Utilização de Visão Computacional para Deficientes Visuais

Transcript

1. UTILIZAÇÃO DE VISÃO COMPUTACIONAL PARA DEFICIENTES VISUAIS FATEC Americana Douglas de Souza Ferreira Orientador: Raul Paiva de Oliveira
2. Introdução Motivação,
3. Introdução Motivação, objetivos
4. Introdução Motivação, objetivos e metodologia
5. 45 Milhões Possuem alguma deficiência
6. Deficientes Brasil Fonte: IBGE, Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2010
7. Visual Física Auditiva Mental Deficiências Fonte: IBGE, Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2010
8. Interface para todos Abordagem que visa minimizar a necessidade de retrabalho posteriores
9. Objetivos Estudar a arquitetura de um sistema de visão computacional
 Analisar os algoritmos mais utilizados no reconhecimento de objetos
 Desenvolver um caso de teste que utilize visão computacional para auxiliar um deficiente visual em seu dia-a-dia
 Analisar se a proposta é aplicável e se os resultados são satisfatórios
10. Metodologia Pesquisa básica, buscando gerar novos conhecimentos Qualitativa, proporcionando análise dos dados levantados de testes em campo Exploratória, visando familiaridade com o problema e utilizando casos aplicados que estimulem a compreensão
 

11. Visão Computacional A extração automatizada de informações de uma imagem
12. Fonte: BRADISK; KAEHLER. Learning OpenCV .2008
13. Filtros Algoritmos que tem como objetivo remover ruídos de imagens
15. Operadores Morfológicos Analisam a forma e estrutura de um objeto e suas relações
16. Operadores Morfológicos Fonte: REN, Tsang I. Processamento de Imagem Morfológica. 2010
17. Segmentação Processo de particionar uma imagem buscando individualizar cada região
18. OpenCV A biblioteca opensource com mais de 2500 algoritmos de visão computacional
19. Reconhecimento de Objetos A Identificação de cada objeto e suas características em diversos contextos
20. Fonte: Filme O Exterminador do Futuro 2: O Julgamento Final, Dierção: James Cameron,1991.
21. Algoritmos de Reconhecimento de Objetos FAST, BRIEF, SIFT, SURF, ORB e BRUTEFORCE
22. ORB SIFT SURF ORB Fonte: ADORF, Julius. Object detection and segmentation. 2011
23. Proposta de Caso de Teste Aplicação de reconhecimento de notas de Real
24. Demonstração
25. Metodologia
26. Experimento Teste com 10 notas de cada valor com alunos e professores da FATEC Americana e funcionários do Instituto Eldorado
27. Acertos Resultados
28. Considerações Finais
29. Considerações Finais Ambiente de desenvolvimento fácil de ser montado
 Fácil interação com plataformas de tablets, smartphones e computadores
 Resultados satisfatórios utilizando algoritmos com base em pontos de interesse
 Possibilidade de trabalhos futuros
30. Referências ADORF, Julius. Object detection and segmentation in cluttered scenes through perception and manipulation. 2011. 78p. Tese (Bacharel em Ciência da Computação) – Universidade Técnica de Munique. Munique. 
 BRADISK, Gary; KAEHLER, Adrian. Learning OpenCV – Computer Vision With OpenCV Library. 1aed. O ́Reilly Media, 2008. IBGE, Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2010. Disponível em: <http://www.ibge.gov.br/home/estatistica/populacao/censo2010/ caracteristicas_religiao_deficienciadefault_caracteristicas_religiao_deficiencia.shtm>. Acesso em: 16 set. 2013. 20h. REN, Tsang I. Processamento de Imagem Morfológica. UFPE, 2010. Disponível em:<http:// www.cin.ufpe.br/~tir/ComputacaoCientifica/7.Morfologia%20Matematica.pdf>Acesso em: 17 mai. 2014. 10h. STEPHANIDIS, C. Adaptative Techniques for Universal Access in: User Modeling and User- Adapted Interaction. Kluwer Academic Publishers. 2001, p.159-179.
31. Obrigado!