prikaz prve stranice dokumenta Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila
  Preuzmi
PDF 3.8 MB
diplomski rad
Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila
2023. urn:nbn:hr:200:670680
Ovžetski, Marija
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za komunikacije
Katedra za multimedijske sustave i digitalnu televiziju

Citirajte ovaj rad

Ovžetski, M. (2023). Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:670680

Ovžetski, Marija. "Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:670680

Ovžetski, Marija. "Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:670680

Ovžetski, M. (2023). 'Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 24.03.2025., https://urn.nsk.hr/urn:nbn:hr:200:670680

Ovžetski M. Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2023 [pristupljeno 24.03.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:670680

M. Ovžetski, "Algoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:670680

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:670680
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAlgoritam za uključivanje alarmnog sustava prilikom izlaska iz vozila
Naslov (engleski)Algorithm for turning on the alarm system when leaving the vehicle
AutorMarija Ovžetski
MentorMario Vranješ (mentor)
Član povjerenstvaMario Vranješ (predsjednik povjerenstva)
Član povjerenstvaMarijan Herceg (član povjerenstva)
Član povjerenstvaRatko Grbić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za komunikacije)
(Katedra za multimedijske sustave i digitalnu televiziju)
Osijek
Datum i država obrane2023-09-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Telekomunikacije i informatika
Sažetak
U ovom diplomskom radu opisano je rješenje za uključivanje alarmnog sustava prilikom izlaska vozača iz vozila s ciljem povećanja sigurnosti vozača i sudionika prometa koji mu dolaze odostraga. Rješenje se sastoji od YOLOv7 algoritma za detekciju sudionika prometa u okviru video sekvence, algoritma za praćenje sudionika prometa te algoritma za procjenu udaljenosti koji je potreban za procjenu brzine i vremena do potencijalne kolizije s vozačevim vratima na temelju kojeg se uključuje... Više alarmni sustav. Rješenje je implementirano na osobnom računalu i na Raspberry Pi 4 platformi. Osobno računalo ima jači procesor i grafičku karticu, što omogućuje brže izvršavanje rješenja. S druge strane, Raspberry Pi 4 platforma ima ograničenje u računalnoj snazi, što utječe na vrijeme izvršavanja rješenja i točnost rezultata. Na Raspberry Pi 4 platformi zbog ograničenih resursa detekcija je napravljena pomoću YOLOv7 Tiny modela. Rješenje je testirano na vlastitoj bazi od 34 video sekvence. Detekcijom je određen položaj sudionika prometa u video okviru pomoću istreniranog YOLOv7 modela koji klasificira pet klasa: automobil, kamion/autobus, pješak, biciklist i motociklist. Brža obrada omogućena je praćenjem detektiranog sudionika prometa između okvira pomoću DeepSort algoritma. Procjena brzine sudionika prometa se izvršava na temelju prijeđene udaljenosti između dvaju okvira video sekvenci. Na 34 testne video sekvence rezultati su pokazali da se postotna pogreška za udaljenost na osobnom računalu kreće se od -24% do +27%, dok na Raspberry Pi 4 platformi varira od -42% do +28%. Za brzinu, postotna pogreška na osobnom računalu kreće se od -39% do +52%, dok na Raspberry Pi 4 platformi iznosi od -48% do +69%. Važno je napomenuti da se postotne pogreške razlikuju ovisno o klasi sudionika prometa, udaljenosti i brzini na kojoj su testirane. Međutim, unatoč navedenim rezultatima, rješenje kao takvo ima prostora za doradu kako bi se povećala preciznost u procjenu udaljenosti, brzine i TTC-a. Sakrij dio sažetka
Sažetak (engleski)
This thesis describes a solution for turning on the alarm system when the driver exits the vehicle, with the aim of enhancing the safety of both the driver and the traffic participants approaching from the rear. The solution consists of the YOLOv7 algorithm for detecting traffic participants in video sequences, a tracking algorithm for tracking traffic participants, and a distance estimation algorithm needed for calculating speed and time-to-collision with the driver's door, which... Više triggers the alarm system. The solution is implemented on a personal computer and on the Raspberry Pi 4 platform. The personal computer has a more powerful processor and graphics card, enabling faster execution of the solution. On the other hand, the Raspberry Pi 4 platform has limited computational resources, affecting the execution time and accuracy of the results. On the Raspberry Pi 4 platform, detection is performed using the YOLOv7 Tiny model due to a lack of resources. The solution is tested on a custom dataset consisting of 34 video sequences. Detection determines the position of traffic participants in the video frame using the trained YOLOv7 model that classifies five classes: car, truck/bus, pedestrian, cyclist, and motorcyclist. Faster processing is achieved by tracking the detected traffic participant between frames using the DeepSort algorithm. Speed estimation of traffic participants is performed based on the distance traveled between two frames of the video sequence. Over the 34 test video sequences, the results showed that the percentage error for distance on the personal computer ranges from -24% to +27%, while on the Raspberry Pi 4 platform, it varies from -42% to +28%. For speed, the percentage error on the personal computer ranges from -39% to +52%, while on the Raspberry Pi 4 platform, it ranges from -48% to +69%. It is important to note that the error percentage varies depending on the class of traffic participant, distance, and speed at which they were tested. However, despite these results, the solution has room for improvement to increase the accuracy of distance, speed, and TTC (Time-to-Collision) estimation. Sakrij dio sažetka
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:670680
Studijski programNaziv: Elektrotehnika; smjerovi: Komunikacije i informatika, Elektroenergetika
Smjer: Komunikacije i informatika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike (mag.ing.el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-09-22 09:07:20
accessibility

closePristupačnostrefresh

Ako želite spremiti trajne postavke, kliknite Spremi, ako ne - vaše će se postavke poništiti kad zatvorite preglednik.