000005573 001__ 5573 000005573 005__ 20150325135811.0 000005573 037__ $$aTAZ-PFC-2011-025 000005573 041__ $$aspa 000005573 1001_ $$aRituerto Sin, Jorge 000005573 24500 $$aReconocimiento automático de áreas de interés en secuencias de interiores 000005573 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2011 000005573 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000005573 520__ $$aEl procesado automático de imágenes y secuencias de imágenes es una necesidad que aparece por la gran cantidad de información que se puede recopilar actualmente en forma de imágenes y vídeos. El tratamiento manual de tal cantidad de información resulta imposible. Este trabajo se centra en la detección y clasificación de objetos y/o regiones de interés en secuencias de imágenes tomadas en ambientes de interior. La idea es que el procesado de las secuencias se realice de manera semiautomática, el usuario solo actúa sobre la primera imagen de la secuencia, procesándose las demás de un modo autónomo.\\ En particular, este trabajo se centra en el procesado automático de secuencias de interiores adquiridas por un robot móvil. En este entorno, el tipo de regiones y objetos que vamos a detectar son: regiones características principales para la navegación en secuencias de interior, como suelo, pared y techo; objetos importantes para la navegación, como puertas; el resto de objetos que pertenezcan a otras clases han sido asociados a un grupo genérico.\\ Para el procesamiento automático de una secuencia, se han desarrollado los siguientes módulos partiendo de un proceso base inicial, respecto del cual todos los pasos han sido rediseñados para mejorar los resultados: Segmentación de las imágenes; descripción de cada segmento; estudio de posibles descriptores de las características de cada uno de los segmentos que forman la imagen. Los descriptores se pueden dividir en cuatro grandes grupos: de color, textura, forma y posición; modelado de las regiones a detectar; cada uno de los segmentos que forman la imagen es comparado con los grupos que componen el modelo y se estima la probabilidad que tiene cada segmento de pertenecer a cada una de las regiones u objetos a detectar. Finalmente, el procesado de cada fotograma, incluye un filtrado que tiene en cuenta tanto la probabilidad de cada segmento de pertenecer a un objeto/región como la relación de el segmento con los segmentos vecinos. 000005573 521__ $$aIngeniero Industrial 000005573 540__ $$aDerechos regulados por licencia Creative Commons 000005573 6531_ $$ainteligencia artificial 000005573 6531_ $$avisión por computador 000005573 6531_ $$asegmentación de imágenes 000005573 6531_ $$areconocimiento 000005573 6531_ $$aclasificadores 000005573 700__ $$aMurillo Arnal, Ana Cristina$$edir. 000005573 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática 000005573 830__ $$aCPS 000005573 8560_ $$f537466@celes.unizar.es 000005573 8564_ $$s2608839$$uhttps://zaguan.unizar.es/record/5573/files/TAZ-PFC-2011-025_ANE.pdf$$yAnexos (spa) 000005573 8564_ $$s8814680$$uhttps://zaguan.unizar.es/record/5573/files/TAZ-PFC-2011-025.pdf$$yMemoria (spa) 000005573 909CO $$ooai:zaguan.unizar.es:5573$$pdriver$$pproyectos-fin-carrera 000005573 950__ $$a 000005573 980__ $$aTAZ$$bPFC$$cCPS