Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Reconocimiento de la Posicion de Cuerpos Humanos en Imagenes Digitales

Presentacion de proyecto para obtencion del titulo de Ingeniero en Sistemas Computacionales
by

eunice ojeda

on 15 October 2011

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Reconocimiento de la Posicion de Cuerpos Humanos en Imagenes Digitales

UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ Instituto de Ingeniería y Tecnología RECONOCIMIENTO DE LA POSICIÓN DE CUERPOS HUMANOS EN IMÁGENES DIGITALES Eunice Pamela Ojeda Luna Tania Berenice Olivier Melo Introducción El análisis de las imágenes digitales es un tema de investigación muy amplio y de los más explorados donde se han invertido muchos esfuerzos para desarrollar nuevos algoritmos y/o técnicas con el objetivo de obtener mejores resultados en el procesamiento de imágenes. El presente trabajo pretende ayudar a futuros desarrolladores de software a realizar una mejor búsqueda de información a través del procesamiento de imágenes, desarrollando un algoritmo que ayude a la clasificación de información mediante la búsqueda de patrones específicos en imágenes digitales. El procesamiento de imágenes puede aplicarse y beneficiar diferentes áreas tales como, la robótica, la ingeniería de software, la industria, ergonomía, etcétera. Se creo un algoritmo que facilita el reconocimiento de personas con determinada pose en imágenes digitales. Materiales y métodos Resolución de 2592 x 3872 pixeles 7 poses * 23 personas = 161 fotos NIKON D3000 Reconocimiento por medio de comparación Reconocimiento por Redes Neuronales Artificiales Peor resultado obtenido: 50 épocas y 20 neuronas ocultas Mejor resultado obtenido: 50 épocas y 50 neuronas ocultas Conclusiones Trabajos futuros Gracias thank you merci grazie danke arigato Resultados por comparación Resultados por redes neuronales Resultados por redes neuronales Resultados por redes neuronales Pruebas MSE - Error cuadrático medio
%E - Porcentaje de error D. González. Visión Artificial Supervisada para el Reconocimiento de Caracteres en Placas Vehiculares. México: Universidad Autónoma de Ciudad Juárez, 2008.

G. Amos. MatLab Una introducción con ejemplos básicos. Reverter: Madrid, 2005.

G. Dreyfus. Neural Networks: Methodology and Applications. Editorial Springer: Paris, Francia, 2004.

G. Pajares, J. M. de la Cruz, J. M. Molina, J. Cuadrado, A. López. Imágenes Digitales Procesamiento práctico con Java. Editorial Alfaomega Ra-Ma: Madrid, España, 2004.

H. Feifei, H. Emile, P. Pavel, O. A.H.J. Markerless human motion capture and pose recognition. Wiamis, 2009.

H. M. Sebastien. Hand posture recognition in a Body-Face centered space. Lannion, Francia, 1999.

J. Jiménez. Detección De Los Ojos Mediante El Procesamiento De Imágenes Digitales. México: Universidad Autónoma de Ciudad Juárez, 2009.

M. Haidekker. Advanded Biomedical Image Analysis. Wiley: EUA, August 2010.

M. I. Chacon. Procesamiento digital de imágenes. Trillas: México 2008.

Nakajimaa, M. Pontilb, B. Heiselec , T. Poggioc. Full-body person recognition system. The journal of the pattern recognition society, 2003.

R. Bauset, J. Vicente, R. Ferragud, M. Dolores y Z. Báez. Fundamentos matemáticos para la ingeniería con MatLab. Valencia: Universidad Politécnica de Valencia, 2002.

R. González, R. Woods. Tratamiento digital de imágenes. Addison: EUA, 1992. Referencias Marco teórico 2 Redes neuronales 6 Redes Neuronales Artificiales (RNA) Estructura de RNA 8 9 10 11 Red neuronal Datos de entrada - matriz 109x161 Datos objetivo - matriz 7x161
Full transcript