热图像识别
類別: 机器学习

该项目旨在设计一种工具,该工具将分析来自IR传感器的数据显示,以便随后可以检测房间中人员的存在。位于该区域的几台摄像机拍摄热图像并使用它们来确定房间里有多少人以及他们在做什么。人的活动由几个主要状态定义,例如:座位,看台,移动。

团队成员 经验
在测试集创建期间准备的照片数量
0
在学习阶段之后,算法能够识别以下状态
状態1

算法表明是否是一个人

alt
alt
alt
alt
坐镇
alt
站立
alt
移动
國家2

算法表明是否是一个人

alt
alt
alt
alt
与别人交谈
alt
alt
通电话

我们发现该项目在某些方面具有挑战性。需要选择适当的设备组件并开发能够控制设备的软件系统。

最后的任务是设计一个人工智能模型,分析特定的热图像。在这个阶段,数据安全性和处理效率至关重要。

利用Lepton FLIR传感器制作原型,该传感器与Raspberry PI一起使用,作为测试和收集数据的平台。以这种方式收集的特定图像,随后使用有目的设计的软件和计算机进行人工处理。

描述了52.000张图像中的每张图像 - 标记了人数及其状态(站立,坐着,移动)。以这种方式创建的数据集最大化了人工智能学习过程。这就是分析过程中算法能够识别人数的原因,即使是新的,以前没有看过的图像。

结果出现了一种新工具,它基于热像仪的图像分析房间内人的运动。它还可以表明,空间的哪些部分被更频繁地使用,以及人们不愿意花时间的地方。所有这些都是在最小的隐私侵犯的情况下进行的。

了解贵公司如何从机器学习中受益