(Bachelor Thesis) Deep Learning to Detect, Track and Count People in Video Sequences
https://youtu.be/DqEhZiMGvdc - "DeepCounter - Detect, Track and Count peoples (OpenCV, YOLO)"
Le projet s'inscrit dans le projet de plus large envergure City Pulse de l'institut iCoSys de la HEIA-FR et en partenariat avec le Smart Living Lab.
Les technologies basées sur le Deep Learning ont permis des avancées importantes dans de nombreux domaines cognitifs.
Le but du projet est d'intégrer une solution utilisant du Deep Learning pour compter le nombre de personnes qui passent dans le champ d'une caméra vidéo. L'architecture peut se décomposer en un premier module qui détecte pour chaque frame de la vidéo les personnes présentes. Le deuxième module prend en entrée la sortie du premier pour compter, sur la totalité de l'enregistrement, le nombre de personnes distinctes qui sont passées dans la scène.
Un point important du projet est la conception et mise en place d'un système d'évaluation des performances du projet.
Comme point de départ, des solutions comme YOLO pourront être utilisées. En fonction des performances, il faudra potentiellement entraîner ou ré-entraîner les systèmes Deep Learning.
Un démonstrateur serait souhaité en fin de projet.
- Jean Hennebert
- Houda Chabbi
- Julien Bégard
- Emeka Mosanya
- Flavia Pittet
- Matthieu Jourdan