Título del proyecto: CARRITO (ANALÍTICA DE MULTITUD EN TIEMPO REAL)
INTRODUCCIÓN: Dicen que «los datos relevantes y procesables son su as de picas». Pero para jugar esa carta, uno primero debe tenerla en su mazo. Si alguna organización quiere tomar decisiones basadas en hechos, tener datos procesables a la mano le permite responder a cualquier «¿por qué?» preguntas. Estamos en 2018 y si hay algo que va a seguir aumentando rápidamente en el mundo es la población. La población en constante aumento significa una gran cantidad de datos, los informes dicen que las personas están generando más que nunca, y se espera que se creen 40 zettabytes de datos sin procesar para 2020. Para ser claros: los datos relevantes informados correctamente son indiscutibles y, por lo tanto, obtienen una gran cantidad de datos relevantes. rapidez es lo que cualquier empresa u organización necesita hoy en día, para ofrecer mejores soluciones o construir mejores estrategias. Un área importante donde encontrar datos relevantes en tiempo real es Crowd Analytics. Crowd Analytics es un área donde obtener datos en tiempo real es un regalo. No es de extrañar hoy en día, es el tema de investigación más activo y de moda en la visión artificial. Tradicionalmente, tres pasos de procesamiento implican el análisis de multitudes, y estos incluyen el preprocesamiento, la detección de objetos y el reconocimiento de eventos/comportamientos. Sin embargo, muchas aplicaciones existentes no se procesan en tiempo real. Nuestro objetivo era crear una aplicación de procesamiento de imágenes única que esté completamente automatizada, no necesite intervención humana, sea rentable y tan buena como el rendimiento humano, si no mejor, lo que la mayoría de las aplicaciones actuales no logran. y estos incluyen preprocesamiento, detección de objetos y reconocimiento de eventos/comportamiento. Sin embargo, muchas aplicaciones existentes no se procesan en tiempo real. Nuestro objetivo era crear una aplicación de procesamiento de imágenes única que esté completamente automatizada, no necesite intervención humana, sea rentable y tan buena como el rendimiento humano, si no mejor, lo que la mayoría de las aplicaciones actuales no logran. y estos incluyen preprocesamiento, detección de objetos y reconocimiento de eventos/comportamiento. Sin embargo, muchas aplicaciones existentes no se procesan en tiempo real. Nuestro objetivo era crear una aplicación de procesamiento de imágenes única que esté completamente automatizada, no necesite intervención humana, sea rentable y tan buena como el rendimiento humano, si no mejor, lo que la mayoría de las aplicaciones actuales no logran.
MARCO CONCEPTUAL
Diseño: Colocamos una cámara en el lugar donde se va a analizar la multitud. Luego usamos la transmisión de la cámara, la pasamos a través de varias redes neuronales que detectan la emoción (comportamiento), el género, la atención de la persona y cuentan la cantidad de personas distintas que se han puesto frente a la cámara al codificar sus rostros de manera única. Todo esto en tiempo real.
Características:
- Detección de rostros: descubra los rostros en la vista de la cámara (tiempo real)
- Atención: brinda un análisis en tiempo real de las caras que están atentas o no, mediante el análisis de los ojos.
- Reconocimiento de emociones: brinda un informe continuo de las emociones de los rostros analizados (Feliz, Triste, Enojado, Sorprendido, Disgusto, Miedo)
- Recuento de personas únicas: un gráfico en tiempo real que muestra la cantidad de personas únicas, por lo que si la misma persona vuelve a aparecer, el software es lo suficientemente inteligente como para saber que ha visto a la persona antes.
- Distribución por género: un gráfico circular en tiempo real que muestra la distribución por género.
- Puede cubrir muchos rostros, lo que depende de la claridad, ya que las detecciones de bordes se deterioran con el aumento de la distancia a la cámara.
- Dado que se sigue la configuración recomendada, dará resultados casi instantáneos, es decir, en tiempo real (retraso de ~ 100 ms)
flujo de funcionamiento
ESTRUCTURAS DE DATOS Y ALGORITMOS UTILIZADOS:
hemos utilizado Tensorflow, redes neuronales convolucionales, retropropagación para entrenamiento, gráficos computacionales avanzados, abandonos invertidos, cascadas de Haar, aprendizaje de conjuntos junto con varios métodos de detección de emociones/atención mediante aprendizaje profundo.
Hemos utilizado muchos conceptos de regularización en las múltiples redes neuronales profundas utilizadas.
HERRAMIENTAS UTILIZADAS
Herrajes:
UPC | RAM | Cámara | |
---|---|---|---|
Requerimientos mínimos | CPU de cuatro núcleos | 8 GB | Cámara web de alta resolución |
Recomendado | CPU de 6-8 núcleos | 16 GB | DSLR intermedia de alta resolución |
software y herramientas
- Python con distribución Anaconda
- Angular5
- Node.js
- MongoDB
- tensorflow
- Dlib
- Keras
- Básicamente, es una aplicación de pila media con scripts de Python que se ejecutan en segundo plano.
APLICACIONES: Como se mencionó anteriormente, Crowd Analytics es hoy en día el tema más buscado en Computer Vision. Sus aplicaciones son ilimitadas y sus resultados invaluables para las empresas BigData.
- Básicamente, se puede usar en cualquier área donde se requiera el análisis de multitudes, por ejemplo, en una Auto-Exposición donde las empresas quieren saber rápidamente las reacciones de la multitud ante los lanzamientos de sus nuevos productos mediante el análisis de sus emociones/comportamiento mientras observan un producto.
- Las evacuaciones se pueden planificar a través del modelado y el estudio de la interacción y reacción de la multitud debido a su predicción realmente precisa de la retroalimentación emocional de la multitud.
- Otra aplicación es usar este modelo en diferentes empresas donde podemos usar las reacciones de las personas en colas o mostradores para evaluar la calidad del servicio brindado o para enmendar espontáneamente.
- Se utilizan modelos similares dentro de las industrias cinematográficas para producir simulaciones y escenas realistas y realistas.
- Además, aunque usamos el término multitud, la cantidad de personas a las que nos referimos es de 1 a la cantidad de rostros que la cámara puede detectar claramente, por lo que las aplicaciones de detección de un solo rostro como verificar si el conductor de un automóvil se siente somnoliento o no, al verificar su atención. También se puede hacer usando esta aplicación.
“Los datos te hablarán si estás dispuesto a escucharlos”. –Jim Bergeson
Repositorio del Proyecto Git: https://github.com/srijanreddy98/crowd-analyitcs
Enlace de video de demostración del proyecto: https://evening-mesa-50046.herokuapp.com/home
MIEMBROS DEL EQUIPO :
- ROJO RUTVIK
- SRIJAN ROJO
- ROHAN SUKUMARAN
- POTLURI DE PRATHYUSH
Nota: esta idea de proyecto se contribuye para ProGeek Cup 2.0: una competencia de proyectos de GeeksforGeeks.
Publicación traducida automáticamente
Artículo escrito por rutvikvijjali y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA