|
|
Detekce ohně a kouře ve videosekvenci
Tomek, Peter ; Štancl, Vít (oponent) ; Švub, Miroslav (vedoucí práce)
Cílem práce je analýza vstupní videosekvence a následné nalezení oblastí, které obsahujících oheň nebo kouř. Daný problém je rozdělen na dvě podúlohy-detekci ohně a detekci kouře. Základem a prvním krokem analýzy je detekce daných oblastí pomocí Gaussova zloženého modelu-Gaussian mixture model. Na jeho natrénovaní je použit algoritmus Expectation- Maximization, nebo skráceně EM. Pro detekci kouře se dále používa technika optického toku. Výsledné oblasti jsou pak upraveny pomocí aplikace různých morfologických metod a analýzou vzájemné polohy detekovaných oblastí. Výstupem algoritmu je opět videosek- vence, ve které jsou zvýrazněny oblasti s pravděpodobnou přítomností ohně nebo kouře.
|
|
|
Approximation of Terrain Data Utilizing Splines
Tomek, Peter ; Kunovský, Jiří (oponent) ; Chudý, Peter (vedoucí práce)
For the optimization of near-of-the-earth flight trajectories the terrain data have to be taken into account very precisely. At this, a fast and efficient evaluation of terrain data is very important since within the optimization task the computational effort for one single cost function evaluation has to be as small as possible. Furthermore, the trajectory optimization is done by gradient-based optimization methods. Thus, the approximation of the terrain data has to be continuously differentiable and also the gradients of the terrain data have to be evaluated along with the terrain data itself. A very promising approach for the approximation of the terrain data are multivariate splines based on the triangulations of the approximation domain. The aim of this master thesis was to develop a MATLAB and C{}\texttt{++} function that evaluates given terrain data at certain points along with the gradients of the terrain data at these points based on multivariate splines. The function supports evaluation of multiple points at once and is not limited to the three-dimensional data but should also be capable to approximate the data of any dimension.
|
|
|
Detekce ohně a kouře ve videosekvenci
Tomek, Peter ; Štancl, Vít (oponent) ; Švub, Miroslav (vedoucí práce)
Cílem práce je analýza vstupní videosekvence a následné nalezení oblastí, které obsahujících oheň nebo kouř. Daný problém je rozdělen na dvě podúlohy-detekci ohně a detekci kouře. Základem a prvním krokem analýzy je detekce daných oblastí pomocí Gaussova zloženého modelu-Gaussian mixture model. Na jeho natrénovaní je použit algoritmus Expectation- Maximization, nebo skráceně EM. Pro detekci kouře se dále používa technika optického toku. Výsledné oblasti jsou pak upraveny pomocí aplikace různých morfologických metod a analýzou vzájemné polohy detekovaných oblastí. Výstupem algoritmu je opět videosek- vence, ve které jsou zvýrazněny oblasti s pravděpodobnou přítomností ohně nebo kouře.
|
|
|
Approximation of Terrain Data Utilizing Splines
Tomek, Peter ; Kunovský, Jiří (oponent) ; Chudý, Peter (vedoucí práce)
For the optimization of near-of-the-earth flight trajectories the terrain data have to be taken into account very precisely. At this, a fast and efficient evaluation of terrain data is very important since within the optimization task the computational effort for one single cost function evaluation has to be as small as possible. Furthermore, the trajectory optimization is done by gradient-based optimization methods. Thus, the approximation of the terrain data has to be continuously differentiable and also the gradients of the terrain data have to be evaluated along with the terrain data itself. A very promising approach for the approximation of the terrain data are multivariate splines based on the triangulations of the approximation domain. The aim of this master thesis was to develop a MATLAB and C{}\texttt{++} function that evaluates given terrain data at certain points along with the gradients of the terrain data at these points based on multivariate splines. The function supports evaluation of multiple points at once and is not limited to the three-dimensional data but should also be capable to approximate the data of any dimension.
|
host ::
RSS.