Código	9309	Descripción
Crdts. Teor.	3	SEGUIMIENTO DE IMÁGENES. VISIÓN TRIDIMENSIONAL Y DEL MOVIMIENTO. RECONOCIMIENTO DE OBJETOS. APLICACIONES DE LA VISIÓN ARTIFICIAL.
Crdts. Pract.	3
A efectos de intercambios en programas de movilidad, la carga de esta asignatura equivale a 7,5 ECTS.

Departamentos y Áreas
Departamentos	Área	Crdts. Teor.	Crdts. Pract.	Dpto. Respon.	Respon. Acta
CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL	CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL	3	3

Estudios en los que se imparte

Ingeniería Técnica en Informática de Gestión - plan 2001

Pre-requisitos

Sin incompatibles

Incompatibilidades de matrícula por contenidos equivalentes
Esta asignatura es incompatible, por tener contenidos equivalentes, con las asignaturas siguientes:
Código	Asignatura
9398	VISIÓN ARTIFICIAL
9212	VISIÓN ARTIFICIAL
6566	AMPLIACION DE INTELIGENCIA ARTIFICIAL

Matriculados (2006-07)

Sin Datos

Ofertada como libre elección (2006-07)

Sin departamento

Consulta Gráfica de Horario

Pincha aquí

Horario (2006-07)
Modo	Grupo (*)	Día inicio	Día fin	Día	Hora inicio	Hora fin	Aula
CLASE TEÓRICA	1	12/02/2007	01/06/2007	L	12:30	14:30	0030PS002
PRÁCTICAS CON ORDENADOR	1	12/02/2007	01/06/2007	L	08:30	10:30	0016P1008
	2	12/02/2007	01/06/2007	L	10:30	12:30	0016P1008

(*) CLASE TEÓRICA
	1: GRUPO 1 - CAS
(*) PRÁCTICAS CON ORDENADOR
	1: GRUPO PRACTICAS VISION ARTIFICIAL - CAS
	2: GRUPO PRACTICAS VISION ARTIFICIAL - ANG

Grupos de matricula (2006-07)
Grupo (*)	Cuatrimestre	Turno	Idioma	Distribución (letra nif)
1	2do.	M	CAS	desde - hasta -

(*) 1: GRUPO 1 - CAS

Objetivos de las asignatura / competencias (2006-07)

* Entender el funcinamiento de los algoritmos modernos de Visión Artificial así como sus limitaciones y aplicaciones. * Implementar algoritmos de Visión Artificial en JavaVis.

Contenidos teóricos y prácticos (2006-07)

TEORIA: 1. Introducción a a la Visión para Robots. 2. Segmentación de regiones. Agrupamiento. Texturas 3. Contornos activos y Plantillas deformables. 4. Reconocimiento de objetos. PCA. Métodos de Constelaciones. 5. Estimación de movimiento. Flujo óptico y Métodos basados en características. 6. Tracking. Filtro de Kalman y Filtros de partículas. 7. Visión Estéreo y Calibración de cámara. PRACTICA: Realizar una practica (a elegir) de uno de los temas de la asignatura, usando JavaVis. La práctica estará acompañada de un informe experimental de aplicabilidad.

Más información

http://www.dccia.ua.es/dccia/inf/asignaturas/VA

Profesor/a responsable

ESCOLANO RUIZ , FRANCISCO JAVIER

Metodología docente (2006-07)

Clases teóricas

Exposición oral de los contenidos. Usualmente con soporte de uno o más artículos científicos. Enfoque hacia el algoritmo concreto como ejemplo de técnica de resolución.

Tipo de actividades: teóricas y prácticas

Laboratorios

´Las clases prácticas consistirán en introducir la librería JavaVis http://javavis.sourceforge.net/ y explicar la implementación de diversos algoritmos antes de que el estudiante se enfrente a implementar el algoritmo que ha elegido (ver ejemplos de años anteriores en Web).

Profesores (2006-07)
	Grupo	Profesor/a
TEORIA COMPARTIDA DE 9212, 9309 Y 9398	1	ESCOLANO RUIZ, FRANCISCO JAVIER

Enlaces relacionados

Sin Datos

Bibliografía	Ordenar por título del libro Ordenar por profesor que lo recomienda
Inteligencia artificial : modelos, técnicas y áreas de aplicación Autor(es): Escolano Ruiz, Francisco Edición: Madrid : Thomson, 2003. ISBN: 84-9732-183-9 Recomendado por: ESCOLANO RUIZ, FRANCISCO JAVIER (*1) [ Acceso al catálogo de la biblioteca universitaria ]

(*1) Este profesor ha recomendado el recurso bibliográfico a todos los alumnos de la asignatura.

Fechas de exámenes oficiales (2006-07)
Convocatoria	Grupo (*)	fecha	Hora inicio	Hora fin	Aula(s) asignada(s)	Observ:
Estudio: B204
Periodo ordinario para asignaturas de segundo semestre y anuales	-1	05/06/2007	18:00	21:00	A2/B01	-
Periodo extraordinario de septiembre	-1	04/09/2007	12:00	15:00	A2/A22	-

(*) 1: GRUPO 1 - CAS

Instrumentos y criterios de evaluación (2006-07)

No especificado

Evaluación por la práctica realizada (80%) a final de curso. Se valorará tanto la implementación como el ejercicio crítico derivado de la sección experimental (evaluación del algoritmo). El 20% restante valorará la realización de un informe teórico (10-20 páginas) sobre alguno de los temas de clase de especial interés del alumno. Se valorará la investigación del alumno en cuanto a encontrar referencias actuales al tema, así como la calidad técnica de la redacción