Název:
Online detektor bodů zájmu
Překlad názvu:
Online interest point detector
Autoři:
Přibyl, Jakub ; Rajnoha, Martin (oponent) ; Mašek, Jan (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2017
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Tato práce se věnuje problematice online učení detektoru při dlouhodobém sledování objektu ve videosekvenci. Tento objekt je definován pomocí ohraničujícího obdelníku. V práci jsou popsány jednotlivé části detektoru: sledování objektu, detekce objektu a online učení detektoru. Hlavním přínosem práce je rozšíření programu OpenTLD o paralelní detekci a sledování více objektů současně. Paralelizace je pak porovnána na několika praktických příkladech a je porovnán vliv procesoru při detekci. Nejlepších výsledků bylo dosaženo při paralelizaci s detekováním všech objektů. Nejpřesnější detekce byla v případě dostatečně naučených objektů při nejmenší změně podoby.
This thesis focuses on online learning detector for long-term tracking of object in video sequence. The object is defined by a bounding box. The text describes different parts of the detector: object tracking, object detection and online learning detector. The main contribution of this work is creating extension of the OpenTLD program for parallel detection and tracking of multiple objects. The parallelization is then compared on two practical examples and the processor's impact on detection is compared. The best results were achieved with parallelization, where all objects were detected. The most accurate detection was in the case of sufficiently learned objects with the smallest shape change.
Klíčová slova:
Detekce objektu; online učení detektoru; OpenCV; paralelizace; sledování objektu; TLD; Object detection; object tracking; online learning detector; OpenCV; parallelization; TLD
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/68083