Στην παρούσα διπλωματική εργασία γίνεται μελέτη και ανάλυση της ανθρώπινης κίνησης με σκοπό την αναγνώριση και τον χαρακτηρισμό της. Στο κεφάλαιο 1 παρουσιάζεται το θεωρητικό υπόβαθρο, περιγράφονται εν συντομία τα μέρη της ανάλυσης μιας ολοκληρωμένης διαδικασίας και ορίζονται οι έννοιες οι οποίες θα χρησιμοποιηθούν στην συνέχεια. Στο κεφάλαιο 2 παρουσιάζονται τα μοντέλα και οι τεχνικές που χρησιμοποιούνται κυρίως για την αφαίρεση φόντου σε μια εικόνα και γίνεται υλοποίηση και εφαρμογή, ορισμένων από αυτών, σε βίντεο με συγκεκριμένα χαρακτηριστικά με στόχο την σύγκριση των αποτελεσμάτων. Στο κεφάλαιο 3 παρουσιάζονται οι τεχνικές, και οι κύριοι αντιπρόσωποι αυτών, που χρησιμοποιούνται για την αναγνώριση κινούμενης οντότητας εντός μιας ακολουθίας εικόνων. Στο κεφάλαιο 4 γίνεται υλοποίηση αλγόριθμων, σύμφωνα με τις τεχνικές που αναπτύχτηκαν στο κεφάλαιο 3, και εφαρμογής τους σε βίντεο ώστε να μελετήσουμε τα αποτελέσματα, επίσης παρουσιάζονται οι δυνατότητες του simulink και πως μπορούμε να το χρησιμοποιήσουμε ως εργαλείο για να πετύχουμε ίδια αποτελέσματα με αυτά από την συγγραφή κώδικα σε matlab. Στο τελευταίο κεφάλαιο παρουσιάζονται οι τεχνικές που έχουν χρησιμοποιηθεί στην διεθνή βιβλιογραφία για την αναγνώριση κίνησης και στην συνέχεια γίνεται ανάπτυξη αλγόριθμου που χρησιμοποιεί ως αναγνωριστικό χαρακτηριστικό το κέντρο μάζας της κινούμενης οντότητας και μέσω αυτού προσδιορίζεται η μορφή της κίνησης. / n this thesis study and analysis of human motion for the recognition and characterization of. Chapter 1 presents the theoretical background, outlines the parts of analysis of an integrated process and defines the concepts that will used then. Chapter 2 presents the models and techniques are mainly used to remove a background image and is implementation and enforcement, some of them, in video certain characteristics in order to compare the results. At Chapter 3 presents the techniques, and the main representatives of those who used to identify an entity within a moving sequence of images. Chapter 4 is implementing algorithms under the techniques being developed in Chapter 3, and their application to video To study the results also shows the potential of simulink and how we can use it as a tool to achieve same results with the ones writing code in matlab. In the last chapter presents the techniques used in international literature to identify traffic and then becomes growth algorithm used as an identifier attribute the center of mass the moving entity and this is determined by the shape of motion.

Η παρούσα διπλωματική εργασία έχει ως αντικείμενο την κατασκευή συστήματος ανίχνευσης κίνησης αυτοκινήτου και την καταγραφή των δεδομένων σε μνήμη SD ή MMC.Η καταγραφή της κίνησης γίνεται μέσω της μέτρησης της επιτάχυνσης και στους τρεις άξονες με χρήση του μικροελεγκτή STM32 Cortex-M3 της εταιρίας ST Microelectronics. Πιο συγκεκριμένα χρησιμοποιείται το STM32-103STK Development Board της εταιρίας Olimex το οποίο διαθέτει και κάποια ενσωματωμένα περιφερειακά. Αρχικά, περιγράφονται τα διάφορα χαρακτηριστικά του συστήματος και δίνονται σημαντικές πληροφορίες για τη λειτουργία του και τα πλεονεκτήματα που προσφέρει στο χρήστη.Στη συνέχεια, γίνεται αναφορά και ανάλυση σε κάποια από τα διαθέσιμα περιβάλλοντα για ανάπτυξη ενσωματωμένων εφαρμογών και τελικά παρουσιάζεται διεξοδικά ο αλγόριθμος που χρησιμοποιήθηκε για την ανάπτυξη της συγκεκριμένης εφαρμογής.Το σύστημα που υλοποιήθηκε λαμβάνει τιμές επιτάχυνσης μέσω ενός επιταχυνσιομέτρου τριών αξόνων,προβάλλει τις τιμές αυτές στην οθόνη προς ενημέρωση του χρήστη και τελικά αποθηκεύει αυτές τις τιμές σε κάρτα μνήμης τύπου SD(Secure Digital). / This diploma thesis is about the implementation of a tracking and acceleration data recording system in SD or MMC memories in order to examine the movement of an automobile. Movement tracking is performed through measurement of acceleration values in all three axis with an STM32 Cortex-M3 microcontroller provided by ST Microelectronics. Specifically, we use the STM32-103STK Development board by Olimex with its embedded peripherals. First of all, we give a description of system characteristics and important information about its operation and the advantages it offers to users. Moreover, there is a reference and analysis regarding the available development environments for creating and debugging embedded applications and finally there is a detailed presentation of the algorithm used for the development of this particular application. The implemented system measures the acceleration values through a 3-axis accelerometer, then presents those values on an LCD screen to inform the user and stores the values in an SD(Secure Digital) memory card.

Η παρούσα διπλωματική εργασία μελετά την ανίχνευση και παρακολούθηση της κίνησης των ανθρώπων μέσα από δίκτυα καμερών. Σκοπός της παρούσας εργασίας είναι η υλοποίηση ενός συστήματος ανίχνευσης , παρακολούθησης εκ νέου ταυτοποίησης των ανθρώπων που διέρχονται μέσα από ένα δίκτυο καμερών καθώς και να προτείνει ένα μοντέλο για την κατανόηση της τοπολογίας του δικτύου των καμερών. Το κύριο πρόβλημα υποδιαιρείται σε τρία επιμέρους υπό – προβλήματα. Το πρώτο αφορά την ανίχνευση κίνησης. Το δεύτερο την παρακολούθηση των ανθρώπων και τέλος το τρίτο αφορά την αντιστοίχηση τους μεταξύ των καμερών. Σαν αποτέλεσμα στο τέλος έχουμε για κάθε άνθρωπο το μονοπάτι που διέγραψε μέσα στο δίκτυο. Η Ανίχνευση κίνησης υλοποιείται με αφαίρεση φόντου. Η παρακολούθηση υλοποιείται με δύο χαρακτηριστικά, αυτά του κέντρου μάζας και του χρωματικού ιστογράμματος. Η τοπολογία του δικτύου ανακαλύπτεται με ένα μοντέλο που καταγράφει σημεία εισόδου και εξόδου συσχετισμένα με την αντίστοιχη κάμερα από την οποία εισήλθαν ή στην οποία εξήλθαν αντίστοιχα οι άνθρωποι. Κατόπιν γίνεται αντιστοίχηση των σημείων αυτών στις κρίσιμες περιοχές της κάθε κάμερας και η πλειοψηφία των συσχετίσεων τους ορίζει την επικοινωνούσα , για αυτές τις περιοχές , κάμερα. Τέλος γίνεται η αντιστοίχηση των διαδρομών μεταξύ καμερών με έλεγχο χώρο-χρονικών χαρακτηριστικών και χαρακτηριστικών εμφάνισης. Το σύστημα υλοποιήθηκε σε Matlab και έτρεξε σε Intel i7 με συχνότητα 2.93 Ghz και 8GB μνήμης ram. Οι αλγόριθμοι λειτούργησαν ικανοποιητικά με πολύ καλά αποτελέσματα, και μπορούν να περάσουν ως είσοδοι σε πληθώρα εφαρμογών υψηλοτέρου επιπέδου που έχουν ως σκοπό την αναγνώριση της ανθρώπινης δραστηριότητας και την κατανόηση συμπεριφοράς. / This thesis deals with the detection and motion tracking through camera networks. Its purpose is to implement a system for monitoring human movement and perform re-identification in camera networks. It also proposes a model for discovering the topology of cameras network. The main problem is divided into three sub – problems. The first one deals with motion detection , the second one tracks every human located in the plane, and finally the third one has to do with the re-identification between the cameras. As a result we find and identify all human’s paths traced in the network. At first we start with detection that involves also background subtraction. The background is recovered in a dynamic way at every frame and involves median selection. Tracking is accomplished using two features, the centroid and the color histogram. Network topology is discovered from a model which reports entry and exit points associated with the corresponding camera. The system is implemented in Matlab and runs on Intel i7 with frequency 2.93 Ghz and 8GB of ram. The algorithms perform well producing very good results, and can be fed as inputs to a variety of applications that deal with problems related to higher level recognition of human activity and behavior understanding.