|
|
Detekce pohybujících se objektů ve videu
Hanek, Petr ; Přinosil, Jiří (oponent) ; Rajnoha, Martin (vedoucí práce)
Tato bakalářská práce se zabývá knihovnou OpenCV a jejími metodami. Vytvořená aplikace je schopna detekovat pohybující se objekty ve videu ze statické kamery za pomocí metod pro odečítání pozadí obrazu. Tuto aplikaci je možné využívat v různých módech: detekování v oblasti vypočítanou pomocí BFS algoritmu a dva téměř podobné módy na detekci přechodu přes linii. Aplikace funguje na více vláknech, jelikož vytvořené grafické uživatelské rozhraní je náročné na výpočetní výkon. V aplikaci je implementovaný Kálmánův filtr pro detekci více objektů zároveň a implementace maďarské metody, která řeší přiřazovací problém.
|
|
|
Optický radar s využitím dvouosého kamerového manipulátoru
Senčuch, Daniel ; Musil, Petr (oponent) ; Beran, Vítězslav (vedoucí práce)
Efektivní sledování velkých kritických oblastí je důležité pro zajištění jejich bezpečnosti a soukromí. Řešení pro automatizaci této činnosti nejsou volně dostupná. Tato práce si klade za cíl vytvořit aplikaci pro sestavu dvouosého kamerového manipulátoru a kamery snímající viditelné spektrum. Aplikace na základě polohy manipulátoru a obrazu z kamery zjišťuje sémanticky významné změny v okolí, které je aktuálně snímáno, a vyznačuje oblasti zájmu, ve kterých k těmto změnám došlo.
|
|
|
Re-identifikace vozidla pomocí rozpoznání jeho registrační značky
Špaňhel, Jakub ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá návrhem algoritmů detekce a rozpoznání registrační značky vozidla, které by byly použitelné pro re-identifikaci vozidla v obraze, a vytvořením jednoduchého systému analýzy dopravy. Byly navrženy a otestovány jednotlivé části toho systému. Konkrétně se jedná o detekci vozidel, detekci a rozpoznání registrační značky vozidla a systém samotný. Detekce vozidel je prováděna pomocí metody odečítání pozadí a vytváření ohraničení těchto oblastí s úspěšností ~92%. Registrační značka je detekována pomocí kaskády klasifikátoru a dosahuje úspěšnosti 81.72% a přesnosti 94.42%. Rozpoznání poznávací značky pomocí metody Template matching dosahuje úspěšnosti 60.55%. Proto byl představen zcela nový princip rozpoznávání registrační značky vozidla pomocí jejího skenování užitím principu sliding window a rozpoznáváním neuronovou sítí. Neuronová síť dosahuje úspěšnosti 64.47% pro testovací datovou sadu při použití pěti příznaků. Malou úspěšnost neuronové sítě však ovlivňuje nedostatek vzorků některých znaků registrační značky.
|
|
|
Detekce pohybu ve video sekvenci
Chadim, Petr ; Štancl, Vít (oponent) ; Švub, Miroslav (vedoucí práce)
Práce pojednává o problému detekce pohybu ve video sekvenci. Detailně je popsán základní princip metody Odečítání pozadí a algoritmus pro hledání rozdílů mezi snímky. Velká pozornost je věnována aktualizaci referenčního snímku. Součástí práce je lokalizace pohybujícího se objektu ve video sekvenci. Výsledkem je aplikace pro otestování práce detektoru v různých prostředích.
|
|
|
Detekce pohyblivého objektu ve videu na CUDA
Horák, František ; Nečas, Ondřej (oponent) ; Herout, Adam (vedoucí práce)
Práce se zabývá metodikami detekce pohybu na videozáznamech; výběrem a aplikací vhodných algoritmů za použití technologie CUDA. Tato technologie je dále rozebírána, zkoumána z hlediska její architektury a dalších součástí. Jsou sledovány obecné principy detekce pohybu a navrhovány systémy detekčních algoritmů. Systém je implementován a podroben testům.
|
|
|
Měření rychlosti automobilů stacionární kamerou
Juřica, Tomáš ; Špaňhel, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Tato bakalářská práce pojednává o problematice měření rychlosti automobilů z videozáznamu pořízeného staticky umístěnou videokamerou s výhledem na silnici. Popsána je tvorba nástroje s cílem dosáhnutí maximální přesnosti měření s minimálním uživatelským vstupem a časem měření jednoho objektu. Pojem o rozměrech scény systém získává na základě známých bodů ve scéně, jež jsou nástrojem manuálně vyznačeny. Dále je popsán vliv způsobu anotování průjezdů vozidel a kvality vstupního souboru na maximálně možnou dosažitelnou přesnost měření.
|
|
|
Detekce ohně v obraze a videu
Poledník, Tomáš ; Juránková, Markéta (oponent) ; Přibyl, Bronislav (vedoucí práce)
Táto bakalářská práce se zabývá detekcí ohně v obraze a videu. Pozornost je věnována již existujícím metodám a známým přístupům k detekci ohně. Na základe analýzy popsaných metod je pak navržen, implementován a otestován detektor ohně sledující atributy jeho barvy a pohybu. Implementovaný detektor dosahuje až 90% množství správných detekcií.
|
|
|
Detekce pohybu v obraze z kamery
Půček, Petr ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá rozpoznáním pohybu v obraze pořízeného stacionární kamerou. Popisuje řešení návrhu a implementace aplikace pro rozpoznávání na platformě Windows s využitím knihovny pro zpracování obrazu OpenCV. Popsané obecné principy analýzy a zpracování obrazu jsou však uplatnitelné rovněž u jiných systémů.
|
|
|
Hra s ovládáním pomocí gest ruky
Kartous, Petr ; Zemčík, Pavel (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce je zaměřena na ovládání her pomocí gest ruky. Stěžejní částí práce je segmentace obrazu a detekce ruky v obraze. Pro segmentaci obrazu jsou použity techniky detekce kůže a odečítání pozadí s adaptivním modelem pozadí. Jsou zmíněny i metody matematické morfologie pro odstranění šumu z obrazu a metody vhodné pro převedení obrazu gesta na charakteristické vlastnosti gesta v číselné podobě. V rámci práce byla vytvořena jednoduchá hra na téma automobilové závody, která je ovládána pomocí gest ruky. Na závěr bylo provedeno testování s cílem zjistit výhody a nevýhody použitých metod segmentace obrazu za účelem rozpoznání gest ruky. Bylo také testováno několik sad gest, jejichž prostřednictvím je hra ovládána. Z tohoto testování vyšly nejúspěšněji dvě sady gest, které jsou použitelné v závislosti na kvalitě rozpoznání gesta ruky.
|
|
|
Sledování vojenských cílů ve videosignálu
Hamada, Ondřej ; Váňa, Jan (oponent) ; Orság, Filip (vedoucí práce)
Práce shrnuje a popisuje nejrozšířenější metody pro detekci cílů ve videosignálu. Speciálně se zaměřuje na využítí kernel-based metody s použitím mean-shift algoritmu a metody pro porovnávání vzorů. Obě tyto metody jsou doplněny Kalmanovým filtrem. Výsledek je pak aplikován ke sledování cílů jak v normálním videozáznamu, tak i v záznamu z termokamery. Postup je implementován v C++ s použitím knihnovny OpenCV.
|
host ::
RSS.