introducci´onalavisi´on activa · • el seguimiento activo conlleva motion blur y facilita...
TRANSCRIPT
Intr
oduccio
na
laVisio
nActiva
V.Javie
rTra
ver
Dep.
Lle
nguatg
es
iSiste
mes
Info
rmatics
Univ
ers
itat
Jaum
eI
Julio
2004
Indic
eIn
troduccio
na
laVisio
nActiva
Indice
Ideas
basicas
Sele
ccio
nde
laate
ncio
n
Visio
nfo
veal
Contr
olm
ecanic
o
Alg
unos
sist
em
as
de
visio
nactiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
1
Indic
eIn
troduccio
na
laVisio
nActiva
Indice
Ideas
basicas
Sele
ccio
nde
laate
ncio
n
Visio
nfo
veal
Contr
olm
ecanic
o
Alg
unos
sist
em
as
de
visio
nactiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
1
Indic
eIn
troduccio
na
laVisio
nActiva
Indice
Ideas
basicas
Sele
ccio
nde
laate
ncio
n
Visio
nfo
veal
Contr
olm
ecanic
o
Alg
unos
sist
em
as
de
visio
nactiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
1
Indic
eIn
troduccio
na
laVisio
nActiva
Indice
Ideas
basicas
Sele
ccio
nde
laate
ncio
n
Visio
nfo
veal
Contr
olm
ecanic
o
Alg
unos
sist
em
as
de
visio
nactiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
1
Indic
eIn
troduccio
na
laVisio
nActiva
Indice
Ideas
basicas
Sele
ccio
nde
laate
ncio
n
Visio
nfo
veal
Contr
olm
ecanic
o
Alg
unos
sist
em
as
de
visio
nactiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
1
Indic
eIn
troduccio
na
laVisio
nActiva
Indice
Ideas
basicas
Sele
ccio
nde
laate
ncio
n
Visio
nfo
veal
Contr
olm
ecanic
o
Alg
unos
sist
em
as
de
visio
nactiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
1
Ideas
basicas
Intr
oduccio
na
laVisio
nActiva
Ideas
basicas
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
2
Para
dig
mas
de
lavisio
nId
eas
basicas
Para
dig
mas
de
lavisio
n
Evolu
cio
nde
para
dig
mas
de
lavisio
n:
Ano
Visio
ncom
oT
ecnic
as
1965
reconocim
iento
clu
stering,cla
sificacio
n1975
com
pre
nsion
(IA)
segm
enta
cio
n,re
pre
senta
cio
n1980
reconst
ruccio
ndepth
from
X,m
odela
do
de
laesc
ena
1985
Visio
nactiva
seguim
iento
activo,visualse
rvoin
g1990
pro
ceso
inte
gra
cio
n,opera
cio
ncontınua,contr
ol
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
3
Para
dig
mas
de
lavisio
nId
eas
basicas
Para
dig
mas
de
lavisio
n
Evolu
cio
nde
para
dig
mas
de
lavisio
n:
Ano
Visio
ncom
oT
ecnic
as
1965
reconocim
iento
clu
stering,cla
sificacio
n1975
com
pre
nsion
(IA)
segm
enta
cio
n,re
pre
senta
cio
n1980
reconst
ruccio
ndepth
from
X,m
odela
do
de
laesc
ena
1985
Visio
nactiva
seguim
iento
activo,visualse
rvoin
g1990
pro
ceso
inte
gra
cio
n,opera
cio
ncontınua,contr
ol
Visio
nactiva:
aju
ste
din
am
ico
de
los
para
metr
os
(opticos
ym
ecanic
os)
de
un
sist
em
a
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
3
Para
dig
mas
de
lavisio
nId
eas
basicas
Para
dig
mas
de
lavisio
n
Evolu
cio
nde
para
dig
mas
de
lavisio
n:
Ano
Visio
ncom
oT
ecnic
as
1965
reconocim
iento
clu
stering,cla
sificacio
n1975
com
pre
nsion
(IA)
segm
enta
cio
n,re
pre
senta
cio
n1980
reconst
ruccio
ndepth
from
X,m
odela
do
de
laesc
ena
1985
Visio
nactiva
seguim
iento
activo,visualse
rvoin
g1990
pro
ceso
inte
gra
cio
n,opera
cio
ncontınua,contr
ol
Visio
nactiva:
aju
ste
din
am
ico
de
los
para
metr
os
(opticos
ym
ecanic
os)
de
un
sist
em
a
Orıgenes:
•Bajc
sy(1
982)
acuna
elte
rmin
oen
un
Work
shop
•Alo
imonos
(1987)
pre
senta
paper
en
ICCV
•Ballard
&Bro
wn
(1989)
pre
senta
ntr
abajo
en
ICCV
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
3
Visio
npasiva
yactiva
Ideas
basicas
Visio
npasiva
yactiva
Venta
jas
delenfo
que
activo
•Pro
ble
mas
irre
solu
ble
sdeja
nde
serlo
•Pro
ble
mas
maldefinid
os
(ill-p
ose
d)
yno
lineale
spasa
na
ser
bie
ndefinid
os
ylineale
s
Eje
mplo
s:
•La
fija
cio
nsim
plifica
laest
imacio
nde
movim
iento
•Conocer
elm
ovim
iento
de
lacam
ara
(egom
otion)
perm
ite
est
imar
lapro
fundid
ad
(yaum
enta
rro
bust
ez)
•Else
guim
iento
activo
conlleva
motion
blu
ry
facilita
segm
enta
cio
ndel
“ta
rget”
•Auto
calibra
cio
nde
una
cam
ara
Esc
uela
sde
Marr
yG
ibso
n:
•M
arr
(reconst
ructivism
o):
reconocim
iento
de
obje
tos
ycom
pre
nsion
de
sus
rela
cio
nes
•G
ibso
n(p
urp
osive-a
nim
ate
-behavio
rist
):tr
ansf
orm
acio
nde
entr
ada
visualen
accio
nes
moto
ras
•¿M
utu
am
ente
exclu
sivas
ocom
ple
menta
rias?
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
4
Visio
npasiva
yactiva
(2)
Ideas
basicas
Otr
os
nom
bre
s:qualita
tive,purp
osive,anim
ate
,...
Genera
lizacio
nalconcepto
de
perc
epcio
nactiva
Motivacio
nbio
logic
a
•Com
ofu
ente
de
insp
iracio
nde
solu
cio
nes
•Com
oaplicacio
nde
resu
ltados
bio
logic
os
aagente
sart
ificia
les
•Com
ocom
pro
bacio
n/desc
ubrim
iento
de
teorias
neuro
fisiolo
gic
as
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
5
Crıticas
aM
arr
Ideas
basicas
Crıticas
aM
arr
Analisis
est
atico
de
dato
scaptu
rados
de
form
apasiva;so
lovalido
en
pro
ble
mas
sinte
ticos
de
IA,no
para
const
ruir
sist
em
as
genera
les
yro
bust
os
Esp
ecifi
cacio
nm
ate
matica
pre
cisa
delpro
cesa
mie
nto
visual,
ypro
ceso
sse
para
dos
Exclu
yeelcom
port
am
iento
delobse
rvador
(i.e
.,se
lim
ita
avisio
npasiva)
No
considera
laim
port
ancia
fuente
sadic
ionale
sde
info
rmacio
n(d
isponib
les
en
sist
em
as
visuale
sbio
logic
os)
;se
gun
el,
lavisio
nbast
a
Visio
ncom
opro
ceso
genera
l,in
dependie
nte
delobse
rvador
yla
tare
a
Pre
tension
de
recupera
rto
da
lain
form
acio
nde
toda
laesc
ena
No
tiene
en
cuenta
que
elpro
cesa
mie
nto
visuales
sensible
alconte
xto
(solo
es
necesa
ria
cie
rta
info
rmacio
npara
cie
rta
tare
avisual)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
6
Aplicacio
nes
Ideas
basicas
Aplicacio
nes
•Auto
matic
cam
era
-man
•Vid
eo-c
onfe
rencia
•M
onitorizacio
ny
vid
eo-v
igilancia
•In
tera
ccio
npers
ona-m
aquin
a•
Robotica
de
serv
icio
•Vehıc
ulo
sauto
nom
os
•Contr
olvisualde
robots
(visualse
rvoin
g)
•...
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
7
Visualizacio
nactiva
Ideas
basicas
Visualizacio
nactiva
Pro
ble
ma
distinto
avisio
nactiva,aunque
com
part
en
ideas
Com
pre
sion
de
info
rmacio
n
Tra
nsm
isio
nde
imagenes
gra
ndes
(gra
nre
solu
cio
n)
•Pro
ble
ma:
ancho
de
banda
lim
itado
•Solu
cio
n:
foveation
en
punto
sde
inte
res
�Explo
tar
lim
itacio
nperc
eptu
alhum
ana
�Tra
nsm
isio
npaula
tina
Ahorr
oen
alm
acenam
iento
de
info
rmacio
n
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
8
Pro
ble
mas
(inte
r-)r
ela
cio
nados
Ideas
basicas
Pro
ble
mas
(in
ter-)re
lacio
nados
Sele
ccio
nde
laate
ncio
n(w
here
-to-look-n
ext
pro
ble
m)
Tip
os
de
ate
ncio
n:
“covert
”and
“overt
”
Perc
epcio
nfo
veal
Contr
olm
ecanic
ode
lam
irada
(gaze
stabilization+
gaze
change)
Seguim
iento
activo
Com
bin
acio
nde
com
port
am
iento
svisuale
s
Coord
inacio
nojo
-mano
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
9
Vid
eos
Ideas
basicas
Vid
eos
Asist
ente
dom
est
ico
(esc
enario
pre
visto
en
pro
yecto
MO
RPHA)
Weara
ble
visualro
bots
(Univ
.O
xfo
rd)
Robot
movil
sigue
aotr
o
Siste
ma
ENCARA
para
HCI(M
odest
oCast
rillon,Univ
.Las
Palm
as
de
Gra
nCanaria)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
10
Sele
ccio
nde
laate
ncio
nIn
troduccio
na
laVisio
nActiva
Sele
ccio
nde
laate
ncio
n
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
11
Ate
ncio
nvisual
Sele
ccio
nde
laate
ncio
n
Ate
ncio
nvisual
Pro
ceso
de
filtra
do/lim
itacio
nde
lain
form
acio
nvisual
Tre
spre
gunta
sbasicas
(muy
rela
cio
nadas)
:
1.
¿Q
ue
info
rmacio
nes
suficente
mente
import
ante
para
captu
rar
laate
ncio
n?
•Bott
om
-up
(colo
r,orienta
cio
n,m
ovim
iento
,...),
saliency
•Top-d
ow
n(info
rmacio
nre
levante
para
elcom
port
am
iento
visual
actu
al)
2.
¿Cuando
ycom
odirig
irla
ate
ncio
ny
ele
gir
lain
form
acio
nde
inte
res?
•Eta
pa
pre
-ate
ntiva,en
para
lelo
,sin
dirig
irate
ncio
n•
Eta
pa
de
ate
ncio
n,en
serie,m
ovie
ndo
elcentr
ode
ate
ncio
n
3.
¿D
onde
iry
que
hacer
desp
ues?
(Where
-to-look-n
ext
pro
ble
m)
•Localizacio
nesp
acia
l(s
pace-b
ase
datt
ention
theory
)•
Obje
tos
(obje
ct-
base
datt
ention
theory
)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
12
Sele
ccio
nde
laate
ncio
nSele
ccio
nde
laate
ncio
n
Sele
ccio
nde
laate
ncio
n
Dos
posibilid
ades:
•Form
a“abie
rta”
(overt
):La
ate
ncio
nse
va
centr
ando
en
difere
nte
spunto
s,cam
bia
ndo
en
eltiem
po
con
movim
iento
socula
res
•Form
a“encubie
rta”
(covert
):Elcentr
ode
ate
ncio
nse
cam
bia
sin
movim
iento
socula
res
Explo
racio
nde
nuevo
ento
rno
media
nte
una
secuencia
de
fija
cio
nes
(scan-p
ath
)
•M
ovim
iento
socula
res
son
dependie
nte
sde:
tare
a,conte
xto
,expecta
tivas,...
•O
pera
dore
sde
medid
ade
inte
res
(dete
cto
res
de
esq
uin
as,
de
sim
etr
ıa,.
..)
Reso
lucio
nde
laate
ncio
nvs
reso
lucio
nvisual
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
13
Mapas
de
pro
min
encia
(salience
maps)
Sele
ccio
nde
laate
ncio
n
Mapas
de
pro
min
encia
(sa
lience
maps)
•In
tegra
cio
nde
multip
les
pista
sperc
eptu
ale
s(a
varias
esc
ala
s)
•Posible
acum
ula
cio
nte
mpora
l(e
.g.,
para
dete
cta
rnuevos
obje
tos
en
una
esc
ena)
•Pro
babilid
ad
de
dirig
irla
ate
ncio
nse
gun
lapro
min
encia
•In
tegra
cio
ncon
otr
os
canale
sse
nso
riale
s(e
.g.,
audio
)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
14
Vid
eos
Sele
ccio
nde
laate
ncio
n
Vid
eos
Evolu
cio
nm
apa
saliencia
Com
peticio
nentr
em
apas
Eje
mplo
s:se
nale
sde
trafico
,peato
nes
Eje
mplo
s:hela
dos
Eje
mplo
s:re
vista
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
15
Visio
nfo
veal
Intr
oduccio
na
laVisio
nActiva
Visio
nfo
veal
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
16
Fovea
yperife
ria
Visio
nfo
veal
Fovea
yperife
ria
Visio
ncentr
alvs.
perife
rica:
role
sdistinto
s(y
com
ple
menta
rios)
•En
lafo
vea,overt
att
ention,analisis
en
deta
lle
(identificacio
n,w
hat?
)•
En
laperife
ria,covert
att
ention,dete
rmin
ar
posicio
n(localizacio
n,
where
?)
Es
posible
eldiseno
de
com
ple
jos
com
port
am
iento
svisuale
sa
part
irde
est
as
dos
prim
itiv
as
visuale
s
Rela
cio
ncon
otr
os
asp
ecto
sde
lavisio
nactiva:
•Ate
ncio
nvisual:
¿que
cara
cte
rıst
icas
visuale
spueden
ser
info
rmativas
con
poca
reso
lucio
nvisual(e
nla
perife
ria)?
•Contr
olm
ecanic
o:
baja
reso
lucio
nperife
rica
obliga
am
overla
cam
ara
(reposicio
nar
lafo
vea,fo
veation)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
17
Esq
uem
as
com
puta
cio
nale
saltern
ativos
Visio
nfo
veal
Esquem
as
com
puta
cio
nale
saltern
ativos
•“Venta
neo”
(win
dow
ing):
sim
ple
,pero
sepie
rde
cam
po
de
visio
n•
Subm
uest
reo
(subsa
mpling):
cam
po
de
visio
nconst
ante
,m
enor
reso
lucio
n,se
puede
usa
rzoom
•Jera
rquıa
sm
ultin
ivel,
reso
lucio
nuniform
een
cada
niv
el
Sim
ilar
asu
bm
uest
reo,pero
varios
niv
ele
sa
lavez.
Cada
niv
elpuede
tener:
�M
ism
ocam
po
visual,
reso
lucio
n(n
um
ero
de
pix
els)
decre
cie
nte
�M
ism
are
solu
cio
n,cam
po
visualdecre
cie
nte
•Reso
lucio
nesp
acio
-variante
(en
un
unic
oniv
el)
�Varios
niv
ele
sde
una
jera
rquıa
en
una
imagen
�Log-c
art
esian
�Log-p
ola
r�
Recip
rocalwedge
transf
orm
�Q
uad-t
rees
•Com
bin
acio
n:
piram
ides
cort
icale
s•
Varias
cam
ara
scon
distinta
sconfigura
cio
nes
(Scase
llati)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
18
Visio
nlo
g-p
ola
rVisio
nfo
veal
Visio
nlo
g-p
olar
Fundam
ento
bio
logic
o
•Tra
nsf
orm
acio
nre
tino-c
ort
ical
•Apro
xim
acio
n:
w=
log(z
)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
19
Visio
nlo
g-p
ola
r(2
)Visio
nfo
veal
Cam
pos
receptivos
(receptive
field
s)y
super-
pix
els
Eje
mplo
:
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
20
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Solu
cio
nde
com
pro
miso
entr
e:
Am
plio
cam
po
visual
Alta
reso
lucio
nBajo
cost
ecom
puta
cio
nal
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Solu
cio
nde
com
pro
miso
entr
e:
Am
plio
cam
po
visual
Alta
reso
lucio
nBajo
cost
ecom
puta
cio
nal
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Solu
cio
nde
com
pro
miso
entr
e:
Am
plio
cam
po
visual
Alta
reso
lucio
nBajo
cost
ecom
puta
cio
nal
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(3
)Visio
nfo
veal
Invarianza
aro
tacio
nes
yesc
ala
dos
Solu
cio
nde
com
pro
miso
entr
e:
Am
plio
cam
po
visual
Alta
reso
lucio
nBajo
cost
ecom
puta
cio
nal
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
21
Visio
nlo
g-p
ola
r(4
)Visio
nfo
veal
Modelo
sm
ate
maticos
div
ers
os
Difere
nte
sim
ple
menta
cio
nes:
•Retinas
hard
ware
→→
→•
Rutinas
sofw
are
•Senso
res
“virtu
ale
s”•
Configura
cio
nes
opticas
...
que
implican
difere
nte
scara
cte
rıst
icas
en:
•Cost
ede
diseno/fa
bricacio
n•
Fle
xib
ilid
ad/re
configura
bilid
ad
•Velo
cid
ad
de
transf
orm
acio
n
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
22
Vid
eos
Visio
nfo
veal
Vid
eos
Efe
cto
de
rota
cio
ny
esc
ala
dos
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
23
Contr
olm
ecanic
oIn
troduccio
na
laVisio
nActiva
Contr
olm
ecanic
o
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
24
Movim
iento
socula
res
en
anim
ale
sContr
olm
ecanic
o
Movim
iento
soculare
sen
anim
ale
sVolu
nta
rios
•Saccades:
Movim
iento
balıst
ico,en
bucle
abie
rto,para
una
rapid
afo
veation.
Est
ımulo
:pista
sate
ncio
nale
s•
Sm
ooth
purs
uit:
Movim
iento
pre
ciso,en
bucle
cerr
ado,para
mante
ner
lafija
cio
n.
Est
ımulo
:m
ovim
iento
retınic
o
Involu
nta
rios:
•Verg
ence:
Aju
ste
(lento
)delangulo
inte
r-ocula
r,para
centr
ar
obje
tos
adistinta
spro
fundid
ades.
Est
ımulo
:disparidad
•Reflejo
vest
ibulo
-ocula
r(V
OR):
Coord
inacio
nojo
-cabeza.
Org
ano
del
equilib
rio.
Est
ımulo
:se
nale
svest
ibula
res
•Reflejo
opto
-cin
etico
(KO
R).
Movim
iento
com
pensa
torio
en
bucle
cerr
ado.
Est
ımulo
:m
ovim
iento
retınic
oglo
bal
En
un
sist
em
ade
visio
nactiva
(art
ificia
l):
•Seguim
iento
activo:
smooth
purs
uit
+sa
ccades
+m
icro
-saccades
•Contr
olde
verg
encia
:verg
ence
(siste
mas
bin
ocula
res)
•Adapta
cio
na
movim
iento
sexte
rnos:
VO
R+
KO
R(v
isio
n+
senso
res
inerc
iale
s)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
25
Eje
mplo
de
seguim
iento
activo
foveal
Contr
olm
ecanic
o
Eje
mplo
de
seguim
iento
activo
foveal
Pro
yeccio
nes
yest
imacio
nde
movim
iento
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
26
Eje
mplo
de
seguim
iento
activo
foveal(2
)Contr
olm
ecanic
o
Enfo
que
uniform
een
todas
las
com
ponente
de
movim
iento
110
115
120
125
130
135
140
145
150
9010
011
012
013
014
015
016
0i
Vk(i)
0.650.
7
0.750.
8
0.850.
9
0.951
1.051.
1
1.15
05
1015
2025
3035
Rk(u)
u
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
27
Eje
mplo
de
seguim
iento
activo
foveal(3
)Contr
olm
ecanic
o
Alg
oritm
o:
PBA
+active
trackin
g
Radia
lPro
jections
1D
Shift
Est
imation
α
L1,L
2Im
age
Rectification
Angular
Pro
jections
1D
Shift
Est
imation
φ
Vert
ical
Pro
jections
1D
Shift
Est
imation
dx
Horizonta
lPro
jections
1D
Shift
Est
imation
dy
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
28
Eje
mplo
de
seguim
iento
activo
foveal(4
)Contr
olm
ecanic
o
Resu
ltados
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
29
Eje
mplo
de
contr
olde
verg
encia
Contr
olm
ecanic
o
Eje
mplo
de
contr
olde
verg
encia
Elpro
ble
ma
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
30
Eje
mplo
de
contr
olde
verg
encia
(2)
Contr
olm
ecanic
o
Corr
ela
cio
ncon
distinto
sm
allados
esp
acio
-variante
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
31
Eje
mplo
de
contr
olde
verg
encia
(3)
Contr
olm
ecanic
o
Fusion
Bin
ocula
r
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
32
Vid
eos
Contr
olm
ecanic
o
Vid
eos
Contr
olde
verg
encia
Seguim
iento
pasivo
Seguim
iento
activo
bin
ocula
r
Seguim
iento
monocula
r(2
sPBA)
Segm
enta
cio
nobje
to-fondo
(basa
do
en
ZD
F)
Mapas
de
pro
fundid
ad
Segm
enta
cio
nobje
to-fondo
(basa
do
en
pro
fundid
ad)
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
33
Alg
unos
sist
em
as
de
visio
nactiva
Intr
oduccio
na
laVisio
nActiva
Alg
unos
sist
em
as
de
visio
nactiva
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
34
Cabezas
robotizadas
Alg
unos
sist
em
as
de
visio
nactiva
Cabezas
robotizadas
Disenos
antr
opom
orfi
cos
•Siste
mas
est
ere
o,
•Contr
olde
pan,tilt,verg
encia
,...
•G
rados
de
libert
ad
Tam
bie
nsist
em
as
com
erc
iale
s...
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
35
BabyBot
Alg
unos
sist
em
as
de
visio
nactiva
BabyBot
•LIR
A-L
ab,Univ
.G
enova
(Ita
lia)
•Visio
nlo
g-p
ola
r
•Bra
zo
robot
(PUM
A)
+cabeza
(5gdl)
+se
nso
res
inerc
iale
s+
mic
rofo
nos
•Fundam
ento
neuro
fisiolo
gic
o:
desa
rrollo
senso
ri-m
oto
ren
los
nin
os
•M
as
facil
const
ruir
un
sist
em
abasico
que
evolu
cio
na
yapre
nde
que
“codifi
car”
todo
elcom
port
am
iento
desd
eun
princip
io
•“Learn
ing
toact
on
obje
cts
”
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
36
Siv
iSAlg
unos
sist
em
as
de
visio
nactiva
SiviS
•Univ
ers
itat
Polite
cnic
ade
Vale
ncia
•D
ista
ncia
base
aju
stable
:m
as
vers
atilen
recupera
rin
form
acio
n3D
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
37
Otr
os
Alg
unos
sist
em
as
de
visio
nactiva
Otr
os
Medusa
•VisLab,IS
T,Lisboa
(Port
ugal)
•Contr
olde
verg
encia
en
imagenes
log-p
ola
res
UM
ass
Tro
nco
Hum
anoid
e
•Univ
.M
ass
achuse
tts
(EEUU)
•Siste
ma
BiS
ight
•Agarr
ey
manip
ula
cio
npor
visio
n
ESCHeR
(ET
LSte
reo
Com
pact
HEad
for
Robot
visio
n)
•Ele
ctr
ote
chnic
alLabora
tory
(ET
L),
Japon
•Siste
ma
de
visio
nfo
vealoptico
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
38
Otr
os
(2)
Alg
unos
sist
em
as
de
visio
nactiva
Marv
in
•Univ
.T
ecnic
ade
Berlın
(Ale
mania
)•
Robot
helicopte
ro•
Visio
npara
encontr
ar
ycla
sificar
obje
tos
Arn
old
•Univ
.Bochum
(Ale
mania
)•
4cam
ara
s(v
isio
nglo
bal+
visio
nfo
veal)
•Localizar
pers
onas
(por
colo
r)
Siste
ma
Com
ros
•Univ
.Stu
ttgart
(Ale
mania
)•
Seguim
iento
yre
conocim
iento
de
obje
tos
•Coopera
cio
nentr
ero
bots
Milva
•Univ
.T
ecnic
ade
Ilm
enau
(Ale
mania
)•
Reconocim
iento
de
gest
os
•Seguim
iento
de
pers
onas
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
39
Vid
eos
Alg
unos
sist
em
as
de
visio
nactiva
Vid
eos
Babybot:
visio
n+
sonid
o
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
40
Refe
rencia
sIn
troduccio
na
laVisio
nActiva
Refe
rencia
s
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
41
Intr
oduccio
nRefe
rencia
s
Intr
oduccio
n
Dana
H.Ballard
.“Anim
ate
Visio
n”,Art
ificia
lIn
tellig
ence
v.
48,1991,pp
57-8
6.
John
Alo
imonos.
“Purp
osive
and
Qualita
tive
Active
Visio
n”,In
tern
ational
Confe
rence
on
Patt
ern
Recognitio
n,1990,346-3
60.
Mic
haelSwain
and
Mark
us
A.Str
icker
(eds)
:Pro
misin
gD
irections
inActive
Visio
n.
Inte
rnationalJourn
alofCom
pute
rVisio
n,Specia
lIssu
eon
Active
Visio
nI,
Vol11,2:1
09-1
26,1993.
http://www.cs.uchicago.edu/files/tr_authentic/TR-91-27.ps
Barb
elM
ert
schin
gand
Ste
ffen
Schm
alz.
“Active
Visio
nSyst
em
s”,pp.
197–219,Handbook
ofCom
pute
rVisio
nand
Applications,
Volu
me
3(S
yst
em
sand
Applications)
Academ
icPre
ss,1999
Anim
ate
Visio
n:
Active
Visio
nin
Art
ificia
lAnim
als
http://mrl.nyu.edu/~dt/animat-vision/
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
42
Intr
oduccio
n(2
)Refe
rencia
s
Tuto
rial
http://www-prima.inrialpes.fr/ECVNet/Tutorial/vap.test.html
(Bio
logic
al)
Backgro
und
toActive
visio
n
http://psychology.dur.ac.uk/teaching/dps0jmf/y3/AV_Book/Ch2.pdf
Labora
torios
de
Visio
nActiva
http://diwww.epfl.ch/lami/biovision/Vision_Active_laboratoires.html
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
43
Sele
ccio
nde
laate
ncio
nRefe
rencia
s
Sele
ccio
nde
laate
ncio
n
Teorıa
de
laate
ncio
nvisual
http://ilab.usc.edu/bu
Y.Sun,R.Fisher.
Obje
ct-
base
dvisualatt
ention
for
com
pute
rvisio
n.
Art
ificia
lIn
tellig
ence,146
(2003),
77-1
23
VisualAtt
ention:
The
Active
Visio
nPers
pective
http://psychology.dur.ac.uk/staff/pubs/JMF-2001b.pdf
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
44
Visio
nfo
veal
Refe
rencia
s
Visio
nfo
veal
PhD
thesis
(1998):
Fovate
Wavele
tTra
nsf
orm
and
its
Application
inD
igitalVid
eo
Pro
cess
ing,Acquisitio
nand
Indexin
g
http://fas.sfu.ca/pub/cs/theses/1998/JieWeiPhD.ps.gz
PhD
thesis
(2002):
Motion
Est
imation
Alg
orith
ms
inLog-p
ola
rIm
ages
and
Application
toM
onocula
rActive
Tra
ckin
g
http://vision.uji.es/~vtraver
PhD
thesis
(2004):
Bin
ocula
rHead
Contr
olw
ith
FovealVisio
n:
Meth
ods
and
Applications
http://vislab.isr.ist.utl.pt
Recip
rocalwedge
transf
orm
http://www.computer.org/tpami/tp1995/i0500abs.htm
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
45
Contr
olde
movim
iento
Refe
rencia
s
Contr
olde
movim
iento
Eye
Movem
ents
http://www.cns.nyu.edu/~glimcher/goinside/research/abstracts/fun36.pdf
Babybot
http://www.lira.dist.unige.it/babybotmain.htm
Bin
ocula
rHeads
http://www.grasp.upenn.edu/head/headpage/heads.html
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
46
Vid
eos
Refe
rencia
s
Vid
eos
Evolu
cio
nm
apas
de
pro
min
encia
,tr
aye
cto
rias
ate
ncio
nale
s(iLab)
http://iLab.usc.edu/bu/movie
Babybot
(LIR
A-L
ab)
http://www.lira.dist.unige.it/babybotvideos.htm
Efe
cto
de
rota
cio
n/esc
ala
do
en
imagenes
log-p
ola
res
http://www.dai.ed.ac.uk/homes/hermang/research/video-log-polar-small.avi
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
47
Vid
eos
(2)
Refe
rencia
s
Verg
encia
yse
guim
iento
activo
foveal(V
isLab,Bern
ard
ino)
http://www.isr.ist.utl.pt/~alex/medusa.html
http://www.isr.ist.utl.pt/~alex/Projects/TemplateTracking/
TemplateTracking.htm
Verg
encia
yfu
sion
bin
ocula
r(L
IRA-L
ab,Carla
Capurr
o)
http://www.ai.mit.edu/people/giulio/ARTICLES/vergence/node3.html
Seguim
iento
de
obje
tos
moviles
http://robotics.stanford.edu/~chengyu/g_tracker.html
Dep
Lle
nguatg
es
iSiste
mes
Info
rmatics
–Univ
ers
itat
Jaum
eI
48