Original title: Reidentifikace automobilů ve videu
Translated title: Re-Identification of Vehicles in Video
Authors: Zapletal, Dominik ; Sochor, Jakub (referee) ; Herout, Adam (advisor)
Document type: Bachelor's theses
Year: 2015
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [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.
Keywords: anonymous re-identification; computer vision; feature extraction; image matching; machine learning; regression; vehicle re-identification; anonymní reidentifikace; extrakce příznaků; porovnávání obrazu; počítačové vidění; regrese; reidentifikace automobilů; strojové učení

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/52473

Permalink: http://www.nusl.cz/ntk/nusl-606044


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses