|
|
Počítání lidí ve videu
Kuřátko, Jiří ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce je vytvořit program schopný sledovat trajektorie pohybu lidí a~na základě toho vytvářet různé statistiky. V praxi se jedná o efektivní marketingový nástroj, který lze využít například pro analýzy toku zákazníků, optimální vyhodnocení prodejních hodin, analýzy typu návštěvnost a mnoho dalších. Tato práce používá k řešení histogramy orientovaných gradientů, SVM klasifikátor, sledování optického toku a pro asociaci dat byla zvolena metoda multiple hypothesis tracking. Kvalita systému byla vyhodnocena na videu z ulice, kde byla velká koncentrace chodců, a na školním kamerovém systému, kde program sledoval pohyb na chodbě, a tak počítal celkový počet prošlých lidí.
|
|
|
Mobilní aplikace pro skenování a rozpoznávání pokladních účtenek
Bambuch, Vladislav ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Cílem práce je vytvořit mobilní aplikaci umožňující focení pokladních účtenek, následně pak správu osobních financí pomocí přehledného grafického uživatelského rozhraní. Aplikace využívá technologie OCR pro digitalizaci cen z účtenek a řídí se novými trendy Android Material Design. Na vyfocené účtence dochází k označování cen jednotlivých položek, které se po kliknutí mezi sebou sčítají do výsledné sumy. Tu pak, společně s dalšími informacemi, může uživatel uložit a vést si statistiky o svých výdajích. Výsledkem je rychlé a velmi snadné přidávání záznamů o nákupech, které jsou k dispozici v přehledných výpisech i ve formě grafů.
|
|
|
Odhad osobnostních vlastností z videa
Čigáš, Patrik ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Táto bakalárska práca sa zaoberá experimentami so systémami na odhad dojmových osobnostných vlastností z videa a porovnáva ich úspešnosť. Systémy v experimentoch sú vytvorené pomocou lineárnych regresorov a konvolučných neurónových sietí. Experimenty porovnávajú úspešnosť lineárnych regresorov spracovávajúcich obrazovú a zvukovú modalitu. Na vytvorených spektrogramoch zo zvukových modalít videa práca vyhodnocuje výsledky konvolučných sietí s rôznym počtom konvolučných a plne prepojených vrstiev a následne porovnáva úspešnosť riešenia pomocou regresie a pomocou klasifikácie. Pre obrazovú modalitu práca porovnáva množstvo informácií v pohybe pohľadu človeka a v pohybe orientačných bodov tváre. Najlepšie výsledky v experimentoch dosahuje systém na spracovávanie orientačných bodov tváre.
|
|
|
Komprese obrazu pomocí neuronových sítí
Teuer, Lukáš ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tento dokument se zabývá kompresí obrazu za pomoci různých druhů neuronových sítí. Jsou zde probrány vlastnosti použitých druhů neuronových sítí, jako jsou konvoluční a rekurentní neuronové sítě. V dokumentu jsou ukázány a podrobně popsány architektury neuronových sítí, které se dají použit ke kompresi obrazu, a vysvětluje, jakým způsobem pracují. Dále jsou zde provedeny experimenty nad různými strukturami a parametry neuronových sítí za cílem najít nejvhodnější vlastnosti sítě pro kompresi obrazu. Navrhují se zde nové koncepty pro kompresi obrazu pomocí neuronových sítí, které jsou hned otestovány. Na závěr je zde navržena síť skládající se z nejlepších konceptů a částí otestovaných během experimentování.
|
|
|
Rekonstrukce 3D informací o automobilech z průjezdů před dohledovou kamerou
Dobeš, Petr ; Sochor, Jakub (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá 3D rekonstrukcí vozidel projíždějících před dohledovou kamerou. V práci je nejprve představena kalibrace dohledové kamery a souvislost automatické kalibrace s 3D informacemi o sledované dopravě. Dále jsou představeny algoritmy Structure from Motion a SLAM, společně s metodami pro odhad optického toku. Za účelem prozkoumání chování pro snímky projíždějících vozidel jsou provedeny experimenty s výpočtem korespondencí a algoritmem Structure from Motion. Následně je postup algoritmu Structure from Motion upraven. SIFT příznaky jsou nahrazeny algoritmem DeepMatching za účelem získání hustých bodových korespondencí pro následnou fázi rekonstrukce. Rekonstruované modely jsou dále zpřesněny aplikováním dodatečných omezení, která jsou specifická pro rekonstrukci projíždějících vozidel. Získané modely jsou poté vyhodnoceny. Veškeré zjištěné poznatky a informace o rekonstrukci vozidel jsou pak využity k navržení dalších modifikací, které by vedly k vytvoření zcela vlastního rekonstrukčního postupu, specializovaného přímo pro 3D rekonstrukci projíždějících vozidel.
|
|
|
Mobilní aplikace pro Studis VUT
Smyčka, Jan ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Bakalářská práce se zabývá vývojem mobilní aplikace v operačním systému Android pro informační systém VUT. Teoretická část práce se věnuje operačnímu systému Android a jeho základním prvkům užívaným při tvorbě aplikace, v textu je rozebrán také design a architektonický návrh mobilních aplikací. Zásadní část práce se věnuje popisu implementace vytvořené aplikace a jejímu testování na uživatelích. V závěrečné části práce je vývoj aplikace a testování uživatelů zhodnoceno a je navržen další možný vývoj aplikace do budoucna.
|
|
|
Detekce a rozpoznání registrační značky z jedoucího vozidla
Tomovič, Martin ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cieľom tejto práce je vytvoriť aplikáciu na detekciu a rozpoznávanie registračných značiek, vhodnú pre spracovanie v reálnom čase. Práca obsahuje rozbor vybraných metód zaoberajúcich sa touto problematikou. Časť práce je venovaná súčasnej podobe registračných značiek v Českej republike. Pri tvorbe práce bola vytvorená nová dátová sada a bola implementovaná počítačová aplikácia. Aplikácia využíva existujúce knižnice určené pre počítačové videnie a strojové učenie. Jej úlohou je detekcia a rozpoznávanie značiek z videa. Detekcia je realizovaná pomocou kaskádového klasifikátora a rozpoznávanie pomocou perceptrónovej neurónovej siete. V závere je zhodnotená úspešnosť implementovaného riešenia.
|
|
|
Automatic Traffic Video Surveillance: Fine-Grained Recognition of Vehicles and Automatic Speed Measurement
Sochor, Jakub ; Elder, James (oponent) ; Svoboda,, Tomáš (oponent) ; Herout, Adam (vedoucí práce)
This thesis presents my contributions to the state-of-the-art in Intelligent Transportation Systems and Computer Vision. Specifically, the work is focused on two tasks -- automatic speed measurement of vehicles and fine-grained recognition of vehicles. The problem of vehicle fine-grained recognition can be defined as a task where the system is supposed to produce exact fine-grained type (e.g. "Škoda Octavia combi mk2") for a presented vehicle. In my first paper on this topic, a method exploiting automatically constructed 3D bounding boxes around vehicles is proposed. The results show that the method significantly improves classification and verification accuracy. Further improvements and analysis of the approach was published in my second paper dealing with the problem. The improved approach eliminates necessity to know vanishing points a priori - it is possible to construct the 3D bounding box of the vehicle from a single image of the vehicle. The results show that our proposed method consistently improves classification accuracy by up to 12 percentage points with different Convolutional Neural Networks. The classification error was also reduced by up to 50 %.The second addressed problem is automatic speed measurement of vehicles. The proposed system should work from a single camera without any manual calibration or input. First, we had to collect a large dataset with precise ground truth speed measurements as there was no such dataset. The dataset contains over 20,000 vehicles with ground truth speed measurement acquired from two synchronized LIDAR optical gates. Furthermore, we proposed a method for fully automatic traffic surveillance camera calibration enabling precise speed measurement of vehicles. The approach is based on vanishing point estimation and 3D model alignment of several common vehicle models. The experimental results show that our method achieves 1.10 km/h mean speed measurement error while outperforming both state-of-the-art methods and manual calibration in the speed measurement task.
|
|
|
Rozpoznání typu vozidla z dohledové kamery
Mencner, Pavel ; Špaňhel, Jakub (oponent) ; Sochor, Jakub (vedoucí práce)
Cílem této práce je detekce vozidel v obraze z dopravní dohledové kamery a jemná klasifikace jejich typu (výrobce a model). V práci je implementována normalizační metoda Unpack, která slouží pro transformaci obrazu vozidla do jeho zdánlivé rovinné reprezentace, za účelem zvýšení úspěšnosti klasifikátoru. Metoda Unpack využívá pro normalizaci 3D bounding box vozidla, který je v testovací fázi sestaven z informací o kontuře a směru k úběžníkům vozidla. Součástí práce je srovnání přesnosti metody přímé a Unpack klasifikace. Řešení se skládá z více na sebe navazujících částí, které využívají konvolučních neuronových sítí. Tyto části jsou: detekce vozidel v obraze, odhad směru k úběžníkům scény řešený jako klasifikační úloha, detekce kontury vozidel s využitím konvoluční Encoder-Decoder sítě a jemná klasifikace typu vozidel. Pomocí klasifikace s využitím metody Unpack bylo dosaženo zvýšení přesnosti systému o 2% proti přímé klasifikaci, dosahujíc výsledné úspěšnosti 86%. Výsledkem práce je systém jemné klasifikace typu vozidel pracující se záznamem z dohledové kamery bez omezení pozorovacích úhlů.
|
|
|
Detekce a rozpoznání registrační značky z fotografie
Janíček, Kryštof ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zabývá návrhem a vývojem systému pro detekci a rozpoznání registrační značky vozidla. Tento systém je rozdělen na tři části, kterými jsou detekce registrační značky, segmentace znaků a rozpoznání znaků. Pro detekci registrační značky je použita kaskáda klasifikátorů, která dosahuje úspěšnosti až 95,5% a přesnosti 95,9%. Segmentace znaků je provedena pomocí vyhledávání kontur s úspěšností 93,3% a přesností 96,5%. Pro rozpoznání znaků je využita neuronová síť, která dosahuje úspěšnosti 98,4% pro jednotlivé znaky. Celý systém je schopen detekovat a rozpoznat 81,5% registračních značek v pořízené testovací datové sadě.
|
host ::
RSS.