Publikace detail

Gender recognition using thermal images from UAV

Autoři: Příhodová Kateřina | Jech Jakub

Rok: 2021

Druh publikace: článek ve sborníku

Název zdroje: Proceedings of The International Conference on Information and Digital Technologies 2021

Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání: New York

Strana od-do: 83-88

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Rozpoznávání pohlaví pomocí termosnímků z UAV	Rozpoznávání pohlaví je jedním z problémů, kterým se počítačové vidění zabývá. Je užitečné pro analýzu lidského chování, inteligentní sledování nebo interakci člověka s robotem. Cílem tohoto příspěvku je rozpoznat pohlaví osob ve venkovních prostorách, kde je velmi obtížné až nemožné střežit všechny přístupové cesty k místu, a to i za zhoršených světelných podmínek nebo ve tmě. V tomto příspěvku bude navržen a otestován model pomocí řízeného letu UAV, během kterého byly získány snímky lidí. Senzorem je termokamera umístěná na UA V , která není závislá na okolním osvětlení a pro následné zpracování a klasifikaci obrazu se používají metody hlubokého učení. Jedná se o konvoluční neuronové sítě (AlexNet, GoogLeNet), které poslouží k řešení binární klasifikace. Optimalizované sítě dosahují přesnosti klasifikace 81,6 % % (GoogLeNet) a 82,3 % (AlexNet). K učení CNN byla použita volně dostupná databáze [21] a k testování sítí vlastní databáze (snímky získané termokamerou připojenou k UAV).	rozpoznávání pohlaví; termální snímky; UAV; konvoluční neuronové sítě
eng	Gender recognition using thermal images from UAV	Gender recognition is one of the issues that computer vision deals with. It is useful for analysing human behaviour, intelligent tracking, or human-robot interaction. The aim of this paper is to recognise the gender of people in outdoor areas, where it is very difficult or impossible to guard all access roads to the place, even in poor lighting conditions or in the dark. In this paper, a model will be designed and tested using a controlled UAV flight, during which images of people were obtained. The sensor is a thermal camera located on the UA V , which is not dependent on ambient lighting, and deep learning methods are used for subsequent image processing and classification. These are convolutional neural networks (AlexNet, GoogLeNet), which will be used to solve binary classification. Optimized networks achieve classification accuracy of 81.6 %% (GoogLeNet) and 82.3% (AlexNet). A freely available database [21] was used to learn CNNs, and a self-created database (images obtained with a thermal camera attached to a UAV) was used to test the networks.	gender recognition; thermal image; UAV; convolutional neural networks

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte