|
|
Detekce objektů v obraze s pomocí Haarových příznaků
Mašek, Jan ; Smékal, Zdeněk (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá detekcí objektů v obraze s použitím Haarových příznaků a algoritmu AdaBoost. V textu jsou popsány metody trénování a testování objektového detektoru. Hlavní přínos práce spočívá ve vytvoření objektového detektoru v programovacím jazyce Java. Vytvořené algoritmy byly integrovány jako rozšíření programu RapidMiner, který patří celosvětově mezi nejznámější a nejpoužívanější programy pro dolování informací z báze dat. Dále byly vytvořeny návody pro použití vytvořených operátorů a několik vzorových příkladů spustitelných v programu RapidMiner. Funkčnost objektového detektoru byla ověřena na vybraných zdravotnických snímcích.
|
|
|
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.
|
|
|
Rozpoznání gest ruky v obrazu
Mráz, Stanislav ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Tato diplomová práce se zabývá rozpoznáváním jednoduchých statických gest ruky za účelem ovládání počítače. Úvodní část práce je věnována teoretickému přehledu metod používaných pro nalezení ruky v obraze. Dále pak jsou popsány přístupy využívané pro klasifikaci gesta. Druhá část této práce je věnována výběru vhodného způsobu pro segmentaci ruky na základě barvy kůže a na základě pohybu. Poté jsou popsány metody pro rozpoznání gesta. Poslední část této práce se věnuje popisu navrhnutého řešení.
|
|
|
Automatic Face Recognition in Real Environment
Kičina, Pavol ; Šmirg, Ondřej (oponent) ; Přinosil, Jiří (vedoucí práce)
This master‘s thesis describes the identification faces in real terms. It includes an overview of current methods of detection faces by the classifiers. It also includes various methods for detecting faces. The second part is a description of two programs designed to identify persons. The first program operates in real time under laboratory conditions, where using web camera acquires images of user's face. This program is designed to speed recognition of persons. The second program has been working on static images, in real terms. The main essence of this method is successful recognition of persons, therefore the emphasis on computational complexity. The programs I used a staged method of PCA, LDA and kernel PCA (KPCA). The first program only works with the PCA method, which has good results with respect to the success and speed of recognition. In the second program to compare methods, which passed the best method for KPCA.
|
|
| |
|
|
Sledování obličejových rysů v reálném čase
Peloušek, Jan ; Mekyska, Jiří (oponent) ; Přinosil, Jiří (vedoucí práce)
Tato práce pojednává o problematice rozpoznávání objektů v obraze se zaměřením na rozpoznání lidské tváře a jejích součástí. Je zde popsány základní principy počítačového vidění, objektový detektor Viola-Jones, jeho programová realizace pomocí knihoven OpenCV. Dále je v této práci popsán systém přesné detekce obličejových částí pomocí algoritmu aktivních modelů tvaru (ASM) a s ním související mechanismy trénování klasifikátorů. Nakonec je popsána i praktická realizace včetně softwarové implementace.
|
|
|
Lokalizace obličejů ve video sekvencích v reálném čase
Juráček, Aleš ; Přinosil, Jiří (oponent) ; Richter, Miloslav (vedoucí práce)
Má diplomová práce se zabývá detekcí obličeje v obraze. Snažím se nastínit problematiku počítačového vidění, umělé inteligence a strojového učení. Popsal jsem zde podrobně detekci navrženou Violou a Jonesem, která pro sestavení klasifikátoru využívá algoritmus AdaBoost. Tato metoda byla záměrně vybrána z důvodu rychlosti detekce. Tento detektor byl realizován v programovacím jazyce C/C++ s využitím knihovny OpenCV. K celkovému natrénování byla využita databáze obličejových obrazů „MIT CVCL Face Database“. Cílem byla možnost nasazení detektoru tváří ve videosekvencích.
|
|
| |
|
| |
|
|
Zlepšování učinnosti prevence v telemedicíně
Nálevka, Petr ; Svátek, Vojtěch (vedoucí práce) ; Berka, Petr (oponent) ; Štěpánková, Olga (oponent) ; Šárek, Milan (oponent)
Cílem této práce je zlepšení účinnosti telemedicínských preventivních programů s využitím nástrojů z oblasti dobývání znalostí z databází a moderních telekomunikačních technologií. Tato práce využívá program ITAREPS jako případovou studii a ukazuje, že rozšíření tohoto programu postavené na navrhovaných metodách může výrazně zlepšit úspěšnost prevence. ITAREPS je sám o sobě ukázkou úspěšné aplikace telemedicíny a asi největším podobným počinem v oblasti prevence schizofrenie. Funguje již od roku 2006. Byl nasazen v osmi zemích světa a jen v České republice pomohl více než 400 pacientům v prevenci relapsu. Výsledky této práce mají širší využití, a to při prevenci jiných psychotických, ale i nepsychotických nemocí, které mají tendenci k recidivě a splňují další podmínky vymezené v této práci. Tato práce navrhuje dvě hlavní oblasti pro zlepšení. Zaprvé, využití historických dat a aplikaci různých metod temporálního dobývaní znalostí pro zlepšení úspěšnosti predikce relapsu. Zadruhé, využití nejnovějších telekomunikačních technologií pro zlepšení kvality získávaných diagnostických dat přímo u zdroje.
|
host ::
RSS.