TY - THES ID - 135330205 TI - Personenteller in een klasruimte aan de hand van beeldmateriaal en Artificiële Intelligentie AU - Hollez, Yoshi AU - Van Landschoot, Sille AU - Cordemans, Piet AU - Katholieke Hogeschool VIVES: Brugge. SG Industriële wetenschappen en technologie PY - 2020 PB - Brugge : Katholieke Hogeschool VIVES: Brugge DB - UniCat UR - https://www.unicat.be/uniCat?func=search&query=sysid:135330205 AB - Op de campus Vives Brugge Station en KU Leuven Campus Brugge werd het aantal richtingen uitgebreid met als gevolg dat de lokalen steeds meer worden ingenomen. Indien een docent wil weten of een ruimte bezet is zonder de aanwezigen te storen, dan moet hij dit opzoeken in het lessenrooster en zo nagaan of er al dan niet een les bezig is. Dit neemt evenwel veel tijd in beslag. De vraag werd gesteld om dit te verhelpen door middel van Artificiële Intelligentie (AI). Veel opzoekwerk over artificiële intelligentie leverde Region with Convolutional Neural Network (RCNN) op. Dit is een Artificieel Neuraal Netwerk (ANN) die alle objecten op een foto overloopt en ze dan door een Convolutional Neural Network (CNN) laat classificeren in verschillende objectcategorieën. Er werd een bestaand neuraal netwerk gebruikt van google YOLO [1] en een bestaand neuraal netwerk van Matterport: Mask R-CNN [2] [3] die zelf werd getraind, om vervolgens te kunnen vergelijken welke de beste was. Om de dataset te maken werd er een toepassing ontwikkeld die foto’s neemt van het lokaal met studenten erin. De camera’s zijn verbonden met een applicatie via een Real-Time Publish-Subscribe (RTPS) protocol: de applicatie neemt een jpg foto uit die stream en slaat deze op in de database. Voor het labelen van de foto’s werd een website gemaakt waarmee men begrensde vakken rond mensen hun hoofd kan trekken. Het voorgetrainde artificieel neuraal netwerk heeft zeer veel moeite om mensen in de klas te tellen als ze dicht bij elkaar zitten: aan de hand van een test bleek dat het maar 48% nauwkeurigheid heeft. De zelf getrainde artificiële intelligentie daarentegen heeft 83% nauwkeurigheid. Er werd een mobiele app voorzien die aan de hand van een Application Programming Interface (API) het aantal mensen kan opvragen. Het voert dan het artificieel neuraal netwerk uit in een Pythonshell en geeft de hoeveelheid terug. Indien men een artificieel neuraal netwerk wil gebruiken voor een specifieke taak, dan traint men deze best zelf op een eigen dataset, voldoende variërend om tot een optimaal resultaat te komen. ER -