การสร้างระบบตรวจนับบุคคลแบบเวลาจริงราคาประหยัดบน Raspberry Pi โดยประยุกต์อัลกอริทึม Tiny YOLO V3
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอการสร้างระบบตรวจนับบุคคลแบบเวลาจริงราคาประหยัดบน Raspberry Pi ด้วยการประยุกต์ใช้อัลกอริทึม Tiny YOLO V3 ซึ่งเป็นอัลกอริทึมการตรวจจับวัตถุรุ่นล่าสุดที่มีความเร็วและความถูกต้องแม่นยำสูง สถาปัตยกรรมของ Tiny YOLO v3 มีความซับซ้อนน้อยกว่าสถาปัตยกรรม YOLO แบบสมบูรณ์มาก ซึ่งเหมาะกับแพลตฟอร์มของระบบสมองกลฝังตัว Raspberry Pi ที่มีทรัพยากรและความเร็วในการประมวลผลที่จำกัด ผลการทดลองแสดงการทำงานของระบบการตรวจนับบุคคลในเวลาจริง รวมถึงประสิทธิภาพในด้านความเร็วและความแม่นยำของระบบที่นำเสนอ
Article Details
บทความนี้เป็นลิขสิทธิ์ของวารสาร Engineering Transactions คณะวิศวกรรมศาสตร์และเทคโนโลยี มหาวิทยาลัยเทคโนโลยีมหานคร
เอกสารอ้างอิง
Y. Hou, G. Pang, “Automated People Counting at A Mass Site,” in 2008 IEEE International Conference on Automation and Logistics, pp. 464-469, September 2008.
“People Counting Machine,” Accessed on: Aug. 12, 2019. [Online]. Available: https://www.indiamart.com /proddetail/people-counting-machine-21294194888.html
J. Redmon and A. Farhadi, “YOLOv3: An Increment all Improvement,” Technical report, arXiv:1804.02767 (2018).
R. Huang, J. Pedoeem, C. Chen, “YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers,” in 2018 IEEE International Conference on Big Data (Big Data), pp. 2503-2510, December 2018.
I. Gupta, V. Patil, C. Kadam, S. Dumbre, “Face Detection and Recognition Using Raspberry Pi,” in 2016 IEEE International WIE Conference on Electrical and Computer Engineering (WIECON-ECE), pp. 83–86, December 2016.
T. Parthornratt, N. Burapanonte, W. Gunjarueg, “People Identification and Counting System Using Raspberry Pi (AU-PiCC: Raspberry Pi customer counter),” in International Conference on Electronics, Information, and Communications (ICEIC), January 2016.
J. Choi, X. Quan and S. Cho, “Bi-Directional Passing People Counting System Based on IR-UWB Radar Sensors,” in IEEE Internet of Things Journal Volume: 5 Issue: 2, pp. 512-522, June 2018.
J. Barandiaran, B. Murguia, F. Boto, “Real-Time People Counting Using Multiple Lines,” in 2008 Ninth International Workshop on Image Analysis for Multimedia Interactive Services, pp. 159-162, May 2008.
T. Chen, C. Chen, D. Wang, Y. Kuo, “A People Counting System Based on Face-Detection,” in 2010 Fourth International Conference on Genetic and Evolutionary Computing, pp. 699-703, December 2010.
C. Asha, A. Narasimhadhan, “Vehicle Counting for Traffic Management System Using YOLO and Correlation Filter,” in IEEE International Conference on Electronics, Computing and Communication Technologies (CONECCT), pp. 1-6, March 2018.
Jia-Ping Lin, Min-Te Sun, “A YOLO-Based Traffic Counting System,” in Conference on Technologies and Applications of Artificial Intelligence (TAAI), pp. 82-85, December 2018.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You Only Look Once: Unified, Real-Time Object Detection,” in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 779–788, June 2016.
V. Kharchenko and I. Chyrka, “Detection of Airplanes on the Ground Using YOLO Neural Network,” in IEEE 17th International Conference on Mathematical Methods in Electromagnetic Theory (MMET), pp. 294–297, July 2018.
S. Hossain, D. Lee, “Deep Learning-Based Real-Time Multiple-Object Detection and Tracking from Aerial Imagery via a Flying Robot with GPU-Based Embedded Devices,” Sensors 19(15):3371, July 2019.
