Solitamente il movimento viene rilevato con appositi sensori, i quali possono essere ad infrarossi, in grado di riportare informazioni su un'analisi dell'ambiente nelle sue tre dimensioni. Ma non è questo il campo tipico della visione artificiale, comunemente nota come computer vision. Infatti questa fa riferimento a quell'insieme di algoritmi che permettono alla macchina di trarre informazioni da immagini digitali e video. Personalmente sono rimasto affascinato da come sia possibile trarre risultati simili a quelli dei tipici sensori, utilizzando una rappresentazione bidimensionale della realtà. Capire cosa accade in un'immagine non è semplice, è un'operazione che richiede un'attività semantica. Sicuramente però alla base di questo processo si trova la rilevazione del movimento, ovvero di una alterazione nei valori dei pixel. Ed è proprio su come analizzare questi dati che ho qui deciso di scrivere. Questa capacità, a livello Forza Armata, troverebbe un impiego a livello di sicurezza e addestramento. Nel primo caso, nell'ambito della sorveglianza, potrebbe essere a complemento del personale, oppure essere utilizzata per un risparmio in quantità di videocamere sfruttando la loro capacità di movimento e tracciamento. Altrimenti si potrebbe utilizzare il rilevamento della sagoma per un maggior coinvolgimento durante le simulazioni virtuali di addestramento. Ho suddiviso il lavoro in tre capitoli. Il primo tratta di alcuni elementi basilari che è necessario conoscere per poter comprendere i successivi. Nel secondo espongo alcune tecniche più conosciute e da sempre utilizzare, e che tuttora si trovano alla base di programmi più complessi. Il terzo analizza il problema dell'individuazione del soggetto per intero, di come sia possibile tracciarne il comportamento e metterlo in relazione con altri dati da noi posseduti per trarne delle deduzioni. Inoltre, in seguito ad alcuni esempi, ho inserito delle righe di codice che possono essere utili come input per provare ciò che viene descritto. Infine, per i vari test e la stesura finale ho deciso di utilizzare Processing, un linguaggio basato su quello già trattato col professore in aula, Java. Quello che mi ha portato ad utilizzarlo è la sua fantastica predisposizione alla programmazione di elementi grafici, che siano animati o meno. Questo mi ha semplificato di molto lo studio, in quanto, essendo un linguaggio di alto livello, non ho avuto molte difficoltà a spiegare meccanicamente alla macchina cosa volevo che facesse. Per chi è nuovo nel mondo della programmazione credo che un approccio più alto e teorico possa semplificare la comunicazione.

Rilevazione e tracciamento del movimento

CHORAZY, MAKSYMILIAN
2019/2020

Abstract

Solitamente il movimento viene rilevato con appositi sensori, i quali possono essere ad infrarossi, in grado di riportare informazioni su un'analisi dell'ambiente nelle sue tre dimensioni. Ma non è questo il campo tipico della visione artificiale, comunemente nota come computer vision. Infatti questa fa riferimento a quell'insieme di algoritmi che permettono alla macchina di trarre informazioni da immagini digitali e video. Personalmente sono rimasto affascinato da come sia possibile trarre risultati simili a quelli dei tipici sensori, utilizzando una rappresentazione bidimensionale della realtà. Capire cosa accade in un'immagine non è semplice, è un'operazione che richiede un'attività semantica. Sicuramente però alla base di questo processo si trova la rilevazione del movimento, ovvero di una alterazione nei valori dei pixel. Ed è proprio su come analizzare questi dati che ho qui deciso di scrivere. Questa capacità, a livello Forza Armata, troverebbe un impiego a livello di sicurezza e addestramento. Nel primo caso, nell'ambito della sorveglianza, potrebbe essere a complemento del personale, oppure essere utilizzata per un risparmio in quantità di videocamere sfruttando la loro capacità di movimento e tracciamento. Altrimenti si potrebbe utilizzare il rilevamento della sagoma per un maggior coinvolgimento durante le simulazioni virtuali di addestramento. Ho suddiviso il lavoro in tre capitoli. Il primo tratta di alcuni elementi basilari che è necessario conoscere per poter comprendere i successivi. Nel secondo espongo alcune tecniche più conosciute e da sempre utilizzare, e che tuttora si trovano alla base di programmi più complessi. Il terzo analizza il problema dell'individuazione del soggetto per intero, di come sia possibile tracciarne il comportamento e metterlo in relazione con altri dati da noi posseduti per trarne delle deduzioni. Inoltre, in seguito ad alcuni esempi, ho inserito delle righe di codice che possono essere utili come input per provare ciò che viene descritto. Infine, per i vari test e la stesura finale ho deciso di utilizzare Processing, un linguaggio basato su quello già trattato col professore in aula, Java. Quello che mi ha portato ad utilizzarlo è la sua fantastica predisposizione alla programmazione di elementi grafici, che siano animati o meno. Questo mi ha semplificato di molto lo studio, in quanto, essendo un linguaggio di alto livello, non ho avuto molte difficoltà a spiegare meccanicamente alla macchina cosa volevo che facesse. Per chi è nuovo nel mondo della programmazione credo che un approccio più alto e teorico possa semplificare la comunicazione.
ITA
IMPORT DA TESIONLINE
File in questo prodotto:
File Dimensione Formato  
941534_tesichorazy.pdf

non disponibili

Tipologia: Altro materiale allegato
Dimensione 1.71 MB
Formato Adobe PDF
1.71 MB Adobe PDF

Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Usare il seguente URL per citare questo documento: https://hdl.handle.net/20.500.14240/150044