Guía docente de la asignatura
(3863) VISIÓN ARTIFICIAL

Curso académico 2026/2027

  1. Identificación

    1. De la asignatura

      Curso Académico
      2026/2027
      Titulación
      GRADO EN INGENIERÍA INFORMÁTICA
      PROGRAMA ACADÉMICO DE SIMULTANEIDAD DE DOBLE TITULACIÓN CON ITINERARIO ESPECIFICO DE GRADO EN MATEMÁTICAS Y GRADO EN INGENIERÍA INFORMÁTICA
      Nombre de la asignatura
      VISIÓN ARTIFICIAL
      Código
      3863
      Curso
      CUARTO
      QUINTO
      Carácter
      OPTATIVA
      Número de grupos
      2
      Créditos ECTS
      6.0
      Estimación del volumen de trabajo
      150.0
      150.0
      Organización temporal
      2º Cuatrimestre
      2º Cuatrimestre
      Idiomas en que se imparte
      Español
      Curso Académico 2026/2027
      Titulación

      GRADO EN INGENIERÍA INFORMÁTICA,

      PROGRAMA ACADÉMICO DE SIMULTANEIDAD DE DOBLE TITULACIÓN CON ITINERARIO ESPECIFICO DE GRADO EN MATEMÁTICAS Y GRADO EN INGENIERÍA INFORMÁTICA
      Nombre de la asignatura VISIÓN ARTIFICIAL
      Código 3863
      Curso CUARTO QUINTO
      Carácter OPTATIVA
      Número de grupos 2
      Créditos ECTS 6.0
      Estimación del volumen de trabajo 150.0 150.0
      Organización temporal 2º Cuatrimestre 2º Cuatrimestre
      Idiomas en que se imparte Español

    2. Del profesorado: Equipo docente

      • RUIZ GARCIA, ALBERTO Docente: GRUPO 1, GRUPO DTIE Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        PROFESORES TITULARES DE UNIVERSIDAD

        Área

        LENGUAJES Y SISTEMAS INFORMÁTICOS

        Departamento

        INFORMÁTICA Y SISTEMAS

        Correo electrónico / Página web / Tutoría electrónica

        aruiz@um.es https://aruiz.org Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        C1         		Día:
        Lunes         		Horario:
        16:00-18:00         		Lugar:
        868884635, Facultad de Informática B1.2.012 (DESPACHO RUIZ GARCIA, ALBERTO 2.09)
        Observaciones:
        No consta
        Duración:
        C2         		Día:
        Lunes         		Horario:
        12:00-14:00         		Lugar:
        868884635, Facultad de Informática B1.2.012 (DESPACHO RUIZ GARCIA, ALBERTO 2.09)
        Observaciones:
        No consta

  2. Presentación

    Se realiza una introducción a la visión por computador en varias vertientes: por un lado se explican técnicas de percepción visual y reconocimiento de objetos con aplicaciones a la automatización industrial, interfases de usuario, etc. Por otro, se ofrecen las bases de la geometría de múltiples vistas, que permite construir modelos tridimensionales del entorno a partir de las imágenes tomadas por una o varias cámaras. Finalmente, revisaremos los modelos más recientes de visión basados en deep learning. Trabajaremos principalmente con bibliotecas científicas de Python, OpenCV, mediapipe y pytorch.

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      Aunque la asignatura es autocontenida es conveniente tener cierta familiaridad con los conceptos elementales de álgebra lineal y geometría, y con el lenguaje de programación Python

  4. Competencias

    1. Competencias básicas

      • CB1: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
      • CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
      • CB3: Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
      • CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
      • CB5: Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

    2. Competencias de la titulación

      • CGII1: Capacidad de análisis y síntesis.
      • CGII2: Capacidad de organización y planificación.
      • CGII3: Comunicación oral y escrita en la lengua nativa.
      • CGII4: Conocimiento de una lengua extranjera.
      • CGII8: Toma de decisiones.
      • CGII10: Trabajo en un equipo de carácter interdisciplinar.
      • CGII13: Reconocimiento a la diversidad y la multiculturalidad.
      • CGII19: Liderazgo
      • CGII21: Iniciativa y espíritu emprendedor.
      • CGUM2: Comprender y expresarse en un idioma extranjero en su ámbito disciplinar, particularmente el inglés.
      • CGUM3: Ser capaz de gestionar la información y el conocimiento en su ámbito disciplinar, incluyendo saber utilizar como usuario las herramientas básicas en TIC.
      • CGUM5: Ser capaz de proyectar los conocimientos, habilidades y destrezas adquiridos para promover una sociedad basada en los valores de la libertad, la justicia, la igualdad y el pluralismo.
      • CGUM7: Desarrollar habilidades de iniciación a la investigación.
      • CEII2: Capacidad para dirigir las actividades objeto de los proyectos del ámbito de la informática de acuerdo con los conocimientos adquiridos.
      • CEII3: Capacidad para diseñar, desarrollar, evaluar y asegurar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, servicios y aplicaciones informáticas, así como de la información que gestionan.
      • CEII4: Capacidad para definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas.
      • CEII8: Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
      • CEII10: Conocimientos para la realización de mediciones, cálculos, valoraciones, tasaciones, peritaciones, estudios, informes, planificación de tareas y otros trabajos análogos de informática.

    3. Competencias transversales y de materia

      • Ser capaz de analizar la complejidad de un problema de visión artificial y de diseñar e implementar una solución adecuada
      • C3 Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos
      • C4 Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dic has técnicas en cualquier ámbito de aplicación
      • C7 Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos

  5. Contenidos

    1. Teoría

      Bloque 1: Procesamiento de Imágenes

      Tema 1: Introducción a la Visión Artificial

      Tema 2: Fundamentos de procesamiento digital de imágenes

      Convolución Filtros no lineales Espacio de Escala Operaciones morfológicas

      Transformaciones de dominio (image warping)

      Tema 3: Detectores elementales de puntos, rectas y contornos

      Detectores de Harris, Hessian, Transformada de Hough, umbralización

      Flujo óptico disperso (Lucas-Kanade)

      Bloque 2: Reconocimiento de objetos

      Tema 1: Técnicas básicas

      Histogramas de color, HOG, LBP

      Tema 2: Descriptores frecuenciales

      Transformada de Fourier, invariantes frecuenciales

      Tema 3: Reconocimiento basado en puntos de interés

      SIFT y técnicas similares

      Tema 4: Introducción a "deep learning"

      Bloque 3: Geometría Visual

      Tema 1: Geometría projectiva básica del plano

      Coordenadas homogéneas, incidencia e intersección

      Grupos de transformaciones e invariantes

      Tema 2: Modelo lineal de cámara

      Modelo pinhole, parámetros internos y externos, calibración

      Tema 3: Rectificación de planos y "stiching" de imágenes

      Rectificación a partir de correspondencias

      Tema 4: Realidad aumentada

      Estimación de pose

      Tema 5: Visión estéreo

      Estimación de la matriz fundamental, calibración simple, triangulación

    2. Prácticas

      • Práctica 1: Ejercicios de procesamiento de imagen

        Efecto chroma

        Segmentación por histogramas de color

        Demostración de diferentes filtros de imagen y máscaras de convolución

        Umbralización y separación de objetos

        Detector de movimiento

        Demostración de "visual features" sencillas

        Demostración de puntos de interés

        Estimación de la velocidad angular de rotación de la cámara mediante análisis de flujo óptico disperso

        Relacionado con:
        • Bloque 1: Procesamiento de Imágenes
        • Tema 1: Introducción a la Visión Artificial
        • Tema 2: Fundamentos de procesamiento digital de imágenes
        • Tema 3: Detectores elementales de puntos, rectas y contornos

      • Práctica 2: Ejercicios de reconocimiento de objetos

        Análisis frecuencial de siluetas y reconocimiento de formas basado en invariantes

        Determinar mediante coincidencias de puntos de interés si la imagen de entrada (tomada en vivo con la webcam o almacenada en un archivo) contiene alguno de los prototipos almacenados en un directorio

        Relacionado con:
        • Bloque 1: Procesamiento de Imágenes
        • Tema 1: Introducción a la Visión Artificial
        • Tema 2: Fundamentos de procesamiento digital de imágenes
        • Tema 3: Detectores elementales de puntos, rectas y contornos
        • Bloque 2: Reconocimiento de objetos
        • Tema 1: Técnicas básicas
        • Tema 2: Descriptores frecuenciales
        • Tema 3: Reconocimiento basado en puntos de interés

      • Práctica 3: Ejercicios de geometría visual

        Manejo de transformaciones homogéneas del plano

        Cálculo del horizonte de un plano visto en perspectiva a partir de la vista de un rectángulo

        Uso de cross-ratio para extrapolar la posición de puntos equiespaciados en una imagen

        Construcción de una matriz de cámara a partir de los parámetros K,R,C y comprobar la proyección de puntos 3D de control

        Estimación aproximada del campo de visión / parámetro f de una cámara Comparación con el resultado de una calibración precisa mediante imágenes de un *chessboard*

        Uso de los estimadores solvePnP y findHomography

        Rectificación de planos y medida de distancias

        Panorámica de imágenes tomadas desde el mismo punto (o mosaico de un plano)

        Realidad aumentada en tiempo real sobre una referencia plana conocida

        Reconstrucción 3D a partir de dos vistas: estimación de la matriz Fundamental, autocalibración, extracción de cámaras consistentes con la matriz esencial y triangulación

        Relacionado con:
        • Bloque 1: Procesamiento de Imágenes
        • Bloque 3: Geometría Visual
        • Tema 1: Geometría projectiva básica del plano
        • Tema 2: Modelo lineal de cámara
        • Tema 3: Rectificación de planos y "stiching" de imágenes
        • Tema 4: Realidad aumentada
        • Tema 5: Visión estéreo

      • Práctica 4: Bibliotecas específicas

        Programar una aplicación original sencilla que utilice alguna de las técnicas o bibliotecas libres disponibles para la detección de marcadores de cara (*dlib*), OCR (tesseract), códigos de barras (zbar), realidad aumentada (ARToolkit), etc

        Relacionado con:
        • Bloque 1: Procesamiento de Imágenes
        • Tema 1: Introducción a la Visión Artificial
        • Tema 2: Fundamentos de procesamiento digital de imágenes
        • Tema 3: Detectores elementales de puntos, rectas y contornos
        • Bloque 2: Reconocimiento de objetos
        • Tema 1: Técnicas básicas
        • Tema 2: Descriptores frecuenciales
        • Tema 3: Reconocimiento basado en puntos de interés
        • Tema 4: Introducción a "deep learning"
        • Bloque 3: Geometría Visual
        • Tema 1: Geometría projectiva básica del plano
        • Tema 2: Modelo lineal de cámara
        • Tema 3: Rectificación de planos y "stiching" de imágenes
        • Tema 4: Realidad aumentada
        • Tema 5: Visión estéreo

  6. Actividades Formativas

    Actividad Formativa Metodología Horas Presencialidad
    A1: Actividades con grupo grande de alumnos entre las que se encuentran la presentación en el aula de los conceptos propios de la materia mediante metodología expositiva con lecciones magistrales participativas y medios audiovisuales. También se contemplan en este grupo las actividades de evaluación teórico prácticas. 28.0 36.9
    A2: Actividades con grupo mediano en el aula de resolución de problemas, seminarios, charlas, ejercicios basados en el aprendizaje orientado a proyectos, estudios de casos, exposición y discusión de trabajos relativas al seguimiento individual y/o grupal de adquisición de las competencias. 23.0 12.5
    A4: Tutorías individualizadas o en grupo muy pequeño orientadas a la dirección, supervisión y asesoría por parte del un profesor de la asignatura, del tutor en el caso de Trabajo Fin de Grado, supervisión del tutor de empresa en el caso de Prácticas de Empresa que de forma periódica constate y redirija el trabajo del alumno hacia la consecución de los objetivo marcados. 6.0 10.0
    A5: Estudio y trabajo autónomo orientado a la asimilación de contenidos, realización de problemas, ejercicios o redacción de informes técnicos o memorias descriptivas, desarrollo de proyectos o prácticas individuales o en 93.0 0.0
    Totales 150,00

  7. Horario de la asignatura

    https://www.um.es/web/estudios/grados/informatica/2026-27#horarios

  8. Sistemas de Evaluación

    Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    IE1 Examen teórico-práctico. En este instrumento incluimos desde el tradicional examen escrito o tipo test hasta los exámenes basados en resolución de problemas, pasando por los de tipo mixto que incluyen cuestiones cortas o de desarrollo teórico junto con pequeños problemas. También se incluye aquí la consideración de la participación activa del alumno en clase, la entrega de ejercicios o realización de pequeños trabajos escritos y presentaciones.

    Ejercicios individuales, donde se valorará la corrección, eficiencia y originalidad

    		 60.0
    IE2 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas. Los resúmenes del estado del arte o memorias de investigación sobre temas concretos. Y la posibilidad de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    Proyectos individuales de mayor alcance, donde se valorará la corrección, eficiencia, originalidad y calidad de la documentación

    		 40.0

  9. Fechas de exámenes

    https://www.um.es/web/estudios/grados/informatica/2026-27#examenes

  10. Resultados del Aprendizaje

    · Comprender la importancia de las etapas de percepción e interpretación de la información sensorial en la automatización de procesos en los que existe una interacción con el mundo físico

    · Conocer las características de los sistemas de captura de imágenes y de iluminación más utilizados, y ser capaz de seleccionar el más adecuado para cada aplicación

    · Comprender en profundidad los fundamentos matemáticos de la formación de imágenes y sus aplicaciones para la calibración de las cámaras y la reconstrucción 3D de escenas, siendo consciente de las implicaciones de diseño de un entorno estructurado frente a las de un ambiente desconocido

    · Conocer las técnicas de procesamiento digital de imagen necesarias para extraer la información necesaria para las aplicaciones de visión

    · Ser consciente de la importancia de las etapas de procesamiento de nivel medio, y conocer el estado del arte de las técnicas de extracción de propiedades locales invariantes, incluyendo sus requerimientos computacionales

    · Conocer las herramientas informáticas más importantes para la Visión Artificial, y saber aplicarlas adecuadamente en la resolución de problemas reales

    · Adquirir experiencia en aplicaciones reales en los campos de la Robótica, Visión Industrial e Interfaces de Usuario

    · Ser capaz de analizar los requerimientos de un problema de visión dado, de prototipar una solución correcta al problema, y determinar la infraestructura computacional necesaria para implantar sobre el terreno una versión optimizada de acuerdo con las especificaciones

  11. Bibliografía

  12. Observaciones

    NECESIDADES EDUCATIVAS ESPECIALES

    Aquellos estudiantes con discapacidad o necesidades educativas especiales podrán dirigirse al Servicio de Atención a la Diversidad y Voluntariado (ADYV - https://www.um.es/adyv) para recibir orientación sobre un mejor aprovechamiento de su proceso formativo y, en su caso, la adopción de medidas de equiparación y de mejora para la inclusión, en virtud de la Resolución Rectoral R-358/2016. El tratamiento de la información sobre este alumnado, en cumplimiento con la LOPD, es de estricta confidencialidad.

    EVALUACIÓN

    En el procedimiento de evaluación resultarán de aplicación el artículo 135.1.v) de los Estatutos de la Universidad de Murcia, el artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) y la instrucción SG 18/2026 del secretario general de la Universidad de Murcia que interpreta estas normas, disponible en este enlace: https://sede.um.es/sede/documento/normativa/instruccion-del-secretario-general-sg-18-2026-sobre-la-interpretacion-y-aplicacion-del-art-135-1-v-estatutos-umu/24199.pdf

    Se recuerda asimismo que el artículo 22.1 del Reglamento de Evaluación de Estudiantes (REVA) estipula que "el o la estudiante que se valga de conductas fraudulentas, incluida la indebida atribución de identidad o autoría, o esté en posesión de medios o instrumentos que faciliten dichas conductas, obtendrá la calificación de cero en el procedimiento de evaluación y, en su caso, podrá ser objeto de sanción, previa apertura de expediente disciplinario".

    OBSERVACIONES DEL EQUIPO DOCENTE

    Aprendizaje Activo

    Los alumnos disponen de unos apuntes detallados y del guión de las clases en internet. Se utilizan los notebooks interactivos "jupyter" que permiten combinar texto código y los resultados obtenidos. Los contenidos teóricos se explican en clases magistrales y se ejercitan en las sesiones prácticas siguientes.

    Se propone semanalmente un conjunto de ejercicios para consolidar el aprendizaje. La semana siguiente se aclaran las dudas que hayan surgido. De esta forma se realiza un seguimiento continuo y se intenta evitar el abandono Los alumnos que deseen obtener una buena nota pueden realizar un trabajo práctico de mayor entidad. Material docente utilizado: ordenadores y material informático estándar. Webcams. Sofware Libre.

    Criterios de evaluación

    Para aprobar es necesario hacer correctamente los ejercicios obligatorios y presentar una memoria detallada.

    La nota final dependerá de los ejercicios realizados, de su complejidad, de la calidad de las soluciones propuestas y de la memoria.

    Como orientación, para obtener notable es necesario hacer correctamente varios ejercicios opcionales de complejidad media o alta que toquen todos los temas estudiados, y presentar una buena memoria Para llegar a sobresaliente es necesario resolver los ejercicios de mayor complejidad aportando soluciones originales.

    El examen teórico final puede ser sustituido por los resultados obtenidos mediante una evaluación continua basada en la realización y presentación en clase de entregables que desarrollen tópicos de la materia, así como mediante la valoración de la participación en las clases.

    Despacho

    209

    OBJETIVOS DE DESARROLLO SOSTENIBLE

    Esta asignatura no se encuentra vinculada de forma directa con los Objetivos de Desarrollo Sostenible

    USO DE LA IA

    Todos los recursos y materiales no originales que se utilicen en los ejercicios evaluables, incluyendo herramientas de Inteligencia Artificial, ayuda de compañeros, recursos de internet, libros, artículos, etc deberán indicarse claramente en el código fuente y referenciarse explícitamente en la memoria

    RÉGIMEN DE CONSERVACIÓN DE CALIFICACIONES

    Las calificaciones de la evaluación continua se conservarán en las siguientes convocatorias hasta que la asignatura se vuelva a impartir.