Thermal Imaging Detection System: A Case Study for Indoor Environments

Simple item page
dc.contributor.authorDrahanský, Martincs
dc.contributor.authorCharvát, Michalcs
dc.contributor.authorMacek, Ivocs
dc.contributor.authorMohelníková, Jitkacs
dc.coverage.issue18cs
dc.coverage.volume23cs
dc.date.issued2023-09-12cs
dc.description.abstractCurrently, there is an increasing need for reliable mechanisms for automatically detecting and localizing people—from performing a people-flow analysis in museums and controlling smart homes to guarding hazardous areas like railway platforms. A method for detecting people using FLIR Lepton 3.5 thermal cameras and Raspberry Pi 3B+ computers was developed. The method creates a control and capture library for the Lepton 3.5 and a new person-detection technique that uses the state-of-the-art YOLO (You Only Look Once) real-time object detector based on deep neural networks. A thermal unit with an automated configuration using Ansible encapsulated in a custom 3D-printed enclosure was used. The unit has applications in simple thermal detection based on the modeling of complex scenes with polygonal boundaries and multiple thermal camera monitoring. An easily deployable person-detection and -localization system based on thermal imaging that supports multiple cameras and can serve as an input for other systems that take actions by knowing the positions of people in monitored environments was created. The thermal detection system was tested on a people-flow analysis performed in the Czech National Museum in Prague. The contribution of the presented method is the development of a small and simple detection system that is easily mountable with wide indoor as well as outdoor applications. The novelty of the system is in the utilization of the YOLO model for thermal data.en
dc.description.abstractV současné době je zvýšený zájem o vhodné mechnismy pro automatickou detekci pohybu lidí, od zobrazení pohybu návštěvníků muzea a automatickou kontrolu smart domů až k systémům monitorujícím nebezpečné lokality jako jsou např. železniční nástupiště. Byla stanovena metoda využívající FLIR Lepton 3.5 kamery a Raspberry Pi 3B+. Tato metoda vytváří kontrolní soubor pro Lepton 3.5. Nová metoda využívá YOLO (You Only Look Once) detektor na základě neuronových sítí. Jednotka s automatickou konfigurací využívá Ansible . Tato jednotka má využití pro jednoduchou termo detekci založenou na zobrazování pomocí termo kamery. Tento systém byl testován prostřednictvím detekce pohybu návštěvníků Národního muzea v Praze. Příspěvkem této metody je vývoj jednoduchého detekčního systému využívající YOLO model, který je využitelný pro budovy i venkovní instalalce.cs
dc.formattextcs
dc.format.extent1-19cs
dc.format.mimetypeapplication/pdfcs
dc.identifier.citationSENSORS. 2023, vol. 23, issue 18, p. 1-19.en
dc.identifier.doi10.3390/s23187822cs
dc.identifier.issn1424-8220cs
dc.identifier.orcid0000-0002-9321-7385cs
dc.identifier.orcid0000-0002-5853-078Xcs
dc.identifier.other184667cs
dc.identifier.researcheridH-1058-2019cs
dc.identifier.researcheridB-6585-2018cs
dc.identifier.scopus24605423900cs
dc.identifier.scopus22980983700cs
dc.identifier.urihttp://hdl.handle.net/11012/245062
dc.language.isoencs
dc.publisherMDPIcs
dc.relation.ispartofSENSORScs
dc.relation.urihttps://www.mdpi.com/1424-8220/23/18/7822cs
dc.rightsCreative Commons Attribution 4.0 Internationalcs
dc.rights.accessopenAccesscs
dc.rights.sherpahttp://www.sherpa.ac.uk/romeo/issn/1424-8220/cs
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/cs
dc.subjectartificial intelligenceen
dc.subjectinfrared imagingen
dc.subjectinfrared sensorsen
dc.subjectlocalization and mappingen
dc.subjectneural networksen
dc.subjectbuilding security managementen
dc.subjectumělá inteligence
dc.subjectIR zobrazování
dc.subjectIR senzory
dc.subjectlokalizace a mapování
dc.subjectneuronové sítě
dc.subjectbezpečnostní management budov
dc.titleThermal Imaging Detection System: A Case Study for Indoor Environmentsen
dc.title.alternativeTermovizní detekční systém: studie pro vnitřní prostředícs
dc.type.driverarticleen
dc.type.statusPeer-revieweden
dc.type.versionpublishedVersionen
sync.item.dbidVAV-184667en
sync.item.dbtypeVAVen
sync.item.insts2025.02.03 15:44:59en
sync.item.modts2025.01.17 16:51:23en
thesis.grantorVysoké učení technické v Brně. Fakulta stavební. Ústav pozemního stavitelstvícs
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
sensors2307822.pdf
Size:
3.29 MB
Format:
Adobe Portable Document Format
Description:
file sensors2307822.pdf
Download
Collections
Ústav pozemního stavitelství