FenixEdu™

Dissertação

{en_GB=Recognition of Human Activity in Domestic Environments using Convolution Neural Networks} {} EVALUATED

Detalhes: {pt= Com o avanço da tecnologia os robots estão a tornar-se cada vez mais essenciais para a vida humana. De forma a tornar os robots mais autónomos, investigadores têm-se focado em criar algoritmos de processamento de imagem cada vez mais robustos e capazes de interagir com o mundo real. Esta tese aborda um \textit{case study} próximo da realidade onde são aplicadas redes convolucionais. O conceito do \textit{case study} trabalhado é a classificação de atividades levadas a cabo por humanos num ambiente doméstico. O objetivo é determinar, em tempo-real, se o comportamento do(s) sujeito(s) é normal ou anormal (potencialmente perigoso). A criação de um modelo como este permitirá a vigilância instantânea e contínua em todas as câmeras conectadas ao algoritmo. Nesta tese foi criado um dataset extenso sendo o mesmo aplicado a diferentes estruturas de redes de forma a determinar as arquiteturas que obtêm os melhores resultados. Os resultados finais mostram que redes convolucionais podem ser aplicadas com sucesso a problemas de processamento de imagem, obtendo resultados tão bons ou superiores aos obtidos com os métodos clássicos de processamento de imagem., en= With the advance of technology robots are becoming essential in humans daily lives. In order to make robots more autonomous lots of efforts are being made by researchers to create robust and efficient image processing algorithms capable of interacting with the real world. This thesis addresses a semi real-live situation by applying convolution neural networks. The case study concept is the classification of humans activities performed in a domestic scenario. The main goal is to determine if the human real-time continuous behavior is either normal or abnormal (potentially dangerous). The creation of such model would allow instant and continuously surveillance in every connected camera. In this thesis an extensive dataset was created and applied to different net architectures to determine which obtain better results. The final results are very positive showing that convolution neural networks can successfully be applied to image processing situations obtaining results that easily equalise or even overcome classic methods from computer vision.}
Keywords: {pt=redes-convolucionais, machine-learning, processamento-de-imagem, en=convolution-neural-networks, image-processing, machine-learning}

Discussão: maio 16, 2016, 13:0