Cuprins
- Capitolul 1
- 1.1. Introducere 3
- 1.2. Aplicatii si constrangeri 3
- Capitolul 2
- 2.1. Modelul cascada-aspecte teoretice 4
- 2.2. Fezabilitatea sistemului 5
- 2.3. Planificarea lucrarilor 6
- 2.4. Proiectare generala 7
- 2.5. Proiectare in detaliu 9
- 2.6. Scrierea programelor si Integrarea acestora 10
- 2.7. Instalare si Exploatare dezvoltare 16
- Capitolul 3
- 3.1 Concluzii 17
- Bibliografie 18
Extras din proiect
Capitolul 1
Introducere
1.1 Introducere
Primul pas in procesarea video pentru recunoaşterea feţei în zone necontrolate cu medii complexe (medii în aer liber, aeroporturi, trenuri / statii de autobuz) este de detectare a feţei. Precizie din urmă depinde în mod considerabil rezultatele recunoaşterei feţei. De obicei oamenii de ştiinţă cu activitate în acest domeniu nu au timp sau capacitatea de a dezvolta un cod optimizat C++ gata pentru uz comercial şi se limitează numai la procesul de dezvoltare Matlab.
Scopul acestei lucrari este de a realiza o aplicatie in Visual C++ (programare pe obiecte) in care sa se aplice algoritmi de recunoastere a fetei utilizand principiul PCA( in “literatura de specialitate” Principal Component Analysis) cat si retele neuronale. Aceste clasificatoare furnizate au fost instruite cu imagini de pe camera mea webcam într-o perioadă de timp, cu diferite condiţii de iluminare, algoritmul detectandu-ma fara nici o eroare si în timp real. Pentru date non-fata, am folosit unele imagini achizitionate cu camera webcam cu diverese fundaluri. Dreptunghiurileextrase din imagine li se aplica un filtru Gauss, după care are loc normalizarea histogramei.
Dupa ce am terminat cu partea de indentificare, am vrut sa testez un algoritm de urmarire a fetei, rezultate experimentare fiind astfel realizate pe un robot PeopleBot, iar simularile pe MobileRobots MobileSim.
1.2 Aplicatii si constrangeri
Aplicatiile ce folosesc algoritmi de detectare a feteipoat fi împărţite în linii mari în aplicaţii comerciale şi de aplicare in cadru guvernelor. O listă ce detaliază aplicatiile, împreună cu constrângerile acestora este prezentată în tabelul 1.1.
Aplicatii Avantaje Dezavantaje
1a.
Carti de credit, permis de conducere, pasaport si identificare personala Imagine Controlata
Segementare Controlata
Calitate buna a imaginilor Lipsa unei baze de date
O baza de date imensa
Tip de cautare rar
1b. Identificarea infractorilor Calitate diferita a imaginilor
Mai mult de o imagine disponibila Lipsa unei baze de date
O baza de date imensa
Tip de cautare rar
2. Securitatea magazinelor/ bancilor Valoare inalta
Cautare localizata geografic Segmentare necontrolata
Calitate slaba a imaginii
3. Supravegherea multimii Valoare mare
Marime mica a fisierelor
Disponibilitateadeimaginivideo Real-time
Segmentare necontrolata
Calitate slaba a imaginii
4. Identificare Expert Valoare mare
Posibile modificari Calitate slaba a imaginii
Necesitatea unui certificate legal
5. Reconstructia fetei martorilor Limitarea cautarii martorilor Similitudini necunoscute
6. Identificarea fetei de catre un robot Limitarea cautarii de descriptori Calitatea luminii ambientale
Baza de date inexistenta
Tabel 1.1 Aplicatii si constrangerile acestora.
Acesteaplicaţiipotfi clasificateîn douăgrupuri: de intrarePentru anumite aplicatii, datele de intrare sunt imagini statice, cat pentru altele acestea sunt imagini dinamice in timp real.Chiar şiîn rândulacestor grupuri, există diferenţe semnificative, în funcţiedecererespecifice. Diferenţelesuntînceea ce priveştecalitatea imaginii, cantitateadedezordinede fond, precum şi natura, tipul şicantitatea deintrare(ca înaplicare4şi5).
Aplicatiile1,2, şi3implica potrivireaunei imagine cu o alta imagine. Cererile4-6implicagăsireasaucrearea uneiimaginifatacareeste similara cu o colectie de imagini de fate. Fiecaredintreacesteaplicaţiiimpunecerinţediferiteasupraprocesuluide recunoaştere. Cerinta de potrivireimpunecaimaginile fata ale candidatului sa se potriveasca cu cele dintr-un set deimaginifaţa selectatede cătresistem. Detectarea similiaritatilor necesita,înplus faţă de functiapotrivire, caimaginilefata safigăsite.
Capitolul 2
Modelul Cascada
2.1 Modelul cascada – aspecte teoretice
Modelul cascadă (Waterfall Model) a fost elaborat de W.W. Royce la începutul anilor ’70. Este un model de referinţă în literatura de specialitate caracterizat prin parcurgerea secvenţială a fazelor ciclului de viaţă, faze care la rândul lor sunt formate din activităţi iar acestea din urmă din subactivităţi.
Modelul prezintă următoarele avantaje:
• controlul total al fazelor, datorită modului de ordonare a acestora;
• uşor de însuşit de către membrii echipelor de analiză şi proiectare;
• fiecare fază se încheie cu o verificare a soluţiei oferite şi asigură o documentaţie
prezentând soluţia elaborată.
În timp au fost propuse variante îmbunătăţite ale modelului:
• modelul cu revenire la pasul următor (waterfall model with back flow, fig. 1.15.)
• modelul cu reluare de la faza iniţială (“Da Capo” Waterfall Model).
În versiuni mai noi ale modelului cascadă, primele faze grupează activităţi specifice gestiuniiproiectului aceste elemente lipsind în modelul iniţial.
Figura 1 Schema modelului cascada
2.2. Fezabilitatea sistemului
In realizarea studiilor de fezabilitate se urmaresc toti pasii necesari pentru fundamentarea deciziilor:
• Cadrul legislativ
• Contextul national si international
• Scopul, misiunea proiectului
• Resursele existente
• Modalitatea de desfasurare a proiectului
• Solutia rezultata in urma proiectului
• Modalitatea de realizare a managementului proiectului
De asemenea, se urmaresc trei categorii de fezabilitate:
• Fezabilitatea economica, adica beneficiile realizarii produsului/solutiei corelate la costurile realizarii ei
• Fezabilitatea tehnica a unui proiect informatic, reprezentata de componentele hardware, software si alte resurse tehnice
• Fezabilitatea operationala, adica evaluarea motivelor pentru utilizarea solutiei/produsului software de catre angajati/management/parteneri.
Preview document
Conținut arhivă zip
- Proiectarea Sistemelor Informatice.docx