Tema 7.

Introduccin al reconocimiento
de objetos
Reconocimiento de patrones
 Reconocimiento de patrones

En resumen, un sistema de reconocimiento de patrones

completo consiste en:

Un sensor que recoge las observaciones a clasificar.

Un sistema de extraccin de caractersticas

transforma la informacin observada en valores numricos
o simblicos.

Un sistema de clasificacin o descripcin que, basado

en las caractersticas extradas, clasifica la medicin.

Por ejemplo se pueden clasificar imgenes digitales de

letras en las clases A a Z dependiente de sus pxeles
o se pueden clasificar huellas dactilares.
 Reconocimiento de patrones
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN

Las caractersticas de la imagen pueden ser:

-topolgicas: nmero de componentes conexas, agujeros,

-geomtricas: rea, permetro, curvatura,

-estadsticas: momentos,

Un patrn es un conjunto de caractersticas.

Una clase de patrones es un conjunto de patrones similares.

El objetivo del reconocimiento de patrones es asignar un patrn a la

clase a la que pertenece (lo ms automticamente posible).
Reconocimiento de patrones
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN
 Reconocimiento de patrones
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN

Podemos almacenar los patrones en diversos formatos:

El ms usual es el de vector (para caractersticas cuantitativas)

x=[x1, x2, , xn] T

donde x es el patrn y xi son las caractersticas.

Tambin se usa el formato de rbol (para caractersticas

estructurales).
 Reconocimiento de patrones
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN

Ejemplo 1: supongamos que queremos discriminar tres tipos de flores

(virginica, versicolor, setosa) mediante las caractersticas:

la anchura de sus ptalos.

la longitud de sus ptalos.

En este caso, un patrn consta de estas dos medidas tomadas de una

flor en particular.

Una clase de patrones consistira en el conjunto de todos los patrones

que se obtienen de la misma clase de flor.
 Reconocimiento de patrones
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN
Ejemplo 1: En este caso, el patrn es x=[x1, x2]T, donde

la anchura de sus ptalos (x1)

longitud de sus ptalos (x2 ).

Como podemos observar, esta

eleccin de caractersticas
podr discriminar perfectamente
la clase setosa de las otras dos,
pero no as las clases virginica y
versicolor entre s.
 Reconocimiento de patrones
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN
Ejemplo: supongamos que queremos reconocer imgenes de
satlites.
En este caso, usaramos una
estructura en rbol para describir
las caractersticas (no cuantitativas)
escogidas, mediante la relacin
compuesto por:
 Reconocimiento de patrones
La clasificacin utiliza habitualmente uno de las siguientes
procedimientos:

clasificacin estadstica (o teora de la decisin), basado en las

caractersticas estadsticas de los patrones.

clasificacin sintctica (o estructural), basado en las relaciones

estructurales de las caractersticas.

La clasificacin puede ser de dos tipos:

Supervisada, si se usa un conjunto de aprendizaje, que sirve para

entrenar al sistema.

No supervisada. El sistema no tiene un conjunto para aprender a

clasificar la informacin a priori, sino que se basa en clculos estadsticos
para clasificar los patrones.
Reconocimiento de patrones
 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN

Sea x=[x1, x2, , xn]T un patrn donde cada xi es una caracterstica.

Para cada clase w de patrones, hay que encontrar una funcin de

decisin dw (clasficador) con la propiedad de que si x pertenece a la
clase w y no a la clase v , entonces
dw (x)> dv (x)

Frontera de decisin: aquellos vectores x tales que dw (x)= dv (x).

Considerando la funcin frontera dw (x)- dv (x), dicha funcin tomar
valores >0 cuando x pertenezca a la clase w y valores <0 cuando
pertenezca a v.
 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN
Clasificador por la mnima distancia:
Sea x=[x1, x2, , xn] T un patrn donde cada xi es una caracterstica.
El clasificador ms sencillo es el de la mnima distancia hacia el vector
promedio de todos los patrones que pertenecen a la clase:
 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN
Clasificador por la mnima distancia:
Fase de aprendizaje: Una vez aislada las propiedades caractersticas de cada
clase, sta se representa por un patrn de clase que consiste en la media de
todos los patrones que pertenecen a la misma clase:

siendo Nj el nmero de patrones correspondientes a la clase wj

Fase de clasificacin: para cada vector de caractersticas x, determinamos su
proximidad a cada patrn de clase mj. Si escogemos la distancia eucldea para
determinar la proximidad, tenemos que calcular:

Ahora le asignamos a x la clase de mj si Dj(x) es el mnimo de todas las distancias.

Esto es equivalente a imponer que la funcin de decisin

tome un valor mximo.

 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN
Clasificador por la mnima distancia:
Ejemplo

m1 = (4.3,1.2); m2 = (1.5,0.3)

d1 ( x) = 4.3x1 + 1.3 x2 10.1

d 2 ( x) = 1.5 x1 + 0.3x2 1.17

Funcin frontera

d1, 2 ( x) = 2.8 x1 + 1.0 x2 8.9 = 0

 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN
Clasificador por la mnima distancia:

Para practicar: demo on-line

Ejercicio: La siguiente tabla se corresponde con un conjunto de datos usados
para la clasificacin de dos tipos de flores. Se han usado la longitud
y anchura de diversos ptalos de ambos tipos de flores.

Dibuja la informacin en una grfica donde los ejes de coordenadas

representan la longitud y anchura de los ptalos
Calcular los patrones de clase
 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN
Clasificador por correlacin:

Se trata de calcular un coeficiente de

correlacin normalizado mediante la
correlacin espacial con una muestra
del objeto que queremos reconocer
dentro de la imagen. Este coeficiente
est entre -1 y 1 y es mayor en valor
absoluto cuanto mayor coincidencia se
da entre la imagen y la muestra.

(w(s, t ) w ) ( f ( x + s, y + t ) f
s ,t
s ,t )
Donde w es la media
( x, y ) = en la muestra w, y f
(w(s, t ) w ) ( f ( x + s, y + t ) f
s ,t
2

s ,t
s ,t ) 2
es el valor medio de
s ,t

f en la regin
coincidente con w.
 Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN
Clasificador por correlacin:

Ejemplo:
Reconocimiento de patrones
RECONOCIMIENTO BASADO EN MTODOS DE DECISIN

Otros ejemplos de clasificadores:

Clasificadores mediante rboles de

decisin

Algoritmos genticos

Clasificador de Bayes.

Clasificador por redes neuronales.

 Reconocimiento de patrones

Algunos trabajos dirigidos relacionados:

-Reconocimiento de caracteres mediante rboles de decisin. Trabajo

dirigido 03/04.

- Reconocimiento de caras mediante algoritmos genticos. Trabajo

dirigido 03/04.

-Reconocimiento de seales de trfico. Curso 2008/09.

-Reconocimiento de frutas en una bscula. Curso 2006/07.

http://alojamientos.us.es/gtocoma/pid/tdotros.htm
 Medidas biomtricas

Las tcnicas biomtricas se basan en medir al usuario,

directa o indirectamente, para reconocerlo
automticamente, aplicando tcnicas estadsticas y de
Inteligencia Artificial (lgica borrosa, redes neuronales,
etc).
 Medidas biomtricas

Un sistema biomtrico comn comprende cinco componentes:

Un sensor utilizado para recopilar datos y convertir la informacin

en formato digital.

Algoritmos de procesamiento que realizan actividades de control

de calidad y desarrollan las plantillas biomtricas.

Un componente para almacenamiento de datos que contiene la

informacin con la cual se comparan las nuevas plantillas
biomtricas.

Un algoritmo de coincidencia que compara las nuevas plantillas

biomtricas con una o ms de las plantillas almacenadas.

Un proceso de decisin (ya sea automtico o manual) que utiliza

los resultados del componente de coincidencia para tomar una
decisin basada en el sistema.
 Medidas biomtricas

Propiedades de los datos biomtricos:

deben ser invariables, por lo menos por un largo perodo,

mensurables,
singulares, es decir deben permitir un resultado unvoco,
aceptables, lo que excluye las tcnicas invasivas,
reducibles a un resultado de fcil contralor,
confiables y respetuosos de la discrecin del interesado.
 Medidas biomtricas

Biometra Esttica: Es la que mide la anatoma del

usuario. Comprende, entre otras:

a) Huellas Digitales.
b) Geometra de la mano.
c) Termografa.
d) Anlisis del iris.
e) Anlisis de retina.
f) Venas del dorso de la mano.
g) Reconocimiento Facial.
 Medidas biomtricas
Caractersticas de huellas biomtricas estticas:

-Huellas dactilares: entre 50 y 200 pequeas marcas , como

las bifurcaciones o interrupciones de las arrugas epidrmicas

- Reconocimiento del iris: en el iris estn presentes cerca de

247 puntos que identifican de manera unvoca un sujeto,
puntos que constituyen una nica identificacin.

-Reconocimiento facial : a travs de la posicin de la nariz y

de la boca, la distancia entre los ojos y la altura de los mismos,
es posible elaborar un detallado y preciso mapa del rostro de
una persona

-TD-68 curso 2007/08. Combinando descriptores para el reconocimiento

de huellas dactilares.

- Reconocimiento de la palma de la mano

- Reconocimiento de la oreja.
 Medidas biomtricas

2) Biometra Dinmica: Es la que mide el

comportamiento del usuario. Comprende entre otras:

a) Patrn de Voz.
b) Firma manuscrita.
c) Dinmica de tecleo.
d) Cadencia del paso.
e) Anlisis gestual.