|
|
Face Anonymizer
Peša, Jan ; Juránek, Roman (referee) ; Láník, Aleš (advisor)
In this bachelor thesis you can find an overview of classification algorithms and their usage especially for searching image data and face detection. First part contains a brief introduction to a pattern recognition, a theoretical background of these algorithms and ways of training them. Other used components are also presented (e.g. Kalman filter or OpenCV library). Second part covers an implementation of the application which uses these technologies for searching, tracking and anononymization of human faces in a video stream.
|
|
|
Pattern Recognition in Image Using Classifiers
Juránek, Roman ; Španěl, Michal (referee) ; Herout, Adam (advisor)
An AdaBoost algorithm for construction of strong classifier from several weak hypotesis will be presented in this work. Theoretical background of the algorithm and the method of construction of strong classifiers will be explained. WaldBoost extension to the algorithm will be described. The thesis deals with image features that are often used as element of weak classifiers. Brief introduction to pattern recognition in context of computer vision will be outlined in the begining of the work. Also some widely used methods of classifier training will be presented. An object detection library based on AdaBoost classifiers was developed as part of the work. The library was used in implementation of software that in praktice demonstrates object detection in videosquences. Last part of the work describes tool for training of AdaBoost classifiers.
|
|
|
Object Detection Algorithms on Android Platform
Dlápal, Vojtěch ; Musil, Martin (referee) ; Musil, Petr (advisor)
Aim of this thesis is to analyze possibilities of object detection on Android platform, design demonstrative application, test it and evaluate results. Android platform, computer vision library OpenCV and object detection theory are being introduced. Application for comparison of face detection from OpenCV, Android API and custom detector using classifier was designed and implemented. Application was tested and the results were evaluated.
|
|
|
Face Detection in Camera Image on a Mobile Phone
Tureček, Martin ; Láník, Aleš (referee) ; Herout, Adam (advisor)
This thesis deals with a face detection on mobile phones. It especially focuses on Windows Mobile platform. The introduction is therefore devoted to this operating system and alternatives of working with the camera. The next part of the text refers to general problems of the face detection in the image considering the weak performance of the target device. Another part of this thesis is a description of the acquisition of images from the camera using DirectShow multimedia framework and creation of a custom transformation filter for the face detection. Achieved results are summarized in the conclusion. It takes a form of tests examining different mobile devices. All difficulties arising during Windows Mobile developing are also mentioned.
|
|
|
Sharing Local Information for Faster Scanning-Window Object Detection
Hradiš, Michal ; Kälviäinen, Heikki (referee) ; Matas, Jiří (referee) ; Zemčík, Pavel (advisor)
Cílem této dizertační prace je vylepšit existující detektory objektů pomocí sdílení informace a výpočtů mezi blízkými pozicemi v obraze. Navrhuje dvě metody, které jsou založené na Waldově sekvenčním testu poměrem pravděpodobností a algoritmu WaldBoost. První z nich, Early non-Maxima Suppression , přesunuje rozhodování o potlačení nemaximálních pozic ze závěrečné fáze do fáze vyhodnocování detektoru, čímž zamezuje zbytečným výpočtům detektoru v nemaximálních pozicích. Metoda neighborhood suppression doplňuje existující detektory o schopnost zavrhnout okolní pozice v obraze. Navržené metody je možné aplikovat na širokou škálu detektorů. Vyhodnocení obou metod dokazují jejich výrazně vyšší efektivitu v porovnání s detektory, které vyhodnocují jednotlivé pozice obrazu zvlášť. Dizertace navíc prezentuje výsledky rozsáhlých experimentů, jejichž cílem bylo vyhodnotit vlastnosti běžných obrazových příznaků v několika detekčních úlohách a situacích.
|
|
|
Hardware acceleration of object detection in images
Musil, Petr ; Chalmers, Alan (referee) ; Kadlec, Jiří (referee) ; Zemčík, Pavel (advisor)
V dnešní době je patrný nárůst počtu kamer a dohledových systémů ve veřejném prostoru. Množství informací které tato zařízení produkují je enormní a není v lidských silách je všechny vyhodnotit a interpretovat. Použití výpočetních technologií je nezbytné. Moderní algoritmy počítačového vidění již dosahují skvělých výsledků, jejich širšímu použití v praxi zatím brání nízký výkon zařízení a vysoké požadavky na výpočetní zdroje a energii. Jednou z možností je využití vysokého paraelního výkonu FPGA pro efektivní zpracování těchto algoritmů. Cílem této disertační práce je představit navržené metody optimalizace detektoru objektů v obraze běžících na FPGA. Tyto detektory využívají boostovatelné soft kaskády klasifikátorů spolu s lokálními obrazovými příznaky, které slouží jako slabé klasifikátory. Navržené postupy využívají sekvenční vyhodnocení slabých klasifikátoru. Pro zvýšení výkonu detekce je vyhodnocováno současně více pozic v obraze. Je navržen nový přístup pro detekci objektů různé velikosti nevyžadující externí paměť. Vytvořené detektory byly experimentálně ověřeny na úlohách detekce obličejů a poznávacích značek automobilů. Dosažená výsledky překonávají současný stav poznání, umožňují vytvořit detektory objektů s vyšším detekčním výkonem, lepším poměrem výkonu a spotřebovaných zdrojů FPGA a s lepší přesností detekce.
|
|
|
Object Detection Algorithms on Android Platform
Dlápal, Vojtěch ; Musil, Martin (referee) ; Musil, Petr (advisor)
Aim of this thesis is to analyze possibilities of object detection on Android platform, design demonstrative application, test it and evaluate results. Android platform, computer vision library OpenCV and object detection theory are being introduced. Application for comparison of face detection from OpenCV, Android API and custom detector using classifier was designed and implemented. Application was tested and the results were evaluated.
|
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (referee) ; Sojka, Eduard (referee) ; Zemčík, Pavel (advisor)
Detekce objektů v počítačovém vidění je složítá úloha. Velmi populární a rozšířená metoda pro detekci je využití statistických klasifikátorů a skenovacích oken. Pro učení kalsifikátorů se často používá algoritmus AdaBoost (nebo jeho modifikace), protože dosahuje vysoké úspěšnosti detekce, nízkého počtu chybných detekcí a je vhodný pro detekci v reálném čase. Implementaci detekce objektů je možné provést různými způsoby a lze využít vlastnosti konkrétní architektury, pro urychlení detekce. Pro akceleraci je možné využít grafické procesory, vícejádrové architektury, SIMD instrukce, nebo programovatelný hardware. Tato práce představuje metodu optimalizace, která vylepšuje výkon detekce objektů s ohledem na cenovou funkci zadanou uživatelem. Metoda rozděluje předem natrénovaný klasifikátor do několika různých implementací, tak aby celková cena klasifikace byla minimalizována. Metoda je verifikována na základním experimentu, kdy je klasifikátor rozdělen do předzpracovací jednotku v FPGA a do jednotky ve standardním PC.
|
|
|
Sharing Local Information for Faster Scanning-Window Object Detection
Hradiš, Michal ; Kälviäinen, Heikki (referee) ; Matas, Jiří (referee) ; Zemčík, Pavel (advisor)
Cílem této dizertační prace je vylepšit existující detektory objektů pomocí sdílení informace a výpočtů mezi blízkými pozicemi v obraze. Navrhuje dvě metody, které jsou založené na Waldově sekvenčním testu poměrem pravděpodobností a algoritmu WaldBoost. První z nich, Early non-Maxima Suppression , přesunuje rozhodování o potlačení nemaximálních pozic ze závěrečné fáze do fáze vyhodnocování detektoru, čímž zamezuje zbytečným výpočtům detektoru v nemaximálních pozicích. Metoda neighborhood suppression doplňuje existující detektory o schopnost zavrhnout okolní pozice v obraze. Navržené metody je možné aplikovat na širokou škálu detektorů. Vyhodnocení obou metod dokazují jejich výrazně vyšší efektivitu v porovnání s detektory, které vyhodnocují jednotlivé pozice obrazu zvlášť. Dizertace navíc prezentuje výsledky rozsáhlých experimentů, jejichž cílem bylo vyhodnotit vlastnosti běžných obrazových příznaků v několika detekčních úlohách a situacích.
|
|
|
Face Detection
Štrba, Miroslav ; Juránek, Roman (referee) ; Hradiš, Michal (advisor)
This bachelor thesis contains overview of actual face detection methods using classifier. It also contains description of creating system for face detection. There are described different methods for classifier training in first part. There is analysis, which preceded creation of system focused on black-and-white picture, in second part. Implemented system is using WaldBoost algorithm and Haar features. There is option to use particle filter in video.
|
guest ::
