|
|
Sledování osob na základě jejich oblečení v multikamerových systémech
Sivak, Mykyta ; Přinosil, Jiří (oponent) ; Číka, Petr (vedoucí práce)
Daná bakalářská práce se zabývá vývojem a implementací algoritmu pro sledování osob v multikamerových systémech na základě analýzy vzoru oblečení. Cílem bylo navrhnout systém, který by byl schopen sledovat osobu v různých pozicích a záběrech, využívající techniky Region of Interest (RoI). Práce začíná rozsáhlým studiem literatury zaměřené na existující metody sledování objektů ve videosekvenčních datech, se speciálním důrazem na techniky sledování RoI. V rámci výzkumu byl navržen a implementován nový algoritmus, který využívá vzory oblečení jako hlavní identifikační prvek pro sledování a re-identifikaci osob v různých kamerových záběrech. Algoritmus byl experimentálně ověřen na datasetech obsahujících videosekvence z několika prostředí, což umožnilo detailně analyzovat jeho účinnost a spolehlivost. Výsledky experimentů ukazují, že navrhovaný systém dosahuje výrazné přesnosti a efektivity ve srovnání s tradičními metodami, a je zvláště účinný v náročných situacích, kde jiné metody selhávají. Na závěr práce jsou prezentovány hodnocení provedených experimentů spolu s doporučeními pro budoucí rozšíření a zlepšení systému. Diskutovány jsou také potenciální výzvy a etické aspekty, včetně otázek soukromí a zpracování osobních údajů.
|
|
|
Detection of Nudity in an Image Data
Pešková, Daniela ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
The focus of this thesis is the creation of a tool capable of detecting nudity in image data. This is achieved by training a model to detect incriminated body parts and creating an algorithm capable of detecting skin. The resulting tools can be used for automatic nudity detection in images. The first part of the thesis focuses on the theory of neural networks and computer vision, with an emphasis on skin detection. The second part discusses the approach chosen for creating the dataset, the process of creation and training the model capable of detecting nudity in images, as well as the algorithmic approach.
|
|
|
Detekce snížené viditelnosti a obrazových defektů pro kameru připevněnou na vozidle
Sedláček, Miloš ; Řičánek, Dominik (oponent) ; Svědiroh, Stanislav (vedoucí práce)
Tato bakalářská práce se zabývá tématem rozpoznání snížené viditelnosti a obrazových defektů způsobených nepříznivým počasím či osvětlením ze snímků pořízených kamerou připevněnou na vozidle. Práce popisuje základní charakteristiku nejčastějších vlivů a jejich účinků na kamerová data a představuje některé existující metody detekce těchto vlivů. Dále je vytvořen a popsán dataset obsahující vybrané defekty. Následně je v práci popsána problematika umělých neuronových sítí. Pro detekci defektů je implementována konvoluční neuronová síť, která je trénována a testována pomocí sestaveného datasetu. Na závěr jsou prezentovány dosažené výsledky sítě, její výpočetní náročnost a porovnání s výsledky jiných prací.
|
|
|
Detekce jízdních pruhů pro autonomní vozidla
Holík, Štěpán ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Tato diplomová práce se zaměřuje na návrh a experimentální ověření systému pro detekci jízdních pruhů, určování trajektorie a polohy vozidla. Cílem bylo vyvinout systém složený z algoritmů pro dílčí části systému. K tomuto účelu bylo využito dat nashromážděných kamerou ZED 2, modelu neuronové sítě U-Net a prvků počítačového vidění ke snížení falešně pozitivních detekcí pomocí časového okna. K určení polohy vozidla vůči trajektorii byly využity trigonometrické výpočty a parametry kamery. Součástí práce bylo také rozšíření datové sady TuSimple o data nashromážděná kamerou. Experimentální ověření prokázalo funkčnost systému s vysokou spolehlivostí detekce v jednoduchých modelových situacích typu jízda po rovném úseku silnice. S náročností modelových situací spolehlivost systému klesá. Navzdory těmto nedostatkům experimenty ukázaly, že systém je schopen detekovat hranice jízdních pruhů a navrhovat optimální trajektorii vozidla. Algoritmy pro určení trajektorie a polohy vozidla závisí na úvodní predikci hranic jízdního pruhu, jsou ale funkční a účinné.
|
|
|
Algorithm for Facial Image Quality Estimation
Husár, Tomáš ; Sakin, Martin (oponent) ; Goldmann, Tomáš (vedoucí práce)
The precision of face recognition algorithms is heavily influenced by the quality of input images. The aim of the work is to evaluate the quality of face images using a convolutional neural network. The data on which the testing was carried out were created by various degradations of photos from the CelebA dataset. The resulting application determines the quality of images based on the predicted probabilities of individual degradations.
|
|
|
System for tracking and classification of objects in the sky
Franka, Jakub ; Honec, Peter (oponent) ; Janáková, Ilona (vedoucí práce)
This work deals with the use of computer vision in the field of detection, tracking and classification of flying objects in a real environment. The goal is to create a robust system, capable of working effectively in adverse conditions and accurately identifying different types of objects in the sky. The work progresses from theoretical foundations, choice of methods, to the design and implementation of a computer vision system.
|
|
|
Detekce objektů pomocí ToF kamery
Hlaváč, Martin ; Bastl, Petr (oponent) ; Valach, Soběslav (vedoucí práce)
Tato práce se zabývá počítačovým viděním pomocí ToF kamery. V práci je shrnuta historie ToF kamer a jejich využití. V textu jsou zároveň uvedeny parametry kamer, se kterými jsem pracoval a popsány využité knihovny, OpenCV a wxWidgets. Dále je v textu popsán návrh a následně i popis vytvořené aplikace určené k počítání osob. V práci je také popis funkčnosti navržené aplikace a návrh možných dalších úprav aplikace.
|
|
|
Augmented Reality in Industrial Production and Maintenance
Kajan, Matej ; Janáková, Ilona (oponent) ; Horák, Karel (vedoucí práce)
This paper seeks to explore the possibility to utilize XR (extended reality) in industrial assembly. The aim is to implement a system, which is able to visually navigate the operator during the product assembly process by the means of object recognition and image augmentation. The first chapter presents the use-case of augmented reality in the industry. The next part consists of research on the topic of augmented and virtual reality devices and provides a brief comparison of the current state of the art. Afterwards, a methodology is presented for object recognition of an arbitrary object. The implementation is able to detect the object in real-time, is resilient to occlusion and contains the information about the object’s orientation.
|
|
|
Stereo rekonstrukce příčného profilu vozidla
Boch, Jan ; Richter, Miloslav (oponent) ; Honec, Peter (vedoucí práce)
Tato diplomová práce se zabývá návrhem stereo systému zpracování snímků vozidel a následné rekonstrukci jejich 3D modelu. Cílem práce je rekonstruovat model vozidla pro kontrolu jeho rozměrů a nákladu na které jsou kladeny restrikce v případě využití kritické dopravní infrastruktury (tunely, mosty). Práce začíná matematickým popisem snímání scény a pokračuje rešerší teoretických možností konfigurace systému. Jako nejvhodnější konfigurace byla zvolena jedna 3D kamera od společnosti Intel RealSense a jedna RGB kamera. Softwarové řešení pracuje s návrhem několika různých algoritmů z nichž stojí za zmínku rekonstrukce pomocí hloubkových map nebo například triangulace. Výsledné modely v poslední kapitole obsahují data pouze z výše zmíněné 3D kamery. Ze snímků získaných RGB kamerou se model z 3D kamery nepodařilo nijak vylepšit a proto ji lze prohlásit za redundantní. Výsledný 3D model je i tak dostačující pro účely kontroly vozidla a v případě pokračující práce je třeba navrhnout jinou, optimálnější konfiguraci.
|
|
|
Vehicle Make and Model Recognition
Gregor, Adam ; Špaňhel, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
In the practical part of the diploma thesis, the task of identifying the manufacturer and model of a vehicle (VMMR) was implemented. In the first part, a dataset of vehicles was compiled for machine learning purposes that consists of images from the Internet. This resulted in over 6 million images of cars, buses, motorbikes and trucks usable for the VMMR task. Next, as part of the experiments, a standard classification was used on a part of the dataset, when the encoder is followed by a classification layer implemented using a neural network. Also an approach with a supervised contrastive learning method, clustering embeddings from encoder for easier classification, was used. Since the first mentioned approach returned more accurate results, it was used in the further experiments. There, a larger portion of images from our dataset was used for training a classifier for the VMMR task. Other classifiers were trained on the Stanford Cars and Comprehensive cars datasets. Lastly, when comparing the functionality of the classifiers on different datasets we have found that the classifier trained on our dataset performed the best.
|
host ::
RSS.