Body Pose Estimation e Hand Detection per Driver Monitoring

L'analisi dell'interazione fra uomo e ambiente ਠuno degli obiettivi principali della Visione Artificiale, sia nel mondo della ricerca accademica che in quello industriale. Tra i settori dove si pone maggior interesse nella ricerca di sistemi automatizzati, uno dei predominanti ਠquello Automotive. In un mondo che si dirige verso automobili a guida autonoma, lo studio del comportamento dei passeggeri e del conducente all'interno dell'abitacolo ਠun compito ambizioso, sia per quanto riguarda la sfida tecnologica che per gli aspetti sociali, morali e legali che potrebbe ricoprire. L'obiettivo di questa tesi ਠil Driver Monitoring, attività  che si occupa di valutare e monitorare le azioni del conducente del veicolo. La testa, gli occhi e le mani, frazioni dell'area superiore del busto, sono le parti del corpo che influiscono maggiormente sull'azione di guida. Lo studio della posizione delle mani, che agiscono attivamente sul controllo dell'auto, consente di ottenere informazioni sullo stato di attenzione del guidatore. L'analisi dei gesti, chiamata Gesture Analysis, si basa su una corretta rilevazione delle mani, definita Hand Detection. Con Body Pose Estimation si intende la rilevazione di tutte le parti del corpo di un soggetto. Sfruttando queste informazioni ਠpossibile studiare il movimento dell'intero scheletro. Le mani fanno parte dei giunti del corpo umano, tramite la body pose estimation ਠquindi possibile effettuare anche la hand detection. In questo progetto di tesi il lavoro svolto ਠincentrato su questi due task, Hand Detection e Body Pose Estimation. Vengono presentate diverse architetture basate su reti neurali per la risoluzione di entrambi i problemi in ambito Automotive. I dati utilizzati come input sono di diversa natura: immagini RGB ed immagini di profondità , chiamate Depth Maps.