A partir de cette page vous pouvez :
Retourner au premier écran avec les étagères virtuelles... |
Résultat de la recherche
1 résultat(s) recherche sur le mot-clé 'Apprentissage profond, reseau de neurones convolution, Detection humaine, Reduire les fausses alertes.'
Affiner la recherche Faire une suggestion
Reduce false positives of fall video detection algorithm by hybridizing CNN model and Haar cascade classifer / Amal EL KAID
Titre : Reduce false positives of fall video detection algorithm by hybridizing CNN model and Haar cascade classifer Type de document : projet fin études Auteurs : Amal EL KAID, Auteur Langues : Français (fre) Catégories : SDBD Mots-clés : Apprentissage profond, reseau de neurones convolution, Detection humaine, Reduire les
fausses alertes.Index. décimale : mast 90/18 Résumé : Les algorithmes de detection des chutes en video ont montre une grande importance surtout pour les
personnes ^agees. Un nombre de recherches sont faites an de diminuer le taux de chutes chez eux.
L'algorithme Angely est un des algorithmes performants qui repond ~A ce besoin, il permet de declencher
une alerte en cas de chute d'une personne ^agee. Bien que cet algorithme a sauve plusieurs vies en declenchant
des alertes rapides, il soure de la grande quantite de fausses alertes envoyees. Cet inconvenient
est devenu notre motivation majeure qui nous a pousse d'entamer ce projet. Le but de ce travail est de
proposer un algorithme qui arrive a minimiser ces fausses positives en surmontant les dicultes de la basse
qualite d'images des cameras de video-surveillance. An de repondre a ces exigences, nous proposons une
hybridation de la methode de detection humaine, basee sur les caracteristiques pseudo-Haar, et un modele
de reseau de neurones convolutif. Ces methodes ont ete choisies gr^ace a leur haute performance dans notre
cas. Avec cette proposition, nous avons participe a l'amelioration de la performance de l'algorithme de
detection des chutes.
Reduce false positives of fall video detection algorithm by hybridizing CNN model and Haar cascade classifer [projet fin études] / Amal EL KAID, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : SDBD Mots-clés : Apprentissage profond, reseau de neurones convolution, Detection humaine, Reduire les
fausses alertes.Index. décimale : mast 90/18 Résumé : Les algorithmes de detection des chutes en video ont montre une grande importance surtout pour les
personnes ^agees. Un nombre de recherches sont faites an de diminuer le taux de chutes chez eux.
L'algorithme Angely est un des algorithmes performants qui repond ~A ce besoin, il permet de declencher
une alerte en cas de chute d'une personne ^agee. Bien que cet algorithme a sauve plusieurs vies en declenchant
des alertes rapides, il soure de la grande quantite de fausses alertes envoyees. Cet inconvenient
est devenu notre motivation majeure qui nous a pousse d'entamer ce projet. Le but de ce travail est de
proposer un algorithme qui arrive a minimiser ces fausses positives en surmontant les dicultes de la basse
qualite d'images des cameras de video-surveillance. An de repondre a ces exigences, nous proposons une
hybridation de la methode de detection humaine, basee sur les caracteristiques pseudo-Haar, et un modele
de reseau de neurones convolutif. Ces methodes ont ete choisies gr^ace a leur haute performance dans notre
cas. Avec cette proposition, nous avons participe a l'amelioration de la performance de l'algorithme de
detection des chutes.
Réservation
Réserver ce document
Exemplaires
Code barre Cote Support Localisation Section Disponibilité mast 90/18 mast 90/18 AMA Texte imprimé Unité des masters Mast/18 Disponible