Este trabalho apresenta um método para generalização cartográfica automática de bases cadastrais contendo arruamentos usando algoritmos de processamento digital de imagens (PDI). A implementação de algoritmos robustos e eficientes para... more
Este trabalho apresenta um método para generalização cartográfica automática de bases cadastrais contendo arruamentos usando algoritmos de processamento digital de imagens (PDI). A implementação de algoritmos robustos e eficientes para generalização cartográfica é uma tarefa de alto grau de complexidade, uma vez que diversos problemas devem ser analisados simultaneamente. A principal característica do método proposto é o emprego de uma sequencia de técnicas de PDI para generalização de uma base cadastral. Primeiramente, a resolução espacial da imagem digital de uma base cadastral é reduzida e transformada para níveis de cinza. Em seguida, a imagem é limiarizada e os ruídos são atenuados através de um processo de suavização de imagens. Finalmente, os pixels de borda são detectados e um algoritmo conhecido com Convex Hull que extrai a área de influência das ruas. Para validar o método proposto foi conduzido um experimento usando uma base cadastral na escala 1:50000, contendo apenas ar...
Research Interests:
ABSTRACT This paper presents an automatic road hypotheses approach using digital image and laser scanning image combining various Digital Image Processing techniques. The semantic objects, in this work, are linear features, such as, roads... more
ABSTRACT This paper presents an automatic road hypotheses approach using digital image and laser scanning image combining various Digital Image Processing techniques. The semantic objects, in this work, are linear features, such as, roads and streets. The aim of this paper is extract automatically road hypotheses on image space and object space for use the information in automatic absolute orientation process. The results show that methodology is efficiency and the roads hypotheses are generate and validate.
ABSTRACT In this work is presented a methodology to automatic car detection motion presents in digital aerial image on urban area using intensity, anaglyph and subtracting images. The anaglyph image is used to identify the motion cars on... more
ABSTRACT In this work is presented a methodology to automatic car detection motion presents in digital aerial image on urban area using intensity, anaglyph and subtracting images. The anaglyph image is used to identify the motion cars on the expose take, because the cars provide red color due the not homology between objects. An implicit model was developed to provide a digital pixel value that has the specific propriety presented early, using the ratio between the RGB color of car object in the anaglyph image. The intensity image is used to decrease the false positive and to do the processing to work into roads and streets. The subtracting image is applied to decrease the false positives obtained due the markings road. The goal of this paper is automatically detect motion cars presents in digital aerial image in urban areas. The algorithm implemented applies normalization on the left and right images and later form the anaglyph with using the translation. The results show the applicability of proposed method and it potentiality on the automatic car detection and presented the performance of proposed methodology.
Research Interests:
A automação da resseção espacial de imagens exige a implementação computacional de algoritmos de reconhecimento semântico dos objetos (características ou significados dos objetos) presentes na imagem. Este problema é demasiadamente... more
A automação da resseção espacial de imagens exige a implementação computacional de algoritmos de reconhecimento semântico dos objetos (características ou significados dos objetos) presentes na imagem. Este problema é demasiadamente complicado e tem agregado esforços de ...
Este trabalho tem por objetivo apresentar o desenvolvimento de um protótipo para eye-tracking, com suporte do sensor comercial Kinect. O eye-tracking consiste em uma ferramenta para registrar os movimentos dos olhos, assim, possibilitando... more
Este trabalho tem por objetivo apresentar o desenvolvimento de um protótipo para eye-tracking, com suporte do sensor
comercial Kinect. O eye-tracking consiste em uma ferramenta para registrar os movimentos dos olhos, assim,
possibilitando acompanhar o comportamento visual do usuário ao interagir com uma interface. É importante a avaliação
de interfaces de forma a propor correções e otimização nas mesmas, sendo aplicável a qualquer situação em que haja
interação entre um usuário e determinado ambiente, seja ele virtual ou analógico. A aplicação do eye-tracking se dará,
no caso deste projeto, na avaliação de interfaces de mapas, para o qual é necessário ter conhecimento prévio na área de
Interação Humano-Computador (IHC) para entendimento quanto aos métodos avaliativos. O uso da ferramenta eye-
tracking possibilita fazer uma avaliação quantitativa das interfaces de mapas, ao contrário dos métodos tradicionais, nos
quais predominam avaliações qualitativas. Os métodos de avaliação quantitativos permitem conhecer numericamente o
comportamento de determinado usuário ao observar e tentar compreender um mapa, assim, torna-se um método mais
confiável para a extração de informações e tomada de decisões. Em consideração ao desenvolvimento do protótipo, o
método elaborado tem por fundamento básico extrair automaticamente as pupilas de um usuário e registrar seus
movimentos em tempo real. O desenvolvimento do protótipo eye-tracking está sustentado em linguagem de
programação C++, compilador Microsoft Visual Studio 2008, integrado com as bibliotecas Open Source Computer
Vision (OpenCV) e Microsoft Face Tracking Software Development Kit for Kinect for Windows (Face Tracking SDK).
A escolha do sensor Kinect é justificada, principalmente, pelo baixo custo em comparação a um eye-tracking comercial,
somada à possibilidade de programação para a criação de aplicações diversas. O método desenvolvido é dividido em
seis etapas: 1) Extração automática do rosto do operador – neste caso, usa-se uma função existente no OpenCV; 2)
Extração automática do par de olhos do operador – também usa-se uma função disponível no OpenCV, sendo os olhos
automaticamente separados em direito e esquerdo; 3) Segmentação do objeto de interesse (pupila do usuário) – neste
caso, emprega-se funções de suavização pelo cálculo da mediana da vizinhança e a limiarização para identificação da
pupila, além da função Canny para detecção de bordas, sendo, ao final do processo, definidos os olhos do usuário pelos
pixels de borda; 4) Ajustamento dos pixels de borda que descrevem a pupila extraída – aplica-se um modelo
matemático, como o da equação da elipse e as observações advindas dos pixels de borda da pupila extraída, são
utilizados para ajustar as observações pelo Método dos Mínimos Quadrados (MMQ); 5) Transformar os pixels de
borda das pupilas, esquerda e direita, automaticamente extraídas e ajustadas para a tela do computador – aqui, um
modelo de mapeamento polinomial é aplicado empregando como observações os pixels de bordas ajustados e, como
controle, pontos randomicamente gerados e visíveis na tela do computador. O MMQ é novamente empregado, porém,
neste caso, para estimar os parâmetros da equação polinomial. Posteriormente, os pixels de borda são transformados
para o sistema de coordenadas da tela do computador; 6) Avaliação da interface – com o uso do protótipo pretende-se
avaliar, com vários usuários, as interfaces de mapas e aplicativos que contém os mesmos. No presente estágio da
pesquisa, estão sendo realizados ensaios com uma webcam, sendo a integração com o sensor Kinect o objetivo a ser
perseguido posteriormente.
comercial Kinect. O eye-tracking consiste em uma ferramenta para registrar os movimentos dos olhos, assim,
possibilitando acompanhar o comportamento visual do usuário ao interagir com uma interface. É importante a avaliação
de interfaces de forma a propor correções e otimização nas mesmas, sendo aplicável a qualquer situação em que haja
interação entre um usuário e determinado ambiente, seja ele virtual ou analógico. A aplicação do eye-tracking se dará,
no caso deste projeto, na avaliação de interfaces de mapas, para o qual é necessário ter conhecimento prévio na área de
Interação Humano-Computador (IHC) para entendimento quanto aos métodos avaliativos. O uso da ferramenta eye-
tracking possibilita fazer uma avaliação quantitativa das interfaces de mapas, ao contrário dos métodos tradicionais, nos
quais predominam avaliações qualitativas. Os métodos de avaliação quantitativos permitem conhecer numericamente o
comportamento de determinado usuário ao observar e tentar compreender um mapa, assim, torna-se um método mais
confiável para a extração de informações e tomada de decisões. Em consideração ao desenvolvimento do protótipo, o
método elaborado tem por fundamento básico extrair automaticamente as pupilas de um usuário e registrar seus
movimentos em tempo real. O desenvolvimento do protótipo eye-tracking está sustentado em linguagem de
programação C++, compilador Microsoft Visual Studio 2008, integrado com as bibliotecas Open Source Computer
Vision (OpenCV) e Microsoft Face Tracking Software Development Kit for Kinect for Windows (Face Tracking SDK).
A escolha do sensor Kinect é justificada, principalmente, pelo baixo custo em comparação a um eye-tracking comercial,
somada à possibilidade de programação para a criação de aplicações diversas. O método desenvolvido é dividido em
seis etapas: 1) Extração automática do rosto do operador – neste caso, usa-se uma função existente no OpenCV; 2)
Extração automática do par de olhos do operador – também usa-se uma função disponível no OpenCV, sendo os olhos
automaticamente separados em direito e esquerdo; 3) Segmentação do objeto de interesse (pupila do usuário) – neste
caso, emprega-se funções de suavização pelo cálculo da mediana da vizinhança e a limiarização para identificação da
pupila, além da função Canny para detecção de bordas, sendo, ao final do processo, definidos os olhos do usuário pelos
pixels de borda; 4) Ajustamento dos pixels de borda que descrevem a pupila extraída – aplica-se um modelo
matemático, como o da equação da elipse e as observações advindas dos pixels de borda da pupila extraída, são
utilizados para ajustar as observações pelo Método dos Mínimos Quadrados (MMQ); 5) Transformar os pixels de
borda das pupilas, esquerda e direita, automaticamente extraídas e ajustadas para a tela do computador – aqui, um
modelo de mapeamento polinomial é aplicado empregando como observações os pixels de bordas ajustados e, como
controle, pontos randomicamente gerados e visíveis na tela do computador. O MMQ é novamente empregado, porém,
neste caso, para estimar os parâmetros da equação polinomial. Posteriormente, os pixels de borda são transformados
para o sistema de coordenadas da tela do computador; 6) Avaliação da interface – com o uso do protótipo pretende-se
avaliar, com vários usuários, as interfaces de mapas e aplicativos que contém os mesmos. No presente estágio da
pesquisa, estão sendo realizados ensaios com uma webcam, sendo a integração com o sensor Kinect o objetivo a ser
perseguido posteriormente.