Ingeniería de Sistemas y Computación · 2009
Redes neuronales aplicadas al análisis de imágenes para el desarrollo de un prototipo de un sistema de seguridad
El presente trabajo muestra el desarrollo de un prototipo de un sistema que permita detectar la presencia de una figura humana a partir de imágenes tomadas en un ambiente controlado tanto en el fondo como en la iluminación. Este sistema tiene dos partes fundamentales: La primera es el módulo en el que se hace la detección de la silueta del objeto a analizar. para esta labor es necesario diferenciar el fondo del objeto que se va a analizar por medio de la comparación pixel a pixel que se hace entre dos imágenes (una que contiene simplemente el fondo y la que se desea analizar); posteriormente por medio de un grupo de operaciones morfológicas conocidas como dilatación y erosión, se elimina el ruido que pueda resultar; luego se aplica un algoritmo de detección de bordes para obtener solo el contorno del objeto a analizar. Finalmente, partiendo de esta imagen se crea una cadena de códigos del recorrido de la silueta que luego será utilizada para generar las entradas a la red neuronal. La segunda parte es la red neuronal que se encarga de ser el detector de patrones, por medio de un entrenamiento previo con imágenes anteriormente cargadas en una base de datos. después de que la red neuronal ha sido entrenada y trabaja correctamente, se une con el primer modulo para crear un prototipo que debe detectar la presencia de una figura humana basado en un grupo de imágenes de las cuales dispone el operador. El sistema cuenta con dos tipos de aplicaciones: una para trabajo individual en un computador y otra basada en la arquitectura cliente/servidor que puede ser usada con varios computadores conectados a una red común.
Texto completo 74 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- INTRODUCCIÓNp. 15
- 1. Introducción al reconocimiento de patrones en imágenesp. 17
- 1.1 Reconocimiento de patrones en imágenesp. 17
- 1.1.1 Captura de imágenesp. 17
- 1.1.2 Pre-procesamientop. 18
- 1.1.3 Segmentaciónp. 19
- 1.1.4 Extracción de característicasp. 20
- 1.1.5 Clasificaciónp. 20
- 1.1.6 Decisiónp. 21
- 2. Fundamento teóricop. 22
- 2.1 Imágenes digitalesp. 22
- 2.1.1 Relaciones básicas de píxelesp. 22
- 2.1.2 Tipos de imágenesp. 24
- 2.2 Pre-procesamientop. 18
- 2.2.1 Detección de bordesp. 26
- 2.2.2 Segmentación de la imagenp. 30
- 2.2.3 Procesamiento morfológico de la imagenp. 35
- 2.3 Extracción de característicasp. 20
- 2.3.1 Representación de la fronterap. 40
- 2.3.2 Representación de las regionesp. 41
- 2.4 Redes neuronalesp. 42
- 2.4.1 La neurona artificialp. 42
- 2.4.2 Red neuronal artificialp. 44
- 2.4.3 Entrenamiento supervisadop. 47
- 3. Análisis del sistemap. 56
- 3.1 Estructura del sistemap. 56
- 3.2 Análisis de la imagenp. 57
- 3.2.1 Imagen digitalp. 18
- 3.2.2 Segmentaciónp. 19
- 3.2.3 Descripción de la imagenp. 56
- 3.3 Red neuronalp. 56
- 3.4 Arquitecturap. 58
- 4. Diseño del sistemap. 59
- 4.1 Captura de la imagenp. 59
- 4.2 Procesamiento de la imagenp. 59
- 4.2.1 Conversión de RGB a escala de grisesp. 59
- 4.2.2 Separación del fondop. 59
- 4.2.3 Operaciones morfológicasp. 56
- 4.2.4 Extracción de la fronterap. 60
- 4.3 Extracción de característicasp. 20
- 4.3.1 Representación de la fronterap. 40
- 4.4 Red neuronalp. 56
- 4.4.1 Diseñop. 62
- 4.4.2 Entrenamientop. 62
- 4.5 Interfazp. 63
- 4.4 Escritoriop. 63
- 4.4 Cliente-Servidorp. 64
- 5. Implementación del sistemap. 65
- 5.1 Entrenamientop. 62
- 5.2 Resultados experimentalesp. 67
- 5.3 Comunicación cliente-servidorp. 69
- 5. Conclusionesp. 71
- A. Referencia de las figurasp. 72
- BIBLIOGRAFÍAp. 73
- 1.1 Ejemplo del proceso de adquisición de una imagen digitalp. 18
- 1.2 Mejora del contraste de una imagenp. 19
- 1.3 Separación de los objetos de interés del fondop. 20
- 2.1 Cubo de color RGBp. 24
- 2.2 Imagen RGBp. 25
- 2.3 Imagen en escala de grisesp. 25
- 2.4 Imagen binariap. 26
- 2.5 Discontinuidades en imágenesp. 27
- 2.6 Etiquetado de nivel de gris para explicar los detectores de bordep. 29
- 2.7 Histograma de niveles de grisp. 31
- 2.8 Problemas con la conectividadp. 33
- 2.9 Seguimiento del contornop. 33
- 2.10 Ejemplo de crecimiento de regiones a partir de puntos semillap. 34
- 2.11 Ejemplo de dilataciónp. 37
- 2.12 Ejemplo de erosiónp. 38
- 2.13 Direcciones usadas para clasificar la fronterap. 39
- 2.14 Codificaciones de fronterap. 40
- 2.15 Representado una frontera por aproximaciones poligonalesp. 41
- 2.16 Ejemplo del método quad-treesp. 42
- 2.17 Las funciones de activaciónp. 43
- 2.18 Ejemplo de red neuronalp. 44
- 2.19 El principio de generalizaciónp. 47
- 2.20 Un perceptrón simplep. 49
- 2.21 Ejemplo de dos clases linealmente separablesp. 50
- 2.22 Problema del XORp. 51
- 2.23 Ejemplo de red neuronal feed-forwardp. 52
- 3.1 Estructura del sistemap. 56
- 4.1 Representación del contorno de silueta humanap. 61
- 4.2 Diseño de la interfaz para la aplicación de escritoriop. 63
- 5.1 Alarma para un alto grado probabilidadp. 67
- 5.2 Alarma para un bajo grado probabilidadp. 68
- 5.3 Imagen con silueta humanap. 68
- 5.4 Imagen sin silueta humanap. 68
- 5.1 Cadena de códigos de siluetas humanas caminandop. 66
- 5.2 Cadena de códigos de siluetas humanas paradas de frentep. 66
- 5.3 Cadena de códigos de objetos no similares a siluetas humanasp. 66
- 5.4 Respuestas a distintas imágenesp. 69
- A.1 Referencias bibliográficas de las figurasp. 72