Visão Computacional e

Reconhecimento de Padrões:
Aplicações Reais

Prof. Luiz Eduardo S. Oliveira

Universidade Federal do Paraná
Departamento de Informática
http://lesoliveira.net
 Bio
BSc(96), MSc(98), PhD(2003) em Computação.

Professor PUCPR (2004-2009)

Professor UFPR (2009-)

Coordenador PPGInf 2011-2012
Vice-coordenador PPGInf 2013-2014

Fundador InviSys Sistemas de Visão Computational

(2004)
 Agenda
Transferência de Tecnologia

Aplicações de visão computacional e reconhecimento

de padrões
Utilizando o conhecimento da academia para criar
produtos inovadores
 Inovação Tecnológica
Toda a novidade implantada pela empresa, por meio
de pesquisas ou investimentos, que aumenta a
eficiência do processo produtivo ou que implica em
um novo ou aprimorado produto

Atender uma necessidade

Ex: Código de barras, QR Code, RFID
 Inovação Tecnológica

As vezes a necessidade
não existe, mas pode
criada.

O mercado pode ou não aceitar a inovação

 Onde Surge a Inovação
Centros de pesquisa de grandes empresas

Laboratórios de pesquisa de universidade

Spin-off

Startups
Google, Microsoft, Apple.
 Criando uma Startup
Incubadoras e hotéis tecnológicos
Assessoria para criar um plano de negócios
Definir um modelo de negócios (Produto/Serviço)
Analisar o mercado potencial
Encontrar consultores

TECPAR
 Minha Experiência
InviSys Sistemas de Visão Computacional
Incubada no TECPAR entre 2004-2006.
Objetivo inicial: Sistemas de visão computacional para
resolver problemas de inspeção industrial
Três sócios
Doutores em computação
Capital inicial
Alguns computadores, um trem elétrico para simular
uma esteira e alguns câmeras.
1 Bolsista
40% do capital vendido em 2009
 Dificuldades
Pessoas com os mesmos perfis
Todos técnicos

Falta de experiência administrativa e vendas.

Falta de capital
Decisão de não se endividar
Não aceitar capital externo (Investidores/Angels)

Timing
O “timing” da indústria é diferente.

Criação de produtos e não protótipos

 Onde Buscar Recursos
Bancos
Linhas de crédito específicas

Investidores
Alguém que acredite na sua ideia
Buscam rentabilidade melhor do que o mercado
Sua empresa tem que ser mais rentável do que a aplicação
do banco.

Governo
FINEP
Juro zero, Subvenção econômica (fundo perdido)
CNPq (bolsas)
Aplicações
Transferindo tecnologia
 Inspeção Industrial
1. Câmera e Elementos óticos
2. Iluminação
3. Sensor de presença
4. Placa digitalizadora
5. Processador
6. Software de Inspeção
7. Placa de Saída (rede/realimentação)

Controle de qualidade 100%

Desafios muito mais na área de automação do que

computação
Processamento de imagens elementar.
Alto índice de complexidade na aquisição da imagem e
também na instalação do sistema na linha de produção.
 Indústria Automotiva

Sistema de inspeção de sede de válvulas com 14 câmeras GigE e 2 servidores

 Indústria Automotiva
OCR para verificar o número do chassis

Template matching + rede neural

 Indústria Cosmética
Sistemas de inspeção de recrave e defeitos em boca
de frascos de perfume.
 Indústria Madeireira
Detecção de nós para otimização de corte.

Projeto apoiado pelo CNPq

Rede neural treinada com descritores de textura.

 Indústria Madeireira
Reconhecimento de
espécies florestais
Tarefa difícil fora
da florestas
Especialistas

Importante para o
comércio de
madeira e
preservação de
espécies ameaçadas

Tarefa perfeita para sistemas de visão computacional

 Indústria Madeireira
Base de dados disponível para pesquisa
web.inf.ufpr.br/vri/databases

SVM com características de textura: 94%

Araucária

112 classes
41 classes
20 amostras por classe
30 amostras por classe
 Video Analytics
Desenvolvimento de soluções de visão computacional
para diversos segmentos do mercado
Varejo
Shopping centers
Indústria
Segurança
 Contagem de Pessoas
Contar pessoas que passam em um determinado
lugar.
Medir o fluxo de pessoas
Conhecer quantas pessoas entram em uma loja.

Substitui sensores que podem ser obstruídos por

pessoas
 Contagem de Pessoas
Desafios
Multidões
Sombra

Visão estéreo

Câmeras com sensores de

profundidade
 Segurança
Detecção de eventos não convencionais
Aglomerações, pessoas correndo, etc

Loitering
Objetos abandonados
Detecção de direção (áreas de segurança)
 Biometria
Verificação vs Identificação
Reconhecimento de Face
Controle de Acesso
Busca por suspeitos (screening)

Detecção da face
Alto custo computacional

Alta sensibilidade a mudanças de iluminação

Alta variabilidade intra-classe
Biometria Multimodal
 Expressões Faciais
Interação Homem-Máquina
Sistemas tutores inteligentes
Monitoramento de vitrines
Monitoramento de Trânsito
Mesma tecnologia utilizada para contar pessoas pode
ser aplicada na contagem de veículos
Viabilidade de novas vias
Alteração de vias existentes
 Estacionamento
Desafio está em monitorar estacionamentos externos
Chuva, sol, sombra, etc..
Colocação de sensores não é viável
Câmeras de segurança geralmente estão disponíveis
Integração com dispositivos móveis

Estado atual das pesquisas: 80% a 98% de taxa de reconhecimento

 OCR
Talvez a solução mais antiga.
Radares

Foto do portal
Obrigado
lesoliveira@inf.ufpr.br