Identificação de espécies de peixes utilizando histogramas de palavras visuais em imagens coloridas

Abstract

Neste trabalho é apresentada uma aplicação voltada para dispositivos móveis cujo objetivo é classificar espécies de peixes por meio de técnicas de Visão Computacional e Inteligência Artificial utilizando imagens. A aplicação foi desenvolvida para smartphones Android e conta com o auxílio da biblioteca de Visão Computacional OpenCV tanto na fase de classificação quanto de treinamento. As técnicas empregadas na descrição das imagens são baseadas em Histogramas de Palavras Visuais aplicados em imagens coloridas. São elas: Histograma de Palavras Visuais (Bag of Visual Words - BoVW), Histograma de Atributos e Cores (Bag of Features and Colors), Histograma de Cores de Wengert (Bag of Colors - BoC), Histograma de Palavras Coloridas (Bag of Colored Words - BoCW) e Histogramas de Cores nos espaços de cores RGB e HSV. Para a classificação das espécies, foram utilizados três tipos de classificadores: Máquina de Vetores de Suporte (Support Vector Machine - SVM), Árvore de Decisão e os K vizinhos mais próximos (K-NN). Nos experimentos foram variados os parâmetros de todos os classificadores a fim de encontrar os melhores resultados para a classificação. Para comparar o desempenho das técnicas de extração de atributos, assim como dos classificadores, foi utilizada a métrica Medida-F (F-Score) como métrica principal e Área Sobre a Curva (AUC) como métrica auxiliar. A técnica com melhor resultado foi a BoC, baseada somente em informações de cores, obteve Medida-F igual a 0:9 e AUC 0:98 utilizando o classificador SVM.

ABSTRACT - This work presents an application dedicated to mobile devices whose objective is to classify species of fish concepts of Computer Vision and Artificial Intelligence using images. The application was developed to Android smartphones with the help of OpenCV Computer Vision library for classification and training phases. The techniques employed in the description of the images are based on Bag of Visual Words applied to color images. They are: HSV and RGB color histograms, Bag of Visual Words, Bag of Features and Colors, Bag of Colors and Bag of Colored Words (BoCW). For the species classification, three types of classifiers was used: Support Vector Machine (SVM), Decision Tree and K-Nearest Neighbors algorithm (K-NN). In the experiments it was tested several parameters of all the classifiers in order to find the best results for classification. To compare the performance of the feature extraction techniques, as well as the classifiers, the metric F-Score were used as the main metric and the Area Under the Curve (AUC) as an auxiliary metric. The technique with best result was BoC, based only on color information, obtained F-Score equal to 0:9 and 0:983348 for AUC using the SVM classifier.