Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things
| Κύριος συγγραφέας: | |
|---|---|
| Μορφή: | Πτυχιακή εργασία |
| Γλώσσα: | Greek |
| Έκδοση: |
Α.Ε.Ι. Πειραιά Τ.Τ.
2017
|
| Θέματα: | |
| Διαθέσιμο Online: | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/3767 |
| _version_ | 1780524885842329600 |
|---|---|
| abstract | Η παρούσα πτυχιακή εργασία ασχολείται με την ανάπτυξη αλγορίθμων - μοντέλων σε Matlab και Simulink αλλά και σε κώδικα Python και την εφαρμογή αυτών στην συσκευή Raspberry Pi 3 για την πολλαπλή ανάλυση και ανίχνευση αντικειμένων συγκεκριμένου ενδιαφέροντος και την ανάλυση των στατιστικών από τα αποτελέσματα στο Internet of Things και στο ThingSpeak. Οι τεχνικές που εφαρμόζονται για την περάτωση αυτού του έργου είναι ένα μέρος τεχνητής νοημοσύνης (Machine Learning) καθώς και εφαρμογή πολλαπλών μαθηματικών αλγορίθμων και τεχνικών (Gaussian Mixture Model, Morphological Opening, Foreground Detection, Bayesian Inference, Kalman Filter) και πολλά άλλα. Σε αρχικό στάδιο θα εφαρμόσουμε τους αλγορίθμους σε κώδικα Objective C και Matlab και σε μεταγενέστερο στάδιο σε Python για την εφαρμογή του ίδιου σκοπού και την βέλτιστη απόδοση του αλγορίθμου με μηδαμινή προσέγγιση σφάλματος |
| abstracttranslated | The present thesis concerns the development of algorithms-models on Matlab and Simulink and also on Python Code and the application on a Raspberry Pi 3 for multi-object detection and statistic analysis of the results on Internet of Things and ThingSpeak. The following methods that took place for developing this project are based on Artificial Inteligence (Machine Learning) and also the application of multiple mathematical algorithms and techniques such as (Gaussian Mixture Model, Morphological Opening, Foreground Detection, Bayesian Inference, Kalman Filter) etc. On alpha stage we will apply the algorithms on Objection C and Matlab and then on Python for the application of the same purpose and the improvement of the algorithm’s accuracy with zero potential error. |
| advisor | |
| author | Γαλανάκης, Ιωάννης |
| author_facet | Γαλανάκης, Ιωάννης |
| author_sort | Γαλανάκης, Ιωάννης |
| collection | Okeanis Institutional Repository |
| facultydepartment | Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστικών Συστημάτων Τ.Ε. |
| format | Πτυχιακή εργασία |
| id | okeanis-123456789-3767 |
| institution | University of West Attica Campus II |
| keyword | Τεχνητή νοημοσύνη Raspberry Pi Internet of things MATLAB Simulink ThingSpeak Multi object detection Cloud Ανίχνευση αντικειμένων Python |
| language | Greek |
| physical | 107 |
| publishDate | 2017 |
| publisher | Α.Ε.Ι. Πειραιά Τ.Τ. |
| record_format | dspace |
| spelling | okeanis-123456789-37672018-12-14T13:38:10Z Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things Γαλανάκης, Ιωάννης Έλληνας, Ιωάννης Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστικών Συστημάτων Τ.Ε. TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Τεχνητή νοημοσύνη Raspberry Pi Internet of things MATLAB Simulink ThingSpeak Multi object detection Cloud Ανίχνευση αντικειμένων Python Η παρούσα πτυχιακή εργασία ασχολείται με την ανάπτυξη αλγορίθμων - μοντέλων σε Matlab και Simulink αλλά και σε κώδικα Python και την εφαρμογή αυτών στην συσκευή Raspberry Pi 3 για την πολλαπλή ανάλυση και ανίχνευση αντικειμένων συγκεκριμένου ενδιαφέροντος και την ανάλυση των στατιστικών από τα αποτελέσματα στο Internet of Things και στο ThingSpeak. Οι τεχνικές που εφαρμόζονται για την περάτωση αυτού του έργου είναι ένα μέρος τεχνητής νοημοσύνης (Machine Learning) καθώς και εφαρμογή πολλαπλών μαθηματικών αλγορίθμων και τεχνικών (Gaussian Mixture Model, Morphological Opening, Foreground Detection, Bayesian Inference, Kalman Filter) και πολλά άλλα. Σε αρχικό στάδιο θα εφαρμόσουμε τους αλγορίθμους σε κώδικα Objective C και Matlab και σε μεταγενέστερο στάδιο σε Python για την εφαρμογή του ίδιου σκοπού και την βέλτιστη απόδοση του αλγορίθμου με μηδαμινή προσέγγιση σφάλματος The present thesis concerns the development of algorithms-models on Matlab and Simulink and also on Python Code and the application on a Raspberry Pi 3 for multi-object detection and statistic analysis of the results on Internet of Things and ThingSpeak. The following methods that took place for developing this project are based on Artificial Inteligence (Machine Learning) and also the application of multiple mathematical algorithms and techniques such as (Gaussian Mixture Model, Morphological Opening, Foreground Detection, Bayesian Inference, Kalman Filter) etc. On alpha stage we will apply the algorithms on Objection C and Matlab and then on Python for the application of the same purpose and the improvement of the algorithm’s accuracy with zero potential error. 2017-09 Πτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/3767 el http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα Α.Ε.Ι. Πειραιά Τ.Τ. 107 http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/3767/7/%ce%a0%cf%84%cf%85%cf%87%ce%b9%ce%b1%ce%ba%ce%ae-%ce%93%ce%b1%ce%bb%ce%b1%ce%bd%ce%ac%ce%ba%ce%b7%cf%82%20%ce%99%cf%89%ce%ac%ce%bd%ce%bd%ce%b7%cf%82%2042926.pdf.jpg |
| spellingShingle | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Γαλανάκης, Ιωάννης Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things |
| title | Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things |
| title_full | Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things |
| title_fullStr | Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things |
| title_full_unstemmed | Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things |
| title_short | Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things |
| title_sort | καταμέτρηση και ανάλυση κυκλοφορίας με raspberry pi και κάμερα στο internet of things |
| topic | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη |
| url | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/3767 |