Reconocimiento y clasificación de objetos usando inteligencia artificial basada en SVM y visión estereoscópica

Abstract

En esta tesis se desarrolla un sistema de reconocimiento y clasificación de objetos, el cual trata de emular la forma como los humanos percibimos la información visual mediante el uso de dos cámaras ópticas, que actúan como nuestros ojos, y un CPU que procesa la información en una "forma inteligente”. La compleja tarea de simular el sentido de la vista es dividida en un conjunto de tareas más simples, que abarcan desde la captura de las imágenes hasta el reconocimiento de objetos en la escena tridimensional. Se utiliza visión estereoscópica para obtener información acerca de la profundidad de la escena a partir de un par estereoscópico, los procesos de segmentación utilizan esta información para obtener regiones de interés en el proceso de identificación de un objeto. El reconocimiento y clasificación de objetos se realiza mediante técnicas de inteligencia artificial ejecutadas en un computador. Específicamente en esta tesis se utiliza SVM, support vector machine, que es un método muy poderoso y que en pocos años desde su introducción ya ha superado a otras técnicas de inteligencia artificial como las redes neuronales. Se presenta el desarrollo de los algoritmos utilizados en cada una de las fases de la tesis; algoritmos para la visión estereoscópica y realce de las características en las imágenes de entrada, considerados de bajo nivel; los algoritmos para segmentación y extracción de características, considerados de nivel intermedio; y finalmente los algoritmos de alto nivel, que realizan los procesos de reconocimiento y clasificación. El sistema de reconocimiento de objetos es entrenado mediante ejemplos previos, y se evalúa su comportamiento frente a nuevos objetos de la misma clase para los cuales ya ha sido entrenado.