Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (1MB)
| Contatta l'autore
|
Abstract
L'obiettivo di questo progetto è studiare un sistema con dispositivi a basso costo in grado di determinare l'occupazione corrente di un'aula, pensato principalmente per ottimizzare la gestione degli spazi universitari o di grandi edifici, implementandone un prototipo.
A supporto di ciò verranno presentati algoritmi di image stitching per fornire una visione ottimale anche degli ambienti più ampi.
In questo progetto è stato implementato un algoritmo di rilevamento dell'occupazione utilizzando componenti hardware economici che seguono una logica programmata appositamente. L'approccio impiegato si basa sull'utilizzo di camere in posizione prospettica, affidando ad una rete neurale l'elaborazione delle immagini. La motivazione di questa scelta deriva dal fatto che le tecnologie basate su camere sono attualmente più accurate ed utilizzarle in posizione prospettica si è rivelato più adeguato, sulla base della conformazione delle aule con più ingressi.
La rete neurale utilizzata è stata YOLOv3, estremamente veloce ed accurata, mentre l'hardware che è stato scelto dopo averlo confrontato con altri simili è il Raspberry Pi 2 Model B, uno dei single-board computer più venduti al mondo. Questa scelta è stata motivata dalla capacità computazionale richiesta e dall'obiettivo di limitare i costi.
Per poter applicare l'algoritmo di occupancy detection anche a stanze più ampie è stato necessario adottare un metodo di image stitching, col quale si è potuto combinare immagini provenienti da più camere per produrre una foto panoramica. In questo caso si è preferito sviluppare un metodo ad hoc invece di utilizzare software già presenti sul mercato in quanto essi necessitano di una capacità computazionale e di risorse elevate.
Abstract
L'obiettivo di questo progetto è studiare un sistema con dispositivi a basso costo in grado di determinare l'occupazione corrente di un'aula, pensato principalmente per ottimizzare la gestione degli spazi universitari o di grandi edifici, implementandone un prototipo.
A supporto di ciò verranno presentati algoritmi di image stitching per fornire una visione ottimale anche degli ambienti più ampi.
In questo progetto è stato implementato un algoritmo di rilevamento dell'occupazione utilizzando componenti hardware economici che seguono una logica programmata appositamente. L'approccio impiegato si basa sull'utilizzo di camere in posizione prospettica, affidando ad una rete neurale l'elaborazione delle immagini. La motivazione di questa scelta deriva dal fatto che le tecnologie basate su camere sono attualmente più accurate ed utilizzarle in posizione prospettica si è rivelato più adeguato, sulla base della conformazione delle aule con più ingressi.
La rete neurale utilizzata è stata YOLOv3, estremamente veloce ed accurata, mentre l'hardware che è stato scelto dopo averlo confrontato con altri simili è il Raspberry Pi 2 Model B, uno dei single-board computer più venduti al mondo. Questa scelta è stata motivata dalla capacità computazionale richiesta e dall'obiettivo di limitare i costi.
Per poter applicare l'algoritmo di occupancy detection anche a stanze più ampie è stato necessario adottare un metodo di image stitching, col quale si è potuto combinare immagini provenienti da più camere per produrre una foto panoramica. In questo caso si è preferito sviluppare un metodo ad hoc invece di utilizzare software già presenti sul mercato in quanto essi necessitano di una capacità computazionale e di risorse elevate.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Donini, Massimo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
image,stitching,people,counting,occupancy,detection,smart,camera,raspberry,intel,kinect,yolo
Data di discussione della Tesi
10 Ottobre 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Donini, Massimo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
image,stitching,people,counting,occupancy,detection,smart,camera,raspberry,intel,kinect,yolo
Data di discussione della Tesi
10 Ottobre 2019
URI
Statistica sui download
Gestione del documento: