Mata kuliah: Computer Vision

Dosen: Ir. Resmana Lim, M.Eng. (resmana@petra.ac.id)  ruang: P322  ext: 2354

web: http://faculty.petra.ac.id/resmana/private/compvision

 

Computer Vision: 3 sks

(2.5 sks kuliah + 0.5 sks praktikum)

Deskripsi Mata Kuliah:

Mata kuliah ini mempelajari bagaimana komputer dapat memahami dan menginterpretasi konten yang terkandung dalam image (citra). Mata kuliah ini bermaksud untuk mengajarkan konsep-konsep dasar berbagai teknik computer vision beserta dengan aplikasinya pada pengenalan pola image. Kegiatan laboratorium dan pengerjaan proyek aplikasi computer vision menjadi bagian yang penting dalam memberikan pengalaman praktek dalam menyelesaikan persoalan nyata dilapangan. Dibutuhkan background matematika sebagai tools yaitu  : Kalkulus dan Aljabar Linear (matrix, vector, transformasi dan eigen system) serta kemampuan programming pada salah satu bahasa pemrograman. Matematika sebagai tools untuk menyelesaikan permasalahan computer vision diharapkan tidak menjadi hambatan, justru mahasiswa mendapatkan pencerahan/apresiasi betapa bermanfaatnya tools matematika yg dipakai dalam problem nyata computer vision. Kuliah ini diberikan dalam bentuk ceramah, demo komputer dikelas, serta kegiatan laboratorium terjadwal maupun kegiatan pengerjaan tugas/proyek akhir. Pemanfaatan tools/library program yang bersifat Open Source cukup dominan, dengan harapan ikut memanfaatkan dan memberikan kontribusi untuk pengembangan environment pemrograman computer vision yang bersifat terbuka dan bermanfaat bagi banyak orang.

Tujuan:

  1. Mahasiswa mengerti berbagai algoritma dasar computer vision beserta dengan aplikasi-aplikasinya.
  2. Mahasiswa mampu mengimplementasi algoritma computer vision untuk sebuah aplikasi machine vision misalnya pada pattern recognition/robotics/biometrics/security systems, dll.
  3. Mahasiswa mampu memanfaatkan computer vision software tools/libraries (OpenSource) dalam mengimplementasikan sebuah proyek computer vision.

 

kepustakaan:

  1. Forsyth, David & Ponce, Jean., Computer Vision: a Modern Approach, Prentice-Hall, 2001. (tersedia lokal kopi file pdf (900 halaman 39Mbyte !!!))

  2. Trucco & Verri, Introductory Techniques for 3D Computer Vision, Prentice Hall 1998.

  3. Alan C. Bovik (Editor), Handbook of Image and Video Processing, Academic Press, 2000.

  4. Sergios Theodoridis,Konstantinos Koutroumbas,Konstantinos Koutroumbas. Pattern Recognition, Academic Press, 1998.

  5. Vernon, David., Machine Vision: Automated Visual Inspection and Robot Vision, Prentice-Hall, 1991.

 

Evaluasi Perkuliahan

 

 

UTS (proyek I) 40%
UAS (proyek akhir) 40%
tugas/lab session 20%
total 100%

 

Jadwal Perkuliahan

Pertemuan ke: Materi Bahan bacaan Sumber Internet Tugas/Lab Session
1 Pendahuluan

Images and color images, cameras, dll.

Ref 1 chap. 3,4,

Ref 2  chap1,2.1-2.2

Prof. Hager Notes 

binary.pdf (from NUS)

Lab 1: Pengenalan Matlab utk. image processing
 
2 Filtering (Image Convolution), Edge detection Ref 1 Chap. 8,9

Ref 2 Chap..3,4.1-4.2,

Prof. Hager Notes 

imageproc.pdf (from NUS)

Lab2: Filtering
 
3 Edge operators (Gaussian Kernels, dll)

Segmentasi image

Ref 1 Chap. 16

Ref 2 Chap. .4.3,5.1-5.2,5.

Prof. Hager Notes U Washington Notes   Lab 2b: Image Segmentation
 
4 Image Motion Ref 1 Chap. 14,15

Ref 2 Chap. 8,9

 

Prof. Hager Notes

motion.pdf (from NUS)
 

 
5 Image/Video Tracking

(Optical Flow, Lukas Kanade Tracking)

slide LK-tracking

slide LK-registration

 

Ref 1 Chap. 19

Ref 2 Chap. A.8

 

Prof. Hager Notes Daftar Peserta Proyek I (UTS)
6 Geometri Image

(Image Formation, 3D Rigid Transformation)

Ref 1 Chap. 5,6

Ref 2 Chap. 2

Zhang: EpipolarGeometry

Prof. Hager Notes   

Single view modeling/projective geometry

3D Rigid body Trasnformation

Lab 3: Object Tracking (Lucas-Kanade)
 
7 Geometri Image (lanjutan)

Kalibrasi Kamera

Ref 2 Chap. Ch.6 Prof. Hager Notes Lab 4: 3D Trasnformation & Geometry
 
8 Image & Computer Vision library (Intel IPL Image & OpenCV) IPL-Image-Manual.pdf

OpenCV-Manual.pdf

OpenCV webpage

OpenCV mailing list

Pengenalan OpenCV
9 Statistical Pattern Recognition

slide statistik-modeling-utk-vision

slide estimasi-densitas

Ref 1 Chap 7

PatternRecog2.ppt

Expectation-Maximazation(EM)

Color Tracking dengan OpenCV
10 Tracking Obyek berbasis warna (color histograms) color system.pdf (from NUS)

Color Tracking by Mixture Model.pdf

Texture&Condensation Tracking

Condensation Tracking

Recognition dengan OpenCV
11 Object Recognition dengan PCA

slide PCA

Ref 2 Chap. 10 PatternRecog1.ppt

Prof. Hager Notes

Linear Discriminant Analysis (LDA)

LDA of PCA

Independent Component Analysis(ICA)

Proyek Akhir
12 Stereo Vision (3D Vision) Ref 1 Chap. 13

Ref 2 Chap. 7

Prof. Hager Notes

Rectification, correlation, diffusion

Energy minimization

Multiview stereo

Proyek Akhir
13 Stereo Vision & Estimasi Pose Ref 2 Chap. 11.1,11.2 Prof. Hager Notes Presentasi I Proyek Akhir
14 Comp. Vision Apps:

-Vision-based control

-Face Recognition

-Fingerprint Recogntion

-Object Tracking

Augmented Reality- Azuma's survey Presentasi II Proyek Akhir

 

Bahan referensi mengerjakan Proyek (paper jurnal, tutorial, dll):

Computer vision Tools & Libraries (tersedia lokal copy pada LAN kampus pada jam kerja):

Untuk mengerjakan proyek, gunakanlah platform Matlab atau Delphi atau C++ dengan memanfaatkan image/comp. vision library sebagai berikut:

Semua tools diatas dapat diakses pada komputer lokal dengan alamat:

Web Links bermanfaat:

Proyek Mahasiswa:

Disediakan space disini untuk mahasiswa mempresentasikan tugasnya dalam bentuk webpage, dengan harapan menjadi manfaat bagi rekan-rekan lainnya serta  mahasiswa junior. Deskripsi detil proyek beserta dengan source programmnya tersedia disini.

Proyek UTS

Proyek UAS