Sikder, Rabin
(2024)
Rilevamento di intrusioni in tempo reale mediante video di sorveglianza a bassa risoluzione e riconoscimento facciale.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria informatica [LM-DM270]
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
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 (7MB)
|
Abstract
L’arte di insegnare alle macchine a vedere e comprendere il nostro mondo è stata una delle sfide più affascinanti e complesse del ventunesimo secolo. Questa tesi esplora l’intersezione tra il rilevamento di oggetti, il riconoscimento facciale e l’elaborazione di video di sorveglianza a bassa risoluzione per il rilevamento automatico di intrusioni.
Attraverso l’analisi di vasti insiemi di dati e il ricorso a metodologie avanzate di apprendimento automatico e Deep Learning, questa ricerca spalanca nuovi orizzonti nell’automazione
della sicurezza.
Il documento inizia presentando i principi fondamentali del Machine Learning e le architetture delle reti neurali, per poi procedere con un’analisi dettagliata degli algoritmi
classici e all’avanguardia per la localizzazione e l’identificazione delle persone.
Mentre il riconoscimento facciale si configura come uno strumento di importanza crescente, questo lavoro approfondisce gli algoritmi specifici utilizzati per l’analisi dei video di sorveglianza. Con un’attenzione particolare all’implementazione pratica,
viene analizzata l’efficacia del sistema di rilevamento degli intrusi, integrando teoria e pratica per offrire una visione completa e approfondita dell’attuale stato dell’arte e delle sue potenziali
evoluzioni.
I capitoli successivi delineano il percorso che va dalla teoria alla pratica, esaminando anche l’implementazione del sistema di rilevamento di intrusioni proposto e le sue prestazione in termini di precisione e velocità.
Infine, il testo si conclude con una discussione approfondita sulla conformità alle leggi vigenti, in particolare all’AI Act, e sulle implicazioni per la privacy e la sicurezza nell’uso di tali tecnologie
in ambienti pubblici.
Questa tesi è stata sviluppata presso l’azienda Data Reply S.r.l durante il mio periodo di tirocinio
curriculare. Data Reply è la società del gruppo Reply che offre servizi di eccellenza per trarre valore dai dati attraverso soluzioni di Advanced Analytics e AI.
Abstract
L’arte di insegnare alle macchine a vedere e comprendere il nostro mondo è stata una delle sfide più affascinanti e complesse del ventunesimo secolo. Questa tesi esplora l’intersezione tra il rilevamento di oggetti, il riconoscimento facciale e l’elaborazione di video di sorveglianza a bassa risoluzione per il rilevamento automatico di intrusioni.
Attraverso l’analisi di vasti insiemi di dati e il ricorso a metodologie avanzate di apprendimento automatico e Deep Learning, questa ricerca spalanca nuovi orizzonti nell’automazione
della sicurezza.
Il documento inizia presentando i principi fondamentali del Machine Learning e le architetture delle reti neurali, per poi procedere con un’analisi dettagliata degli algoritmi
classici e all’avanguardia per la localizzazione e l’identificazione delle persone.
Mentre il riconoscimento facciale si configura come uno strumento di importanza crescente, questo lavoro approfondisce gli algoritmi specifici utilizzati per l’analisi dei video di sorveglianza. Con un’attenzione particolare all’implementazione pratica,
viene analizzata l’efficacia del sistema di rilevamento degli intrusi, integrando teoria e pratica per offrire una visione completa e approfondita dell’attuale stato dell’arte e delle sue potenziali
evoluzioni.
I capitoli successivi delineano il percorso che va dalla teoria alla pratica, esaminando anche l’implementazione del sistema di rilevamento di intrusioni proposto e le sue prestazione in termini di precisione e velocità.
Infine, il testo si conclude con una discussione approfondita sulla conformità alle leggi vigenti, in particolare all’AI Act, e sulle implicazioni per la privacy e la sicurezza nell’uso di tali tecnologie
in ambienti pubblici.
Questa tesi è stata sviluppata presso l’azienda Data Reply S.r.l durante il mio periodo di tirocinio
curriculare. Data Reply è la società del gruppo Reply che offre servizi di eccellenza per trarre valore dai dati attraverso soluzioni di Advanced Analytics e AI.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Sikder, Rabin
Relatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM INGEGNERIA INFORMATICA
Ordinamento Cds
DM270
Parole chiave
yolo,machine learning,deep learning,reti neurali,adaface,cnn,videosorveglianza,reply,ai act,mtcnn,sift,hog,apprendimento automatico,ottimizzatori,cervello umano
Data di discussione della Tesi
19 Marzo 2024
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Sikder, Rabin
Relatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM INGEGNERIA INFORMATICA
Ordinamento Cds
DM270
Parole chiave
yolo,machine learning,deep learning,reti neurali,adaface,cnn,videosorveglianza,reply,ai act,mtcnn,sift,hog,apprendimento automatico,ottimizzatori,cervello umano
Data di discussione della Tesi
19 Marzo 2024
URI
Statistica sui download
Gestione del documento: