|
|
Rozhraní počítače využívající polohu hlavy uživatele
Chmiel, Filip ; Španěl, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce se zabývá metodou pro detekci polohy hlavy a jejího natočení s použitím technologií počítačového vidění. Metoda využívá algoritmů AdaBoost pro počáteční nalezení obličeje, a dále optického toku pro jeho následné sledování. Získané výsledky detekce je nutno vhodně interpretovat, respektive stabilizovat výstup. Tato metoda je vhodná pro využití při tvorbě inovativních uživatelských rozhraní.
|
|
|
Vyhledávání osob ve fotografii
Svoboda, Pavel ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Základem rozpoznávání lidí ve fotografii je obecně počítačové vidění, které poskytuje metody a algoritmy pro samotnou implementaci. Některé z nich popisuje právě tato práce. Celý proces rozpoznávání lidí je zpracován do tří fází. Těmi jsou detekce, zarovnání detekovaného obličeje a konečně jeho rozpoznání. Ke každé fázi jsou zmíněny algoritmy, které se v dané problematice používají a jenž jsou ze současného pohledu stále vyvíjeny. V implementaci tvoří páteř systému 3 základní algoritmy, mezi které patří AdaBoost pro získání klasifikátoru k detekci, metoda zarovnání obličeje na základě markantních rysů a metoda Eigenfaces k samotnému rozpoznávání. Teoreticky jsou rozebrány mimo výše uvedené i neuronové sítě pro detekci, ASM - Active Shape Models pro zarovnání a AAM - Active Appearance Model pro rozpoznávání. Závěrem nechybí tabulky dat vyhodnocující implementaci.
|
|
|
Detekce částí obličeje v termografickém spektru
Šujan, Miroslav ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Diplomová práce se zabývá aktuální problematikou detekce obličeje a jeho částí v termografickém spektru. Většina doposud publikované literatury se zabývá problematikou detekce ve viditelném spektru, což z detekce v termograckém spektru dělá zajímavou alternativu. Práce pojednává o zpracování obrazových signálů, obrazech a obličejích v termograckém spektru, vybraných metodách detekce obličeje a jeho částí a dále se zabývá praktickým návrhem systému pro detekci částí obličeje v tomto spektru a jeho následným testováním.
|
|
|
Detekce obličeje
Šašinka, Ondřej ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Tato diplomová práce se zabývá detekcí obličeje v obraze. Bude zde uveden přístup, který nejprve detekuje jednotlivé obličejové rysy (oči, nos, koutky úst), které pak podle určitých pravidel spojuje do výsledné detekce obličeje. Pro detekci obličejových rysů jsou použity klasifikátory natrénované algoritmem AdaBoost. Jako příznaky pro klasifikaci jsou použity Haarovy vlnky.
|
|
|
Boosting a evoluční algoritmy
Mrnuštík, Michal ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce představuje kombinaci AdaBoostu a evolučního algoritmu. Evoluční algoritmus je použit pro hledání lineární kombinace Haarových příznaků. Z té je vytvořen slabý klasifikátor pro AdaBoost. Jsou zde popsány základy klasifikace, Haarovy příznaky a Adaboost. Uvedeny jsou také základní informace o evolučních algoritmech. Dále obsahuje teoretický popis spojení AdaBoostu a evolučního algoritmu, doplněný o některé implementační detaily. Implementace je testována na obrazových datech jako součást systému pro detekci obličeje. Výsledky jsou porovnány se samostatnými Haarovými příznaky.
|
|
|
Detekce obličejů v obraze, nezávisle na natočení
Bureš, Václav ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Práce se věnuje problematice detekce typově stejných objektů (konkrétně obličejů) v obraze. Následuje rozšíření popsaných metod o detekci objektů v různých natočeních. Naleznete zde stručný přehled využitelných metod, jako je například Logical Binary Patterns, Histogram Of Gradients, Eigen Faces a blíže popsanou metodu AdaBoost. Následuje stručný přehled volně dostupných datasetů a popis jejich vybraných vlastností. Ke konci práce jsou popsány experimenty s využitím algoritmu AdaBoost a jejich vyhodnocení.
|
|
|
Detekce a identifikace obličeje na fotografii
Konôpková, Júlia ; Drahanský, Martin (oponent) ; Váňa, Jan (vedoucí práce)
Práce se zabývá problematikou detekce a identifikace obličeje na fotografích. V úvodu jsou rozebrány nejznámější metody se stručnými popisy jejich pricipů. Některé z nich v rámci praktické části implementujeme a otestujeme na volně dostupných databázích. V závěru práce jsou zhodnoceny výsledky metod a uzavření celé práce.
|
|
|
Klasifikátor biometrických obrazových dat
Tretter, Zdeněk ; Drahanský, Martin (oponent) ; Doležel, Michal (vedoucí práce)
Cílem této práce je navrhnout a implementovat klasifikátor otisků prstů, který klasifikuje otisky prstů na základě typu snímače, ze kterého byly nasnímány. Čtenáři jsou v práci popsány existující typy snímačů otisků prstů a jednotlivé fáze klasifikace. Navržený klasifikátor využívá kaskády klasifikátorů vytrénovaných učícím algoritmem AdaBoost. Aplikace byla implementovaná v jazyce C++, s využitím knihovny OpenCV, pro operační systémy GNU/Linux a MS Windows.
|
|
|
Rozpoznání ručně psaných číslic
Štrba, Miroslav ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
Rozpoznávání ručně psaných číslic je problém, který se dá použít jako modelová úloha pro vícetřídní rozpoznávání vzorů v obraze. Tato práce zkoumá různé druhy algoritmů (Samo-organizující se mapy, Stromové klasifikátory a AdaBoost) a metody pro zvyšování úspěšnosti klasifikace pomocí fúze (většinové rozhodování, průměrování logaritmických pravděpodobnostních hodnot, lineární logistická regrese). Metody fúze byly využité na kombinaci klasifikátorů s identickými parametry trénování, s rozdílnými trénovacími metodami a s podvzorkovaným vstupním vzorem.
|
|
|
Sledování hlídaného prostoru a detekce narušení bezpečnosti kamerovým systémem
Goldmann, Tomáš ; Drahanský, Martin (oponent) ; Orság, Filip (vedoucí práce)
Tato práce obsahuje popis základních systému používaných pro sledování hlídaného prostoru. Ve stěžejní části práce jsem představil metody počítačového vidění vhodné pro detekci a klasifikaci objektů. Dále jsem na základě metody odečítání pozadí realizoval algoritmus pro detekci lidí, který využívá pro popis objektů histogram orientovaných gradientů a pro klasifikaci SVM klasifikátor. V poslední části práce se zabývám porovnáním deskriptoru založeného na histogramu orientovaných gradientů se SIFT deskriptory a vyhodnocením preciznosti detekčního algoritmu.
|
host ::
RSS.