Eduardo Peixoto

Abstract: As the blood flows through the body of an individual, it changes the way that light is irradiated by the skin, because blood absorbs light differently than the remaining tissues. This subtle variation can be captured by a camera and be used to monitor the heart activity of a person. The signal captured by the camera is a wave that represents the changes in skin tone along time. The frequency of this wave is the same as the frequency by which the heart beats. Therefore, the signal captured by the camera could be used to estimate a person’s heart rate. This remote measurement of cardiac pulse provides more comfort as it avoids the use of electrodes or others devices attached to the body. It also allows the monitoring of a person in a canceled way to be employed in lie detectors, for example.

In this work we propose two algorithms for non-contact heart rate estimation using conventional cameras under uncontrolled illumination. The first proposed algorithm is a simple approach that uses a face detector to identify the face of the person being monitored and extract the signal generated by the changes in the skin tone due to the blood flow. This algorithm employs an adaptive filter to boost the energy of the interest signal against noise. We show that this algorithm works very well for videos with little movement.

The second algorithm we propose is an improvement of the first one to make it more robust to movements. We modify the approach used to define the region of interest. In this algorithm we employ a skin detector to eliminate pixels from the background, divide the frames in microregions that are tracked using an optical flow algorithm to compensate for movements and we apply a clustering algorithm to automatically select the best micro-regions to use for heart rate estimation. We also propose a temporal and spatial filtering scheme to reduce noise introduced by the optical flow algorithm.

We compared the results of our algorithms to an off-the-shelf fingertip pulse oximeter and showed that they can work well under challenging situations.

Abstract: With the ever growing demand for video services, video compression techniques have become a technology of central importance for communication systems. Industry standards for video coding have emerged, allowing the integration between these services and the most diverse devices. The almost entirety of these standards adopt a hybrid coding model combining differential and transform coding methods, with block-based motion compensation (BMC) at the core of its prediction step. The BMC method have become the single most important technique to exploit the strong temporal redundancy typical of most video sequences. In fact, much of the improvements in video coding efficiency over the past two decades can be attributed to incremental refinements to the BMC technique. In this work, we propose another such refinement.

A key issue to the BMC framework is motion estimation (ME), i.e., the selection of appropriate motion vectors (MV). Coding standards tend to strictly regulate the coding syntax and decoding processes for MV's and residual information, but the ME algorithm itself is left at the discretion of the codec designers. However, though virtually any MV selection criterion will allow for correct decoding, judicious MV selection is critical to the overall codec performance, providing the encoder with a competitive edge in the market. Most ME algorithms rely on the minimization of a cost function for the candidate prediction blocks given a target block, usually the sum of absolute differences (SAD) or the sum of squared differences (SSD). The minimization of any of these cost functions will select the prediction that results in the smallest residual, each in a different but well defined sense.

In this work, we show that the prediction of minimal residue dispersion is frequently more efficient than the usual prediction of minimal residue size. As proof of concept, we propose the double matching criterion algorithm (DMCA), a simple two-pass algorithm to exploit both of these MV selection criteria in turns. Dispersion minimizing and size minimizing predictions are carried out independently. The encoder then compares these predictions in terms of rate-distortion performance and outputs only the most efficient one. For the dispersion minimizing pass of the DMCA, we also propose the total absolute deviation from the mean (TADM) as the measure of residue dispersion to be minimized in ME. The usual SAD is used as the ME cost function in the size minimizing pass. The DMCA with SAD/TADM was implemented in a modified version of the JM reference software encoder for the widely popular H.264/AVC coding standard. Absolute compliance to the standard was maintained, so that no modifications on the decoder side were necessary. Results show significant improvements over the unmodified H.264/AVC encoder.

Abstract: Point clouds are a three-dimensional representation of a scene that can be viewed by any desired angle. It is a technology whose capture is being improved considerably and for it to be diffused in diverse applications in society it is necessary to improve its processing and codification. In this work we will develop a complete lossless color encoder for point clouds, which consists of dividing the point cloud into layers and then segment these layers into one-dimensional filaments, encoding the colors from these filaments with Huffman and differential encoding. One of the merits of the work developed is that it does not depend on the way that the geometry of the point cloud is coded, allowing the use of other methods in the coding of the geometry of the point cloud. It also is a lossless method, allowing the use of this work for applications that cannot afford lossy methods for the used data. The results obtained were promissing, the average data compression ratio was 10 to 1, considering the size of the pointcloud as a whole, not only its colors. Comparing with the lossy encoder RAHT, which is considered the state of the art in color compression for point clouds, with a small enough parameter value for RAHT, making the coded image to be closest to he original imagem, our algorithm is able to generate a lossless smaller file, being able to be competitive with the appropriate improvements. One of the possible future improvements with the work that was developed is to find a better way for the segmentation of the layers or even changing the methodology used for coding the colors from the filaments, amongst other things.

Resumo: Point cloud, ou nuvem de pontos, é uma representação tridimensional de uma cena que é possível ser visualizada por qualquer ângulo desejado. É uma tecnologia cuja captura está sendo cada vez mais desenvolvida e para que possa ser difundida em diversas aplicações na sociedade é necessário o aprimoramento de seu processamento e codificação. Assim, nesse trabalho será desenvolvido um codificador sem perdas das cores de uma point cloud completo, que consiste em dividir a point cloud em camadas, segmentar as camadas em filamentos unidimensionais e codificar as cores desses filamentos através da codificação diferencial e de Huffman. O trabalho desenvolvido não depende da forma que a geometria da point cloud é codificada, permitindo que uma vez que o destinatário tenha a geometria seja possível decodificar gerando exatamente os mesmos filamentos realizados na codificação e a codificação gerada é sem perdas, podendo ser interessante para aplicações que não tolerem perda de informação. Os resultados obtidos foram promissores, a taxa de compressão atingida média foi de 10 para 1, considerando o tamanho da point cloud como um todo e não só suas cores. Comparando com o codificador com perdas RAHT, que hoje é considerado o estado-da-arte na compressão de cores de uma point cloud, com um valor de parâmetro pequeno suficiente para que a imagem codificada seja o mais próximo da imagem original, o algortimo desenvolvido consegue gerar um arquivo menor e sem perdas, fazendo com que o trabalho possa ser competitivo com os devidos aprimoramentos. As possíveis melhorias futuras no trabalho desenvolvido se extendem desde a otimização na segmentação dos cortes para gerar os filamentos até a forma como as cores são codificadas e escritas no arquivo final.

Abstract: Immersive media such as Virtual Reality is gaining popularity among the general public and businesses alike, the representation of three-dimensional images has become more widespread. A method of representing and storing 3D images are point clouds, images composed of points in a three-dimensional space that can be rotated and observed from various angles. In the face of the growth of these tecnologies, it is necessary to facilitate the transmisson and storage of such data types, for this end compression algorithms are created.

Point clouds consist of geometry information, with the coordinates of each point in space, and color information, generally consisting of the RGB component values. The following work proposes a novel approach to encoding the color component of point clouds.

The metod developed in this work consists of extracting 1D strings from the point cloud. To this end an axis of the 3D space is selected and a 2D plane is generated for each value of the selected axis, consisting of the points possessing such value in its coordinates. Analyzing each plane, the points in close proximity are grouped in 1D strings representing different objects from the original point cloud.

Each string has its color components extracted into a vector. The extracted color components are subjected tho the wavelet transform, the resulting coeficients are then quantized and compressed using arithmetic encoding.

The proposed algorithm achieved low distortion for 2:1 and 3:1 bit rate reductions. When compared to RAHT, a state-of-the-art point cloud compression algorithm, similar distortion values were achieved, although at much higher bit rates.

Resumo: Com o crescimento na popularidade de mídias imersivas como Realidade Virtual entre o público geral e empresas, a representação de imagens 3D tem se tornado cada vez mais difundida. Uma forma de representação dessas imagens são as point clouds, imagens tridimensionais que podem ser vistas de vários ângulos. Para que haja o crescimento dessa tecnologia se faz necessário que o armazenamento e transmissão desses dados seja facilitado, para isso são desenvolvidos métodos de compressão de dados.

Point clouds são compostas de informações sobre geometria e cor. O trabalho a seguir consiste em criar um algoritmo de compressão da cor de point clouds construído de forma diferente dos métodos existentes atualmente.

O método proposto consiste em dividir a point cloud em filamentos 1D. Para isso é escolhido um eixo para ser percorrido, gerando planos 2D para cada valor desse eixo. Nesses planos estão contidos os pontos para dado valor do eixo fixado, analisando os pontos adjacentes são obtidos os filamentos, que representam objetos contíguos da cena original.

Para cada filamento é extraída a informação de cor para um vetor. Sobre o vetor resultante é aplicada a transformada wavelet, os coeficientes resultantes são quantizados e comprimidos com codificação aritmética.

O codificador desenvolvido apresentou a capacidade de compressão com baixa distorção para redução de 2:1 e 3:1 na quantidade de bits utilizada. Comparado com o RAHT, algoritmo do estado da arte, foi possível alcancar distorções próximas às obtidas por tal algoritmo, porém com taxas consideravelmente maiores.

Abstract: PointClouds are a type of three-dimensional representation of a scenery in which each volume element is described in the form of a three column matrix filled by each coordinate (x,y and z) value and its color by another matrix composed by its RGB values. This type of architecture is extremely interesting because of the easy manipulation it provides. However, inevitably, the more detail the PointCloud provides, the bigger the size of the information required to describe the PointCLoud. Due to this fact, it is necessary to use compressing algorithms to make these geometries easier to transfer or to store. This paper’s objective is to provide a reliable way to compress PointClouds' geometries effectively and without losses by decomposing the model in its cross-sections and using existing binary image compression algorithms, such as JBIG, and Boolean manipulations to compress them. In addition, a comparison between algorithms currently used in the market and the state of art and the project is then made. The results are presented through a statistical analysis of the proposed method being applied in a large PointCloud data base, providing information about the positive and negative sides of the developed algorithm. The post analysis content is made of reflections about the pros and cons of the method and a series of ideas for future development.

Resumo: PointClouds, ou nuvem de pontos, são um tipo de representação de uma cena tridimensional na qual cada ponto no espaço é definido por uma representação matricial de sua coordenada no eixo espacial xyz e sua cor por outra matriz RGB. Este tipo de arquitetura é extremamente interessante pela fácil manipulação. Porém, inevitavelmente, quanto mais detalhado o modelo tridimensional, maior o número de elementos no espaço e, consequentemente, maior o tamanho da informação necessária para descrever a PointCloud. Por este fato, se faz necessária a utilização de algoritmos de compressão para que seja possível utilizar menor espaço para o armazenamento ou transferência da informação. Este trabalho tem como objetivo, então, propor uma maneira de comprimir a geometria de PointClouds de forma eficaz e sem perdas a partir da decomposição do modelo tridimensional em cortes transversais e posterior compressão utilizando algoritmos já consolidados, como o JBIG, e manipulações booleanas. Em seguida, é realizada uma comparação entre o método proposto e métodos utilizados atualmente no mercado e os caracterizados como estado da arte. Os resultados são apresentados através de análises estatísticas da aplicação do algoritmo desenvolvido em uma grande base de dados de PointClouds, podendo representar de forma concisa os pontos positivos e negativos do projeto. O conteúdo pós análise consiste de reflexões a respeito dos prós e contras do método desenvolvido e propostas de futuro desenvolvimento.

Abstract: In a television broadcast environment, hundreds of videos recorded by different devices are received daily in various formats, which in most cases are not in the desired pattern for the transmission to take place.

The technical solution that allows video transmission is called video transcoding. Transcoding is the process of converting the video format, converting a compressed bit stream (called source bitstream or input) to another compressed bit stream (called a destination or transcoded bit stream). The FFMPEG software provides tools for this.

In this way, a transcoder was made using the FFMPEG where two video sequences were defined as system inputs. The sequences are YUV files of 1920 by 1080 pixel resolution at a frame rate of 60 fps (for the first sequence) and 50 fps (for the second sequence). Temporal and spatial degradations were taken into account in the input video as well as transcoding to H.264, simulating the various videos received daily in a TV broadcast environment.

In order to analyze and maximize the quality of the videos sent by viewers in the file encoding conversion process, quality tests were performed with three different metrics (PSNR, SSIM and VQM) in order to evaluate the best alternative to be used , using the free tool, open-source and free FFMPEG and in this way transmit the received video in televised programs in an optimized way.

In order to test, four application scenarios were created simulating situations where there is spatial and temporal degradation (scenarios 1 and 2), as well as scenarios where it was possible to analyze the effects of transcoding on the quality evaluation of the recovered video (scenarios 3 and 4). For the temporal degradations, the use of a video filter which implements a motion prediction algorithm (of FFMPEG library), called minterpolate, was tested in scenarios 2 and 4, in order to compare the results without the presence of the same.

Finally, the results show that the FFMPEG has a good performance regarding the transcoding and that the use of the motion prediction algorithm considerably optimizes the results and visualization of the media by the viewer. In addition, it is concluded that the FFMPEG treats temporal degradations better (with motion prediction) especially for media where there is pan movement. When the minterpolate filter is not used, the cases of temporal degradation present better results for media with pan and tilt movement.

Resumo: Em um ambiente de emissora de televisão, diariamente são recebidos centenas de vídeos gravados por dispositivos diferentes e em diversos formatos, os quais, na maioria dos casos, não estão no padrão desejado para que a transmissão possa ser realizada.

A solução técnica que permite a transmissão de vídeo se chama transcodificação de vídeo. A transcodificação é o processo que consiste na conversão do formato do vídeo, converte um fluxo de bits compactado (chamado fluxo de bits de origem ou entrada) para outro fluxo de bits compactado (chamado de fluxo de bits de destino ou transcodificado). O software FFMPEG disponibiliza ferramentas para isso.

Desta forma, foi feito um transcoder utilizando o FFMPEG onde duas sequências de vídeo foram definidas como entradas do sistema. As sequências são arquivos YUV de 1920 por 1080 pixels de resolução a uma taxa de quadros por segundo de 60 fps (para a primeira sequência) e 50 fps (para a segunda sequência). Foram levadas em consideração as degradações temporal e espacial no vídeo de entrada, bem como a transcodificação para H.264, simulando os diversos vídeos recebidos diariamente em um ambiente de emissora de TV.

Com o intuito de analisar e maximizar a qualidade dos vídeos encaminhados por telespectadores no processo de conversão de codificação do arquivo, foram realizados testes de qualidade com três diferentes métricas (PSNR, SSIM e VQM) para que se pudesse avaliar a melhor alternativa a ser empregada, usando a ferramenta livre, open-source e gratuita FFMPEG e, desta forma, transmitir o vídeo recebido em programas televisionados de forma otimizada.

Para testar, foram criados quatro cenários de aplicação simulando situações onde há degradação espacial e temporal (cenários 1 e 2), além de cenários onde foi possível analisar os efeitos da transcodificação na avaliação de qualidade do vídeo recuperado (cenários 3 e 4). Para as degradações temporais, foram testados nos cenários 2 e 4 o uso de um filtro de vídeo que implementa um algoritmo de predição de movimento (próprio do FFMPEG), chamado minterpolate, fim de se comparar os resultados sem a presença do mesmo.

Finalmente, os resultados mostram que o FFMPEG possui um bom desempenho no que diz respeito à transcodificação e que o uso do algoritmo de predição de movimento otimiza consideravelmente os resultados e a visualização das mídias pelo telespectador. Além disso, conclui-se que o FFMPEG trata melhor as degradações temporais (com predição de movimento) especialmente para mídias onde há movimento de pan. Quando não se utiliza o filtro minterpolate, os casos de degradação temporal apresentam melhores resultados para mídias com movimento de pan e tilt.

Abstract: Estimating the number of people based on video imagery has attracted attention due to population growth and high availability of cameras. People counting has several applications for commercial and security reasons. In this work, a method for estimating the number of people in a video sequence is discussed and implemented using two combined techniques. The first technique is the Lukas-Kanade Optical Flow method, which is used to estimate the motion between the frames of the video. After this, a spatial filtering (or blocking) and a temporal filtering are employed to infer where the objects are located. Subsequently, the Hierarchical Clustering technique is used to group such objects into clusters, and the number of people is mapped by the number of different clusters. In addition, a similar vector filtering is proposed before the Hierarchical Clustering, generating two results for each video: a Result without filtering and a Result with Filtering. Five videos were tested, with the number of people ranging from 0 to 5. Results show an accuracy ranging from 69,0% to 98,2%.

Resumo: Devido ao aumento populacional e à grande disponibilidade de câmeras, existe uma demanda para saber quantas pessoas transitam em certas áreas, seja por questões comerciais ou mesmo por questões de segurança, aumentando o interesse na área da Estimação do Número de Pessoas. A contagem de pessoas, vinda da análise de imagens de vídeo, têm várias aplicações, principalmente para sistemas de vigilância e segurança. Neste trabalho, um método de Estimação de Número de Pessoas é discutido e implementado, utilizando duas técnicas combinadas. A primeira é o Fluxo Óptico de Lukas-Kanade, que é utilizada para estimar o movimento entre os frames do vídeo. Após uma filtragem espacial (ou blocagem) e uma filtragem temporal, há uma inferência de onde os objetos estão localizados. Posteriormente, a técnica de Agrupamento Hierárquico é empregada para agrupar tais objetos em clusters. Por fim, o número de pessoas é mapeado pelo número de clusters distintos. Além disso, uma filtragem de vetores similares foi proposta antes do Agrupamento Hierárquico, gerando dois resultados para cada vídeo testado: um Resultado sem a filtragem e um Resultado com a Filtragem. Foram testados 5 vídeos, com número de pessoas variando de 0 a 5. A acurácia variou de 69,0% a 98,2%.

Abstract: The present work deals with the problem of crowd counting in images using image processing and computer vision based techniques. Due to the difficulties shown by some approaches dealing with crowded images - mainly because of low resolution objects and occlusion, inherently found in images of this nature; and because it is based on object detection or coherent trajectories detection - a method based in image features like pixel and texture analysis was proposed to estimate the number of people in crowded images. The method aims to give complementary information for other detection methods. The proposal was designed to explore the periodic patterns that shows up in dense crowd images. In that sense, texture based techniques were chosen to extract the frequency and spatial information. This generates a gain in characteristics representation of dense crowds. Then, the processed information was used, combined with a linear regression model, to predict the crowd counting in a complex annotated image dataset. The results generated by the model reveal that, as expected, the features chosen seem to go along with the ground truth. Finally, a comparison was made with other studies to ascertain validation.

Resumo: O presente trabalho aborda o problema da estimação da contagem de pessoas em imagens de multidões empregando técnicas de processamento de imagens e visão computacional. Devido às dificuldades que algumas abordagens apresentam ao tratar de imagens que contém uma alta densidade populacional - principalmente devido à baixa resolução dos objetos de interesse e ao elevado grau de oclusão encontrados em imagens dessa natureza; e por se basearem na detecção dos objetos ou na detecção de trajetórias coerentes - foi proposta uma abordagem baseada em características locais de pixels e em análise de textura para efetuar a estimação do número de pessoas nessas imagens. O método apresentado tem o propósito de complementar a atuação de outros métodos baseados em detecção, ainda que a combinação destes métodos não tenha sido objeto deste trabalho. O método proposto foi idealizado para trabalhar com técnicas que foram escolhidas visando a extração de informações texturais das imagens, o que reflete um ganho de representação das características inerentes a multidões densas devido ao surgimento de padrões periódicos em imagens dessa natureza. Desse modo, utilizou-se um modelo de regressão linear para relacionar as informações processadas da imagem com a contagem real de pessoas. Os resultados gerados pelo modelo revelam que, com os features utilizados, a saída do estimador parece acompanhar a contagem real de pessoas. Por fim, estabeleceu-se uma comparação com os resultados obtidos por outros trabalhos no intuito de mensurar se a acurácia obtida pelo método proposto se enquadra dentro das expectativas de desempenho almejadas. A conclusão é pela validade do método apresentado.

Abstract: Nowadays, the compression technology is essential for digital video comsumption. A video coding format is the specification of how to represent the video sequence by a file or bitstream. Therefore, video sequences coded in one set format can only be decoded by the respective decoder, which makes it not compatible with the other ones.

To establish the link between two systems that use different video formats, there needs to be a transcoding process that turns the old one into the desired new file or bitstream. This change in formats is called transcoding and it consists of the conversion of a bitstream coded in one format (source format) to another bitstream coded in another format (targeted format).

The most used standard called H.264/AVC is about to be replaced by a new one, called High Efficiency Video Coding (HEVC). The HEVC standard offers better performance in terms of ratedistortion than the previous H.264/AVC standard. This means the former can achieve similar visual quality using a smaller number of bits than the latter.

This work aims to develop a transcoder from the H.264/AVC standard to the HEVC. This transcoder has two main goals: to promote inter-operability between systems that use the H.264/AVC standard with new applications that use the HEVC format; and to take advantage of the better performance in terms of rate-distortion of the HEVC format.

Resumo: A tecnologia de compressão de vídeo é essencial para o consumo de vídeo digital, largamente utilizado hoje em dia. Um formato de codificação de vídeo é a especificação de como representar uma sequência de vídeo em um arquivo ou bitstream. Em geral, uma sequência de vídeo codificada por um formato pode ser decodificada apenas pelo decodificador daquele formato, não sendo compatível com outro decodificador. Assim, tem-se que o codec de vídeo é definido pelo decodificador.

Para que se estabeleça a comunicação entre sistemas que utilizam diferentes formatos, uma mudança de formato é necessária. Esta é chamada de transcodificação, e consiste na conversão de um bitstream, codificado com um determinado formato (chamado de formato fonte) para outro bitstream, codificado com outro formato (chamado de formato alvo).

O padrão internacional H.264/AVC (utilizado, entre outros sistemas, pelo Sistema Brasileiro de Televisão Digital) está prestes a ser substituído por um novo padrão, chamado High Efficiency Video Coding (HEVC). O HEVC oferece um desempenho em taxa-distorção muito superior ao padrão H.264/AVC (i.e., consegue obter a mesma qualidade utilizando um número muito menor de bits).

O objetivo maior deste projeto é o desenvolvimento de um transcodificador do formato H.264/AVC para o HEVC. Tal transcodificador tem duas motivações principais: promover a inter-operabilidade entre sistemas que usam o padrão H.264/AVC com novas aplicações que utilizem o formato HEVC; e tirar proveito do maior desempenho em termos de taxa-distorção do formato HEVC.

Abstract: This work proposes and implements a system to aid cyclists, showing his current and average speed and cadence, as well as track time and the area map.

The proposed project can be divided in two parts: an embedded system and an Android application. The former is an electric circuit using a MSP430 microcontroller and reed switch sensors, used to measure the speed and cadence of the bicycle, while the latter is a software for smartphone which shows these data and implements new features, such as maps, GPS and statistics persistence. The two parts communicate via bluetooth, using an off-the-shelf HC-05 module.

The tests were divided in stages. Each unit that composes the system was tested on its own, isolating it from all other components. Then, the system as a whole was tested.

The results were satisfactory, and the practical test showed that the proposed system performance is close to a popular market product.

Resumo: O projeto consiste em um sistema para auxiliar o ciclista durante o seu percurso. Através desse sistema, o usuário poderá ver seu trajeto no mapa, cadência e velocidade da bicicleta, tempo de percurso, entre outras medidas.

O trabalho proposto pode ser dividido em duas partes: sistema embarcado e aplicativo Android. O primeiro é um circuito elétrico utilizando um microcontrolador MSP430 e sensores reed switch, usados para medir a velocidade e cadência de uma bicicleta, enquanto o último, é um software para smartphone que além de mostrar esses dados, implementa novas funcionalidades, como: mapas, GPS e persistência de estatísticas. A comunicação entre os dois é feita através de bluetooth, utilizando o módulo HC-05, sendo que este abstrai a complexidade do protocolo, transformando a interface do microcontrolador em comunicação serial.

Os testes foram divididos em etapas. A primeira etapa foi feita isolando cada unidade, e apenas na etapa final um teste prático que empregava todos os componentes do projeto. Os resultados foram satisfatórios, sendo que o teste prático demonstrou que o sistema proposto está muito próximo de um produto popular de mercado.

Abstract: Focus stacking or all-in-focus imaging consists of merging several input images with a narrower depth of field into one output image with a wider depth of field. While several algorithms have been proposed for focus stacking, most of them consider that an input focal stack composed of carefully selected images is available. The few that do consider the issue of generating the focal stack propose an online approach, where the system acts directly in the capture process. In this paper we propose a simpler approach, where an all-in-focus image is produced from a large sampled focal stack. Then, we propose a post-capture algorithm to select which of the images in this focal stack are useful for a given scene, and we have modified a well known focal stack algorithm to produce better-looking results. Results show that the proposed method is able to reduce artifacts in the image fusion algorithm, producing comparable results to a small-aperture capture, which naturally has a wider depth of field.

Resumo: Empilhamento de foco consiste em uma técnica de combinar várias imagens com pequena profundidade de campo (ou depth of field) a fim de gerar uma única imagem final com um maior depth of field. Diversos algoritmos de empilhamento de foco já foram propostos; a maioria deles, no entanto, considera que as imagens de entrada s˜ao escolhidas cuidadosamente. Os poucos que, de fato, consideram o cenário de gerar um grande focal stack (ou pilha de imagens com diferentes focos) prop˜õem uma abordagem online, de forma que o sistema atua durante o processo de captura das imagens. Nesse artigo, propomos uma abordagem mais simples, em que uma imagem all-in-focus (ou completamente em foco) é produzida a partir de vasta pilha de imagens amostradas (ou focal stack). Ent˜ao, propomos um algoritmo de pós-captura para selecionar quais das imagens capturadas s˜ao realmente úteis para uma dada cena, bem como também modificamos um algoritmo de fus˜ao de imagens consolidado, a fim de obter melhores resultados. Os resultados mostram que o método aqui proposto é capaz de minimizar algumas falhas na fus˜ao de imagens, gerando resultados comparáveis a imagens capturadas com baixa abertura da lente, as quais naturalmente possuem um maior depth of field.

Abstract: The H.265/HEVC (High Efficiency Video Coding) standard has replaced the H.264/AVC as the most advanced video compression technology. However, there is a lot of legacy content encoded with the H.264/AVC, which can be converted to the more efficient HEVC standard. This work proposes an algorithm based on decision trees in order to reduce the complexity of H.264/AVC to HEVC transcoding. Preliminary results show a considerable advantage in using Decision Trees, compared to other methods that are based on Linear Discriminant Functions (LDFs).

Resumo: O padrão H.265/HEVC (High Efficiency Video Coding) está substituindo o padrão H.264/AVC como a tecnologia mais avançada de compressão de vídeo. Contudo, como o padrão H.264/AVC dominou o mercado nos últimos anos existe uma grande quantidade de vídeos a serem migrados para o novo padrão. Este trabalho propõe um algoritmo de Árvores de Decisão com o objetivo de reduzir a complexidade da transcodificação do vídeo do padrão H.264/AVC para H.265/HEVC e compara a peformance deste algoritmo com a obtida por um algoritmo de LDF (Linear Discrete Function). Os resultados experimentais mostraram vantagem considerável em usar o algoritmo de Árvores de Decisão em detrimento do LDF.

Abstract: Recently there has been a lot of interest in the development of High Dynamic Rage (HDR) imaging technology. One particular methodology that has attracted attention is the Multiple Exposure Fusion (MEF), which inlvolve the image fusion based on exposure functions. This work implements and tests a simple, low-complexity, MEF algorithm, that is able to produce high contrast images. The algorithm is able to fuse sets of low dynamic range (LDR) images with as little as three images, but larger sets can also be used. The algorithm uses the exposedness function, as well as guided filtering decomposition, in order to generate the fusion weights. Results show that the algorithm is able to produce high quality images, with a small execution time.

Resumo: Contexto : Nas últimas décadas, o desenvolvimento de novas tecnologias HDRI (High Dynamic Range Imaging) vem fortemente atrelado a avanços nas áreas de desenvolvimento de hardware e software, de forma que hoje dispomos de diversas categorias de algoritmos para aplicação no contexto de imagens HDR. Nesta área, existem as chamadas metodologias que involvem a fusão de imagens baseadas em funções de exposição, conhecidas como MEF (Multiple Exposure Fusion.) Objetivo: Dessa forma, o trabalho apresentado a seguir objetiva desenvolver um algoritmo MEF relativamente simples, que seja capaz de produzir imagens de alto contraste de maneira eficaz e rápida. Metodologia: Para a metodologia de desenvolvimento, a referência principal escolhida foi o artigo de Nejati et al. , Fast exposure using exposedness function, a partir do qual foi proposta uma implementação em MATLAB utilizando funções e manipulações com células de matrizes; múltiplas imagens coloridas de baixo contraste (no mínimo, 3 imagens de entrada) são recebidas como as entradas do algoritmo, que então gera vários tipos mapas de peso respectivos a cada imagem de entrada. Finalmente, os mapas de peso são somados de forma a obter uma única imagem final, de alto contraste. Resultados: A partir de um banco de dados de referência, foi obtida como resultado uma sequência de imagens coloridas de alto contraste e de aspecto natural, junto com tempos de execução relativamente rápidos.

Abstract: Plenoptic cameras (or Light-Field cameras) have attracted more interest recently. These cameras are able to capture not only the intensity, but also the direction of the incident light rays, thus obtaining much more information about the scene than conventional cameras. This additional information opens new applications for Light-Field cameras, such as estimating the depth of a scene. In this work, we present an algorithm to estimate the depth of a scene, using information provided by plenoptic cameras. The algorithm is based on defocus and correspondence information, as well as a minimization algorithm to fuse the information from these two sources. The algorithm shows good results, being successful on capturing the main characteristics of the scene depth.

Resumo: Câmeras plenóticas (ou Light-Field cameras) tem ganhando espaço no mercado nos últimos anos. Tais câmeras, além de capturar informação sobre a intensidade dos raios de luz que incidem no sensor, capturam também informação sobre a direção de incidência de cada raio. Essa informação extra torna possível a utilização de câmeras Light-Field em várias aplicações, como estimar o depth (ou profundidade) de uma cena. Nesse trabalho apresentamos um algoritmo para estimar o depth de uma cena, a partir de informação provida por câmeras plenóticas. Este algoritmo é baseado nas informações sobre desfoque e correspondência, e depois um algoritmo de minimização para mesclar essas duas informações. O algoritmo apresenta bons resultados, tendo sucesso em capturar as características principais do perfil de depth da cena.

Abstract: Heart rate measurement is a valuable information to determine the health conditions of an individual. In some cases, being able to estmate the heart rate without physical contact is advantageous. The application of this method goes beyond medical applications, as it can be used in public security and lie detection. This work proposes a method to estimate the heart rate using a standard video camera, based on the variation of skin colour due to the blood flow. The proposed framework consists of facial detection, filtering and peak detection in the FFT domain, as well as a new algorithm based on the history of past estimations. The algorithm shows good results, within 5 bpm of the real heart rate.

Resumo: A medição da frequência cardíaca é uma informação valiosa para se descrever as condições de saúde de um indivíduo. Em alguns casos, poder estimar os batimentos de uma pessoa sem a necessidade de contato físico é mais aconselhável dependendo da gravidade dos ferimentos. A aplicabilidade de tal informação vai além do âmbito médico, podendo englobar segurança pública e detecção de mentiras, por exemplo. Este trabalho propõe um método capaz de estimar a frequência cardíaca com o auxílio de uma câmera baseando-se na variação da coloração da pele humana causada pelo fluxo sanguíneo. O método proposto faz uso de um framework de detecção facial, filtro e detecção de picos no domínio da FFT, adicionando um algoritmo de decisão baseado no histórico de estimativas passadas de um sinal no domínio da frequência. Os resultados foram satisfatórios dentro de um intervalo de 5 bpm da frequência real.

Abstract: Digital signal processing has become ubiquitous due to the development of more powerful computer systems. The vital signals of an individual can be processed to build highly valued products. Among these signals, the most important one is the heart rate. This work proposes a software to estimate the heart rate of an individual using standard video cameras, using the analysis of the colour variation of the skin due to the blood flow. The software has a low complexity and it can be ported to different operational systems. The proposed software is based in stages, such as facial detection, frequency domain filtering, and a novel mechanism of recurrency analysis to estimate the heart rate. Preliminary tests showed good results, within 5 bpm of the real heart rate.

Resumo: O processamento digital de sinais tornou-se amplamente difundido dada a evolução agregada aos equipamentos de computação existentes. Sinais vitais de uma pessoa podem ser processados para gerar produtos de grande valia ao mercado. Dentre estes sinais, um sinal muito importante é a frequência cardíaca. Este trabalho prop˜õe um software para estimar a frequência cardíaca de um indivíduo utilizando câmeras de vídeo através da análise da variação de cor na pele causada pelo fluxo sanguíneo. O software apresenta baixa complexidade e possibilidade de portabilidade para diferentes sistemas operacionais. O software proposto é baseado em etapas de execução como detecção facial, filtragem no domínio da frequência e adição de mecanismo de análise de recorrência para apuração de frequência cardíaca pertinente ao longo da execução do software. Os resultados preliminares s˜ao bons considerando uma margem de erro de 5bpm da frequência cardíaca real.

Abstract: Since the HEVC codec became an ITU-T and ISO/IEC standard, efficient transcoding from previous standards (i.e., H.264/AVC) is needed. In a previous work, a transcoder based on content modeling was developed. It presents two distinct stages: training and transcoding. Moreover, it uses 10 features to make decisions that affects the compression performance. Among them, there is the phase of motion vectors which have a non-linearity problem due to the periodicity of the angles. In this work, two hypothesis are tested and their performance are measured using the BD-rate metric. The first one is to not use the phase variance feature and the second one is to use trigonometric functions (e.g., sine and/or cosine) to eliminate the discontinuity inherent to the phases of the movement vectors.

Resumo: Desde que o codec HEVC se tornou um padrão da ITU-T e da ISO/IEC, a transcodificação de formatos anteriores (e.g., H.264/AVC) se tornou necessária. Em trabalhos anteriores, um transcodificador baseado em modelamento de conteúdo foi desenvolvido. Ele se baseia em dois estágios: treinamento e transcodificação. Ademais, ele utiliza 10 features para realizar decisões que afetam o desempenho da compressão. Dentre eles, tem-se a fase dos vetores de movimento que apresenta um problema de descontinuidade devido à periodicidade da função. Neste trabalho, portanto, duas hipóteses serão testadas e o seu desempenho será medido utilizando a métrica BD-rate. A primeira consiste em não utilizar o feature de variância de fase e a segunda é utilizar funções trigonométricas (e.g., seno e/ou cosseno) que eliminam a descontinuidade inerente à fase dos vetores de movimento.