|
|
Rozpoznávání osob a jejich činnosti ve videu z bezpečnostních kamer
Saloň, Juraj Samuel ; Švec, Tomáš (oponent) ; Smrž, Pavel (vedoucí práce)
Cieľom tejto práce je navrhnutie a implementovanie systému schopného rozpoznávať činností ľudí z bezpečnostných kamier. Hlavný dôraz je kladený na koncept komplexných situácií alebo udalostí, ktoré sú definované vzťahmi medzi rozpoznanými objektmi. Úvod tejto práce je venovaný oboznámeniu sa s jednotlivými časťami systému, kde sú objasnené využité techniky rozpoznávania objektov, sledovania objektov a rozpoznávania činností, ktoré sú použité v tejto práci. Druhá časť práce popisuje konečný návrh a implementáciu systému. Pre rozpoznávanie jednotlivých činností sú ďalej definované niektoré vzťahy medzi získanými informáciami popisujúce tieto činnosti, ako napríklad "vystupovanie z auta" alebo "kráčanie dvoch a viacerých ľudí spolu". Nakoniec je úspešnosť rozpoznávania vyhodnotená metrikou strednej priemernej presnosti (Mean Average Presicion).
|
|
|
AeroWorks: Vizuální systém identifikace režimů letounu
Kardoš, Juraj ; Dittrich, Petr (oponent) ; Chudý, Peter (vedoucí práce)
Tato práce se zabývá vizuální detekcí režimů letounu. Obsahuje popis modelu prostorového pohybu letounu a způsoby vizualizace letových parametrů prostřednictvím letových přístrojů. Práce podává návrh systému pro vizuální detekci režimů letounu. Navrhnutý systém postupně zpracovává každou snímku ve dvou fázích, nejdřív vykoná stabilizaci videa a následně se provede vizuální identifikace hodnot ukazatelů stavových veličin letounu. Stabilizace videa je založená na detekci zájmových bodů a výpočtu optického toku. Snímky jsou transformovány tak aby se co nejvíce překrývali a minimalizoval se tak nežádoucí pohyb kamery. Detekce hodnot, zobrazovaných na letových přístrojích, je založená na Houghově transformaci. V práci je zahrnut popis vytvořené aplikace, která na videozáznamu z pilotní kabiny letounu dokáže rozpoznat hodnoty zobrazené na specifikovaných letových přístrojích.
|
|
|
Rozpoznávání a klasifikace dopravních situací
Zbořil, Jiří ; Musil, Petr (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je identifikace a klasifikace nebezpečných situací z přehledových kamer, monitorujících dopravní provoz. Příkladem takových situací jsou nebezpečné stání podél silnice a dopravní nehody, na které se práce zaměřuje. Vytvořený systém využívá detektor objektů, analyzující průměrné snímky v daném intervalu, algoritmů K nejbližších sousedů a K Means a opětovnou detekci objektů v lokálně zvětšené oblasti pro výběr kandidátů. Detekované objekty, nacházející se mimo silnici jsou přiložením masky silnice eliminovány. Modul pro zpracování anomálie pak vypočítá její interval a klasifikaci. Naměřené F1 skóre je 0,645, S4 skóre 0,535 a procentuální úspěšnost klasifikace anomálie 80 %.
|
|
|
Přechody scén ve videu
Klicnar, Lukáš ; Herout, Adam (oponent) ; Beran, Vítězslav (vedoucí práce)
Detekce přechodů ve videu je proces automatického nalezení hranic mezi jednotlivými scénami. Tato práce se zabývá převážně detekcí střihů, postupné přechody jsou ale rovněž uvažovány. Vysvětleny jsou základní pojmy z této oblasti a stručně představeny doposud používané metody. Stěžejní částí je návrh a implementace detektoru přechodů. Ten je založen na kombinaci dvou přístupů. Prvním je porovnávání barevných histogramů sousedních snímků. Druhý, méně tradiční, je založen na sledování výrazných bodů ve videu. Analýza průběhu těchto příznaků probíhá pomocí odhadu jeho derivace. Systém byl otestován na vlastní sadě ručně anotovaných dat. Ukázalo se, že oba příznaky jsou pro detekci přechodů vhodné. Detektor byl schopný nalézt většinu střihů při zachování dobré přesnosti. Prokázala se schopnost detekovat i některé postupné přechody.
|
|
|
Detekce události v kamerovém záznamu
Smolnikov, Mikhail ; Sikora, Pavel (oponent) ; Horváth, Tomáš (vedoucí práce)
Tato bakalářská práce se zaměřuje na problematiku detekce a klasifikace pohybujících se objektů ve videosekvencích. Práce popisuje základní algoritmy a metody zpracování obrazových dat, včetně úvodu do použití neuronových sítí. V praktické části je znázorněna vnitřní logika desktopové aplikace umožňující uživatelům vyhodnotit vlastní videozáznamy z hlediska výskytu pohybů. Výsledná aplikace mnohonásobně urychluje proces analýzy videa na vybraném zařízení.
|
|
|
Rozpoznávání a klasifikace dopravních situací
Zbořil, Jiří ; Musil, Petr (oponent) ; Smrž, Pavel (vedoucí práce)
Cílem této práce je identifikace a klasifikace nebezpečných situací z přehledových kamer, monitorujících dopravní provoz. Příkladem takových situací jsou nebezpečné stání podél silnice a dopravní nehody, na které se práce zaměřuje. Vytvořený systém využívá detektor objektů, analyzující průměrné snímky v daném intervalu, algoritmů K nejbližších sousedů a K Means a opětovnou detekci objektů v lokálně zvětšené oblasti pro výběr kandidátů. Detekované objekty, nacházející se mimo silnici jsou přiložením masky silnice eliminovány. Modul pro zpracování anomálie pak vypočítá její interval a klasifikaci. Naměřené F1 skóre je 0,645, S4 skóre 0,535 a procentuální úspěšnost klasifikace anomálie 80 %.
|
|
|
Analýza a možnosti nácviku vybrané útočné herní činnosti v ledním hokeji v mládežnických kategoriích
Mulač, Jakub ; Perič, Tomáš (vedoucí práce) ; Vojta, Zdeněk (oponent)
Název: Analýza a možnosti nácviku vybrané útočné herní činnosti jednotlivce v ledním hokeji v mládežnických kategoriích Cíle: Prvním cílem bylo definovat uzlové body provedení daného pohybu vybrané útočné herní činnosti jednotlivce, a to konkrétně krytí kotouče v ledním hokeji. Druhým cílem této práce bylo vytvoření metodických řad nácviku útočné herní činnosti jednotlivce krytí kotouče pro jednotlivé mládežnické kategorie. Metody: Pro získání dat byla použita metoda nepřímého pozorování videí. Pro hodnocení výsledků byl použit binární systém ano / ne. Výsledky: Práce byla rozdělena do dvou částí. První částí bylo stanovení uzlových bodů provedení vybrané útočné herní činnosti jednotlivce krytí kotouče v ledním hokeji pomocí analýzy videa. Pro analýzu videa bylo vybráno celkem devět videí. Tři z nich obsahovala úspěšné situace krytí kotouče tělem v prostoru, tři úspěšné situace krytí kotouče tělem v osobním kontaktu a tři úspěšné situace krytí kotouče v blízkosti hrazení. Nejprve byly stanoveny uzlové body provedení, a to bruslení, vedení a pozice kotouče a v neposlední řadě pozice a práce těla. Z těchto uzlových bodů byl poté vytvořen systém hodnocení videa, který pomocí binárního systému ano / ne hodnotil kvalitu provedení jednotlivých dovedností. Získaná data byla vyhodnocena v tabulkách. Druhou...
|
|
|
Rozpoznávání osob a jejich činnosti ve videu z bezpečnostních kamer
Saloň, Juraj Samuel ; Švec, Tomáš (oponent) ; Smrž, Pavel (vedoucí práce)
Cieľom tejto práce je navrhnutie a implementovanie systému schopného rozpoznávať činností ľudí z bezpečnostných kamier. Hlavný dôraz je kladený na koncept komplexných situácií alebo udalostí, ktoré sú definované vzťahmi medzi rozpoznanými objektmi. Úvod tejto práce je venovaný oboznámeniu sa s jednotlivými časťami systému, kde sú objasnené využité techniky rozpoznávania objektov, sledovania objektov a rozpoznávania činností, ktoré sú použité v tejto práci. Druhá časť práce popisuje konečný návrh a implementáciu systému. Pre rozpoznávanie jednotlivých činností sú ďalej definované niektoré vzťahy medzi získanými informáciami popisujúce tieto činnosti, ako napríklad "vystupovanie z auta" alebo "kráčanie dvoch a viacerých ľudí spolu". Nakoniec je úspešnosť rozpoznávania vyhodnotená metrikou strednej priemernej presnosti (Mean Average Presicion).
|
|
|
Video analysis: an automatic time measurement in the robotic car competition
Ryšlink, Václav ; Vomlelová, Marta (vedoucí práce) ; Šikudová, Elena (oponent)
Naším hlavním cílem bylo navrhnout algoritmus, který by dokázal automaticky vy- hodnotit závody robotických aut z video snímků cílového úseku trati. S použitím stan- dardních metod zpracování obrazu jsme navrhli dva různé algoritmy, které se liší jak v očekávaném vstupu, tak v použitých metodách. Náš první algoritmus je schopný vyhod- notit závody libovolných robotických aut, jelikož k jejich rozpoznávání využívá předem pořízené referenční fotografie. I když jsme tento algoritmus úspěšně otestovali na námi pořízených tréninkových nahrávkách, ukázalo se, že existují i situace, ve kterých má tento algoritmus větší tendenci chybovat. Proto jsme nakonec navrhnuli i druhý algoritmus, který funguje ještě spolehlivěji než ten původní, a to výměnou za požadavek, aby závodící auta byla jednoznačně odlišená barevnými štítky. 1
|
|
|
Analýza videa pro entomologii
Šerý, Martin ; Pelikán, Josef (vedoucí práce) ; Schier, Jan (oponent)
Analýza vzorců chování jedinců druhu Drosophila melanogaster je předmě- tem studia mnoha laboratořích. Sleduje se chování jedinců například v různých genových liniích. K tomu, aby byla tato analýza možná, je potřeba mít zařízení, které je schopné mušky sledovat a poskytnout o nich strojově čitelné informace. Tyto údaje jsou výstupem vyvinutého trasovacího programu FlyCatcher, který zaznamenává pozice sledovaných objektů. Díky tomu můžeme určit polohu, rych- lost vzájemné postavení jedinců a další parametry. FlyCatcher je postaven na využití knihovny AForge, která slouží ke zpracování multimediálních souborů. FlyCatcher umožňuje zpracování videí pořízených v laboratoři a poskytnutí vý- stupů ve formátu .csv. Tento formát je nadále zpracováván externími statistic- kými programy.
|
host ::
RSS.