LuanVan.vnLuận Văn
Gửi thư

Suivi de personnes en temps réel à l’aide d’une caméra Fisheye par Deep Learning = Theo dõi người theo thời gian thực bằng máy camera Fisheye dựa trên mô hình học sâu

Luận văn · Thạc sĩ · năm 2021 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảOUEDRAOGO Wênd-Panga Jérémie
Người hướng dẫnBaptiste MAGNIER
Cơ sở đào tạoĐại học Quốc gia Hà Nội
Năm2021
NguồnThư viện số Đại học Quốc gia Hà Nội · trang gốc

Tóm tắt

Dans ce document nous présentons les travaux réalisés dans notre stage. Il se sépare en deux étapes : la première étape consacrée à des expériences et une à création d’un data set et l’autre étape qui était la formation d’un modèle pour le suivi d’une personne. En effet première étape a consisté tout d’abord à la création d’un data set à travers des prises vidéos effectuées sur un terrain préparer de deux manières : une pour l’observation en fonction de la distance et l’autre pour l’observation de l’angle de rotation du bounding box. Les vidéos issues de ces prises ont été utilisées avec différents para-mètres, suivie d’un ensemble d’expérimentations avec le RAPID [Duan et al., 2020] etla méthode du centroïde. En appliquant ces deux solutions, nous observons la taille du bounding box selon sa distance avec le point central de la caméra. Ensuite nous cal- culons et observons sa taille en partant de demi-cercles de rayon de 3m et 5m. Nous observons la variation de la taille du bounding box selon son angle d’orientation. Un nouveau data set d’images fisheye top view a été créé à partir de ces prises vidéos. Dans la deuxième étape nous présentons les activités de la deuxième partie de notre stage qui consistait essentiellement à entraîner le détecteur YOLO v4 sur des images fisheye pour appliquer au traqueur DeepSORT. Pour ce faire nous avons utilisé deux data set : le nouveau data de l’IMT, et le data set MW-All. Comme prétraitement, nous avons redimensionné les images à 416 x 416, nous les avons aussi normalisées en divisant tous les pixels de chaque image par 255 de sorte à avoir une valeur comprise entre 0 et 1. Après configuration des hyperparamètres et l’entraînement du réseau avec Yolo V4, nous appliquons les poids au traquer DeepSORT [Wojke et al., 2017] pour le suivi de personne.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.

Tải ứng dụng AI Học Thuật

Tư vấn học thuật, luận văn, công bố quốc tế với chuyên gia — miễn phí trên iPhone, iPad và Android.

Download on the App Store Tải trên Google Play