias, impulsado por PmWiki

Escuela de Ingeniería Electrónica

Sinorca theme adapted by David González and Edwin Orias, powered by PmWiki

Escuela de Ingeniería Electrónica