Očitavanje pulsa osobe iz videosnimke

diplomski rad

• Naslov (engleski): Estimating the Person's Pulse From a Video Recording
• Autor: Ena Rajković
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Sven Lončarić (član povjerenstva)
• Član povjerenstva: Krešimir Križanović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj ovog rada je detektirati puls iz videosnimke u boji. Nakon prikupljanja snimki, predstavljeno je rješenje uz korištenje duboke neuronske mreže za detekciju promjena u boji kože na licu osobe. Iako se videosnimka svodi na niz slika, njena klasifikacija je složeniji problem. Mreža stoga ima konvolucijske i rekurzivne slojeve. Konvolucijskim slojevima nastoje se izvući značajke i regije na kojima bi se mogla vidjeti promjena. Korišteni su unaprijed naučeni konvolucijski modeli VGG16 i EfficientNet u sklopu prijenosnog učenja. Svrha rekurzivnog ConvLSTM sloja je uhvatiti i interpretirati promjene tijekom vremena. Za izgradnju modela upotrebljena je biblioteka Keras unutar programskog jezika Python.

Sažetak (engleski)

The aim of this paper is to detect the pulse from a color video. After collecting the videos, a solution using a deep neural network to detect skin discoloration on a person’s face was presented. Although video is equivalent to a series of images, its classification is a more complex problem. Therefore, the neural network has convolutional and recursive layers. Convolutional layers seek to extract features and regions where change could be seen. Pre-trained convolutional models VGG16 and Efficient-Net were addapted to this problem as part of transfer learning. The objective of a recursive ConvLSTM layer is to capture and interpret changes over time. The Keras library within the Python programming language was used to build the model.

• Ključne riječi: duboke neuronske mreže; konvolucijske neuronske mreže; rekurzivne neuronske mreže; prijenosno učenje; VGG16; EfficientNet
• Ključne riječi (engleski): deep neural networks; convolutional neural networks; recursive neural networks; transfer learning; VGG16; EfficientNet
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:494907
• 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: 2023-01-13 13:40:17