Original title: Systém pro sledování silničního provozu a detekci nehod pomocí hlubokého učení
Translated title: Deep learning-based system for road traffic surveillance and accident detection
Authors: Duraj, Daniel ; Jonák, Martin (referee) ; Ježek, Štěpán (advisor)
Document type: Bachelor's theses
Year: 2026
Language: slo
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [slo] [eng]
Táto bakalárska práca sa zaoberá problematikou sledovania cestnej premávky a automatickou detekciou dopravných nehôd s využitím techník hĺbkového učenia. V rámci práce bolo potrebné vytvoriť dátovú množinu obsahujúcu dáta získané z reálnej premávky, ďalej implementovať detekciu a trasovanie objektov, ako aj kalibráciu kamery umožňujúcu prevod obrazových súradníc na metrické jednotky. Následne bolo potrebné vytvoriť systém, ktorý na základe získaných znalostí vyhodnocuje dianie v doprave a odmerať presnosť jeho predikcií. Z porovnania výsledkov navrhnutého systému s aktuálnymi metódami využívanými v tejto problematike vyplynulo, že jeho presnosť vyhodnocovania pri jednoduchších situáciách v doprave je podobná. Pri náročnejších situáciách systém predčil ostatné metódy. Navrhnutý systém je však náchylný na nesprávne vyhodnocovanie vyplývajúce z nepresnosti detektora objektov a kalibrácie kamery. Na záver bolo implementované používateľské rozhranie a výsledný systém zabezpečený. This bachelor thesis addresses the issue of traffic monitoring and the automatic detection of traffic accidents using deep learning techniques. As part of the thesis, a dataset containing data obtained from real traffic was created. Furthermore, object detection and tracking, as well as camera calibration enabling the conversion of image coordinates into metric units, were implemented. Subsequently, a system capable of evaluating traffic situations based on the acquired knowledge was developed, and the accuracy of its predictions were measured. A comparison of the results of the proposed system with current methods used in this field showed that its evaluation accuracy in simpler traffic situations is comparable. In more complex situations, the system outperformed other methods. However, the proposed system is prone to incorrect evaluation resulting from inaccuracies in the object detector and camera calibration. Finally, a user interface was implemented and the resulting system was secured.
Keywords: camera calibration; computer vision; dataset; Deep learning; object tracking; traffic accident detection

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/11012/258277

Permalink: http://www.nusl.cz/ntk/nusl-776165


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