Primjena tehnika dubokog učenja u okruženju pametnih zgrada u sustavima interneta stvari

diplomski rad

• Naslov (engleski): Deep Learning Applications in IoT Environments for Smart Building Automation
• Autor: Jure Knezović
• Mentor: Josip Knezović (mentor)
• Član povjerenstva: Josip Knezović (predsjednik povjerenstva)
• Član povjerenstva: Igor Čavrak (član povjerenstva)
• Član povjerenstva: Ivana Bosnić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-03, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom projektu su povezane tehnike dubokog učenja sa sustavima interneta stvari tako da udaljeni modul koji detektira pokret dojavljuje poslužitelju da se dogodio pokret, te poslužitelj u ovisnosti o periodu dana i dostupnosti kamere na odgovarajućem modulu odlučuje želi li dohvatiti sliku s kamere i provesti prepoznavanje osobe, nakon kojeg može dopustiti, odnosno zabraniti pristup osobi.
Osim kontrole pristupa putem prepoznavanja osobe, u projektu su izvedene i kontrola pristupa korištenjem senzora pokreta, koja u određenom periodu dana dozvoljava pristup, kontrola pristupa korištenjem NFC tehnologije putem aplikacije za pametne telefone s operacijskim sustavom Android, te kontrola pristupa putem Web sučelja.
Za ispunjenje svih zahtjeva projekta korištena je mreža mikrokontrolera ESP32.
Jezgra projekta se nalazi na poslužitelju te uključuje prepoznavanje lica, API i web sučelje s podrškom za administraciju i komunikaciju s udaljenim modulima.

Sažetak (engleski)

In this project, deep learning techniques are connected with the Internet of Things, in a way that the remote module that detects movement notifies the server about movement, and the server, depending on the period of the day and the availability of the camera on the remote module, decides whether to retrieve a picture from the camera and perform a person's identification using face recognition, after which it may or may not allow access to a person which triggered motion sensor.
In addition to access control using face recognition, this project also implements so called unattended access control using the motion sensor, which allows access during a certain period of the day, access control using NFC technology via smartphone application for the Android operating system, and access control via the Web interface.
To fulfill all project requirements, a network of remote modules which use ESP32--based microcontroller is used. The core of the project is located on the server, which includes face recognition, API and web interface with support for administration and communication with remote modules.

• Ključne riječi: duboko učenje; kućna automatizacija; internet stvari; kontrola pristupa
• Ključne riječi (engleski): deep learning; home automation; Internet of Things; access control
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:067755
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 19:07:22