Aυτόματη εξαγωγή θεμελιωδών συγκοινωνιακών χαρακτηριστικών με οπτική παρακολούθηση πεζών μέσω βίντεο

Γεωργογιάννης, Δημήτριος; Georgogiannis, Dimitrios

dc.contributor.author	Γεωργογιάννης, Δημήτριος	el
dc.contributor.author	Georgogiannis, Dimitrios	en
dc.date.accessioned	2026-04-27T09:40:52Z
dc.date.available	2026-04-27T09:40:52Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/64363
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.32057
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	Ανίχνευση Πεζών	el
dc.subject	Παρακολούθηση πεζών	el
dc.subject	Όραση υπολογιστών	el
dc.subject	Συνελικτικά Νευρωνικά Δίκτυα	el
dc.subject	Μετασχηματιστές Όρασης	el
dc.subject	Pedestrian Detection	en
dc.subject	Pedestrian Tracking	en
dc.subject	Computer Vision	en
dc.subject	Convolution Neural Networks	en
dc.subject	Vision Transformers	en
dc.title	Aυτόματη εξαγωγή θεμελιωδών συγκοινωνιακών χαρακτηριστικών με οπτική παρακολούθηση πεζών μέσω βίντεο	el
dc.title	Transportation analytics through visual tracking methods on video data	en
heal.type	bachelorThesis
heal.classification	Όραση Υπολογιστών	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2025-10-10
heal.abstract	Η ανάλυση της συμπεριφοράς των πεζών αποτελεί ένα σημαντικό κομμάτι για την διαχείριση της κυκλοφορία και την κατανόηση της δυναμικής του πλήθους τόσο στους εξωτερικούς όσο και στους εσωτερικούς χώρους. Η παρούσα διπλωματική εργασία εστιάζει στην ανίχνευση και παρακολούθηση των πεζών σε βίντεο με την χρήση σύγχρονων μεθόδων βαθιάς μάθησης. Στόχος είναι η ανάπτυξη ενός ολοκληρωμένου συστήματος που συνδυάζει μοντέλα ανίχνευσης και τμηματοποίησης με στόχο την εξαγωγή χωρικών στατιστικών όπως η κατανομή των πεζών στον χώρο, οι μεταξύ τους αποστάσεις και η πυκνότητας τους. Για τον σκοπό αυτό αξιοποιήθηκαν προκαταρτισμένα μοντέλα όπως το YOLO-World, το OWLv2, το FastSAM και το SAM2 σε πραγματικό βίντεο. Η προτεινόμενη μεθοδολογία περιλαμβάνει στάδια προεπεξεργασίας των δεδομένων, ανίχνευσης και τμηματοποίησης των πεζών, καθώς και εξαγωγή των χωρικών τους χαρακτηριστικών. Τα αποτελέσματα αξιολογήθηκαν σε ποιοτικό επίπεδο και έδειξαν πως ο συνδυασμός των μοντέλων OWLv2 + SAM2 παρείχε την υψηλότερη ακρίβεια στην ανίχνευση των πεζών και την παραγωγή των μασκών τους. Συνολικά η εργασία δείχνει πως τα μοντέλα αιχμής βαθιάς μάθησης μπορούν να αξιοποιηθούν για την ανάλυση της χωρικής συμπεριφοράς των πεζών παρέχοντας εργαλεία για την κατανόηση της δυναμικής τους στον χώρο.	el
heal.sponsor	The analysis of pedestrian behavior is an important part of traffic management and understanding crowd dynamics in both outdoor and indoor cases. This thesis focuses on the detection and tracking of pedestrians in videos using modern deep learning methods. The goal is to develop a comprehensive system that combines detection and segmentation models to extract spatial statistics such as the distribution of pedestrians in space, the distances between them, and their density. The main object is to build a complete pipeline that integrates detection and segmentation models in order to extract spatial and statistical features, such as the distribution of pedestrian in space, their pairwise distances and their density. For this purpose several pre-trained models were employed, including YOLO-World, OWLv2, FastSAM and SAM2, which were applied to real-world video data. The proposed methodology involved data preprocessing, object detection and segmentation, and the results were primarily evaluated qualitatively showing that the combination of OWLv2 + SAM2 achieved the highest accuracy at object detection and mask generation. Overall the study demonstrates that state of the art models can be effectively leveraged for pedestrian spatial behavior, providing valuable tools for understanding crowd dynamics.	en
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Κεπαπτσόγλου, Κωνσταντίνος	el
heal.committeeMemberName	Σπυροπούλου, Ιωάννα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	91 σ.	el
heal.fullTextAvailability	false