|
|
Obličejový anonymizér
Peša, Jan ; Juránek, Roman (oponent) ; Láník, Aleš (vedoucí práce)
V této bakalářské práci lze nalézt přehled klasifikačních algoritmů a jejich použití zejména pro prohledávání obrazových dat a detekcí tváří. V první části je nastíněn úvod do rozpoznávání obrazů, je popsáno teoretické pozadí těchto algoritmů a způsob jejich trénování. Představeny jsou i další použité prvky (například Kalmanův filtr nebo knihovna OpenCV). V druhé části se se nachází popis implementace a výstavby aplikace, která využívá těchto technologií pro vyhledávání, sledování a anonymizaci lidských obličejů ve video vstupu.
|
|
|
Rozpoznání vzorů v obraze pomocí klasifikátorů
Juránek, Roman ; Španěl, Michal (oponent) ; Herout, Adam (vedoucí práce)
V této práci bude představen algoritmus AdaBoost, který slouží k vytvoření silné klasifikační funkce z několika slabých hypotéz. Bude vyloženo teoretické pozadí algoritmu a způsob konstrukce silného klasifikátoru. Dále bude popsáno rozšíření algoritmu o sekvenční rozhodovací strategii nazývané WaldBoost. Práce se zabývá také obrazovými příznaky, které jsou v mnoha případech základem slabých klasifikátorů. Kromě popisu zmíněných algoritmů bude uveden základ rozpoznávání vzorů v kontextu počítačového vidění a budou uvedeny některé často používané metody trénování klasifikátorů. Součástí práce bylo vytvoření knihovny pro detekci objektů založené na klasifikátorech trénovaných metodou AdaBoost. Tato knihovna byla následně využita v implementaci programu, který prakticky demonstruje detekce obejktů ve videosekvencích. Poslední část práce popisuje nástroj pro trénování AdaBoost klasifikátorů.
|
|
|
Algoritmy detekce objektů na platformě Android
Dlápal, Vojtěch ; Musil, Martin (oponent) ; Musil, Petr (vedoucí práce)
Cílem této práce je prozkoumat možnosti detekce objektů na platformě Android, navrhnout a implementovat demonstrativní aplikaci, otestovat ji a zhodnotit dosažené výsledky. Je představena platforma Android, knihovna pro počítačové vidění OpenCV a teorie pro detekci objektů. Byla navržena a implementována aplikace porovnávající detekci obličejů z OpenCV, Android API a navrženého detektoru používající klasifikátor. Aplikace byla důsledně otestována a výsledky vyhodnoceny.
|
|
|
Detekce obličejů v obraze z kamery na mobilním telefonu s WM
Tureček, Martin ; Láník, Aleš (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá detekcí obličejů na mobilních telefonech. Konkrétně se zaměřuje na platformu Windows Mobile. Úvod je tedy věnován tomuto operačnímu systému a možnostem práce s kamerou. Další část textu je věnována obecné problematice detekce obličeje v obraze s ohledem na slabý výkon cílových zařízení. Součástí práce je také popis získávání obrazu z kamery pomocí multimediálního frameworku DirectShow a tvorba vlastního transformačního filtru pro detekci obličeje. V závěru jsou shrnuty dosažené výsledky formou testů na několika mobilních zařízení a také jsou zmíněna všechna úskalí, která obnáší vývoj aplikací pro Windows Mobile.
|
|
|
Sharing Local Information for Faster Scanning-Window Object Detection
Hradiš, Michal ; Kälviäinen, Heikki (oponent) ; Matas, Jiří (oponent) ; Zemčík, Pavel (vedoucí práce)
This thesis aims to improve existing scanning-window object detectors by exploiting information shared among neighboring image windows. This goal is realized by two novel methods which are build on the ideas of Wald's Sequential Probability Ratio Test and WaldBoost. Early non-Maxima Suppression moves non-maxima suppression decisions from a post-processing step to an early classification phase in order to make the decisions as soon as possible and thus avoid normally wasted computations. Neighborhood suppression enhances existing detectors with an ability to suppress evaluation at overlapping positions. The proposed methods are applicable to a wide range of detectors. Experiments show that both methods provide significantly better speed-precision trade-off compared to state-of-the-art WaldBoost detectors which process image windows independently. Additionally, the thesis presents results of extensive experiments which evaluate commonly used image features in several detection tasks and scenarios.
|
|
|
Hardware acceleration of object detection in images
Musil, Petr ; Chalmers, Alan (oponent) ; Kadlec, Jiří (oponent) ; Zemčík, Pavel (vedoucí práce)
Nowadays, an increasing number of cameras and surveillance systems can be observed. The amount of information that these devices produce is enormous, and it is not in human power to process it all, therefore using computing power is needed. Modern computer vision algorithms, especially object detection, already achieve excellent results. One of the disadvantages of current vision algorithms is high computational complexity. Therefore, it is desired to implement these algorithms into a suitable device with better performance to power ratio. FPGA represents a reliable option due to its parallel and power-efficient computing. This dissertation aims to propose methods for optimising the object detector in an image running on an FPGA. These detectors use boosted soft cascades of classifiers with local image feature like weak classifiers. The proposed detectors use sequential evaluation of weak classifiers. More positions in the image are evaluated in parallel to increase the detection performance. Also, a new approach for multiscale object detection is proposed; its advantage is no need for external memory. The new detectors were experimentally verified on the tasks of detecting faces and license plates. The results outperform the current state-of-the-art, allow to create object detectors with higher detection performance, better power to resources ratio and better detection accuracy.
|
|
|
Algoritmy detekce objektů na platformě Android
Dlápal, Vojtěch ; Musil, Martin (oponent) ; Musil, Petr (vedoucí práce)
Cílem této práce je prozkoumat možnosti detekce objektů na platformě Android, navrhnout a implementovat demonstrativní aplikaci, otestovat ji a zhodnotit dosažené výsledky. Je představena platforma Android, knihovna pro počítačové vidění OpenCV a teorie pro detekci objektů. Byla navržena a implementována aplikace porovnávající detekci obličejů z OpenCV, Android API a navrženého detektoru používající klasifikátor. Aplikace byla důsledně otestována a výsledky vyhodnoceny.
|
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (oponent) ; Sojka, Eduard (oponent) ; Zemčík, Pavel (vedoucí práce)
Detection of objects in computer vision is a complex task. One of most popular and well explored approaches is the use of statistical classifiers and scanning windows. In this approach, classifiers learned by AdaBoost algorithm (or some modification) are often used as they achieve low error rates, high detection rates and they are suitable for detection in real-time applications. Object detection run-time which uses such classifiers can be implemented by various methods and properties of underlying architecture can be used for speed-up of the detection. For the purpose of acceleration, graphics hardware, multi-core architectures, SIMD or other means can be used. The detection is often implemented on programmable hardware. The contribution of this thesis is to introduce an optimization technique which enhances object detection performance with respect to an user defined cost function. The optimization balances computations of previously learned classifiers between two or more run-time implementations in order to minimize the cost function. The optimization method is verified on a basic example -- division of a classifier to a pre-processing unit implemented in FPGA, and a post-processing unit in standard PC.
|
|
|
Sharing Local Information for Faster Scanning-Window Object Detection
Hradiš, Michal ; Kälviäinen, Heikki (oponent) ; Matas, Jiří (oponent) ; Zemčík, Pavel (vedoucí práce)
This thesis aims to improve existing scanning-window object detectors by exploiting information shared among neighboring image windows. This goal is realized by two novel methods which are build on the ideas of Wald's Sequential Probability Ratio Test and WaldBoost. Early non-Maxima Suppression moves non-maxima suppression decisions from a post-processing step to an early classification phase in order to make the decisions as soon as possible and thus avoid normally wasted computations. Neighborhood suppression enhances existing detectors with an ability to suppress evaluation at overlapping positions. The proposed methods are applicable to a wide range of detectors. Experiments show that both methods provide significantly better speed-precision trade-off compared to state-of-the-art WaldBoost detectors which process image windows independently. Additionally, the thesis presents results of extensive experiments which evaluate commonly used image features in several detection tasks and scenarios.
|
|
|
Detekce obličeje
Štrba, Miroslav ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Táto bakalárska práca obsahuje prehľad súčasných metód detekcie tvárí pomocou klasifikátorov. Obsahuje tiež popis tvorby systému na detekovanie tvárí. V prvej časti sú popísané rôzne metódy na trénovanie klasifikátorov. V druhej sa nachádza analýza, ktorá predchádzala tvorbe systému zameraného na čiernobiele snímky. Implementovaný systém využíva algoritmus WaldBoost a Haarove príznaky. Vo videosekvenciach je možné využiť časticový filter.
|
host ::
RSS.