Surveillance system for Mask detection using AI techniques

Ντούνης, Πέτρος; Ntounis, Petros

dc.contributor.author	Ντούνης, Πέτρος	el
dc.contributor.author	Ntounis, Petros	en
dc.date.accessioned	2024-02-13T12:06:47Z
dc.date.available	2024-02-13T12:06:47Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58892
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26588
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Internet of things	en
dc.subject	MQTT	en
dc.subject	Apache Kafka	en
dc.subject	InfluxDB	en
dc.subject	Machine Learning	en
dc.subject	Διαδίκτυο των πραγμάτων	el
dc.subject	Βάσεις δεδομένων	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Υπολογιστική όραση	el
dc.subject	Πρωτόκολλα επικοινωνίας	el
dc.title	Surveillance system for Mask detection using AI techniques	en
dc.title	Σύστημα παρακολούθησης για αναγνώριση μάσκας με τεχνικές μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Computer Engineering	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-18
heal.abstract	Το 2019 ξεκίνησε η πιο πρόσφατη πανδημία, αυτή του COVID-19, η οποία κλόνισε τη πα- γκόσμια κοινότητα. ΄Ενα απο τα πιό αποτελεσματικά μέτρα που ελήφθησαν ήταν αυτό της υποχρεωτικοποίησης της μάσκας σε δημόσιους χώρους, εμποδίζοντας την εξάπλωσή του. Σε πολλούς χώρους οπου ο συνωστισμός ήταν αναπόφευκτος όπως αεροδρόμια ή αποβάθρες τρένων η χρήση της μάσκας θα μπορούσε να γίνει monitor με χρήση αυτοματοποιημένου συ- στήματος χρησιμοποιώντας τεχνολογίες Internet Of things , machine learning. Η χρήση του live feed απο τις κάμερες για προσδιορισμό του ποσοστού των ατόμων που φορούν την μάσκα είναι και ένα πρόβλημα επιστημονικού ενδιαφέροντος λόγω της πολυπλοκότητας του προβλήματος για να γίνει real-time. Η παρούσα διπλωματική εργασία σκοπεύει να παρουσιάσει ένα ολοκληρωμένο μοντέλο real time ανάλυσης του live feed.	el
heal.abstract	2019 was the year of the most recent pandemic of COVID-19 which shocked global community. One of the best measures against the spreading of the disease was the use of mask in public spaces. In many of those public spaces monitoring the percentage of people wearing a mask can be implemented as an autonomous system using technologies from branches of Internet of things and Machine learning. Using live-feed from surveillance cameras to determine the percentages of people who wear and people who don’t is an interesting scientific problem due to its inherit difficulty in order to be real-time. The purpose of this thesis is to present an end to end system to solve this exact problem.	en
heal.advisorName	Τσουμάκος, Δημήτριος	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Γκούμας, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	105 σ.	el
heal.fullTextAvailability	false