Utilizza questo identificativo per citare o creare un link a questo documento:
http://elartu.tntu.edu.ua/handle/lib/50846| Titolo: | Застосування методів і засобів штучного інтелекту для розпізнавання та аналізу рухів тіла людини |
| Titoli alternativi: | Application of Artificial Intelligence Methods and Tools for Human Body Motion Recognition and Analysis |
| Autori: | Курян, Віталій Андрійович Kurian, Vitalii |
| Affiliation: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Bibliographic description (Ukraine): | Курян В. А. Застосування методів і засобів штучного інтелекту для розпізнавання та аналізу рухів тіла людини : робота на здобуття кваліфікаційного ступеня магістр : спец. 122 - комп’ютерні науки / наук. кер. В. А. Готович. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. 91 с. |
| Bibliographic reference (2015): | Курян В. А. Застосування методів і засобів штучного інтелекту для розпізнавання та аналізу рухів тіла людини : робота на здобуття кваліфікаційного ступеня магістр : спец. 122 «Комп’ютерні науки» / наук. кер. В. А. Готович. Тернопіль : ТНТУ, 2025. 91 с. |
| Data: | 22-dic-2025 |
| Submitted date: | 8-dic-2025 |
| Date of entry: | 2-gen-2026 |
| Editore: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Country (code): | UA |
| Place of the edition/event: | Тернопіль |
| Supervisor: | Готович, Володимир Анатолійович Gotovych, Volodymyr |
| Committee members: | Тиш, Євгенія Володимирівна Tysh, Ievgeniia |
| UDC: | 004.89:004.93 |
| Parole chiave: | 122 комп’ютерні науки штучний інтелект комп'ютерний зір розпізнавання рухів нейронні мережі mediapipe аналіз пози машинне навчання відеоаналітика розпізнавання жестів artificial intelligence computer vision motion recognition neural networks pose estimation machine learning video analytics gesture recognition |
| Page range: | 91 |
| Abstract: | Кваліфікаційна робота присвячена дослідженню та розробці системи розпізнавання та аналізу рухів тіла людини з використанням алгоритмів штучного інтелекту. У першому розділі проведено аналіз сучасних методів оцінки пози людини та огляд існуючих програмних бібліотек для комп’ютерного зору. Другий розділ містить опис архітектури розробленої системи, вибір методів виділення ключових точок тіла на основі фреймворку MediaPipe та обґрунтування вибору класифікаторів для розпізнавання специфічних рухів. У третьому розділі представлено практичну реалізацію програмного забезпечення мовою Python, результати експериментальних досліджень точності розпізнавання в реальному часі та аналіз впливу факторів навколишнього середовища. Робота включає обґрунтування економічної ефективності, заходи з охорони праці та безпеки в надзвичайних ситуаціях. The qualification work is devoted to the research and development of a system for recognizing and analyzing human body movements using artificial intelligence algorithms. The first chapter analyzes modern methods of human pose estimation and reviews existing software libraries for computer vision. The second chapter describes the architecture of the developed system, the choice of body keypoint extraction methods based on the MediaPipe framework, and the justification for selecting classifiers for recognizing specific movements. The third chapter presents the practical implementation of the software in Python, the results of experimental studies of recognition accuracy in real-time, and an analysis of the environmental factors' influence. The work includes economic efficiency justification, labor protection measures, and emergency safety. |
| Descrizione: | Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 22.12.2025р. на засіданні екзаменаційної комісії №32 у Тернопільському національному технічному університеті імені Івана Пулюя. |
| Content: | ВСТУП 7 1 АНАЛІЗ ТЕОРЕТИЧНИХ ОСНОВ РОЗПІЗНАВАННЯ РУХІВ 10 1.1 Огляд сучасних підходів до комп’ютерного зору в аналізі рухів 10 1.2 Класифікація методів оцінки пози людини (Pose Estimation) 15 1.3 Аналіз існуючих рішень та програмних бібліотек 20 Висновок до першого розділу 25 2 ПРОЕКТУВАННЯ СИСТЕМИ РОЗПІЗНАВАННЯ ТА АНАЛІЗУ 26 2.1 Архітектура системи на базі технології MediaPipe 26 2.2 Методи попередньої обробки відеоданих та виділення ознак 31 2.3 Розробка алгоритму класифікації рухів тіла 36 2.4 Проектування інтерфейсу користувача та візуалізації результатів 41 Висновок до другого розділу 46 3 ПРОГРАМНА РЕАЛІЗАЦІЯ ТА ЕКСПЕРИМЕНТАЛЬНА ПЕРЕВІРКА 47 3.1 Розробка програмного модуля розпізнавання мовою Python 47 3.2 Тестування системи на різних наборах даних 52 3.3 Аналіз точності та швидкодії алгоритмів у реальному часі 57 Висновок до третього розділу 62 4 ОБҐРУНТУВАННЯ ЕКОНОМІЧНОЇ ЕФЕКТИВНОСТІ 63 5 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 77 6 ЕКОЛОГІЯ 88 ЗАГАЛЬНІ ВИСНОВКИ 92 СПИСОК ЛІТЕРАТУРИ 94 ДОДАТКИ 98 |
| URI: | http://elartu.tntu.edu.ua/handle/lib/50846 |
| Copyright owner: | © Курян Віталій Андрійович, 2025 |
| References (Ukraine): | 1. MarketsandMarkets. Computer Vision Market – Global Forecast [Електронний ресурс]. – Режим доступу: https://www.marketsandmarkets.com/ (дата звернення: 14.12.2025). 2. World Physiotherapy. Use of motion analysis in rehabilitation [Електронний ресурс]. – Режим доступу: https://world.physio/ (дата звернення: 14.12.2025). 3. IEEE Xplore Digital Library. Human Activity Recognition and Surveillance Systems [Електронний ресурс]. – Режим доступу: https://ieeexplore.ieee.org/ (дата звернення: 14.12.2025). 4. Stanford Vision Lab. Action Recognition using Convolutional Neural Networks [Електронний ресурс]. – Режим доступу: http://vision.stanford.edu/ (дата звернення: 14.12.2025). 5. Google Developers. MediaPipe Pose: Real-time human pose estimation [Електронний ресурс]. – Режим доступу: https://developers.google.com/mediapipe (дата звернення: 14.12.2025). 6. IEEE Xplore. Deep learning approaches for human motion analysis [Електронний ресурс]. – Режим доступу: https://ieeexplore.ieee.org/ (дата звернення: 14.12.2025). 7. Cao Z., Hidalgo G., Simon T., Wei S.-E., Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1812.08008 (дата звернення: 14.12.2025). 8. Google AI Blog. BlazePose: On-device Real-time Body Pose Tracking [Електронний ресурс]. – Режим доступу: https://ai.googleblog.com/2020/08/on-device-real-time-body-pose.html (дата звернення: 14.12.2025). 9. IEEE Xplore. Human Pose Estimation: A Survey of Methods and Applications [Електронний ресурс]. – Режим доступу: https://ieeexplore.ieee.org/document/9062501 (дата звернення: 14.12.2025). 10. Google Developers. MediaPipe Pose Documentation [Електронний ресурс]. – Режим доступу: https://developers.google.com/mediapipe/solutions/vision/pose (дата звернення: 14.12.2025). 11. Cover T., Hart P. Nearest Neighbor Pattern Classification [Електронний ресурс]. – Режим доступу: https://ieeexplore.ieee.org/document/1053964 (дата звернення: 14.12.2025). 12. Breiman L. Random Forests [Електронний ресурс]. – Режим доступу: https://www.stat.berkeley.edu/~breiman/randomforest2001.pdf (дата звернення: 14.12.2025). 13. Hochreiter S., Schmidhuber J. Long Short-Term Memory [Електронний ресурс]. – Режим доступу: https://www.bioinf.jku.at/publications/older/2604.pdf (дата звернення: 14.12.2025). 14. Vaswani A. et al. Attention Is All You Need [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1706.03762 (дата звернення: 14.12.2025). 15. Google Developers. MediaPipe Pose: Real-time human pose estimation [Електронний ресурс]. – Режим доступу: https://developers.google.com/mediapipe/solutions/vision/pose (дата звернення: 14.12.2025). 16. Lugaresi C. et al. MediaPipe: A Framework for Building Perception Pipelines [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1906.08172 (дата звернення: 14.12.2025). 17. Kay W. et al. The Kinetics Human Action Video Dataset [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1705.06950 (дата звернення: 14.12.2025). 18. Ionescu C. et al. Human3.6M: Large Scale Datasets and Predictive Methods for 3D Human Sensing in Natural Environments [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1405.1116 (дата звернення: 14.12.2025). 19. Shahroudy A. et al. NTU RGB+D: A Large Scale Dataset for 3D Human Activity Analysis [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1604.02808 (дата звернення: 14.12.2025). 20. Bass L., Clements P., Kazman R. Software Architecture in Practice [Електронний ресурс]. – Режим доступу: https://www.sei.cmu.edu/our-work/software-architecture/software-architecture-in-practice/ (дата звернення: 14.12.2025). 21. Lugaresi C. et al. MediaPipe: A Framework for Building Perception Pipelines [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1906.08172 (дата звернення: 14.12.2025). 22. Cao Z., Hidalgo G., Simon T., Wei S.-E., Sheikh Y. Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1611.08050 (дата звернення: 14.12.2025). 23. Pedregosa F. et al. Scikit-learn: Machine Learning in Python [Електронний ресурс]. – Режим доступу: https://scikit-learn.org/stable/ (дата звернення: 14.12.2025). 24. OpenCV Documentation. Real-Time Computer Vision and Video Processing [Електронний ресурс]. – Режим доступу: https://docs.opencv.org/ (дата звернення: 14.12.2025). 25. Goodfellow I., Bengio Y., Courville A. Deep Learning. Evaluation and Inference [Електронний ресурс]. – Режим доступу: https://www.deeplearningbook.org/ (дата звернення: 14.12.2025). 26. Poppe R. A survey on vision-based human action recognition // Image and Vision Computing [Електронний ресурс]. – Режим доступу: https://www.sciencedirect.com/science/article/pii/S026288561000090X (дата звернення: 14.12.2025). 27. Powers D. M. W. Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/2010.16061 (дата звернення: 14.12.2025). 28. Aggarwal J. K., Ryoo M. S. Human activity analysis: A review // ACM Computing Surveys [Електронний ресурс]. – Режим доступу: https://dl.acm.org/doi/10.1145/1327452.1327454 (дата звернення: 14.12.2025). 29. Cao Z., Hidalgo G., Simon T., Wei S.-E., Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1812.08008 (дата звернення: 14.12.2025). 30. Yan S., Xiong Y., Lin D. Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1801.07455 (дата звернення: 14.12.2025). 31. Lugaresi C. et al. MediaPipe: A Framework for Building Perception Pipelines [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/1906.08172 (дата звернення: 14.12.2025). 32. НПАОП 0.00-7.15-18. Вимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями [Електронний ресурс]. – Режим доступу: https://zakon.rada.gov.ua/laws/show/z0508-18 (дата звернення: 14.12.2025). 33. ДСТУ 7299:2013. Дизайн і ергономіка. Робоче місце оператора [Електронний ресурс]. – Режим доступу: https://online.budstandart.com/ua/catalog/doc-page?id_doc=57364 (дата звернення: 14.12.2025). 34. ДСТУ EN 12464-1:2022. Світло та освітлення. Освітлення робочих місць. Частина 1. Внутрішні робочі місця [Електронний ресурс]. – Режим доступу: https://uas.org.ua/ua/services/natsionalna-baza-normatyvnyh-dokumentiv/ (дата звернення: 14.12.2025). 35. Держпраці України. Гігієнічні вимоги до мікроклімату та розміщення робочих місць [Електронний ресурс]. – Режим доступу: https://te.dsp.gov.ua/robota-v-ofisi-osnovni-sanitarno-gigiyenichni-vymogy/ (дата звернення: 14.12.2025). 36. МОЗ України. Психічне здоров’я: стійкість під час війни [Електронний ресурс]. – Режим доступу: https://moz.gov.ua/uk/psihichne-zdorov%CA%BCja-stijkist-pid-chas-vijni (дата звернення: 14.12.2025). 37. Державна служба України з питань праці. Рекомендації для роботодавців щодо забезпечення належних та безпечних умов праці під час воєнного стану [Електронний ресурс]. – Режим доступу: https://dsp.gov.ua/faq/rekomendatsii-dlia-robotodavtsiv-shchodo-zabezpechennia-nalezhnykh-ta-bezpechnykh-umov-pratsi-na-robochykh-mistsiakh-sub-iektiv-hospodariuvannia-orhaniv-derzhavnoi-vlady-ta-orhaniv-mistsevoho-samovriaduvannia/ (дата звернення: 14.12.2025). 38. НПАОП 0.00-7.15-18. Класифікація факторів виробничого середовища і трудового процесу за показниками шкідливості та небезпечності [Електронний ресурс]. – Режим доступу: https://dsp.gov.ua (дата звернення: 14.12.2025). 39. МОЗ України. Психічне здоров’я: стійкість під час війни [Електронний ресурс]. – Режим доступу: https://moz.gov.ua/uk/psihichne-zdorov%CA%BCja-stijkist-pid-chas-vijni (дата звернення: 14.12.2025). 40. Cao Z., Hidalgo G., Simon T., Wei S.-E., Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields. Вилучено з: https://arxiv.org/abs/1812.08008 41. Pavllo D., Feichtenhofer C., Grangier D., Auli M. 3D Human Pose Estimation in Video with Temporal Convolutions and Semi-Supervised Training. Вилучено з: https://arxiv.org/abs/1811.11742 42. Shotton J. et al. Real-Time Human Pose Recognition in Parts from Single Depth Images. Вилучено з: https://www.microsoft.com/en-us/research/publication/real-time-human-pose-recognition-in-parts-from-single-depth-images/ 43. Google Developers. MediaPipe Pose: Real-time human pose estimation. Вилучено з: https://developers.google.com/mediapipe/solutions/pose 44. Aggarwal J. K., Ryoo M. S. Human activity analysis: A review. ACM Computing Surveys. Вилучено з: https://dl.acm.org/doi/10.1145/1922649.1922653 45. Навчання згортальних нейронних мереж для побудови системи комп’ютерного зору / Паламар М. І., Стрембіцький М. О., Чайковський А. В., Пастернак Ю. В., Кругльов В. В. [Електронний ресурс]. – Режим доступу: https://elartu.tntu.edu.ua/handle/lib/28661 (дата звернення: 11.12.2025). 46. Використання технології комп’ютерного зору для спрощення анімації персонажів / Саламандра В. І., Готович В. А. [Електронний ресурс] // Актуальні задачі сучасних технологій : збірник тез доповідей X Міжнародної науково-практичної конференції молодих учених та студентів (м. Тернопіль, 24–25 листопада 2021 р.). – Тернопіль, 2021. – Т. 1. – С. 118. – Режим доступу: https://elartu.tntu.edu.ua/handle/lib/36473 (дата звернення: 16.12.2025). 47. Створення анімації для 3D-персонажа за допомогою технології захоплення руху / Саламандра В., Готович В. [Електронний ресурс] // Інформаційні моделі, системи та технології : матеріали IX науково-технічної конференції (08–09 грудня 2021 р.). – Тернопіль : ТНТУ, 2021. – С. 105. – Режим доступу: https://elartu.tntu.edu.ua/handle/lib/37651 (дата звернення: 16.12.2025). 48. Великі за обсягом набори біомедичних даних та машинне навчання / Волинець Л. В., Гарматюк Н. А., Готович В. А. [Електронний ресурс] // Актуальні задачі сучасних технологій : збірник тез доповідей XII Міжнародної науково-практичної конференції молодих учених та студентів (м. Тернопіль, 6–7 грудня 2023 р.). – Тернопіль, 2023. – С. 370–371. – Режим доступу: https://elartu.tntu.edu.ua/handle/lib/43843 (дата звернення: 16.12.2025). 49. Економічна ефективність впровадження штучного інтелекту у сфері обслуговування клієнтів / Романишин Ю., Дмитроца Л. П. [Електронний ресурс] // Пріоритетні шляхи розвитку науки і освіти : матеріали XV Міжнародної науково-практичної конференції (м. Львів, 9–10 травня 2025 р.). – Львів : Львівський науковий форум, 2025. – С. 117–120. – Режим доступу: http://lviv-forum.inf.ua/save/2025/Збірник.pdf (дата звернення: 16.12.2025). 50. Оцінка пози людини (Human Pose Estimation): підходи та застосування в комп’ютерному зорі [Електронний ресурс]. – Режим доступу: https://dou.ua/lenta/articles/human-pose-estimation/ (дата звернення: 16.12.2025). |
| Content type: | Master Thesis |
| È visualizzato nelle collezioni: | 122 — комп’ютерні науки |
File in questo documento:
| File | Descrizione | Dimensioni | Formato | |
|---|---|---|---|---|
| Mag_2025_SNm_61_Kurian_VA.pdf | Дипломна робота | 1,55 MB | Adobe PDF | Visualizza/apri |
Tutti i documenti archiviati in DSpace sono protetti da copyright. Tutti i diritti riservati.
Strumenti di amministrazione