Development and integration of a real-time human pose estimation and activity classification system
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/329280
Tipus de documentTreball Final de Grau
Data2020-06
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
La estimación de la postura humana y el reconocimiento de la actividad es un componente crucial
en el campo de la visión por ordenador. De este modo, se permite a las máquinas comprender
el comportamiento de las personas en imágenes y vídeos. Debido a los crecientes avances en el
procesado de imágenes y en la visión por ordenador, las técnicas para el reconocimiento de la
actividad humana se han vuelto cada vez más accesibles. En esta tesis, se ha implementado un
sistema de reconocimiento de actividad, en tiempo real y para múltiples personas, utilizando los
puntos anatómicos claves de un esqueleto humano. Estos puntos clave se extraen de imágenes
RGB utilizando la biblioteca de código abierto, OpenPose. Luego, se utiliza una red neuronal
artificial para clasificar las actividades basándose con la posición de estos puntos clave. Para
hacer que el sistema sea capaz de detectar varias personas y al mismo tiempo, se trata a cada
persona de manera independiente y se le asigna una identificación única o ID a cada una. El
método propuesto muestra un rendimiento prometedor, alcanzando más del noventa por ciento
de precisión. Este sistema de reconocimiento de actividad humana puede contribuir a destacados
campos de investigación como el procesamiento de imágenes y el reconocimiento de patrones con
variedad de aplicaciones prácticas. L’estimació de la postura corporal humana i el reconeixement d’activitat és un component molt
rellevant en el camp de la visió per ordinador, permetent a les màquines entendre el comportament
de les persones en imatges i vídeos. A causa dels avenços en processament d’imatge i visió
per ordinador, les tècniques de reconeixement d’activitats humanes han esdevingut cada vegada
més accessibles. En aquesta tesi, s’ha implementat un sistema de reconeixement d’activitat en
temps real i multi persona, utilitzant els punts anatòmics clau d’un esquelet humà. Aquests,
s’extreuen a partir d’imatges RGB mitjançant la biblioteca de codi obert, OpenPose. A continuació,
s’utilitza una xarxa neuronal artificial per classificar-ne l’acció a partir de les posicions de
cada punt clau. Perquè el sistema sigui capaç de suportar múltiples deteccions al mateix temps,
i tracti a cada una de manera independent, se li assigna un identificador únic o ID a cada detecció.
El mètode proposat mostra un rendiment prometedor, assolint una precisió global de prop
del noranta per cent. Aquest sistema de reconeixement d’activitats humanes pot contribuir a
camps d’investigació destacats com el processament d’imatges i el reconeixement de patrons amb
aplicacions pràctiques.
ii Human pose estimation and activity recognition is a crucial component in computer vision, enabling
machines to understand peoples behavior in images and videos. Due to the rising advancements
in computer vision and image processing, techniques for human activity recognition (HAR)
have become increasingly accessible. In this thesis, a real-time multi-human activity recognition
system has been implemented using the anatomical key points of a human being. These key points
are extracted from RGB images using the open-source library, OpenPose. Then, an Artificial Neural
Network is used to recognize the activities related to these key points. To make the system
multi-person and simultaneously treat each person independently, a unique ID is assigned. The
proposed method shows promising performance, reaching over a ninety percent overall accuracy.
This human activity recognition system can contribute to prominent research fields like image
processing and pattern recognition with practical applications
MatèriesBiometry, Neural networks (Computer science), Image processing, Biometria, Xarxes neuronals (Informàtica), Imatges -- Processament
TitulacióGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Treball Final de Grau - Roger Fabre.pdf | 20,61Mb | Visualitza/Obre |