Visão por Computador

Código:

EEC0065

Sigla:

VCOM

Áreas Científicas
Classificação	Área Científica
OFICIAL	Electrónica e Sistemas Digitais
OFICIAL	Ciências Fundamentais e da Eletrotecnia

Ocorrência: 2008/2009 - 1S

Ativa?	Sim
Página Web:	https://www.fe.up.pt/si/conteudos_geral.conteudos_ver?pct_pag_id=1639&pct_parametros=p_ano_lectivo=2008/2009-y-p_cad_codigo=EEC0065-y-p_periodo=1S
Unidade Responsável:	Ciências Fundamentais e da Electrotecnia
Curso/CE Responsável:	Mestrado Integrado em Engenharia Electrotécnica e de Computadores

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MIEEC	0	Plano para alunos que em 2006 estiveram no 5º ano	5	-	6	63	160

Língua de trabalho

Português

Objetivos

1. Dominar, descrever, reconhecer e aplicar métodos de formação de imagem usando câmaras como elementos sensores;

2. Analisar, caracterizar, representar e "casar" imagens digitais, e projectar sistemas que o façam automaticamente;

3. Conhecer, aplicar e implementar métodos de detecção e análise de movimento em sequências de imagens e de seguimento de objectos;

4. Conceber, seleccionar e realizar sistemas para inspecção e visão automáticas.

Programa

1. Formação de Imagem Digital
Câmaras e aquisição de imagem
Calibração de câmaras
Radiometria
Cor e sua Representação

2. Análise e caracterização de imagem
Segmentação
Extracção de características
Representação por linhas
Alinhamento

3. Movimento e Seguimento
Detecção de movimento
Medição de fluxo óptico
Seguimento com modelos lineares

4. Inspecção Visual e Visão Computacional
Inspecção Visual Automática
Visão Computacional e Visão Robótica
Arquitecturas Computacionais

Bibliografia Obrigatória

Ramesh Jain; R. Kasturi; B. G. Schunck; Machine Vision, McGraw-Hill International Editions, 1995. ISBN: 0-07-113407-7
E. R. Davies; Machine Vision: Theory, Algorithms, Practicalities, Morgan Kaufmann (Elsevier), 2005. ISBN: 0-12-206093-8

Bibliografia Complementar

Gonzalez, Rafael C; Digital image processing. ISBN: 0-20-118075-8
Umbaugh, Scott E.; Computer vision and image processing. ISBN: 0-13-264599-8
Haralick, Robert M.; Computer and Robot Vision. ISBN: 0-201-10877-1(vol.1)
Forsyth; Ponce; Computer Vision: a Modern Approach, Pearson Education (Prentice-Hall), 2003. ISBN: 0-13-085198-1

Métodos de ensino e atividades de aprendizagem

Aulas teóricas:
Aulas de exposição das matérias, incluindo demonstrações práticas e análise de casos.

Aulas teórico-práticas:
Resolução de problemas, experimentação e ensaio em Matlab (toolbox de Image Processing), desenvolvimento de soluções em Matlab ou outro software adequado.

Trabalho prático fora das aulas:
Realização de um trabalho autónomo com carácter de mini-projecto (integrador de conhecimentos), individual ou por grupos de 2 alunos, sobre tema sugerido pelos alunos, nas áreas de "reconhecimento de objectos", "detecção de defeitos para controlo de qualidade", "detecção e seguimento de objectos móveis", "videovigilância", e outras similares. Elaboração de um relatório escrito. Apresentação oral pública dos trabalhos realizados.

Software

The Mathworks - Matlab - Release 11.1

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Descrição	Tipo	Tempo (Horas)	Peso (%)	Data Conclusão
Aulas da disciplina (estimativa)	Participação presencial	72,00
Trabalhos práticos "de casa"	Trabalho escrito	50,00		2008-12-19
Exame final	Exame	3,00		2009-02-21
	Total:	-	0,00

Componentes de Ocupação

Descrição	Tipo	Tempo (Horas)	Data Conclusão
Estudo distribuído ao longo do semestre	Estudo autónomo	20	2008-12-19
Estudo para exame final	Estudo autónomo	17	2009-02-21
	Total:	37,00

Obtenção de frequência

A obtenção de frequência pressupõe a conclusão com sucesso do trabalho prático individual ou de grupo, incluindo a elaboração do relatório e apresentação oral, para além das condições legais vigentes.

A nota de frequência é obtida mediante a classificação, pelos docentes, dos trabalhos individuais ou de grupo, considerando os aspectos de execução, resultado atingido, divisão de tarefas no grupo, qualidade do relatório escrito e da apresentação pública.

Fórmula de cálculo da classificação final

A classificação final é o resultado da soma ponderada da nota de frequência (peso 1/3) e da nota do exame final (peso 2/3). Esta ponderação é utilizada em todas as épocas de avaliação, incluindo recurso e melhoria.

Provas e trabalhos especiais

Trabalho prático individual ou de grupo, já referido nos pontos anteriores.

Avaliação especial (TE, DA, ...)

Os alunos trabalhadores-estudantes alunos deverão habilitar-se ao exame final por meio da realização de um trabalho prático individual cuja natureza e alcance é semelhante ao dos trabalhos individuais realizados pelos alunos ordinários.
Os alunos TE poderão solicitar aos docentes a especificação de um tema de trabalho logo no início do funcionamento da disciplina, de modo a poderem dispor de mais tempo para a sua realização.

Melhoria de classificação

A classificação distribuída (nota de frequência) não é passível de melhoria.

A classificação do exame pode ser melhorada nas condições gerais regulamentadas.