Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Λιακόπουλος, Αθανάσιος
Μορφή: Μεταπτυχιακή εργασία
Γλώσσα:Greek
Έκδοση: Α.Ε.Ι. Πειραιά Τ.Τ. 2019
Θέματα:
Διαθέσιμο Online:http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4998
_version_ 1780278361059229696
abstract Η παρούσα διπλωματική εργασία ασχολείται με την ανάπτυξη αλγορίθμων - μοντέλων σε κώδικα Python και την εφαρμογή αυτών στην συσκευή Raspberry Pi 3 για την πολλαπλή ανάλυση και ανίχνευση αντικειμένων συγκεκριμένου ενδιαφέροντος.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 άλλα.
abstracttranslated The present thesis concerns the development of algorithms-models on Python Code and the application on a Raspberry Pi 3 for multi-object detection.The following methods that took place for developing this project are based on Artificial Intelligence (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.
advisor
author Λιακόπουλος, Αθανάσιος
author_facet Λιακόπουλος, Αθανάσιος
author_sort Λιακόπουλος, Αθανάσιος
collection Okeanis Institutional Repository
format Μεταπτυχιακή εργασία
id okeanis-123456789-4998
institution University of West Attica Campus II
keyword Τεχνητή νοημοσύνη
Raspberry Pi
Python
Αλγόριθμοι
language Greek
physical 55
publishDate 2019
publisher Α.Ε.Ι. Πειραιά Τ.Τ.
record_format dspace
spelling okeanis-123456789-49982019-09-02T09:12:39Z Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python Object tracking with raspberry- pi and python Λιακόπουλος, Αθανάσιος Έλληνας, Ιωάννης TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Τεχνητή νοημοσύνη Raspberry Pi Python Αλγόριθμοι Η παρούσα διπλωματική εργασία ασχολείται με την ανάπτυξη αλγορίθμων - μοντέλων σε κώδικα Python και την εφαρμογή αυτών στην συσκευή Raspberry Pi 3 για την πολλαπλή ανάλυση και ανίχνευση αντικειμένων συγκεκριμένου ενδιαφέροντος.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 άλλα. The present thesis concerns the development of algorithms-models on Python Code and the application on a Raspberry Pi 3 for multi-object detection.The following methods that took place for developing this project are based on Artificial Intelligence (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. 2019-05 Μεταπτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4998 el Α.Ε.Ι. Πειραιά Τ.Τ. 55 http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/4998/4/%ce%94%ce%b9%cf%80%ce%bb%cf%89%ce%bc%ce%b1%cf%84%ce%b9%ce%ba%ce%ae-%ce%91%ce%b8%ce%b1%ce%bd%ce%ac%cf%83%ce%b9%ce%bf%cf%82-%ce%9b%ce%b9%ce%b1%ce%ba%cf%8c%cf%80%ce%bf%cf%85%ce%bb%ce%bf%cf%82-ais-0126.pdf.jpg
spellingShingle TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη
Λιακόπουλος, Αθανάσιος
Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title_full Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title_fullStr Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title_full_unstemmed Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title_short Ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title_sort ανίχνευση κίνησης αντικειμένων με raspberry- pi και python
title_translated Object tracking with raspberry- pi and python
topic TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη
url http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/4998