หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2567
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2566
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ระบบรวบรวมและแสดงผลข้อมูลโดยอัตโนมัติสำหรับอากาศยานไร้คนขับ
ชื่อโครงงานภาษาอังกฤษ
Automated Visual Data Gathering from UAV
ผู้พัฒนา
6310500988 นางสาวกัณธิฎา ภารัตนวงศ์
อาจารย์ที่ปรึกษาหลัก
สุภาพร เอื้อจงมานี
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ในปัจจุบัน มีการใช้กล้องวงจรปิด หรือ Surveillance camera อย่างแพร่หลายในงานทางด้านการรักษาความปลอดภัย แต่ยังคงมีข้อจำกัดที่การติดตั้ง และต้องใช้บุคคลเพื่อเฝ้ามอนิเตอร์ สำหรับโครงงานนี้จึงต้องการนำเสนอแนวทางใหม่ในการนำอากาศยานไร้คนขับ หรือ UAV มาใช้แทนกล้องวงจรปิด เนื่องจากจุดเด่นของ UAV ที่สามารถเข้าถึงพื้นที่ที่มนุษย์เข้าถึงยาก โดยนำเสนอแนวทางการพัฒนาระบบตรวจจับหาลักษณะของบุคคล ซึ่งเป็น Soft Biometric ที่สำคัญ เช่น เพศ, อายุ, สีเสื้อผ้า และอื่นๆ จากวิดีโอมุมมองสูงที่ใกล้เคียงมุมมองจาก UAV เพื่อนำไปสู่การทำ Person Re-Identification ในอนาคต ซึ่งโครงงานนี้แบ่งเป็น 3 ระบบย่อย คือ (1) ระบบตรวจจับภาพบุคคล (Individual Person Detection) ใช้ YOLOv8 และ BoT-SORT เพื่อตรวจจับ, ติดตาม และตัดภาพบุคคลออกมาจากวิดีโอ (2) ระบบตรวจจับลักษณะบุคคล (Biometric Detection) ใช้ Random Forest ที่ฝึกฝนด้วย PETA Dataset เพื่อตรวจหาลักษณะของบุคคลจำนวน 10 ชนิด และใช้ YOLOv8 ที่ฝึกฝนด้วย Colorful Fashion Dataset เพื่อตรวจจับเสื้อผ้าจำนวน 10 ชนิด และนำไปหาสีโดยใช้ K-NN Algorithm และ (3) ส่วนติดต่อกับผู้ใช้งาน (Graphic User Interface) นำผลลัพธ์มาแสดงผลในรูปแบบ GUI โดยใช้ tkinter สำหรับประสิทธิภาพของโครงงานพบว่าระบบตรวจจับภาพบุคคลมีค่าเปอร์เซ็นต์ความถูกต้องอยู่ที่ 98.32% และสำหรับระบบตรวจจับลักษณะบุคคล สามารถแบ่งกลุ่มของลักษณะของบุคคลจำนวน 10 ชนิดออกได้เป็น 3 กลุ่มตามประสิทธิภาพในการจำแนกซึ่งประกอบไปด้วย กลุ่ม Attributes ที่ทำงานได้ดี, ดีพอใช้ และไม่ดี โดยค่าเปอร์เซ็นต์ความถูกต้องของแต่ละกลุ่มอยู่ที่ 89.52%, 63.81% และ 41.49% ตามลำดับ และค่าเปอร์เซ็นต์ความถูกต้องเฉลี่ยของระบบตรวจจับลักษณะบุคคลอยู่ที่ 63.61% โครงงานที่นำเสนอนี้ได้บรรลุวัตถุประสงค์และมีศักยภาพในการพัฒนาต่อไป เพื่อนำไปสู่การประยุกต์ใช้ในการทำ Person Re- Identification ในอนาคต
Abstract
Nowadays, surveillance cameras are prevalently used in security applications. However, they are constrained by installation and human monitoring. This paper proposed an approach that employs unmanned aerial vehicles (UAVs) as alternatives to replace conventional surveillance cameras, offering access to hard-to-reach areas and thereby enhancing surveillance capabilities. The proposed system aims to develop a UAV-based system that detects soft biometric of individuals, including gender, age, clothing color, etc., from high-angle video footage. The system comprises three subsystems. First is the Individual Person Detection System, leveraging YOLOv8 and BoT-SORT for detection, tracking, and isolating individuals' images from video footage. Second is the Biometric Detection System, utilizing Support Vector Machine and Random Forest trained on PETA Dataset to detect 10 types of individual biometric characteristics. Additionally, it employs YOLOv8 trained on Colorful Fashion Dataset to detect 10 types of clothing items, with color determination achieved through the K-NN Algorithm. The last subsystem is the User Interface System, utilizing tkinter GUI to present results. Performance evaluation of the proposed system reveals that the Individual Person Detection subsystem achieves a high accuracy rate of 98.32%. The performances of the Biometric Detection subsystem can be categorized into three groups: good, adequate, and poor. The accuracy rates for each group respectively are 89.52%, 63.81%, and 41.49%, averaging at 63.61%. Thus, the proposed system successfully accomplishes its objectives and holds potential for further development to the future person re-identification applications.
คำสำคัญ (Keywords)
UAV
YOLOv8
BoT-SORT
Feature Classification
Biometric
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
-
ผู้นำเข้าข้อมูลครั้งแรก
นางสาวกัณธิฎา
ภารัตนวงศ์
(b6310500988)
แก้ไขครั้งสุดท้าย
เมื่อ March 22, 2024, 2:45 p.m. โดย
นางสาวกัณธิฎา
ภารัตนวงศ์
(b6310500988)
สถานะการอนุมัติ
รออนุมัติ