<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=139723"><dc:title>Zaznavanje gest v video tokovih na vgrajeni napravi</dc:title><dc:creator>Rolih,	Blaž	(Avtor)
	</dc:creator><dc:creator>Čehovin Zajc,	Luka	(Mentor)
	</dc:creator><dc:subject>geste</dc:subject><dc:subject>računalniški vid na vgrajenih napravah</dc:subject><dc:subject>DepthAI</dc:subject><dc:subject>CNN</dc:subject><dc:subject>LSTM</dc:subject><dc:description>V okviru diplomskega dela je implementiran in ovrednoten nosljiv prototip za zaznavanje ročnih gest, ki deluje na vgrajeni napravi OAK-D iz platforme DepthAI. Vgrajena naprava omogoča učinkovit zajem slike in obdelavo le-te z uporabo raznih operacij računalniškega vida, vključno z izvajanjem globokih nevronskih mrež. Prototip z uporabo več zaporednih nevronskih mrež in vmesnih operacij določi pozicijo roke v prvoosebnem načinu, roki sledi in glede na časovni potek pozicije roke določi gesto. Vse to skoraj v celoti teče na vgrajeni napravi, kar razbremeni gostiteljski sistem in omogoča nizke zakasnitve pri zaznavanju. Za praktično testiranje je implementirano upravljanje predvajalnika glasbe. S tem namenom je zbrana podatkovna množica gest, ki kljub svojemu omejenemu obsegu omogoča, da se sistem zanesljivo nauči prepoznavati različne geste. Sistem je eksperimentalno evalviran na testni množici, kjer dosega zaželeno točnost. Dobro se obnese tudi v realnem scenariju, kjer je bil sistem preizkušen s strani testnih uporabnikov z upravljanjem glasbe v realnem času.</dc:description><dc:date>2022</dc:date><dc:date>2022-09-06 13:45:00</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>139723</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>