Browsing by Author "Arias Figueroa, Marco Antonio"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- ItemDiseño e implementación de un algoritmo de clasificación de objetos peligrosos en radiografías utilizando el modelo bag of words(2016) Arias Figueroa, Marco Antonio; Mery Quiroz, Domingo; Pontificia Universidad Católica de Chile. Escuela de IngenieríaLa detección y clasificación de objetos es uno de los principales problemas a los que se ha enfocado el reconocimiento de patrones y el aprendizaje de máquina. Existen diversos estudios cuyo fin es poder crear poderosos programas automáticos de reconocimiento que permitan, mediante una imagen, obtener información clave de objetos y personas. No obstante, existen pocos estudios que utilicen imágenes de radiografías, debido a la falta de bases de datos robustas y al poco interés masivo en ellas. Estos estudios permitirían realizar programas que detecten objetos peligrosos en equipajes, entre otras aplicaciones. En este trabajo se propone una metodología enfocada en detectar objetos peligrosos en equipajes de aeropuertos, mediante el uso de radiografías. Se utilizan técnicas de reconocimiento de patrones mezcladas en un modelo de Bag of Words. Los pasos de esta metodología son: procesamiento de las imágenes, extracción de descriptores SIFT y LBP, creación del Bag of Words y entrenamiento mediante Random Forest.Usando este método se obtienen 3 clasificadores binarios de 3 objetos diferentes que se consideran peligrosos: pistolas, shurikens y hojas de afeitar. Estos clasificadores son evaluados utilizando diversas métricas de desempeño y mediante un nuevo set de imágenes a clasificar. Los mejores resultados (mostrados en porcentajes de Precision-Recall respectivamente para cada clase) fueron 100% y 82% para hojas de afeitar; 100% y 92% para shurikens y 88% y 99% para pistolas. El promedio de rendimiento fue de un 90%. Este estudio demostró que es factible crear un clasificador de objetos peligrosos enfocado en radiografías, pudiendo ser extendido a más objetos si se ajustan los parámetros adecuados. En este trabajo sólo se estudia la clasificación de objetos, y no la detección.
- ItemModern Computer Vision Techniques for X-Ray Testing in Baggage Inspection(2017) Mery Quiroz, Domingo; Svec, Erick; Arias Figueroa, Marco Antonio; Riffo, V.; Saavedra, J. M.; Banerjee, S.X-ray screening systems have been used to safeguard environments in which access control is of paramount importance. Security checkpoints have been placed at the entrances to many public places to detect prohibited items, such as handguns and explosives. Generally, human operators are in charge of these tasks as automated recognition in baggage inspection is still far from perfect. Research and development on X-ray testing is, however, exploring new approaches based on computer vision that can be used to aid human operators. This paper attempts to make a contribution to the field of object recognition in X-ray testing by evaluating different computer vision strategies that have been proposed in the last years. We tested ten approaches. They are based on bag of words, sparse representations, deep learning, and classic pattern recognition schemes among others. For each method, we: 1) present a brief explanation; 2) show experimental results on the same database; and 3) provide concluding remarks discussing pros and cons of each method. In order to make fair comparisons, we define a common experimental protocol based on training, validation, and testing data (selected from the public GDXray database). The effectiveness of each method was tested in the recognition of three different threat objects: 1) handguns; 2) shuriken (ninja stars); and 3) razor blades. In our experiments, the highest recognition rate was achieved by methods based on visual vocabularies and deep features with more than 95% of accuracy. We strongly believe that it is possible to design an automated aid for the human inspection task using these computer vision algorithms.