About DoKS      NL  |  EN Search: Advanced Search
  Part of a word (e.g. tele*)    Exact wordgroup (e.g. "wireless communication")
 
Home
folder Authors
folder Departments
folder Help
folder Years
 
Most popular theses: 2014 2015 2016 2017 2018 2019


1,233 theses on-line.



Doks PHL
Doks XIOS



Open Archives Initiative
Home

Gedragsherkenning dankzij het internet of things

2019
Verbeek, Dries
Professionele bachelor in de toegepaste informatica

Abstract :
Op publieke plaatsen staan vaak borden die de bezoekers laten weten welk gedrag niet is toegelaten. Die borden hebben echter niet altijd het gewenste effect. De bezoekers negeren die borden vaak en luisteren pas als iemand hen wijst op hun ontoelaatbaar gedrag.
Om die reden wordt er tijdens dit project een systeem ontwikkeld dat het gedrag van een bezoeker kan analyseren, de bezoeker kan waarschuwen en als dat niet helpt, overschakelt naar een drastischer systeem om de bezoeker te laten gehoorzamen.
Om dit project te realiseren, worden er veel verschillende technologieŽn gebruikt. Om dit systeem te onderhouden wordt er gebruikgemaakt van een backendsysteem in Java. De beelden die ontvangen worden in dit backendsysteem worden geanalyseerd door Google Cloud Vision en AWS Rekognition. Voor het systeem dat de bezoeker filmt, wordt er gebruikgemaakt van OpenCV, om de locatie van de persoon te achterhalen. Voor het systeem dat de pijltjes afschiet op de roker wordt er gebruikgemaakt van een Raspberry Pi, waar steppermotors op aangesloten zijn.
Dit systeem maakt dus gebruik van twee verschillende services om het gedrag van de persoon te kunnen achterhalen. In dit eindwerk wordt er onderzocht hoe die twee services het beste gecombineerd kunnen worden, om zo tot een snel en accuraat resultaat te komen. Door deze twee technologieŽn te combineren kan er een accurater resultaat bekomen worden. Deze techniek heeft als nadeel dat het gebruik van meerdere technologieŽn de beslissing kan vertragen. Om deze reden wordt er onderzocht hoe deze services kunnen gecombineerd worden zonder de snelheid te veel te verminderen.
Om de accuraatheid van het systeem te testen, moeten we de testen uitvoeren op iemand die aan het roken is. Het is te omslachtig om de testen uit te voeren op iemand die aan het roken is, en daarna hem opnieuw laten roken met een andere service. Daarom worden er op voorhand verschillende fotoís genomen van iemand die aan het roken is. Op deze manier kunnen we er ook voor zorgen dat beide services identiek dezelfde fotoís doorgestuurd krijgen.
Aan de hand van de resultaten van de testen met de afbeeldingen kunnen we bekijken hoe het systeem moet zijn ingesteld om zo nauwkeurig mogelijk te zijn.
Om de snelheid van het systeem te bepalen gaan we de tijd meten die het systeem nodig heeft om alle stappen uit te voeren die leiden tot het bepaalde resultaat. Deze stappen zijn: het nemen van een afbeelding, het versturen van de afbeelding naar de backend, de afbeelding doorsturen naar Google Cloud Vision en AWS Rekognition, en als laatste het filteren van de resultaten.
Om de kostprijs van het systeem te bepalen, wordt de kostprijs van beide systemen vergeleken en in kaart gebracht. Wanneer alle drie de testen zijn uitgevoerd kunnen we besluiten hoe het systeem het beste kan worden ingesteld om tot een zo snel, accuraat en kostvriendelijk resultaat te komen.
Ook is het belangrijk dat dit project kan uitgebreid en aangepast worden. Daarom zal er een website ontwikkeld worden in Vue.js. Die zal gebruikt worden om het systeem te monitoren en aan te passen. Op deze manier kan een systeem administrator het systeem naar zijn wensen aanpassen en de mogelijke alarmeringssystemen, detectiesystemen en verdrijvingssystemen met elkaar combineren zoals hij dat wil.

Full text:
File Size Type Checksum  
Eindwerk_Verbeek_Dries.pdf 6 MB PDF MD5 Open file

Dit eindwerk werd 164 keer bekeken.
Translate to English (Google translate)
 

Show record details

Show ETD - Dublin Core

If you want to cite this thesis in your own thesis, paper, or report, use this format (APA):

Verbeek, D. (2019). Gedragsherkenning dankzij het internet of things. Unpublished thesis, Hogeschool PXL, PXL-Digital.
Retrieved from http://doks.pxl.be/doks/do/record/Get?dispatch=view&recordId=SEtd8ab2a8216cd3194f016cd32dfbf605f1.




©2004-2008 - Hogeschool PXL - webmaster - Contact - Disclaimer