Προσδιορισμός γεωμετρικών χαρακτηριστικών προπορευόμενου οχήματος με μεθόδους μηχανικής όρασης
| datacite.contributor.Supervisor | Δερματάς Ευάγγελος | |
| datacite.rights | http://purl.org/coar/access_right/c_f1cf | el |
| dc.contributor.author | Σφέτσος, Αριστομένης | |
| dc.contributor.other | Sfetsos, Aristomenis | |
| dc.date.accessioned | 2021-07-23T06:52:53Z | |
| dc.date.available | 2021-07-23T06:52:53Z | |
| dc.date.copyright | 2020-07-22 | |
| dc.degree | graduateThesis | el |
| dc.description.abstract | Η παρούσα διπλωματική εργασία έχει ως στόχο τη μελέτη και ανάπτυξη αλγορίθμων για την ανίχνευση και παρακολούθηση κινούμενων ή σταθμευμένων οχημάτων, μέσω της χρήσης μίας κάμερας. Η κάμερα βρίσκεται στο επίπεδο του δρόμου, συνήθως στο μπροστινό μέρος ενός οχήματος. Οι αλγόριθμοι που αναπτύχθηκαν βασίζονται πάνω στο πεδίο της μηχανικής όρασης καθώς και στη διασταύρωση της επεξεργασίας εικόνας/βίντεο με τη μηχανική μάθηση. Η υλοποίηση των αλγορίθμων έγινε με τη γλώσσα προγραμματισμού Python, χρησιμοποιώντας ως επί το πλείστον τις βιβλιοθήκες OpenCV και scikit-learn. Η μεθοδολογία βασίζεται στην ανεξάρτητη επεξεργασία κάθε καρέ βιντεοσκόπησης, την εξαγωγή χαρακτηριστικών από κάθε καρέ και τη μετέπειτα επεξεργασία για τον προσδιορισμό των περιοχών ενδιαφέροντος. Κατά τη διάρκεια της εργασίας αναλύονται: Στο κεφάλαιο 1 η σχετική βιβλιογραφία. Παρουσιάζονται τεχνικές παρόμοιες με αυτές που χρησιμοποιήθηκαν στη συγκεκριμένη εργασία καθώς και οι αξιολογήσεις που έγιναν από τους μελετητές. Επιπλέον γίνεται και μια ανασκόπηση του φάσματος των διαφορετικών προσεγγίσεων για την επίλυση του προβλήματος. Στα κεφάλαια 2 και 3 η βασική θεωρία πάνω στην οποία βασίστηκε η εργασία. Συγκεκριμένα παρουσιάζονται τα βασικά χαρακτηριστικά της επεξεργασίας εικόνας καθώς και μέθοδοι μηχανικής μάθησης που χρησιμοποιήθηκαν. Στο κεφάλαιο 4, 5 και 6 παρουσιάζονται οι τρεις διαφορετικές προσεγγίσεις που χρησιμοποιήθηκαν στα πλαίσια της συγκεκριμένης εργασίας για την ανίχνευση και παρακολούθηση των οχημάτων. Επιπλέον, γίνεται αναφορά στα βασικά εργαλεία και τεχνικές που χρησιμοποιήθηκαν για την υλοποίηση των αλγορίθμων. Τέλος, κάθε αλγόριθμος αξιολογείται ανάλογα με τα ληφθέντα αποτελέσματα καθώς και τους περιορισμούς κάτω από τους οποίους η αποτελεσματικότητα του εξασφαλίζεται. | el |
| dc.description.translatedabstract | The goal of this diploma thesis is the study and development of on-road or stationary vehicle detection and tracking algorithms, using a single camera. The camera is located on the road’s level, usually on the front of a vehicle. The developed algorithms are based on the field of computer vision as well as the junction of image/video processing and machine learning. The implementation of the algorithms is made with Python programming language, using mostly OpenCV and scikit-learn libraries. The methodology relies on the processing of each video frame independently, the extraction of features from each frame and the subsequent processing for the detection of the regions of interest. In chapter 1, I present relevant existing techniques and the evaluations made by the researchers. In addition, I display the spectrum of the different approaches made. Chapters 2 and 3 are an introduction to the basic theory on which the thesis is based. Specifically, I analyze the basic features of image processing as well as the machine learning techniques I used. In chapters 4, 5 and 6, I present the three different approaches used in the thesis for vehicle detection and tracking. In addition, I display the basic tools and techniques used for the implementation of the algorithms. Finally, each algorithm is evaluated according to the obtained results and the constraints under which its efficiency is guaranteed. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/15086 | |
| dc.language.iso | gr | el |
| dc.subject | Επεξεργασία εικόνας | el |
| dc.subject | Μηχανική μάθηση | el |
| dc.subject | Μηχανική όραση | el |
| dc.subject | Ανίχνευση ακμών | el |
| dc.subject | Μηχανές διανυσμάτων υποστήριξης | el |
| dc.subject | Κασκοδικός ταξινομητής haar | el |
| dc.subject.alternative | Image processing | el |
| dc.subject.alternative | Machine learning | el |
| dc.subject.alternative | Computer vision | el |
| dc.subject.alternative | Edge detection | el |
| dc.subject.alternative | Support vector machines | el |
| dc.subject.alternative | Haar cascade classifier | el |
| dc.title | Προσδιορισμός γεωμετρικών χαρακτηριστικών προπορευόμενου οχήματος με μεθόδους μηχανικής όρασης | el |
| dc.title.alternative | Estimation of geometrical features of a leading vehicle using computer vision methods | el |
| oaire.licenseCondition | null | el |