Žmogaus elgsenos atpažinimo iš vaizdo algoritmo tyrimas
Braknytė, Ingrida |
Recenzentas / Rewiewer | |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Magistro baigiamojo darbo tikslas - ištirti žmogaus elgsenos vaizde atpažinimo algoritmą, kuris gebėtų sekti, kiek laiko žmogus vaizde būna konkrečioje padėtyje. Darbo metu iškelti ir įgyvendinti 3 uždaviniai. Šiame darbe atlikta metodų, skirtų žmogaus elgsenai atpažinti, analitinė literatūros apžvalga. Įgyvendintas algoritmas Python programavimo kalba. Atliktas žmogaus laikysenos atpažinimo tikslumo tyrimai.Baigiamajame darbe atliekami trys skirtingi tyrimai. Algoritmo veikimas yra lyginimas su skirtingais YOLOv8 modeliais. Vertinamas algoritmo veikimas su skirtingais kadrų sekų ilgiais. Tiriamas algoritmo atsparumas triukšmui.Baigiamąjį darbą sudaro 7 dalys: įvadas, analitinė literatūros apžvalga, žmogaus elgsenos atpažinimo algoritmo kūrimas, žmogaus elgsenos atpažinimo tyrimas, apibendrinimas ir išvados, literatūra, priedai.Darbo apimtis 64psl. teksto be priedų, 43 iliustr., 4 lent., 26 bibliografinių šaltinių, 1 priedas.
The aim of master's thesis is to investigate the algorithm for human behavior recognition in video, which would be able to track how long a person is in a specific position. The aim is achieved by performing 3 tasks. This paper presents an analytical literature review of methods for recognizing human action. An algorithm is implemented in the Python programming language. Research on the accuracy of human action recognition is performed.Three different studies are carried out in the thesis. The performance of the algorithm is compared with different YOLOv8 models. The performance of the algorithm with different frame sequence lengths is evaluated. The robustness of the algorithm to noise is investigated.The thesis consists of 7 parts: introduction, analytical literature review, development of a human behavior recognition algorithm, research on human behavior recognition, summary and conclusions, literature, appendices.Thesis consists of 64 p. text without appendixes, 43 figures, 26 bibliographical entries, 1 appendix included.