dc.contributor.author | Παρασκευόπουλος, Γεώργιος | el |
dc.contributor.author | Paraskevopoulos, Georgios | en |
dc.date.accessioned | 2016-07-26T09:38:38Z | |
dc.date.available | 2016-07-26T09:38:38Z | |
dc.date.issued | 2016-07-26 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/43274 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.12640 | |
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 | Μηχανική μάθηση | el |
dc.subject | Διαδίκτυο των αντικειμένων | el |
dc.subject | Αναγνώριση χειρονομιών | el |
dc.subject | Φυσική διεπαφή χρήστη | el |
dc.subject | Επικοινωνία μηχανής με μηχανή | el |
dc.subject | Επικοινωνία μηχανής με μηχανη | el |
dc.subject | Machine learning | en |
dc.subject | Internet of things | en |
dc.subject | Gesture recognition | en |
dc.subject | Natural user interface | en |
dc.subject | Machine to machine communication | en |
dc.title | Σχεδίαση συστήματος απομακρυσμένου ελέγχου αντικειμένων μέσω στάσεων του σώματος και χειρονομιών με χρήση σκελετικών δεδομένων | el |
dc.title | Designing a smart room pose and gesture based control interface using skeletal data | en |
heal.type | bachelorThesis | |
heal.classification | Αντίληψη υπολογιστών | el |
heal.classification | Computer vision | el |
heal.classificationURI | http://data.seab.gr/concepts/12c1c913dbe758d67c4c509a6768bdbc7905830c | |
heal.classificationURI | http://data.seab.gr/concepts/12c1c913dbe758d67c4c509a6768bdbc7905830c | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2016-07-13 | |
heal.abstract | The objective of this thesis is the design and implementation of a Natural User Interface to enable the interaction with devices in a smart room using gestures and poses. The rise of Internet of Things brings up the need of designing novel, action based user interfaces to interact with devices in the physical world. Specifically our work is focused on the problems of pose detection, real time gesture recognition and composing them in a microservice architecture that will be executed in a heterogeneous computing environment. Firstly we focus on the problem of pose detection and we devise a simple and efficient template matching based solution using geometric data extracted from the Kinect sensor. Additionally we provide a way to extend the algorithm to new poses by streamlining the definition of pose templates. Next, we tackle the problem of real time gesture recognition. specifically we construct a real life dataset and extract a novel set of low level geometric features. Then we compare the peroformance of several well known machine learning algorithms on this set of features by evaluating the recognition accuracy and the prediction time of the classifiers in a set of different scenarios. Finally we compose these techniques under an architecture which is integrated in the SYNAISTHISI platform. We make use of modern technologies and design principles to implement the final system as an Internet of Things application. Moreover we provide a quantitative and qualitative evaluation from the users in real world scenarios. | en |
heal.abstract | Αρχικά εστιάζουμε στο πρόβλημα ανίχνευσης πόζας, για το οποίο εξάγουμε μια απλή και αποδοτική λύση με χρήση ταιριάσματος προτύπων πάνω σε γεωμετρικά χαρακτηριστικά που εξάγουμε από τον αισθητήρα Kinect. Επίσης παρέχουμε έναν εύκολο τρόπο για την επέκταση του αλγορίθμου σε νέες πόζες μέσω του ορισμού νέων προτύπων. Στη συνέχεια προτείνουμε μια μέθοδο για την αναγνώριση χειρονομιών σε πραγματικό χρόνο. Συγκεκριμένα κατασκευάζουμε ένα νέο σύνολο δεδομένων και εξάγουμε ένα σύνολο γεωμετρικών χαρακτηριστικών χαμηλού επιπέδου και συγκρίνουμε την απόδοση πολλών, γνωστών αλγορίθμων μηχανικής πάνω σε αυτά τα χαρακτηριστικά. Η επίδοση της μεθόδου αξιολογείται με μία σειρά πειραμάτων που στοχεύουν να προσδιορίσουν τόσο την ακρίβεια της αναγνώρισης όσο και το χρόνο πρόβλεψης για κάθε ταξινομητή σε διάφορα σενάρια. Τέλος συνδυάζουμε αυτούς τους αλγορίθμους σε μια αρχιτεκτονική την οποία ενσωματώνουμε στην πλατφόρμα SYNAISTHISI. Το σύστημα υλοποιείται με τη χρήση σύγχρονων τεχνολογιών και αρχών σχεδίασης και αποτελεί μια εφαρμογή στα πλαίσια του Διαδικτύου των Αντικειμένων. Επιπλέον παραθέτουμε μια ποσοτική και ποιοτική αξιολόγηση από τους χρήστες του συστήματος σε πραγματικά σενάρια. | el |
heal.sponsor | The current work was developed in the Computer Intelligence lab of NCSR Demokritos. The lab provided the hardware needed for the development of the project (Kinect, Raspberry Pi, Smart Room) and founded the resulting publications. | en |
heal.sponsor | Η παρούσα εργασία έγινε στο εργαστήριο Υπολογιστικής Νοημοσύνης στο Ε.Κ.Ε.Φ.Ε. Δημόκριτος. Το εργαστήριο παρείχε το απαιτούμενο υλικό για την υλοποίηση της εργασίας (αισθητήρα Kinect, Raspberry Pi, έξυπνο δωμάτιο) καθώς και τη χρηματοδότηση για τις απορρέουσες δημοσιεύσεις. | el |
heal.advisorName | Κόλλιας, Στέφανος | el |
heal.advisorName | Kollias, Stefanos | en |
heal.committeeMemberName | Περαντώνης, Σταύρος | el |
heal.committeeMemberName | Στάμου, Γεώργιος | el |
heal.committeeMemberName | Κόλλιας, Στέφανος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 97 σ. | el |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: