Detección y reconocimiento de múltiples rostros en tiempo real
El reconocimiento facial ha sido un problema muy trabajado alrededor del mundo por muchas personas; este problema ha surgido en múltiples campos y ciencias, especialmente en informática, otros campos que están muy interesados en esta tecnología son: Mecatrónica, Robótica, Criminalística, etc. En esta demostración el objetivo principal es mostrar un detector y reconocedor de rostros en tiempo real para múltiples personas utilizando Análisis de Componentes Principales (PCA) con eigenface para implementarlo en múltiples campos.
Un ejemplo de EigenFaces:
Detección de señales de tráfico
La detección de señales de tráfico es un componente crucial en un sistema autónomo de navegación de vehículos. Para que un automóvil se desplace con seguridad por un entorno urbano, debe ser capaz de comprender las señales de tráfico...
- Debe ser capaz de leer el límite de velocidad, de modo que no reciba multas por exceso de velocidad y pague una prima en su seguro.
- Debe ser capaz de leer los semáforos y parar en rojo.
- Debe ser capaz de leer la señal de stop y ceder el paso a otros vehículos que también estén cruzando la misma intersección.
- …
Esta demostración pretende resolver una pequeña parte del sistema de navegación de un vehículo autónomo, que detecta señales de stop a partir de imágenes captadas por una cámara.
Reconocimiento de voz y conversión de texto a voz
Si está interesado en la conversión de texto a voz (TTS) y el reconocimiento de voz (SR) por ordenador, esta demostración es para usted, ya que le mostrará las tecnologías de voz para más de 26 idiomas diferentes:
Seguimiento en tiempo real de los ojos humanos mediante una cámara
Los ojos son los rasgos más importantes del rostro humano. Por eso, el uso eficaz de los movimientos oculares como técnica de comunicación en las interfaces usuario-ordenador puede tener cabida en diversos ámbitos de aplicación.
El seguimiento ocular y la información proporcionada por los rasgos oculares tienen el potencial de convertirse en una forma interesante de comunicarse con un ordenador en un sistema de interacción persona-ordenador (HCI). Así que con esta motivación, diseñar un software de seguimiento de rasgos oculares en tiempo real es el objetivo de este proyecto.
El propósito de esta demostración es implementar un rastreador de rasgos oculares en tiempo real con las siguientes capacidades:
- Seguimiento facial en tiempo real con invariancia de escala y rotación
- Seguimiento individual de las zonas oculares
- Seguimiento de los rasgos oculares
- Búsqueda de la dirección de la mirada
- Control remoto mediante movimientos oculares
Herramientas de procesamiento del lenguaje natural
Esta aplicación es una colección de herramientas de procesamiento del lenguaje natural.
Actualmente demuestra las siguientes herramientas de PNL:
- un separador de frases
- un tokenizador
- un etiquetador de partes del discurso
- un "chunker" (utilizado para "encontrar anotaciones sintácticas no recursivas, como trozos de frases sustantivas")
- un analizador sintáctico
- un buscador de nombres
- una herramienta de coreferencia
- una interfaz para la base de datos léxica WordNet
Esta aplicación muestra la generación de árboles de análisis sintáctico para frases en inglés, además de explorar algunas otras características del Procesamiento del Lenguaje Natural.
Detectar la lengua de un texto escrito
La detección de la lengua de un texto escrito es probablemente una de las tareas más básicas del procesamiento del lenguaje natural (PLN). Para cualquier procesamiento dependiente del lenguaje de un texto desconocido, lo primero que hay que saber es en qué lengua está escrito el texto.
Automatización del mapeo semántico de un documento mediante el procesamiento del lenguaje natural
El objetivo del Procesamiento del Lenguaje Natural (PLN) es permitir que los ordenadores obtengan significado a partir del lenguaje humano o natural. Esta demostración extrae entidades, palabras clave, temas, acontecimientos, temas y conceptos. Aparte de temas y conceptos, los resultados son esencialmente palabras clave o frases. Las "cadenas" extraídas suelen tener asociadas una relevancia o fuerza, un recuento o frecuencia, y/o un valor de sentimiento. Hemos utilizado las funciones de nuestro motor NLP para ofrecer algunas capacidades de filtrado de fuentes RSS, permitiendo al usuario crear filtros basados en las cadenas extraídas y valores adicionales.