Έξυπνο Σύστημα Αναγνώρισης Χειρονομιών με Τεχνητή Νοημοσύνη για την Υποστήριξη Ατόμων με Κινητικές Δυσκολίες

Simple item page
dc.contributor.advisorΠαρασκευάς, Μιχαήλ
dc.contributor.authorΚολλιόπουλος, Σταύρος
dc.contributor.committeeΣυρμακέσης, Σπυρίδων
dc.contributor.committeeΧριστοδούλου, Σωτήριος
dc.contributor.departmentΤμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.masterΤεχνολογίες και Υπηρεσίες Ευφυών Συστημάτων Πληροφορικής και Επικοινωνιώνel
dc.date.accessioned2025-07-09T08:16:25Z
dc.date.available2025-07-09T08:16:25Z
dc.date.issued2025-07-03
dc.description.abstractΗ παρούσα εργασία εστιάζει στην ανάπτυξη ενός έξυπνου συστήματος αναγνώρισης χειρονομιών, το οποίο αποσκοπεί στη βελτίωση της ανεξαρτησίας και της ασφάλειας ατόμων με κινητικές δυσκολίες, αξιοποιώντας τεχνολογίες τεχνητής νοημοσύνης και Διαδικτύου των Πραγμάτων (IoT). Το σύστημα αυτό σχεδιάστηκε με γνώμονα την πρακτική χρησιμότητα και τη βελτιωμένη αλληλεπίδραση των χρηστών με το περιβάλλον τους, επιτρέποντας τον έλεγχο συσκευών, την αποστολή ειδοποιήσεων και την επικοινωνία, αποκλειστικά μέσω χειρονομιών. Για τον σχεδιασμό του, πραγματοποιήθηκε συλλογή δεδομένων μέσω ερωτηματολογίων, ώστε να καταγραφούν οι ανάγκες και οι προτιμήσεις των χρηστών και να εξασφαλιστεί η λειτουργικότητα του συστήματος σε πραγματικές συνθήκες. Καινοτομία της παρούσας εργασίας αποτελεί η χρήση τεχνητής νοημοσύνης για την αναγνώριση χειρονομιών, η οποία επιτρέπει στους χρήστες να εκτελούν ενέργειες όπως η αποστολή μηνυμάτων SOS, ο έλεγχος ηλεκτρικών συσκευών και η ειδοποίηση φροντιστών, χωρίς την ανάγκη φυσικής επαφής. Η εκπαίδευση του μοντέλου αναγνώρισης πραγματοποιήθηκε μέσω του Teachable Machine, εξασφαλίζοντας ακρίβεια και ευελιξία στην αναγνώριση διαφορετικών κινήσεων. Η υλοποίηση βασίστηκε σε πλατφόρμα Raspberry Pi [1], επιλεγμένη για τη χαμηλή κατανάλωση ενέργειας, την ευκολία διασύνδεσης με περιφερειακές συσκευές (LED, buzzer) και την υποστήριξη αλγορίθμων τεχνητής νοημοσύνης. Παράλληλα, το σύστημα επεκτάθηκε με την ενσωμάτωση της πλατφόρμας ThingSpeak και του MATLAB, παρέχοντας απομακρυσμένη διαχείριση και ειδοποιήσεις σε πραγματικό χρόνο. Συγκεκριμένα, τα δεδομένα των χειρονομιών καταγράφονται δυναμικά στο ThingSpeak, ενώ μέσω MATLAB αναπτύχθηκε μηχανισμός αυτόματης αποστολής e-mail σε φροντιστές, επιτρέποντας την παρακολούθηση της κατάστασης των χρηστών και την έγκαιρη ανταπόκριση σε έκτακτες ανάγκες. Το σύστημα σχεδιάστηκε με έμφαση στην προσβασιμότητα και την αξιοπιστία, παρέχοντας ένα ευέλικτο και φυσικό μέσο επικοινωνίας για άτομα που αντιμετωπίζουν κινητικούς περιορισμούς. Η ενσωμάτωση τεχνολογιών αιχμής, με γνώμονα τις πραγματικές ανάγκες των χρηστών, υπογραμμίζει τη δυνατότητα αξιοποίησης της τεχνητής νοημοσύνης και του IoT στην υποστήριξη ευάλωτων κοινωνικών ομάδων, ενισχύοντας την ανεξαρτησία και την ποιότητα ζωής τους.el
dc.description.abstracttranslatedThis study focuses on the development of an intelligent gesture recognition system designed to enhance the independence and safety of individuals with mobility impairments, leveraging artificial intelligence and Internet of Things (IoT) technologies. The system was designed with an emphasis on practical usability and improved user interaction with their environment, allowing users to control devices, send notifications, and communicate solely through gestures. To ensure its effectiveness, a user requirements analysis was conducted through questionnaires, identifying key needs and preferences to optimize the system’s functionality in real-world scenarios. A key innovation of this study is the use of artificial intelligence for gesture recognition, enabling users to perform actions such as sending SOS messages, controlling electrical devices, and notifying caregivers without requiring physical interaction. The gesture recognition model was trained using Teachable Machine, ensuring high accuracy and flexibility in detecting different hand movements. The implementation was based on a Raspberry Pi [1] platform, chosen for its low power consumption, ease of integration with peripheral devices (LEDs, buzzers), and support for artificial intelligence algorithms. Additionally, the system was extended with the integration of the ThingSpeak platform and MATLAB, providing real-time remote monitoring and notifications. Specifically, gesture data is dynamically recorded on ThingSpeak, while MATLAB was used to develop an automated email notification system for caregivers, allowing continuous monitoring of users’ status and timely response to emergencies. The system was designed with a focus on accessibility and reliability, offering a flexible and natural communication method for individuals facing mobility challenges. The integration of cutting-edge technologies, tailored to real user needs, highlights the potential of artificial intelligence and IoT in supporting vulnerable social groups, ultimately enhancing their independence and quality of lifeel
dc.format.extent96el
dc.identifier.urihttps://amitos.library.uop.gr/xmlui/handle/123456789/9036
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πελοποννήσουel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subject.keywordΈξυπνο σύστημα, Αναγνώριση χειρονομιών, Τεχνητή Νοημοσύνη, Μηχανική Μάθηση, Raspberry Pi, Τεχνολογία Υποβοήθησης, Άτομα με Κινητικές Δυσκολίες, Teachable Machine, Internet of Things, Επείγουσες Ειδοποιήσεις, Αυτόνομη Διαβίωση, Επεξεργασία Εικόνας, Ενσωμάτωση Αισθητήρων, Χρήση Κάμερας, Επικοινωνία χωρίς επαφή.el
dc.titleΈξυπνο Σύστημα Αναγνώρισης Χειρονομιών με Τεχνητή Νοημοσύνη για την Υποστήριξη Ατόμων με Κινητικές Δυσκολίεςel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Kolliopoulos_2325.pdf
Size:
2.31 MB
Format:
Adobe Portable Document Format
Description:
Μεταπτυχιακή Διπλωματική Εργασία
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
933 B
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (Μ. Δ. Ε.)