Název:
Reidentifikace automobilů ve videu
Překlad názvu:
Re-Identification of Vehicles in Video
Autoři:
Zapletal, Dominik ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2015
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Tato bakalářská práce se zabývá problémem reidentifikace automobilů ve videu. Reidentifikace automobilů ve videu je založena na porovnávání částí obrazu získaného z různých kamer. Tato práce je zaměřena zejména na reidentifikaci automobilů samotnou a vychází z předpokladu, že problém detekce automobilů ve videu je již vyřešen v podobě vytvořeného 3D ohraničujícího kvádru kolem vozidla. Problém reidentifikace je vyřešen pomocí barevných histogramů, histogramů orientovaných gradientů a lineárního regresoru. Příznaky jsou používány v oddělených modelech za účelem dosažení nejlepších výsledků v nejkratším výpočetním čase procesoru. Navrhovaná metoda pracuje s vysokou přesností (60% opravdu pozitivních rozpoznání s 10% mírou falešně pozitivních případů na náročné datové sadě) s výpočetním časem procesoru (Core i7) 85 milisekund pro jednu reidentifikaci vozidla za předpokladu video vstupu v plném HD rozlišení. Použitím této práce v distribuovaných dopravních monitorovacích systémech je možné zjistit důležité parametry jako doba cestování, směry dopravních toků nebo dopravní informace.
This thesis deals with the vehicle re-identification in video problem. Vehicle re-identification is based on matching image parts obtained from different cameras. This work is focues on the re-identification itself assuming that the vehicle detection problem is already solved including extraction of a full-fledged 3D bounding box. The re-identification problem is solved by using color histograms, histograms of oriented gradients by a linear regressor. The features are used in separate models in order to get the best results in the shortest CPU computation time. The proposed method works with a high accuracy (60% true positives retrieved with 10% false positive rate on a challenging subset of the test data) in 85 milliseconds of the CPU (Core i7) computation time per one vehicle re-identification assuming the Full HD resolution video input. The applications of this work include finding important parameters like travel time, traffic flow, or traffic information in a distributed traffic surveillance and monitoring system.
Klíčová slova:
anonymní reidentifikace; extrakce příznaků; porovnávání obrazu; počítačové vidění; regrese; reidentifikace automobilů; strojové učení; anonymous re-identification; computer vision; feature extraction; image matching; machine learning; regression; vehicle re-identification
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/11012/52473