Ο σκοπός της διπλωματικής εργασίας ήταν η βελτιστοποίηση ενός αλγορίθμου αναγνώρισης ανθρώπινων προσώπων και η εφαρμογή του σε μια έξυπνη κάμερα. Για την αναγνώριση των προσώπων χρησιμοποιήσαμε τον αλγόριθμο PCA ( Αλγόριθμος ανάλυσης κύριων συνιστωσών ). Η εφαρμογή του αλγορίθμου έγινε σε μια εργαστηριακή έξυπνη κάμερα εξοπλισμένη με τον επεξεργαστή LEON 2 όπως επίσης και με ενσωματωμένη μνήμη Sdram μεγέθους 16Mbytes.
Η βελτιστοποίηση του αλγορίθμου έγινε με γνώμονα την δυνατότητα εφαρμογής του στην έξυπνη κάμερα. Έτσι η υλοποίηση έγινε αρχικά στο περιβάλλον Matlab στην συνέχεια υλοποιήθηκε σε C γλώσσα προγραμματισμού ενώ τέλος εφαρμόστηκε, μετά από κατάλληλες παραμετροποιήσεις, στην έξυπνη κάμερα. Η έξυπνη κάμερα είναι δυνατόν να καταγράφει και να αναγνωρίζει πρόσωπα με ικανοποιητική ακρίβεια, σε χρόνο μικρότερο του ενός δευτερολέπτου.
Τα αποτελέσματα ήταν αρκετά ικανοποιητικά καθώς η κάμερα μπορεί και αναγνωρίζει συγκεκριμένα πρόσωπα, μέσα από ένα σύνολο ανθρώπων που παρακολουθεί. Κύριο πλεονέκτημα της υλοποίησης είναι η μεταφερσιμότητά της που την καθιστά εύχρηστη σε πολλές εφαρμογές που απαιτούν αναγνώριση προσώπων, καθώς επίσης θα μπορούσε να αποτελέσει την βάση για επιπλέον εφαρμογές που θα αποσκοπούσαν στην αναγνώριση διαφορετικών ειδώλων. / The propose of this thesis was the optimizing of an algorithm for Face Recognition, and the implementation of this algorithm to a smart camera. In order to identify the Faces we use the PCA algorithm (Principal Component Analysis) . The implementation of the algorithm was done in a laboratory smart camera, equipped with a LEON2 processor as well as embedded 16Mbytes Sdram memory.
The optimization of the algorithm was based on the applicability in the smart camera. This implementation was done originally in Matlab environment, then implemented in C programming code and after the appropriate configurations applied to the smart camera. The smart camera can record and recognize faceswith sufficient accuracy, in less than one second.
The results were quite good as the camera can also recognize individual Faces within a group of observed people. Main advantage of the implementation is the portability, which makes it useful in many applications that require identification of persons. Also could be the basis for further applications aimed at identifying different kind of images.
| Identifer | oai:union.ndltd.org:upatras.gr/oai:nemertes:10889/4708 |
| Date | 04 October 2011 |
| Creators | Παναγιωτόπουλος, Λεωνίδας |
| Contributors | Αδαός, Κωνσταντίνος, Panagiotopoulos, Leonidas, Αλεξίου, Γεώργιος |
| Source Sets | University of Patras |
| Language | gr |
| Detected Language | Greek |
| Type | Thesis |
| Rights | 0 |
Page generated in 0.0023 seconds