Система відстеження об'єктів для пристроїв з обмеженими обчислювальними потужностями

Скорочена інформація про документ
dc.contributor.advisorТаран, Владислав Ігорович
dc.contributor.authorАмелін, В’ячеслав Олегович
dc.date.accessioned2024-10-16T12:12:29Z
dc.date.available2024-10-16T12:12:29Z
dc.date.issued2024
dc.description.abstractДипломний проєкт на тему: «Система відстеження об'єктів на пристроях з обмеженими обчислювальними ресурсами» присвячений аналізу та розробці ефективних методів виявлення та відстеження об'єктів у реальному часі на пристроях з обмеженими обчислювальними потужностями. Основною метою роботи є дослідження сучасних алгоритмів, які забезпечують високу точність та швидкість роботи на таких пристроях, та побудова системи відстеження об'єктів на їх основі. У першому розділі роботи виконується аналіз предметної області, включаючи значимість відстеження об'єктів у сучасних застосунках та проблеми, що виникають під час роботи з пристроями з обмеженими обчислювальними потужностями. Розглядаються існуючі рішення для детекції та відстеження об'єктів, їх переваги та недоліки, а також сучасні спеціалізовані обчислювальні пристрої з обмеженими ресурсами, такі як TPU, VPU, та NPU. Другий розділ присвячений аналізу методів та технологій. Описуються постановки задачі відстеження та розпізнавання об'єктів, детально розглядаються алгоритми YOLO для детекції та Калманівський фільтр для відстеження об'єктів. Також обговорюється використання TensorFlow для реалізації Калманівського фільтра, обрані набори даних для обробки зображень, інші технології та бібліотеки, такі як Jupyter Notebook, Numpy, OpenCV2, tqdm, Docker та інші. Особливу увагу приділено системі оцінювання IoU для забезпечення високої точності оцінки результатів. Третій розділ зосереджений на реалізації системи відстеження об'єктів, включаючи опис архітектури системи, налаштування Docker оточення, реалізацію детекторів та трекерів об'єктів, зокрема YOLO та Калманівського фільтра, а також функцій оцінки. Четвертий розділ містить експериментальне дослідження та порівняння алгоритмів. Описуються критерії продуктивності, методика проведення експериментів, результати тестування алгоритмів YOLO і Калманівського фільтра на різних пристроях з обмеженими обчислювальними можливостями. Проводиться аналіз результатів для виявлення найкращих підходів та робиться висновок щодо ефективності алгоритмів у реальних умовах. Робота завершується висновками та списком використаних джерел, де підсумовується проведене дослідження та результати розробки системи відстеження об'єктів на пристроях з обмеженими обчислювальними ресурсами.
dc.description.abstractotherThe diploma project ‘Object Tracking System on Devices with Limited Computing Resources’ is dedicated to the analysis and development of effective methods for detecting and tracking objects in real time on devices with limited computing power. The main goal of the work is to study modern algorithms that ensure high accuracy and speed of operation on such devices and to build an object tracking system based on them. The first section of the paper analyses the subject area, including the importance of object tracking in modern applications and the problems that arise when working with devices with limited computing power. Existing solutions for detecting and tracking objects, their advantages and disadvantages, as well as modern specialised computing devices with limited resources, such as TPU, VPU, and NPU, are discussed. The second section is devoted to the analysis of methods and technologies. It describes the problem formulation of object tracking and recognition, and discusses in detail the YOLO algorithms for detection and the Kalman filter for object tracking. We also discuss the use of TensorFlow to implement the Kalman filter, selected datasets for image processing, other technologies and libraries such as Jupyter Notebook, Numpy, OpenCV2, tqdm, Docker, and others. Particular attention is paid to the IoU scoring system to ensure high accuracy of the results. The third section focuses on the implementation of the object tracking system, including a description of the system architecture, setting up the Docker environment, implementing object detectors and trackers, including YOLO and Kalman filter, as well as evaluation functions. The fourth section contains an experimental study and comparison of the algorithms. It describes the performance criteria, experimental methodology, and results of testing the YOLO and Kalman filter algorithms on various devices with limited computing capabilities. The results are analysed to identify the best approaches and a conclusion is drawn on the effectiveness of the algorithms in realworld conditions. The paper concludes with conclusions and a list of references, summarising the research and the results of developing an object tracking system on devices with limited computing resources.
dc.format.extent134 с.
dc.identifier.citationАмелін, В. О. Система відстеження об'єктів для пристроїв з обмеженими обчислювальними потужностями : дипломний проєкт ... бакалавра : 121 Інженерія програмного забезпечення / Амелін В’ячеслав Олегович. – Київ, 2024. – 134 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69897
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleСистема відстеження об'єктів для пристроїв з обмеженими обчислювальними потужностями
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Amelin_bakalavr.pdf
Розмір:
2.83 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ОТ)
Бакалаврські роботи