Suchergebnisse

Las imágenes infrarrojas presentan defectos asociados al hardware, como son: píxeles defectuosos, ruido temporal, ruido espacial, vignetting entre otros; e inherentes al medio como cambios de iluminación, corrientes de convección y conducción. En este trabajo se hace uso de metodologías enfocadas en la corrección de no uniformidades como lo es el algoritmo de las estadísticas constantes (CS) y rango constante (CR), así mismo se utiliza la morfología matemática y mapeos de contraste (MC) con el objetivo de maximizar el contraste y compensar los cambios de iluminación de cada uno de los frames infrarrojos.
Las métricas utilizadas para evaluar el desempeño de las técnicas corresponden al RMSE (error cuadrático medio) y al índice de merito Rho el cual es un estimativo de la cantidad de ruido eliminado, los resultados obtenidos con la utilización de las técnicas de corrección de no uniformidades presentan un índice de merito Rho y un RMSE bajo en comparación a los valores de estas métricas para frames contaminados, siendo estos cercanos a valores de las métricas obtenidos para un frame sin ruido espacial, aun, mejores resultados se obtienen cuando se aplican los operadores morfológicos y mapeos de contraste a las secuencias de imágenes provenientes de la etapa de corrección de ruido, dado que el contraste de la imagen es mejorado adaptativamente.

La fatiga al conducir es uno de las principales causas de accidentes de tránsito. Los sistemas de detección de fatiga basados en visión por computador tienen gran potencial dada su característica de no-invasividad. Los principales desafíos que se presentan son los movimientos rápidos de ojos y boca, cambios de pose y variacio-nes de iluminación. En este trabajo se entrena un Modelo de Forma Activa para la detección de características faciales extraídas del modelo paramétrico Candide-3. Se describe la metodología de caracterización a partir del modelo paramétrico. Se evalúan de forma cuantitativa la exactitud en: la detección de características y la estimación de los parámetros asociados a la fatiga; analizando su robustez a variaciones de pose y variaciones locales de las regiones de interés. El modelo utilizado y la metodología de caracterización mostraron eficiencia para detectar la fatiga en el 100% de los casos evaluados.