Estimation of absolute distance and height of people based on monocular view and deep neural networks for edge devices operating in the visible and thermal spectra

• Autorzy: Gąsienica-Józkowy Jan , Cyganek Bogusław , Knapik Mateusz , Głogowski Szymon , Przebinda Łukasz

Identyfikatory

DOI

10.15439/2023F3560

• Języki publikacji: EN

Abstrakty

EN

Accurate estimation of absolute distance and height of objects in open area conditions is a significant challenge. In this paper, we address these problems and we propose a novel approach that combines classical computer vision algorithms with modern neural network-based solutions. Our method integrates object detection, monocular depth estimation, and homography- based mapping to achieve precise and efficient estimations of absolute height and distance. The solution is implemented on the edge device, which enables real-time data processing using both visual and thermography data sources. Experimental evaluation on a height estimation dataset prepared by us demonstrates an accuracy of 97.06\% and validates the effectiveness of our approach.

• Wydawca: Polskie Towarzystwo Informatyczne
• Czasopismo: Annals of Computer Science and Information Systems
• Rocznik: 2023
• Tom: Vol. 35
• Strony: 503--511
• Opis fizyczny: Bibliogr. 33 poz.

Twórcy

autor

Gąsienica-Józkowy Jan

autor

Cyganek Bogusław

autor

Knapik Mateusz

autor

Głogowski Szymon

autor

Przebinda Łukasz

Uwagi

1. Thematic Tracks Regular Papers

2. Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).