Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Human Data Mobility – Analisi e predizione di traiettorie di persone nella folla |
|---|---|
| Titolo del progetto di ricerca in inglese | Human Data Mobility – Human trajectory prediction in crowded spaces |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | L’obiettivo del progetto è migliorare la comprensione e la previsione del movimento umano nella folla (ad es. in centri commerciali, supermercati, aeroporti, campus universitari, etc.) sfruttando le informazioni acquisite – prevalentemente – da sensori di tipo RGB. L’analisi del comportamento umano e la rilevazione di anomalie nei video è un argomento classico nella letteratura sulla visione artificiale, ma i recenti progressi forniti dalle architetture di deep learning stanno spostando l'approccio classico (principalmente basato su funzionalità visive e tracciamento locali) verso un framework in cui le interazioni tra le persone e gli elementi contestuali della scena vengono appresi direttamente dai dati. L’obiettivo principale del progetto è quello di sfruttare i dati acquisiti da sensori di imaging, come telecamere RGB o di profondità, insieme a tecniche di machine learning in modo non invasivo, al fine di analizzare il movimento umano in ambienti affollati. |
| Descrizione sintetica in inglese | The aim of the project is to enhance human motion understanding and prediction in crowded scenario (e.g., shopping malls, supermarkets, airports, university campuses, etc.) exploiting information captured by common RGB sensors. Human behavior analysis and anomaly detection in videos is a popular topic in computer vision literature, but the recent advancements provided by deep learning architectures is shifting the classical approach (mostly based on local visual features and tracking) towards a data-driven framework where the complex interactions between humans and contextual elements of the scene are directly learned by data. The main goal of the project is to take advantage of the data acquired by common RGB cameras, along with advanced deep learning models using nonintrusive techniques in order to analyze human motion in crowded environments. |
| Data del bando | 23/10/2020 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://www.math.unipd.it/news/bando-assegni-tipo-a-22-fse-2020/ |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|
| Nome dell'Ente finanziatore | UNIVERSITà DEGLI STUDI DI PADOVA - DIPARTIMENTO DI MATEMATICA |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | PADOVA |
| Sito web | https://www.math.unipd.it/ |
| assegni.ricerca@math.unipd.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 12/11/2020 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://www.math.unipd.it/news/bando-assegni-tipo-a-22-fse-2020/ |