Метод оцінки пози людини у поточному часі на основі мобільної операційної системи

Скорочена інформація про документ
dc.contributor.advisorГордієнко, Юрій Григорович
dc.contributor.authorЗеркук Абдерауф
dc.date.accessioned2020-06-09T11:23:50Z
dc.date.available2020-06-09T11:23:50Z
dc.date.issued2020
dc.description.abstractРобота складається з 75 сторінок, 33 ілюстрацій, 2 таблиць, додатку та 48 джерел за переліком посилань. Актуальність роботи. робота визначається поточним швидким розвитком та впровадженням штучного інтелекту (ШІ) у різних додатках. Машинні та глибокі методи навчання відповідають за скорочення робочого навантаження та часу. Автоматизуючи деякі процеси, алгоритми на основі ШІ можуть полегшити виконання складної роботи для людей. Ось чому автоматизація на основі ШІ тепер фактично є еталоном повсюдних обчислень, оскільки це можна зробити майже скрізь, дуже надійно та набагато творчіше. Зв'язок роботи з науковими програмами кафедри ОТ. Дослідження і створення спеціалізованих пристроях мовних інтерфейсів тісно пов’язані з науковими розробками кафедри ОТ в області проектування високо продуктивних засобів обчислювальною техніки і методів ШІ в науково-дослідних роботах кафедри. Ця робота є частиною науково-дослідної діяльності кафедри в напрямку розробки та впровадження методів ШІ для різних наукових та промислових застосувань. Мета: Основна мета цієї роботи - підвищити ефективність методів автоматичної оцінки поведінки людини, щоб дозволити використовувати їх наявними гаджетами як смартфонами в режимі реального часу. Для досягнення цієї мети було заявлено такі основні завдання: вивчення доступних алгоритмів та методів комп'ютерного зору та розпізнавання людини; аналіз їх переваг та недоліків; розробка різних методів інтеграції різноманітних компонентів для розпізнавання поведінки людини, розпізнавання людської пози, визначення координат кінцівок людини; розробка складного програмного продукту, який ефективно поєднує ці функції для використання в режимі реального часу в мобільних пристроях. Об'єктом дослідження є процес оцінки поведінки людини в реальному часі з використанням машинного навчання, нейронних мереж, глибоких нейронних мереж та інших методів штучного інтелекту. Предметом дослідження є способи оцінювання пози людини, які повинні бути достатньо ефективними для використання в режимі реального часу в мобільних застосунках і мобільних операційних системах. Методи дослідження. В дисертації розглядаться технологія оцінки пози людини в режимі реального часу для мобільних застосунків та операційних систем на основі методів комп'ютерного зору та штучного інтелекту із використанням методів машинного навчання та глибокого навчання. Розглянуто декілька сучасних підходів до комп'ютерного зору, включаючи згорткові нейронні мережі, такі як DenseNet, ResNet, MobileNet . Наукова новизна. Була запропонована альтернативна архітектура, яка також дозволяє забезпечити можливість покращити точність та швидкість оцінки поведінки людини в реальному часі на мобільному гаджеті за допомогою оцінки пози людини. Запропонований підхід і система базуються на ефективній моделі глибокого навчання (MobileNet) та спеціалізованих бібліотеках глибокого навчання (TensorFlow / TensorFlow lite). Запропонована модель була проаналізована, і поведінка людського організму в різних позах змодельована для перевірки і тестування моделі. Досліджено особливості виявлення пози людини та виявлено переваги та недоліки запропонованих моделей Практичні результати роботи полягають в тому, що: Запропоновано метод та розроблено програмне забезпечення для вдосконалення виявлення та характеристики конкретних об'єктів, а саме для оцінки пози людини в умовах реального часу за допомогою мобільних гаджетів, таких як мобільні телефони. Основні положення, що виносяться на захист: • метод оцінки пози людини в режимі реального часу для мобільних пристроїв з використанням методів глибокого навчання, який має більшу точність та швидкість у порівнянні із наявними рішеннями.uk
dc.description.abstractenThis master's dissertation consists of 75 pages, 33 figures, 2 tables, 30 appendices and 50 sources according to the list of references The actuality and urgency of the work is determined by to the current fast development and implementation of artificial intelligence (AI) in various applications. The machine and deep learning methods are responsible for cutting the workload and time. By automating some processes the AI-based algorithms can do the hard work for people. That is why AI-based automation is now de facto standard of ubiquitous computing, because it can be done almost everywhere, very reliably, and much more creatively. Relationship of work with scientific programs, plans, themes. It is part of the research work of the department in the direction of development and implementation of AI-based methods for various scientific and industrial applications. The main aim of this work is to increase the efficiency of the available methods of real-time human behavior estimation to allow to use them by available gadgets as smartphones in real-time. To achieve this aim, the following main tasks were stated: study of the available algorithms and methods of computer vision and human recognition; analysis of their advantages and disadvantages; development of various component integration methods for human recognition, human pose recognition, determination of human limb coordinates; development of the sophisticated software product that efficiently combines these functionalities for usage in real-time in mobile devices. The object of the research is complex AI-based systems for computer vision and human behavior estimation using machine learning, neural networks, deep neural networks and other artificial intelligence methods. The subject of the research are methods of human behavior estimation by human pose estimation methods that should be efficient enough for usage in real-time on the basis of the mobile operating systems. The dissertation considers the main method at different levels of the human pose estimation in real-time using machine learning techniques for the mobile operating system. Several current computer vision approaches are considered, including convolutional neural networks like DenseNet, ResNet, MobileNet in various applications. The alternative architecture was proposed, which also allow to provide the real-time ability to enhance prediction of human behavior estimation by human pose estimation. The proposed approach and system are based on the efficient deep learning model (MobileNet) and deep learning development framework (TensorFlow/TensorFlow lite). The proposed model was analyzed, and the human body behavior with various poses was simulated for model validating and testing. The human pose detecting abilities were investigated, and the advantages and disadvantages of the proposed models have been identified. According to the results of experimental studies, the conclusion is made that the main aim stated before was reached and the problem stated was resolved by the proposed approach and system with the better performance estimated by lightweightness of the network 2.5 MB, performance of accuracy or other measures >70%, inference speed <30 ms, etc. As a whole, it allowed to train, validate, test the model and port the system to the available mobile gadgets like smartphones. The practical significance of the results of the work. The method has been proposed and software has been developed to improve the detection and characterization of specific objects, namely, to provide human pose estimation under real-time conditions by means of the mobile gadgets, like mobile phones.uk
dc.format.page116 c.uk
dc.identifier.citationЗеркук Абдерауф. Метод оцінки пози людини у поточному часі на основі мобільної операційної системи : магістерська дис. : 123 Комп’ютерна інженерія / Зеркук Абдерауф. – Київ, 2020. – 116 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/34049
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectштучний інтелектuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectоцінка пози людиниuk
dc.subjectмашинне навчанняuk
dc.subjectглибоке навчанняuk
dc.subjectмобільна операційна системаuk
dc.subjectMobileNetuk
dc.subjectнабір даних COCOuk
dc.subjectTensorFlowuk
dc.subjectTensorFlow liteuk
dc.subjectartificial intelligenceuk
dc.subjectconvolutional neural networkuk
dc.subjecthuman pose estimationuk
dc.subjectmachine learnniguk
dc.subjectdeep learninguk
dc.subjectCoco datasetuk
dc.subject.udc004.45uk
dc.titleМетод оцінки пози людини у поточному часі на основі мобільної операційної системиuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Abdelauf_magistr.docx
Розмір:
3.25 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи