Plano de Curso

O objetivo principal deste curso é prover uma visão panorâmica da área e dos fundamentos de visão computacional e suas aplicações. Ao final do curso o aluno deverá ser capaz de identificar os principais problemas e paradigmas, bem como as principais metodologias, algoritmos e heurísticas normalmente utilizados em Visão Computacional. A abordagem utilizada para se alcançar esse objetivo baseia-se, fundamentalmente, em utilizar o ferramental teórico na implementação de soluções para problemas reais, em particular, na realização de um trabalho específico a ser desenvolvido ao longo do semestre.

Conhecimento básico de álgebra linear, cálculo, análise numérica e física. Conhecimento de pelo menos uma linguagem de programação (Matlab ou C, de preferência).

Este é um curso introdutório em visão computacional, onde os principais problemas serão apresentados juntamente com técnicas clássicas para sua resolução. Inicialmente será apresentado o processo básico de captura e processamento de baixo nível da imagem. Ao processamento da imagem segue-se a identificação de características que venham a auxiliar na obtenção da forma espacial dos objetos na cena. Pontos relevantes de outras disciplinas como óptica, processamento digital de imagens, reconhecimento de padrões, belas artes, computação gráfica, psicofísica, psicologia e neuro-fisiologia também serão discutidos.

Alguns princípios básicos para resolução de problemas em inteligência artificial, focalizando nas áreas de compreensão de imagens e robótica serão apresentados. Entretanto, não se trata de um curso introdutório de IA e portanto conhecimento prévio desta área não será necessário. Os tópicos a serem cobertos incluem:

• Representação de imagem/forma/objeto;
• Várias técnicas para recuperação de formas 3D;
• Arquiteturas de visão e paralelismo.

O curso seguirá, aproximadamente, a seguinte estrutura baseada no livro de Trucco e Verri:

1. Visão geral, história e introdução à visão computacional;
2. Imagens Digitais;
3. Ruído na Imagem;
4. Características na Imagem;
5. Calibração de Câmeras; Estereópse.
6. Tópicos em Movimento, Shape-from-X, Reconhecimento e Localização.

O aproveitamento do aprendizado do aluno será medido por meio de exercícios, uma prova e principalmente um trabalho prático que será desenvolvido ao longo do semestre com relatórios e apresentações intermediárias, um artigo e apresentação final dos resultados. A distribuição de notas será a seguinte:

Exercícios deverão ser entregues pelo aluno na data marcada, no início da aula. A nota será reduzida de 10% do valor total para cada 24 horas de atraso na entrega.

O trabalho prático será divido nas seguintes etapas:

1. Definição do tema
2. Revisão Bibliográfica
3. Metodologia a ser adotada
4. Planejamento dos experimentos
5. Resultados preliminares
6. Artigo
7. Apresentação

• Cada etapa deverá ser disponibilizada na página www do aluno. A página deverá conter um link para um arquivo denominado primeiro_nome_do_aluno.zip.
• A revisão bibliográfica deverá ser discutida criticamente, e não apenas conter menções a artigos. O arquivo .bib deverá estar disponível na página.
• O artigo deverá ser escrito utilizando o LaTeX, e deverá ter 15 páginas no formato de submissão do Sibgrapi.
• As apresentações serão realizadas ao final do semestre, em data a ser agendada, e serão de 15 minutos com 5 minutos para perguntas.

• Emanuele Trucco and Alessandro Verri, Introductory Techniques for 3-D Computer Vision, Prentice Hall, New Jersey, 1998.
• David A. Forsyth and Jean Ponce, Computer Vision - A Modern Approach, Prentice Hall, New Jersey, 2003.
• B.K.P. Horn, Robot Vision, MIT Press, 1986.
• Dana Ballard and Christopher Brown, Computer Vision, Prentice Hall, 1982.
• K. R. Castleman, Digital Image Processing, Prentice Hall, 1979.
• Rafael C. Gonzalez and Richard E. Woods, Addison Wesley, Reading, 1992.
• Stuart Russel and Peter Norvig, Artificial Intelligence - A Modern Approach, 2nd. Edition, Prentice-Hall, New Jersey, 2003.