Gezichtsherkenning bij het dragen van mondkapjes Het coronavirus heeft erin geresulteerd dat bijna iedereen in publieke ruimtes een mondkapje draagt in de hoop het virus af te weren. Voor video observatie vormt dit een probleem. Mondkapjes gaan niet alleen in zekere zin Covid-19 tegen, ze gaan ook in bepaalde mate gezichtsherkenning tegen. Kort gezegd worstelen de gezichtsherkenning algoritmen die voor
Starten met een deep learning project: Train en implementeer een deep learning model In de voorgaande posts hebben we stuk voor stuk de stappen van het starten met een deep learning project doorgenomen. Deze week bespreken we de laatste stappen van het project: Het trainen en implementeren van het deep learning model. Het trainen van een deep learning model Voor
Starten met een deep learning project: Breng data naar training platform In de afgelopen twee posts hebben we de eerste stappen van een deep learning project doorgenomen. Na het bepalen van de business- en data behoeften, hebben we besproken hoe je de data van de edge naar de fog kunt bewegen. Als de data vervolgens eenmaal voorbereid is op training,
Starten met een deep learning project: Breng data van edge naar fog en bereid het voor op training Breng data van edge naar fog De opname van data is een belangrijke overweging voor iedere deep learning use case, maar het is met name cruciaal voor use cases waarbij databronnen die zich bij de edge bevinden betrokken zijn. Data stroomt vaak
Starten met een deep learning project: Bepaal jouw business- en databehoeften Bij het uitvoeren van een AI project komen vele factoren kijken. Zo hangt het succes van het project niet alleen af van het bij elkaar brengen van een gekwalificeerd team, maar bijvoorbeeld ook van het selecteren van de juiste infrastructuur. Wegens de complexiteit kan de kritieke rol die data
Methoden voor valdetectie Systemen pogen om valdetectie zo goed mogelijk uit te voeren, waarbij Human Pose Estimation vaak een belangrijke rol speelt. In dit artikel bespreken we een aantal methoden voor valdetectie die verschillende systemen gebruiken. Background subtraction De meeste vision-based valdetectie systemen gebruiken een vorm van background subtraction om ten eerste onderscheid te maken tussen de persoon en de
Moeilijkheden bij valdetectie voor ouderen Valdetectie voor ouderen brengt een aantal moeilijkheden met zich mee. Ten eerste moet duidelijk gemaakt worden wanneer een persoon precies als gevallen wordt aangemerkt. Ten tweede moeten diverse obstakels overwonnen worden die de detectie bemoeilijken. De definitie van een val Om een val te detecteren moet eerst bepaald worden wat wordt verstaan onder een val.
Het belang van video gebaseerde valdetectie voor ouderen Binnen de ouderenzorg is de detectie van een val van groot belang, want vallen zijn zeer schadelijk voor ouderen. Onder de mensen van 65 jaar en ouder ervaart zo’n een op de drie een val, en velen van hen vallen elk jaar minstens een keer. Rond de twintig procent van de vallen
Kunstmatige hulpverpleegkundige: Tracking en Human Pose Estimation in de ouderenzorg Het aantal ouderen en het tekort aan geschoolde zorg nemen drastisch toe, terwijl steeds meer verpleegkundigen overwerkt raken. Kunstmatige intelligentie in de vorm van Tracking en Human Pose Estimation kunnen hier een oplossing vormen. Een van de meest functionele innovaties op het gebied van computer visie is real time video
2D en 3D datasets voor Human Pose Estimation Om met behulp van kunstmatige intelligentie iets zinnigs te zeggen over de poses van mensen in beelden, moeten de algoritmen getraind worden aan de hand van datasets. Hierbij een korte introductie van een aantal veelgebruikte datasets voor 2D en 3D Human Pose Estimation. Datasets voor 2D Human Pose Estimation MPII: De MPII