Unidade Curricular:			Código:
Visão Computacional			1126VCOP
Ano:	Nível:	Curso:	Créditos:
2	Mestrado	Engenharia Informática (Computação Móvel)	5 ects
Período Lectivo:		Língua de Instrução:	Nº Horas:
Primeiro Semestre		Português/Inglês	65
Objectivos de Aprendizagem:
Ao completar com sucesso a unidade curricular os alunos devem ser capazes de (learning outcomes - LO): LO1-entender os fundamentos sobre imagem e de representação de informação visual LO2-discutir o sistema visual humano LO3-aplicar operadores morfológicos em visão por computador LO4-aplicar filtragem no domínio espacial LO5-aplicar filtragem no domínio das frequências LO6-explicar espaços de cor e segmentação de imagem baseada em cor LO7-aplicar deteção de descontinuidades e contornos LO8-aplicar calibração a câmara e obter informação de profundidade LO9-experimentar segmentação de objetos LO10-Identificar, testar, e aplicar diversas bibliotecas de software, ferramentas de desenvolvimento e hardware na implementação de aplicações de visão por computador LO11-Utilizar e combinar ferramentas, envolvendo software e hardware, na especificação, desenvolvimento e teste de projetos de visão por computador
Conteúdos Programáticos:
1. Introdução à Visão Computacional 1.1. Apresentação da Visão Computacional (VC) 1.2. Domínios de Aplicação da VC 2. Fundamentos sobre imagem 2.1. Introdução 2.2. Percepção visual 2.3. Formação da imagem 3. Processamento de imagem morfológico 3.1. Introdução 3.2. Morfologia matemática 3.3. Algoritmos morfológicos 4. Filtragem e melhoramento da imagem 4.1. Filtragem no domínio espacial 4.2. Filtragem no domínio das frequências 5. Processamento de imagens a cores 5.1. Introdução 5.2. Espaços de cor 5.3. Segmentação baseada em cor 6. Segmentação de imagem 6.1. Fundamentos de segmentação 6.2. Deteção de cantos 6.3. Deteção de regiões. 7. Representação e descrição 7.1. Descrição e representação de imagens 7.2. Descrição e representação de regiões 8. Câmaras e visão estéreo 8.1. Câmaras 8.2. Geometria epipolar e profundidade 9. Reconhecimento de objetos e imagens 9.1. Introdução 9.2. Reconhecimento de padrões
Demonstração da Coerência dos Conteúdos Programáticos com os Objectivos da Unidade Curricular:
Os conteúdos programáticos apresentados são coerentes com os objectivos de aprendizagem da unidade curricular uma vez que existe uma grande convergência entre os capítulos do programa da cadeira e os conhecimentos que é suposto o aluno adquirir em cada um desses capítulos. Os conceitos fundamentais de visão por computador, fundamentos sobre imagem e formação de imagem são apresentados nos capítulos introdutórios, nos capítulos seguintes são apresentados vários conceitos, técnicas e algoritmos relacionados com processamento de imagem em escalas de cinza e a cores. São ainda abordados algoritmos e técnicas de segmentação, descrição de imagem e de reconhecimento de objetos visuais. Os objetivos da aprendizagem são atingidos complementando os conceitos teóricos com exemplos e exercícios concretos executados em ambiente de laboratório recorrendo a software apropriado
Metodologias de Ensino (Avaliação Incluída):
Esta Unidade Curricular (UC) é classificada como de Projeto e contém competências nucleares que não são passíveis de avaliação em exame. Há elementos de avaliação contínua em cuja média pesada se exige positiva, a Nota Prática de Avaliação Contínua (NPAC) Resultados de avaliação: a) Aluno atinge objetivos mínimos (NPAC >= 9,5 valores) e Nota Final positiva (NF1 >=9,5 valores) em avaliação contínua. Aprova à UC com a NF1 b) Aluno atinge objetivos mínimos (NPAC >= 9,5 valores) e (NF1 < 9,5 valores). Pode ser avaliado em exame. Avaliação em exame é independente da avaliação contínua. Nota Final da UC é NF2 c) Aluno não atinge objetivos mínimos (NPAC < 9,5 valores). Não tem aprovação à UC e não poderá aceder ao exame Elementos de avaliação previstos: 1. Teste 1 2. Teste 2 3. Projeto prático 4. Exame Modelo de Avaliação Contínua: NPAC = (3) NF1 = ((1) + (2) + 2*NPAC)/4, NPAC >= 9,5 Modelo de Avaliação Exame (NPAC >= 9,5): NF2 = (4)
Demonstração da Coerência das Metodologias de Ensino com os Objectivos de Aprendizagem da Unidade Curricular:
A metodologia de ensino/aprendizagem aplicada nesta unidade curricular bem como o seu sistema de avaliação encontram-se perfeitamente alinhados com os objetivos a atingir pelos alunos no final do período letivo. Os conceitos teóricos são apresentados, discutidos, aplicados e avaliados no contexto das aulas teóricas o que garante aos alunos uma base sólida de conhecimentos fundamentais para entenderem de forma aprofundada os desafios que se colocam a esta área do conhecimento. Por outro lado, para que o estudo não fique restrito a modelos conceptuais, nas aulas práticas são apresentados casos de estudo concretos e implementadas soluções para problemas reais recorrendo a ferramentas de software apropriadas. Esta combinação garante uma formação aos alunos que lhes permite conhecer os fundamentos científicos essenciais a uma boa compreensão do tema bem como a capacidade de eles se adaptarem a mudanças tecnológicas constantes. O processo de avaliação constituído por testes teóricos e trabalhos práticos garante também um correto equilíbrio entre o esforço dedicado a ambas as componentes. O objectivo é formar profissionais conhecedores das técnicas e ferramentas do estado da arte mas também garantir a sua capacidade de evolução futura. Nesta unidade curricular os conceitos relacionados com a visão por computador são apresentados e avaliados na componente teórica. Estes conceitos são depois aplicados na resolução das fichas e trabalhos práticos no contexto das aulas práticas
Bibliografia:
[1] Linda Shapiro, George Stockman, "Computer Vision", Prentice Hall, 2001 [2] Rafael Gonzalez, Richard Woods, "Digital Image Processing (4rd Edition)", Prentice Hall, 2018 [3] Richard Szeliski, "Computer Vision: Algorithms and Applications", Springer, 2010 (http://szeliski.org/Book/) [4] Jain, Kasturi, Schunck, "Machine Vision", McGraw-Hill, 1995 [5] Kaehler, Bradski, "Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library", O'Reilly Media, 2017 [6] Jan Erik Solem, “Programming Computer Vision with Python: Tools And Algorithms For Analyzing Images”, 1st Edition, O'Reilly Media, 2012 [7] Reinhard Klette, "Concise Computer Vision: An Introduction into Theory and Algorithms", 2014, Springer
Docente (* Responsável):
José Manuel Torres (jtorres@ufp.edu.pt)