| 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 a n 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 sou re 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. A n 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 a n 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 sou re 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. A n 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.
|
|
Faire une suggestion Affiner la recherche
Reduce false positives of fall video detection algorithm by hybridizing CNN model and Haar cascade classifer / Amal EL KAID
