Please use this identifier to cite or link to this item:
Title: Σύστημα εκτίμησης κινηματικής κατάστασης ανθρώπου
Other Titles: Human pose estimation system
Authors: Βασιλόπουλος, Αθανάσιος
Keywords: Εκτίμηση στάσης ανθρώπου
Επεξεργασία εικόνας
Αδρανειακοί αισθητήρες
Ενσωματωμένα συστήματα
Συνένωση αισθητήρων
Συγχώνευση δεδομένων
Σχεδιασμός υλικού
Keywords (translated): Human pose estimation
Image processing
Inertial sensors
Embedded systems
Sensor fusion
Data fusion
Hardware design
Abstract: Η εκτίμηση στάσης και κινηματικής κατάστασης ανθρώπου είναι ένα ενεργό ερευνητικό πεδίου λόγω του αντίκτυπού του σε διάφορες καθημερινές δραστηριότητες. Εφαρμογές όπως η υγειονομική περίθαλψη, η ασφάλεια, η αθλητική επιστήμη εκμεταλλεύονται την εκτίμηση στάσης ανθρώπου για παροχή πιο προηγμένων υπηρεσιών. Στον καταναλωτικό τομέα, η επικοινωνία ανθρώπου-μηχανής είναι ένα πεδίο που χρησιμοποιεί σε μεγάλο βαθμό την εκτίμηση στάσης ανθρώπου για εξαγωγή χρήσιμων πληροφοριών σχετικά με τις κινήσεις ενός ανθρώπου. Στη βιβλιογραφία έχουν προταθεί διάφορες βιώσιμες μεθοδολογίες για την εκτίμηση της στάσης κάποιου - εικόνες, δεδομένα από αδρανειακούς αισθητήρες, εικόνες βάθους, σήματα ραδιοσυχνοτήτων ή συνδυασμοί των παραπάνω – με κάθε μεθοδολογία να στοχεύει σε συγκεκριμένες περιπτώσεις χρήσης. Σε αυτή την εργασία, προτείνουμε μια μεθοδολογία που συνδυάζει οπτικά και αδρανειακά δεδομένα για τη παραγωγή στιβαρής και ακριβής εκτίμησης σε πραγματικό χρόνο, μία μεθοδολογία σχεδιασμένη για υλοποίηση σε συστήματα καταναλωτικού επιπέδου. Το σύστημα έχει σχεδιαστεί για περιορισμένους υπολογιστικούς πόρους και η απαιτούμενη ανίχνευση επιτυγχάνεται με χρήση συσκευών καταναλωτικού επιπέδου, όπως webcams και φορητούς ασύρματους αδρανειακούς αισθητήρες. Η αρχιτεκτονική που προτείνουμε είναι αυτή ενός χαλαρά συζευγμένου συστήματος, όπου τα υποσυστήματα επεξεργασίας του βίντεο και των αδρανειακών δεδομένων εκτελούνται παράλληλα και ο συνδυασμός των δεδομένων συμβαίνει στο τελικό στάδιο. Η προτεινόμενη μέθοδος εκτίμησης βασίζεται σε έγχρωμα σημάδια που φοράει ο άνθρωπος, με αδρανειακούς αισθητήρες τοποθετημένους πάνω τους. Θέτουμε τις αρχές σχεδιασμού και τη δομή του οπτικού μέρους του συστήματος και πραγματοποιούμε μία συγκριτική ανάλυση διαφόρων μεθόδων που σχεδιάστηκαν χρησιμοποιώντας αυτό το πλαίσιο. Αιτιολογούμε πειραματικά την μέθοδο που επιλέγουμε. Στη συνέχεια, υλοποιούμε την επιλεγμένη μέθοδο σε ενσωματωμένο σύστημα και αξιολογούμε την απόδοσή του. Επίσης, αξιολογούμε τη χρήση αδρανειακών δεδομένων όπως περιγράφεται στην αρχιτεκτονική του συστήματος. Δοκιμάζουμε φορητούς αδρανειακούς αισθητήρες του εμπορίου σε ανθρώπινες κινήσεις και προτείνουμε ένα σύστημα επεξεργασίας σήματος για σωστή ανίχνευση. Ολοκληρώνουμε την εργασία με αξιολόγηση της προτεινόμενης αρχιτεκτονικής και με τα απαιτούμενα βήματα για τη δημιουργία ενός πλήρους πρωτοτύπου του προτεινόμενου συστήματος.
Abstract (translated): Human Pose Estimation (HPE) is an active research field due to its impact on various everyday activities. Applications like healthcare, security, sport science exploit HPE for providing more advanced services. In the consumer area, human-computer interaction is a field that highly utilizes HPE for extracting useful and accurate information of the movement of a human being. Research has shown that multiple viable methodologies exist for estimating someone’s pose - monocular or multi-view images, data from inertial sensors, depth images, RF signals or combinations of the above - with each methodology aiming for specific use cases. In this work, we propose a methodology that combines visual and inertial data to produce robust and precise estimation in real-time, a methodology designed to be implemented on consumer-grade systems. The whole system is designed for limited computational resources and the required sensing is achieved by using consumer-grade components, namely webcams and wearable Bluetooth IMUs. The architecture we propose is that of a loosely coupled system, where video and IMU processing pipelines run in parallel with, and data fusion occurs on the final stage. The proposed detection method is based on colored signs the person wears on his limbs, with inertial sensors mounted on them. We establish the design principles and the structure of the system’s visual part and perform a comparative analysis of various methods designed using this framework. We experimentally justify the selected method. We, then, implement the selected method on an embedded system and evaluate its performance. We also evaluate the use of inertial data as outlined on the system architecture. We test commercial wearable IMUs on human movements and propose a signal processing system for correct detection. We finish this work with an evaluation of the proposed architecture and with the required steps to create a complete prototype.
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
Diploma_Vasilopoulos.pdf5.09 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.