📄Работа №165352
Тема: Разработка системы распознавания курения по визуальным данным
Тип работы
Бакалаврская работа
Предмет
Информационные системы
Объем:
97 листов
Год:
2020
Просмотров:
75
4700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 12
1 Анализ предметной области 13
1.1 Постановка проблемы 13
1.1.1 О вреде курения табака 13
1.1.2 Задача распознавания курения 14
1.2 Методы распознавания курения 15
1.3 Машинное обучение 16
1.3.1 Обучение с учителем 19
1.3.2 Обучение без учителя 21
1.3.3 Обучение с подкреплением 22
1.4 Методы машинного обучения для распознавания курения 24
1.4.1 Традиционные методы машинного обучения 27
1.4.1.1 Метод опорных векторов 27
1.4.1.2 Деревья решений 28
1.4.1.3 Метод k-средних 28
1.4.2 Нейронные сети 29
1.4.3 Нейронные сети глубокого обучения 33
1.4.3.1 Сверточные нейронные сети 33
1.4.3.1.1 Слои сверточной нейронной сети 35
1.4.4 Традиционные методы машинного обучения и нейронные сети
глубокого обучения 37
1.5 Выявление признаков курения 38
1.6 Выводы по 1 главе 39
2 Разработка алгоритма распознавания курения по визуальным данным 41
2.1 Предобработка видеопоследовательности 41
2.2 Выбор архитектуры нейронной сети 44
2.2.1 AlexNet 44
2.2.2 VGGNet 45
2.2.3 ResNet 47
2.3 Трехмерные сверточные нейронные сети 51
2.4 Модифицированная архитектура нейронной сети 54
2.5 Обучение нейронной сети 56
2.6 Оптимизация 56
2.6.1 Стохастический градиентный спуск 56
2.6.2 Пакетная нормализация 60
2.7 Алгоритм распознавания курения 61
2.8 Описание процесса курения 61
2.9 Выводы по 2 главе 68
3 Экспериментальные исследования 69
3.1 Набор данных 69
3.2 Эксперимент 72
3.3 Выводы по 3 главе 80
ЗАКЛЮЧЕНИЕ 81
СПИСОК СОКРАЩЕНИЙ 82
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 83
СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ВЫПУСКНОЙ
КВАЛИФИКАЦИОННОЙ РАБОТЫ 88
Приложение
1 Анализ предметной области 13
1.1 Постановка проблемы 13
1.1.1 О вреде курения табака 13
1.1.2 Задача распознавания курения 14
1.2 Методы распознавания курения 15
1.3 Машинное обучение 16
1.3.1 Обучение с учителем 19
1.3.2 Обучение без учителя 21
1.3.3 Обучение с подкреплением 22
1.4 Методы машинного обучения для распознавания курения 24
1.4.1 Традиционные методы машинного обучения 27
1.4.1.1 Метод опорных векторов 27
1.4.1.2 Деревья решений 28
1.4.1.3 Метод k-средних 28
1.4.2 Нейронные сети 29
1.4.3 Нейронные сети глубокого обучения 33
1.4.3.1 Сверточные нейронные сети 33
1.4.3.1.1 Слои сверточной нейронной сети 35
1.4.4 Традиционные методы машинного обучения и нейронные сети
глубокого обучения 37
1.5 Выявление признаков курения 38
1.6 Выводы по 1 главе 39
2 Разработка алгоритма распознавания курения по визуальным данным 41
2.1 Предобработка видеопоследовательности 41
2.2 Выбор архитектуры нейронной сети 44
2.2.1 AlexNet 44
2.2.2 VGGNet 45
2.2.3 ResNet 47
2.3 Трехмерные сверточные нейронные сети 51
2.4 Модифицированная архитектура нейронной сети 54
2.5 Обучение нейронной сети 56
2.6 Оптимизация 56
2.6.1 Стохастический градиентный спуск 56
2.6.2 Пакетная нормализация 60
2.7 Алгоритм распознавания курения 61
2.8 Описание процесса курения 61
2.9 Выводы по 2 главе 68
3 Экспериментальные исследования 69
3.1 Набор данных 69
3.2 Эксперимент 72
3.3 Выводы по 3 главе 80
ЗАКЛЮЧЕНИЕ 81
СПИСОК СОКРАЩЕНИЙ 82
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 83
СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ВЫПУСКНОЙ
КВАЛИФИКАЦИОННОЙ РАБОТЫ 88
Приложение
📖 Введение
За последнее десятилетие распознавание человеческой деятельности прошло большой путь и сыграло важную роль в области вычислений. Эта растущая популярность может быть объяснена множеством реальных приложений, применяющих распознавание деятельности, в основном связанных с проблемами, ориентированными на человека, такими как, здравоохранение и соблюдение правопорядка.
Распознавание человеческих действий, а в особенности такого сложного действия, как курение, в реальной среде применяют приложения в самых различных областях, включая интеллектуальное видеонаблюдение, анализ поведения сотрудников и покупателей. Тем не менее, точное распознавание действий является очень сложной задачей из-за фонов, окклюзий и вариаций углов обзора. Специально для распознавания человеческих действий разные классы действий могут выглядеть совершенно по-разному с точки зрения их внешнего вида и моделей движения.
В настоящее время предпринимаются многочисленные попытки использования методов интеллектуального анализа данных и машинного обучения для точного выявления действий человека в системах интеллектуального видеонаблюдения.
Целью работы является распознавание курения по визуальным данным с применением нейронных сетей.
Поставлены следующие задачи:
1. Выделить особенности процесса курения на видеопоследовательностях;
2. Разработать алгоритм распознавания курения;
3. Реализовать разработанный алгоритм;
4. Провести экспериментальные исследования.
Распознавание человеческих действий, а в особенности такого сложного действия, как курение, в реальной среде применяют приложения в самых различных областях, включая интеллектуальное видеонаблюдение, анализ поведения сотрудников и покупателей. Тем не менее, точное распознавание действий является очень сложной задачей из-за фонов, окклюзий и вариаций углов обзора. Специально для распознавания человеческих действий разные классы действий могут выглядеть совершенно по-разному с точки зрения их внешнего вида и моделей движения.
В настоящее время предпринимаются многочисленные попытки использования методов интеллектуального анализа данных и машинного обучения для точного выявления действий человека в системах интеллектуального видеонаблюдения.
Целью работы является распознавание курения по визуальным данным с применением нейронных сетей.
Поставлены следующие задачи:
1. Выделить особенности процесса курения на видеопоследовательностях;
2. Разработать алгоритм распознавания курения;
3. Реализовать разработанный алгоритм;
4. Провести экспериментальные исследования.
✅ Заключение
Таким образом, в работе выполнен анализ существующих методов обнаружения курения по визуальным данным.
Для распознавания курения по визуальным данным выбраны пространственно-временные признаки, позволяющие обнаруживать курение независимо от расстояния до курящего человека, его позы, пола, возраста, видимости сигареты в кадре, то есть даже при нерегулярной форме курения.
Модифицирована архитектура сверточной нейронной сети ResNet до трехмерной сверточной нейронной сети, обеспечивающей работу с видеопоследовательностями и учет пространственно-временных признаков курения.
Предложен алгоритм распознавания курения по визуальным данным.
Выполнена предобработка кадров, с помощью методов среднего вычитания и масштабирования для нормализации обрабатываемых видеоизображений, с целью повышения качества работы алгоритма распознавания курения.
Экспериментальные исследования, проведенные на 20
видеопоследовательностях, полученных в реальных условиях съемки, подтверждают эффективность предложенного способа распознавания курения. Распознавание курения выполняется в режиме реального времени. Среднее значение точности обнаружения составило 90%.
Для распознавания курения по визуальным данным выбраны пространственно-временные признаки, позволяющие обнаруживать курение независимо от расстояния до курящего человека, его позы, пола, возраста, видимости сигареты в кадре, то есть даже при нерегулярной форме курения.
Модифицирована архитектура сверточной нейронной сети ResNet до трехмерной сверточной нейронной сети, обеспечивающей работу с видеопоследовательностями и учет пространственно-временных признаков курения.
Предложен алгоритм распознавания курения по визуальным данным.
Выполнена предобработка кадров, с помощью методов среднего вычитания и масштабирования для нормализации обрабатываемых видеоизображений, с целью повышения качества работы алгоритма распознавания курения.
Экспериментальные исследования, проведенные на 20
видеопоследовательностях, полученных в реальных условиях съемки, подтверждают эффективность предложенного способа распознавания курения. Распознавание курения выполняется в режиме реального времени. Среднее значение точности обнаружения составило 90%.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.