IoT Prism Lab
Research Lab at University of Bologna
Research Lab at University of Bologna
Theses
2018 |
Salvatori, Giada riconoscimento del guidatore attraverso la fotocamera frontale di uno smartphone Masters Thesis 2018. Abstract | Links | BibTeX | Tags: Driver detection, Image Recognition, Machine Learning, road safety, Smartphone, Tensor Flow @mastersthesis{amslaurea16143, title = {riconoscimento del guidatore attraverso la fotocamera frontale di uno smartphone}, author = {Giada Salvatori}, url = {https://amslaurea.unibo.it/id/eprint/16143}, year = {2018}, date = {2018-01-01}, abstract = {Nowadays car manufactures and others are investing more and more in the use of technologies in order to improve road safety. The purpose of this study is to succeed in creating a model, exploiting Machine Learning, in order to verify whether users, while they are operating their own smartphones, are driving or not, carrying out the identification through images obtainable by means of the front-facing camera of the device. We intend to illustrate different types of checks on drivers and the reason why we have chosen to develop this theory; the techniques adopted and the problems encountered during its development, detailing, step by step, the project implementation and explaining the implementation decisions, providing also varations in the development and a demo for observing the results in an active way.}, keywords = {Driver detection, Image Recognition, Machine Learning, road safety, Smartphone, Tensor Flow}, pubstate = {published}, tppubtype = {mastersthesis} } Nowadays car manufactures and others are investing more and more in the use of technologies in order to improve road safety. The purpose of this study is to succeed in creating a model, exploiting Machine Learning, in order to verify whether users, while they are operating their own smartphones, are driving or not, carrying out the identification through images obtainable by means of the front-facing camera of the device. We intend to illustrate different types of checks on drivers and the reason why we have chosen to develop this theory; the techniques adopted and the problems encountered during its development, detailing, step by step, the project implementation and explaining the implementation decisions, providing also varations in the development and a demo for observing the results in an active way. |
2014 |
Maccaferri, Federico Fog escaping: un'applicazione di mobile data CrowdSourcing per il supporto alla mobilità veicolare Masters Thesis 2014. Abstract | Links | BibTeX | Tags: Crowdsourcing, dijskra, fog escaping, Image Recognition, ios7, ipad, iphone, mobilità veicolare, nebbia, participatory sensing, percorso alternativo @mastersthesis{amslaurea6684, title = {Fog escaping: un'applicazione di mobile data CrowdSourcing per il supporto alla mobilità veicolare}, author = {Federico Maccaferri}, url = {https://amslaurea.unibo.it/id/eprint/6684}, year = {2014}, date = {2014-01-01}, abstract = {In questa Tesi di laurea, si è affrontato il problema della mobilità veicolare in caso di nebbie. Si è quindi sviluppato un prototipo con architettura Client-Server, che si è soffermato maggiormente sull’analisi dei dati per la creazione di un percorso alternativo. Si è preso in considerazione il sistema operativo mobile di Apple, iOS7 che rappresenta uno dei Sistemi Operativi mobili maggiormente presenti sul mercato oggigiorno e che possiede un buon bacino di utenze. La parte Server è stata sviluppata secondo l’architettura REST; è presente un Server HTTP che riceve richieste e risponde in modo adeguato ai Client tramite lo scambio bidirezionale di dati in formato JSON. Nella parte Server è inclusa la base di dati: un componente molto importante poiché implementa al suo interno, parte della logica di Sistema tramite stored procedure. La parte Client è un’applicazione per dispositivi iPad e iPhone chiamata Fog Escaping; essa è stata sviluppata secondo il pattern MVC (Model- View-Controller). Fog Escaping implementa un algoritmo Greedy di ricerca del percorso alternativo, che può essere utilizzato per diverse tipologie di applicazioni.}, keywords = {Crowdsourcing, dijskra, fog escaping, Image Recognition, ios7, ipad, iphone, mobilità veicolare, nebbia, participatory sensing, percorso alternativo}, pubstate = {published}, tppubtype = {mastersthesis} } In questa Tesi di laurea, si è affrontato il problema della mobilità veicolare in caso di nebbie. Si è quindi sviluppato un prototipo con architettura Client-Server, che si è soffermato maggiormente sull’analisi dei dati per la creazione di un percorso alternativo. Si è preso in considerazione il sistema operativo mobile di Apple, iOS7 che rappresenta uno dei Sistemi Operativi mobili maggiormente presenti sul mercato oggigiorno e che possiede un buon bacino di utenze. La parte Server è stata sviluppata secondo l’architettura REST; è presente un Server HTTP che riceve richieste e risponde in modo adeguato ai Client tramite lo scambio bidirezionale di dati in formato JSON. Nella parte Server è inclusa la base di dati: un componente molto importante poiché implementa al suo interno, parte della logica di Sistema tramite stored procedure. La parte Client è un’applicazione per dispositivi iPad e iPhone chiamata Fog Escaping; essa è stata sviluppata secondo il pattern MVC (Model- View-Controller). Fog Escaping implementa un algoritmo Greedy di ricerca del percorso alternativo, che può essere utilizzato per diverse tipologie di applicazioni. |