Anno Accademico 2018/2019
- Docente: Annalisa Franco
- Crediti formativi: 6
- SSD: ING-INF/05
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Cesena
-
Corso:
Laurea Magistrale in
Ingegneria e scienze informatiche (cod. 8614)
Valido anche per Laurea Magistrale in Ingegneria e scienze informatiche (cod. 8614)
Conoscenze e abilità da conseguire
Il corso ha l'obiettivo di fornire agli studenti le nozioni e gli strumenti necessari per la progettazione e realizzazione di sistemi automatici in grado di analizzare immagini digitali ai fini della localizzazione e riconoscimento di oggetti. In particolare il corso si focalizza principalmente sulle tecniche di estrazione di caratteristiche da immagini digitali (forma, colore e tessitura) e sullapplicazione di tali tecniche alle problematiche tipiche della visione artificiale localizzazione, classificazione e ricerche di similarità con approfonditi esempi applicativi nellambito dei sistemi di riconoscimento biometrico (volto e impronte digitali).
Contenuti
- Feature di colore:
- color histograms e metriche di similarità/distanza;
- color moments;
- segmentazione di oggetti basata sull’analisi del colore;
- Feature di tessitura:
- matrici di co-occorrenza dei livelli di grigio e relative misure (entropia, contrasto, omogeneità, ecc..);
- Filtri di Gabor: banchi di filtri, filtraggio contestuale e applicazioni all’enhancement di impronte digitali e al riconoscimento dell’iride;
- Haar features: immagine integrale ed estrazione efficiente delle feature, applicazioni alla localizzazione del volto;
- Local Binary Pattern: calcolo del descrittore, applicazioni al riconoscimento del volto;
- Feature di forma:
- Estrazione del contorno e indicatori di base (centro di gravità, circularity ratio, convexity, numero di Eulero, ecc…);
- Rappresentazioni monodimensionali della forma (centroid distance function, ecc…);
- Beam Angle Statistics, shape matrix, descrittori di Fourier;
- Momenti invarianti;
- Feature di forma per ricerche di similarità (query by sketch, es. ricerca volti tramite identikit);
- Keypoints e descrittori locali:
- Localizzazione dei punti di interesse: Harris corner detector;
- Localizzazione invariante per cambiamenti di scala: Harris Laplace, Laplacian of Gaussian, Difference of Gaussian;
- Keypoints e descrittori: descrittori SIFT, SURF, BRIEF, Histogram of Oriented Gradients.
- Bag of visual Words:
- Tecniche per la creazione del dizionario;
- Applicazioni alla classificazione di immagini;
- Tecniche di localizzazione di oggetti:
- Template matching rigido basato su feature e applicazioni alla localizzazione di oggetti;
- Trasformata di Hough con applicazioni all’allineamento di impronte digitali;
- Template deformabili: tipologie di template, algoritmo Ransac per l’allineamento di immagini tramite keypoint.
Testi/Bibliografia
Forsyth e Ponce, Computer Vision a modern approach, Pearson 2012.
Gonzalez e Woods, Elaborazioni delle immagini digitali, Prentice Hall, 3 edizione, 2008.
Duda, Hart e Stork, Pattern classification, Wiley 2002.
Metodi didattici
Lezioni frontali
Esercitazioni guidate in laboratorio, individuali o di gruppo, con utilizzo di librerie pubbliche e multi-piattaforma per computer vision (es. OpenCV).
Modalità di verifica e valutazione dell'apprendimento
L'esame di fine corso mira a valutare il raggiungimento degli obiettivi didattici:
- Conoscere le principali tecniche di estrazione di feature di forma, colore, tessitura;
- Aver compreso le tecniche di rappresentazione di immagini basate su keypoint e descrittori locali;
- Saper progettare e realizzare applicazioni di localizzazione e/o riconoscimento di oggetti, anche nel settore applicativo dei sistemi biometrici.
L'esame consiste nella realizzazione e discussione di un elaborato di progetto, individuale o di gruppo, e in una prova orale (sull'intero programma del corso) volta a valutare le conoscenze che lo studente ha acquisito. La discussione del progetto si svolgerà contestualmente alla prova orale e sarà formulato un giudizio complessivo.
Strumenti a supporto della didattica
Dispense a cura del docente
Tracce di esercitazioni in Python
Classi C# di ausilio alla realizzazione dell'elaborato
Orario di ricevimento
Consulta il sito web di Annalisa Franco