dc.contributor.advisor | Έλληνας, Ιωάννης | |
dc.contributor.author | Γαλανάκης, Ιωάννης | |
dc.date.accessioned | 2017-09-29T06:52:09Z | |
dc.date.available | 2017-09-29T06:52:09Z | |
dc.date.issued | 2017-09 | |
dc.identifier.uri | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/3767 | |
dc.description.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 | el |
dc.format.extent | 107 | el |
dc.language.iso | el | el |
dc.publisher | Α.Ε.Ι. Πειραιά Τ.Τ. | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | * |
dc.subject | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη | el |
dc.title | Καταμέτρηση και ανάλυση κυκλοφορίας με raspberry Pi και κάμερα στο internet of things | el |
dc.type | Πτυχιακή εργασία | el |
dc.contributor.committee | Βελώνη, Αναστασία | |
dc.contributor.committee | Μαστοροκώστας, Πάρις | |
dc.contributor.committee | Γιαννακόπουλος, Παναγιώτης | |
dc.contributor.department | Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστικών Συστημάτων Τ.Ε. | el |
dc.contributor.faculty | Σχολή Τεχνολογικών Εφαρμογών | el |
dc.subject.keyword | Τεχνητή νοημοσύνη | el |
dc.subject.keyword | Raspberry Pi | el |
dc.subject.keyword | Internet of things | el |
dc.subject.keyword | MATLAB | el |
dc.subject.keyword | Simulink | el |
dc.subject.keyword | ThingSpeak | el |
dc.subject.keyword | Multi object detection | el |
dc.subject.keyword | Cloud | el |
dc.subject.keyword | Ανίχνευση αντικειμένων | el |
dc.subject.keyword | Python | el |
dc.description.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. | el |