|
|
Rozpoznávání obličejů v obraze
Krhut, Miloš ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Diplomová práce se zabývá tématikou detekcí obličejů v digitálních obrazech. Jsou v ní obecně popsány a roztříděny nejčastěji používané metody a zmíněny jejich výhody a nevýhody. Podrobněji je popsána metoda detekce kůže pomocí barev, detekce očí, úst a dále teoreticky popsány algoritmy strojového učení a detekce Haarovými příznaky. Dále se práce věnuje implementaci těchto metod v knihovně OpenCV, jsou zde zmíněny praktické možnosti použití a nakonec provedeno srovnání detekcí různými dostupnými natrénovanými soubory.
|
|
|
Monitoring of human body in videosequence
Plačko, Michal ; Šmirg, Ondřej (oponent) ; Číka, Petr (vedoucí práce)
This thesis deals with human body detection and gestures tracking in videosequences. First, processing of videosequences in general is described. Further, different methods of human body detection are described and represented by significant papers. The most of the attention is focused on detection by real AdaBoost algorithm based on Haar-like features and Edgelet features. The practical part starts with selection of method that is implemented in this thesis. This method is detection by real AdaBoost based on Haar-like features. Further, different options of videosequence processing in JAVA are researched with justification of choice OpenCV library with JavaCV wrapper, which is used in this thesis. In the end, application itself is described, including description of GUI and description of each class and its functionality.
|
|
|
Detekce rasistických symbolů z obrazu
Klapal, Matěj ; Říha, Kamil (oponent) ; Povoda, Lukáš (vedoucí práce)
Cílem této práce je vytvořit detektor rasistických symbolů z obrazu za použití funkcí open source knihovny OpenCV. V textu je shrnut základní proces zpracování obrazových dat pomocí počítačů. Text dále obsahuje popis jednotlivých metod z této knihovny umožňujících natrénovat a poté v obraze zaznamenat a lokalizovat požadovaný objekt. Součástí tohoto textu je také porovnání úspěšností detekce za použití Haarových příznaků, LBP a histogramu orientovaných gradientů. V textu jsou také shrnuty výsledky testu detekce pro trojici podporovaných symbolů, svastiku, znaky SS a triskelion.
|
|
|
Ovládání počítačových aplikací přirozeným pohybem hlavy
Vojvoda, Jakub ; Materna, Zdeněk (oponent) ; Beran, Vítězslav (vedoucí práce)
Cílem této práce je navrhnout a realizovat systém sledující hlavu uživatele ve vstupních obrazových snímcích a na základě její pozice dosáhnout interakci s počítačovými aplikacemi. V rámci řešení byly navrženy 4 metody detekce hlavy využívající metody počítačového vidění jako detekci obličeje pomocí Haarových příznaků, detekce pozadí, camshift nebo Lucas-Kanade na výpočet optického toku. Jednotlivé metody byly testovaný na nahraných a v dané oblasti používaných datasetech a vyhodnoceny. Výsledek je využit k ovládaní demo aplikací pohybem hlavy.
|
|
|
AdaBoost v počítačovém vidění
Hradiš, Michal ; Zemčík, Pavel (oponent) ; Potúček, Igor (vedoucí práce)
V této diplomové práci jsou představeny nové obrazové příznaky "local rank differences" (LRD). Tyto příznaky jsou invariantní vůči změnám osvětlení a jsou vhodné k implementaci detektorů objektů v programovatelném hardwaru, jako je například FPGA. Chování klasifikátorů s LRD vytvořených pomocí algoritmu AdaBoost bylo otestováno na datové sadě pro detekci obličejů. LRD v těchto testech dosáhly výsledků srovnatelných s výsledky klasifikátorů s Haarovými příznaky, které jsou používány v nejlepších současných detektorech objektů pracujících v reálném čase. Tyto výsledky ve spojení s faktem, že LRD je možné v FPGA vyhodnocovat několikanásobně rychleji než Haarovy příznaky, naznačují, že by LRD příznaky mohly být řešením pro budoucí detekci objektů v hardwaru. V této práci také prezentujeme nástroj pro experimenty s algoritmy strojového učení typu boosting, který je speciálně uzpůsoben oblasti počítačového vidění, je velmi flexibilní, a přitom poskytuje vysokou efektivitu učení a možnost budoucí paralelizace výpočtů. Tento nástroj je dostupný jako open source software a my doufáme, že ostatním ulehčí vývoj nových algoritmů a příznaků.
|
|
|
Ovládání PC pomocí očí
Neuwirth, Tomáš ; Číp, Pavel (oponent) ; Horák, Karel (vedoucí práce)
Předkládaná diplomová práce se zabývá vyhodnocením pozice duhovky vzhledem k očnímu okolí pro využití k ovládání počítače. Vytvořená aplikace pracuje v reálném čase, přičemž snímky jsou pořizovány pomocí běžné webové kamery připojitelné k počítači. V úvodu jsou představeny základní úpravy obrazu, které se používají v počítačovém vidění. Dále jsou popsány teoretické možnosti metod pro vyhledání obličeje, očí a detekce duhovky. Zmíněny jsou ty, které lze využít pro ovládání počítače. Detekce a následná separace obličeje je založená na vyhledávání barvy kůže v barevném prostoru YCbCr. Pozice očí je poté ve vyhledaném obličeji detekována pomocí Haarových příznaků. Z oblasti očí se na základě horizontální projekce získává nejtmavší místo oka, z něhož je spuštěno semínko. Z oblasti, kterou semínková metoda (záplavové vyplňování) vyplní jako duhovku, se pak pomocí získaných souřadnic x-ové a y-ové osy vyhodnocuje pohyb kurzoru.
|
|
|
Systém pro identifikaci osob dle snímku obličeje
Karásek, Miroslav ; Horák, Karel (oponent) ; Petyovský, Petr (vedoucí práce)
Tato práce pojednává o metodách počítačového vidění pro lokalizace tváře v obraze, segmentaci jednotlivých částí tváře a jejich porovnání s tváří na referenčním snímku. V práci je uveden stručný přehled biometrických metod použitelných k identifikaci osob. Obsahuje popis různých metod lokalizace tváře v obraze a jejích rysů. Také se zabývá úpravami digitálního obrazu, návrhem vlastní metody lokalizace a verifikace tváří a následnou implementaci těchto metod.
|
|
| |
|
|
Aplikace algoritmu AdaBoost
Wrhel, Vladimír ; Šilhavá, Jana (oponent) ; Hradiš, Michal (vedoucí práce)
V této práci jsou uvedeny základy klasifikace a rozpoznávání vzorů. Zaměříme se především na algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce pomocí několika slabých klasifikátorů. Seznámíme se taktéž s některými modifikacemi AdaBoostu. Tyto modifikace zlepšují některé z vlastností AdaBoostu. Podíváme se taktéž na slabé klasifikátory a příznaky k nim použitelné. Zvláště se podíváme na Haarovy příznaky. Probereme možnosti použití zmíněných algoritmů a příznaků při rozpoznávání výrazu obličeje. Popíšeme si situaci mezi databázemi výrazů obličejů. Nastíníme možnou implementaci aplikace rozpoznávání výrazů obličeje.
|
|
|
Detekce objektů v obraze
Ptáček, Tomáš ; Šiler, Ondřej (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce pojednává o problematice detekce objektů a popisuje teoretická východiska detekce založené na boostingu, algoritmu AdaBoost a Haarových příznacích v roli slabých klasifikátorů. Dále se tato práce zabývá návrhem a implementací trénovací a detekční aplikace založené na knihovnách OpenCV a wxWidgets. K závěru popisuje test trénování a detekce obličejů provedený v implementované aplikaci.
|
host ::
RSS.