|
|
Sledování postavy
Berka, Jiří Michael ; Řičánek, Dominik (oponent) ; Richter, Miloslav (vedoucí práce)
Bakalářská práce se zabývá vývojem softwaru pro sledování cvičící postavy a vyhodnocení odchylek od správného provedení pohybových úkonů. V práci jsou nejprve teoreticky rozebrány základy zpracování digitálního obrazu, použití různých typů kamer a technologie počítačového vidění. Následně jsou popsány metody umělé inteligence a hlubokého učení, které umožňují detekci a analýzu pohybů. Hlavní část práce se zaměřuje na implementaci systému OpenPose pro odhad pózy v reálném čase. Jsou diskutovány technické výzvy a navržena řešení pro dosažení přesnosti a spolehlivosti systému. Praktická část zahrnuje testování softwaru na reálných videích a vyhodnocení jeho výkonu. Výsledky ukazují, že vyvinutý software může efektivně pomoci při korekci pohybů a prevenci zranění v různých aplikacích.
|
|
|
Zarovnání obrázků sportovních pozic
Kníže, Josef ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá problémem zarovnání dvou obrázků na základě sportovní pozice zaujaté osobou na obrázcích. Hlavním výsledkem je návrh a implementace dvou systémů pro zarovnání fotografií na základě sportovní pozice. První systém je zaměřen na přesnost a byl využit k tvorbě datové sady, která byla dále využita k učení neuronové sítě. Druhý systém cílil na menší hardwarovou náročnost, které bylo dosáhnuto použitím neuronových sítí. Vytvořená neuronová síť úspěšně zarovnala 81,98 % obrázků. V rámci řešení byla vytvořena sada fotek rozřazených podle sportovní pozice.
|
|
|
Zarovnání obrázků sportovních pozic
Kníže, Josef ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá problémem zarovnání dvou obrázků na základě sportovní pozice zaujaté osobou na obrázcích. Hlavním výsledkem je návrh a implementace dvou systémů pro zarovnání fotografií na základě sportovní pozice. První systém je zaměřen na přesnost a byl využit k tvorbě datové sady, která byla dále využita k učení neuronové sítě. Druhý systém cílil na menší hardwarovou náročnost, které bylo dosáhnuto použitím neuronových sítí. Vytvořená neuronová síť úspěšně zarovnala 81,98 % obrázků. V rámci řešení byla vytvořena sada fotek rozřazených podle sportovní pozice.
|
host ::
RSS.