Presidi di Sicurezza per il Contrasto alla Pandemia mediante Integrazione e Ingegnerizzazione di Soluzioni di Visione Artificiale

Oliva, Alessandro (2021) Presidi di Sicurezza per il Contrasto alla Pandemia mediante Integrazione e Ingegnerizzazione di Soluzioni di Visione Artificiale. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [LM-DM270] - Cesena, Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

La pandemia di COronaVIrus Disease 2019 (COVID-19), tuttora in corso con la diffusione di nuove varianti, porta alla necessità di disporre di presidi a tutela della sicurezza delle persone ricorrendo a soluzioni di computer vision. Queste soluzioni possono essere integrate a soluzioni di sicurezza sul lavoro, al fine di ottimizzare l'impiego delle risorse disponibili dagli enti che effettuano questi monitoraggi, come aziende o enti pubblici. Il lavoro proposto ha lo scopo di sviluppare soluzioni di rilevamento di mascherine indossate correttamente, conteggio di persone all'interno di una stanza passando attraverso una porta, rilevamento dei dispositivi di sicurezza indosso al lavoratore e classificazione della corretta esecuzione di una attività di manutenzione (in questo caso su una bicicletta). Le specifiche di queste soluzioni devono massimizzare lo sfruttamento dell'hardware a disposizione, permettendo di essere distribuite su piattaforme con risorse limitate mantenendo il giusto compromesso tra prestazioni e qualità dei modelli. Sono state sperimentate diverse architetture per le varie soluzioni basate su YOLO, SSD e Transformer, le quali, anziché essere implementate con diversi framework come spesso avviene, sono state ripensate per utilizzare una base software comune per favorire il risparmio di risorse. I modelli sono stati inoltre resi fruibili attraverso una applicazione web dedicata, permettendo agli utenti di interfacciarsi con i modelli attraverso dispositivi di acquisizione o file video.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Oliva, Alessandro
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Computer vision,Face mask detection,People counting,Action classification,PPE detection
Data di discussione della Tesi
16 Dicembre 2021
URI

Altri metadati

Gestione del documento: Visualizza il documento

^