|
|
AdaBoost v počítačovém vidění
Hradiš, Michal ; Zemčík, Pavel (oponent) ; Potúček, Igor (vedoucí práce)
V této diplomové práci jsou představeny nové obrazové příznaky "local rank differences" (LRD). Tyto příznaky jsou invariantní vůči změnám osvětlení a jsou vhodné k implementaci detektorů objektů v programovatelném hardwaru, jako je například FPGA. Chování klasifikátorů s LRD vytvořených pomocí algoritmu AdaBoost bylo otestováno na datové sadě pro detekci obličejů. LRD v těchto testech dosáhly výsledků srovnatelných s výsledky klasifikátorů s Haarovými příznaky, které jsou používány v nejlepších současných detektorech objektů pracujících v reálném čase. Tyto výsledky ve spojení s faktem, že LRD je možné v FPGA vyhodnocovat několikanásobně rychleji než Haarovy příznaky, naznačují, že by LRD příznaky mohly být řešením pro budoucí detekci objektů v hardwaru. V této práci také prezentujeme nástroj pro experimenty s algoritmy strojového učení typu boosting, který je speciálně uzpůsoben oblasti počítačového vidění, je velmi flexibilní, a přitom poskytuje vysokou efektivitu učení a možnost budoucí paralelizace výpočtů. Tento nástroj je dostupný jako open source software a my doufáme, že ostatním ulehčí vývoj nových algoritmů a příznaků.
|
|
|
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.
|
|
|
Detekce tváří v obraze
Škrobák, Dalibor ; Číka, Petr (oponent) ; Kyselý, František (vedoucí práce)
Tato práce se zabývá detekci tváře ve statickém obrazu. Teoretická část práce je zaměřena na barevné modely využívané pro detekci kůže v obraze (RGB, HSI, YCbCr), metodami využívající barevnou složku obrázků k detekci kůže (explicitní, parametrické či neparametrické metody), metrikou obrazu, detekci hran, matematickou morfologií, metodami pro klasifikaci tváře (příznakové metody, invariantní metody, znalostní metody, metody založené na porovnávání šablon). Praktická část obsahuje konkrétní návrh a praktickou realizaci dvou algoritmů detekující barvu kůže v obraze (jednoduchá metoda založená na Cr chrominační složce a statistická metoda). Praktická část také obsahuje návrh a praktickou realizaci dvou klasifikátorů tváře (příznaková metoda a metoda porovnávání šablon).
|
|
|
Detection of persons and evaluation of gender and age in image data
Dobiš, Lukáš ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
This master thesis describes an approach for automated human recognition by using convolutional neural networks (CNN) to perform facial analysis of persons face in image data. The predicted biometric indicators are following: age, gender, facial landmarks and facial expression. CNN architectures with pretrained weights for each task are described. Age estimation CNN has new weights trained and freezed, then has added new LSTM layers into its architecture. New LSTM layers are trained and tested on newly created video data set. Test results indicate improved age prediction accuracy. Solution for human recognition inference with single image and time series variants, in form of script with interconnected CNNs is explained, and its inference speed performance supports further proposed expansion plans for live video inference.
|
|
|
Ja som tu neni
Daneková, Petra ; Hosnedlová, Klára (oponent) ; Kohoutková, Karolína (vedoucí práce)
Koncept mimikry, kamufláže a zmiznutia som si vybrala z dôvodu, že ma zaujíma téma splynutia a neviditeľnosti. Stratiť sa v prírode alebo v meste pomocou tela a oblečenia. Vytvorila som odev, ktorý bude skúmať účinnosť kamufláže pre bežných ľudí každodenne sledovaných kamerami. Odevom chcem zistiť, či sú digitálne zariadenia dostatočne vyspelé na to, aby rozpoznali človeka aj v prípade keď bude mať končatiny navyše a zahalenú tvár s viditeľnými očami. V mojej práci využívam viaceré digitálne zariadenia, ktorými zisťujem účinnosť vytvoreného odevu. Pre porovnanie a lepšie zameranie človeka som ušila odevy dva. Jeden z nich je jednofarebný a druhý, ten dôležitejší, potlačený glitchom. Odevy testujem v interiéri aj v exteriéri. Výsledkom práce sú fotografie a videá človeka v oboch odevoch.
|
|
|
Poloautomatické pořízení rozsáhlé databáze lidských obličejů
Michalík, Marek ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Diplomová práce je zaměřena na metody získávání rozsáhlého počtu snímků lidských obličejů. Takto vzniklá databáze obličejů by měla sloužit jako datová sada pro detekci a rozpoznání lidských tváří pomocí strojového učení s učitelem. Práce se zabývá základními principy strojového učení s učitelem a dostupnými datovými sadami pro toto učení. Součástí práce je návrh technik a implementace algoritmů vhodných pro extrahování potencionálních tváří z videa a zpracování pomocí uživatelského rozhraní pro poloautomatickou akceptaci a anotaci nalezených snímků.
|
|
|
Rozpoznání lidské tváře
Burián, Pavel ; Ševcovic, Jiří (oponent) ; Herout, Adam (vedoucí práce)
Tato bakalářská práce se zabývá problematikou rozpoznávání lidské tváře v obraze. Popisuje principy detekce tváře, metody pro rozpoznávání a existující datové sady tváří. Zaměřuje se na rozbor, srovnání a testování algoritmů eigenface, fisherface a KDDA (Kernel Direct Discriminant Analysis).
|
|
|
Embedded zpracování videa pro dohledový systém
Gerych, Lukáš ; Polák, Ladislav (oponent) ; Frýza, Tomáš (vedoucí práce)
Obsahem práce je návrh a realizace vestavěného systému pro snímání statické scény a vyhodnocování obrazu pro dohledový systém. Je prováděna na miniaturním počítači Raspberry Pi s procesorem ARM. Jsou zde uvedeny metody různých typů detekcí v obraze a jejich implementace s použitím knihoven OpenCV. Dále se zabývá způsobem přístupu k systému pro jeho ovládání a prohlížení záznamů detekcí.
|
|
|
Rozpoznávání obličeje
Maňkoš, Richard ; Mézl, Martin (oponent) ; Kolář, Radim (vedoucí práce)
Tato diplomová práce se zabývá rozpoznáváním obličeje v digitálním obraze. První část se věnuje popisu biometrie a stručně charakterizuje nejčastěji využívané biometrické metody. Ve druhé části je popsán postup pro rozpoznání obličeje v obraze. Podrobněji je popsána metoda detekce Viola-Jones a metoda rozpoznávání PCA, která bude implementována v Matlabu. Poslední, praktická část je věnovaná popisu návrhu snímání videosekvencí, implementací metody PCA do Matlabu a diskuzí dosažených výsledků.
|
|
| |
host ::
RSS.