Difference between revisions of "Canne Blanche"
| Line 1: | Line 1: | ||
Etudiant: Léo Valette |
Etudiant: Léo Valette |
||
| + | Encadrants: Alexandre Carisimi (UFGS, Porto Alegre, Brésil), Didier Donsez (UGA, Grenoble, France) |
||
| − | Encadrants: |
||
| + | |||
| + | =Documents= |
||
| + | Rapport - Flyer - Poster - Video 1 - Video 2 - Video 3 |
||
=Contexte= |
=Contexte= |
||
| Line 41: | Line 44: | ||
=Datasets= |
=Datasets= |
||
* Caltech dataset for training http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/ |
* Caltech dataset for training http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/ |
||
| + | |||
| + | =Média= |
||
| + | Photos - Video 1 - Video 2 - Video 3 |
||
Revision as of 14:36, 12 April 2018
Etudiant: Léo Valette
Encadrants: Alexandre Carisimi (UFGS, Porto Alegre, Brésil), Didier Donsez (UGA, Grenoble, France)
Documents
Rapport - Flyer - Poster - Video 1 - Video 2 - Video 3
Contexte
Selon les estimations, 253 millions de personnes présentent une déficience visuelle: 36 millions d’entre elles sont aveugles et 217 millions présentent une déficience visuelle modérée à sévère (1).
En France, près de 1,7 million de personnes sont atteintes d’un trouble de la vision. 207 000 aveugles (pas de perception de la lumière) et malvoyants profonds (vision résiduelle limitée à la distinction de silhouettes) ; 932 000 malvoyants moyens (incapacité visuelle sévère : en vision de loin, ils ne peuvent distinguer un visage à 4 mètres ; en vision de près, la lecture est impossible).
Références
- https://www.aveuglesdefrance.org/quelques-chiffres-sur-la-deficience-visuelle
- http://www.who.int/mediacentre/factsheets/fs282/fr/
- http://www.who.int/blindness/publications/publication/fr/
Objecfifs
Le projet a pour objectif d'expérimenter des technologies IoT permettant à des personnes déficientes visuelles d'éviter les obstacles quand elles se déplacent en milieu urbaine (signalétique, ...). Le stagiaire devra évaluer trois technologies candidates, réaliser 3 prototypes avec une ou des applications idoines pour smartphone donnant un retour à l'usager et expérimenter les prototypes avec des personnes volontaires.
Technologies
LiDaR
VL53L1 Time of Flight Ranging Sensor
- http://www.st.com/content/st_com/en/about/media-center/press-item.html/fr/p3918.html
- http://www.st.com/content/st_com/en/products/imaging-and-photonics-solutions/proximity-sensors/vl53l1x.html
- http://www.st.com/content/st_com/en/products/ecosystems/stm32-open-development-environment/stm32-nucleo-expansion-boards/stm32-ode-sense-hw/p-nucleo-53l1a1.html
- http://www.st.com/en/evaluation-tools/b-l475e-iot01a.html
- http://www.st.com/en/evaluation-tools/nucleo-f446re.html
Neural Stick
- RPI + Camera 8MP + PowerPack LiPo
- https://www.movidius.com/
- https://github.com/tspannhw/rpi-mxnet-movidius-minifi
- https://www.youtube.com/watch?v=79iD27tZu20
- https://www.youtube.com/watch?v=OO-gupM8XJ0
- https://www.youtube.com/watch?v=GTxq_5Ldk_k
- https://www.youtube.com/watch?v=hX0UELNRR1I
- https://aiyprojects.withgoogle.com/vision/#project-overview
- https://www.theverge.com/circuitbreaker/2017/10/6/16434834/google-clips-camera-ai-movidius-myriad-vpu
- https://software.intel.com/en-us/articles/pedestrian-detection-using-deep-neural-networks-on-intel-architecture
Datasets
- Caltech dataset for training http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
Média
Photos - Video 1 - Video 2 - Video 3