Εμφάνιση απλής εγγραφής

dc.contributor.advisorΠαναγίδης, Αντρέας
dc.contributor.authorΠαππάς, Κωνσταντίνος
dc.contributor.otherPappas, Constantinos
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2018-07-09T07:48:01Z
dc.date.available2018-07-09T07:48:01Z
dc.date.copyright2018-07-05
dc.date.issued2018-05
dc.identifier.otherΠΕΣ/2018/00289el_GR
dc.identifier.urihttp://hdl.handle.net/11128/3525
dc.descriptionΠεριέχει βιβλιογραφικές παραπομπές.el_GR
dc.description.abstractΤο αντικείμενο της επιτήρησης περιοχών για λόγους ασφαλείας αποτελεί ένα κεφαλαιώδους σημασίας ζήτημα για κάθε κρατική οντότητα. Μία από τις βασικές αρχές εκμετάλλευσης πληροφοριών, η συλλογή των οποίων αποτελεί και το κύριο αντικείμενο επιτήρησης, είναι η δυνατότητα έγκαιρης μεταβίβασής τους στα αντίστοιχα όργανα λήψης αποφάσεων. Έχοντας ως φάρο τα παραπάνω, η παρούσα μεταπτυχιακή διατριβή ασχολείται με την ανάπτυξη μίας διάταξης η οποία έχει ως στόχο την αυτόματη ανίχνευση και ιχνηλάτιση οχημάτων, εφαρμόζοντας τεχνικές μηχανικής όρασης σε ροή video που μεταδίδεται σε σχεδόν πραγματικό χρόνο από εναέριες πλατφόρμες επιτήρησης, με εκμετάλλευση των τεχνολογιών 3G/4G της κινητής τηλεφωνίας. Για την υλοποίηση της συγκεκριμένης διάταξης πραγματοποιήθηκε η εκπαίδευση δύο τύπων κατηγοριοποιητών σε εικόνες υψηλής ανάλυσης. Ο πρώτος κατηγοριοποιητής εκπαιδεύτηκε με μηχανή υποστήριξης διανυσμάτων η οποία τροφοδοτήθηκε με απεικονίσεις χαρακτηριστικών σημείων των οχημάτων, που προέκυψαν από τη χρήση Ιστογραμμάτων Βάθμωσης. Ο δεύτερος στηρίζεται στην κατασκευή μίας αλληλουχίας κατηγοριοποιητών που εκπαιδεύονται με εφαρμογή τεχνικών ενίσχυσης αξιοποιώντας απεικονίσεις χαρακτηριστικών σημείων που εξήχθησαν μέσω Τοπικών Δυαδικών Μοτίβων, μετασχηματισμών Haar και Ιστογραμμάτων Βάθμωσης. Στα μοντέλα που προέκυψαν από τις παραπάνω εκπαιδεύσεις, αφού αξιολογήθηκαν, διαπιστώθηκε ότι αυτό με τον κατηγοριοποιητή που εκπαιδεύτηκε με μηχανή υποστήριξης διανυσμάτων κάνοντας χρήση Ιστογραμμάτων Βάθμωσης παρουσίασε τις καλύτερες επιδόσεις σε όλες τις κατηγορίες πλην αυτής του απαιτούμενου χρόνου για την πραγματοποίηση της ανίχνευσης. Λόγω της εφαρμογής του συγκεκριμένου μοντέλου σε video, για την επιτάχυνση της διαδικασίας, συνδυάστηκε με αλγόριθμο ιχνηλάτησης οχημάτων. Επίσης, μετά την πραγματοποίηση μετρήσεων της ταχύτητας μετάδοσης δεδομένων του δικτύου 3G/4G της κινητής τηλεφωνίας σε διαφορετικά σημεία- ύψη - ταχύτητες πτήσης, διαπιστώθηκε ότι αποτελεί μια ρεαλιστική προσέγγιση ο σχεδιασμός εφαρμογών που θέτει τα 512Kbps ως ελάχιστη ταχύτητα δικτύου. Τέλος, αφού λήφθησαν υπόψη οι παραπάνω διαπιστώσεις, πραγματοποιήθηκε επιτυχής δοκιμή ανίχνευσης και ιχνηλάτισης οχημάτων σε ροή video, η οποία μεταδιδόταν σε σχεδόν πραγματικό χρόνο από μία διάταξη Raspberry/κάμερα/USB 4G Stick, προσαρμοσμένη σε Ε/Π και drone. Η συγκεκριμένη δοκιμή αποδεικνύει ότι είναι εφικτή η ανάπτυξη ευέλικτων και χαμηλού κόστους διατάξεων για την επιτήρηση περιοχών από απόσταση.el_GR
dc.format.extentxi, 161 σ. 30 εκ.el_GR
dc.languagegrel_GR
dc.language.isogrel_GR
dc.publisherΑνοικτό Πανεπιστήμιο Κύπρουel_GR
dc.rightsinfo:eu-repo/semantics/closedAccessel_GR
dc.subjectΜηχανική όρασηςel_GR
dc.subjectComputer visionel_GR
dc.titleComputer vision for aerial applicationsel_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractThe subject of area surveillance for security reasons, is an issue of vital importance for every state. One of the main principles regarding the exploitation of information, keeping in mind that the intelligence is the main purpose of surveillance, is the capability to transmit these information to decision makers, as soon as possible. In the view of the above, this master thesis deals with the development of a system whose main purpose is the near-real-time automatic detection and tracking of vehicles. This task is accomplished with the implementation of computer vision techniques to video streaming that is transmitted from aerial surveillance platforms, which make use of the 3G/4G mobile services technology. In order to fulfill this purpose, two different classifiers were trained, using high definition pictures. The first one was trained with Support Vector Machine (SVM), using Histograms of Oriented Gradients (HOG) as feature representation. The second one is based on boosted cascade classifiers which use the Gentle AdaBoost algorithm in conjunction with three different feature descriptors, Local Binary Patterns (LBP), Haar wavelets and HOG. Regarding the models that originated from this training procedure, after their evaluation, it was found that the HOG/SVM model outperformed the rest algorithms with the exception of the time needed to scan the image in order to detect the presence of vehicles. Due to the fact that the intention was to implement the HOG/SVM model on video streaming, it was combined with a correlation tracker, making the whole system considerably quicker. Also, after measuring the data transfer speed of 3G/4G cellular networks, in different height-speed and areas of flight, it was found that it may be considered a realistic approach the design of systems which establish the 512Kbps as a minimum network speed. Finally, taking into consideration the fore mentioned findings, it was carried out a successful test of vehicle detection and tracking using near - real – time video streaming which was transmitted by a Raspberry/camera/USB 4G Stick system, mounted both on helicopter and drone. This particular test proves that it is possible the development of agile and low cost systems that can be used for remote surveillance of a distant areas.el_GR
dc.format.typepdfel_GR


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής