|
|
Detekce pohybujících se objektů ve video sekvenci
Musil, Jakub ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Práce se věnuje tvorbě aplikaci pro detekci pohybujících se objektů ve vstupní video sekvenci. Jsou v ní detailně popsány metody, které se při jeho realizaci využívají, jejich kladné a záporné vlastnosti. Detailně jsou zde popsány metody porovnání na úrovni histogramů a rozdílu jednotlivých bodů. Teoretická část přibližuje možné postupy a optimalizace, pomocí kterých lze detektor přizpůsobit prostředí, pro které je vytvářen. Součástí práce je aplikace pro detekci a vizuální označení pohybujících se objektů. Aplikace je testovaná na několika typově odlišných video sekvencí. Dosažené výsledky jsou blíže diskutovány a rozebrány, včetně ukázek dosažených výstupů detektoru.
|
|
|
"Sci-Fi" hudební knihovna
Holas, Jan ; Šolony, Marek (oponent) ; Polok, Lukáš (vedoucí práce)
Tato bakalářská práce se zabývá počítačovým viděním jako možností pro interakci člověka s počítačem. Je zde popsána implementace hudební knihovny a přehrávače, který je ovládaný ukazováním CD krabiček hudebních alb a papírových ovládacích kartiček přehrávače na kameru, která je připojená k počítači. Práce popisuje algoritmy sloužící k segmentaci objektu ze scény na základě jeho obdélníkového tvaru a vyhodnocení shody s obrazovou databází (databazí alb) s použitím detektoru význačných bodů SURF. V závěru práce jsou shrnuty dosažené výsledky a nastíněny nápady a možnosti dalšího vývoje.
|
|
|
Vyhledávání objektů v obraze na základě předlohy
Novák, Pavel ; Mašek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá detekcí objektů v obraze na základě předlohy. Hlavním přínosem práce je nová metoda extrakce příznaků histogramu orientovaných gradientů používající sadu komparátorů pro extrakci dat. V práci jsou popsány použité metody komparace a extrakce. Hlavní část je věnována především metodě histogramu orientovaných gradientů, ze které vycházíme. V práci je užita malá sada trénovacích obrazů (celkem 100) ověřená křížovou validací, následně ověřená na reálných scénách. Dosažená úspěšnost křížové validace je až 98% pro SVM algoritmus.
|
|
|
Detekce pohybujících se objektů ve video sekvenci
Musil, Jakub ; Beran, Vítězslav (oponent) ; Španěl, Michal (vedoucí práce)
Práce se věnuje tvorbě aplikaci pro detekci pohybujících se objektů ve vstupní video sekvenci. Jsou v ní detailně popsány metody, které se při jeho realizaci využívají, jejich kladné a záporné vlastnosti. Detailně jsou zde popsány metody porovnání na úrovni histogramů a rozdílu jednotlivých bodů. Teoretická část přibližuje možné postupy a optimalizace, pomocí kterých lze detektor přizpůsobit prostředí, pro které je vytvářen. Součástí práce je aplikace pro detekci a vizuální označení pohybujících se objektů. Aplikace je testovaná na několika typově odlišných video sekvencí. Dosažené výsledky jsou blíže diskutovány a rozebrány, včetně ukázek dosažených výstupů detektoru.
|
|
|
"Sci-Fi" hudební knihovna
Holas, Jan ; Šolony, Marek (oponent) ; Polok, Lukáš (vedoucí práce)
Tato bakalářská práce se zabývá počítačovým viděním jako možností pro interakci člověka s počítačem. Je zde popsána implementace hudební knihovny a přehrávače, který je ovládaný ukazováním CD krabiček hudebních alb a papírových ovládacích kartiček přehrávače na kameru, která je připojená k počítači. Práce popisuje algoritmy sloužící k segmentaci objektu ze scény na základě jeho obdélníkového tvaru a vyhodnocení shody s obrazovou databází (databazí alb) s použitím detektoru význačných bodů SURF. V závěru práce jsou shrnuty dosažené výsledky a nastíněny nápady a možnosti dalšího vývoje.
|
|
|
Vyhledávání objektů v obraze na základě předlohy
Novák, Pavel ; Mašek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá detekcí objektů v obraze na základě předlohy. Hlavním přínosem práce je nová metoda extrakce příznaků histogramu orientovaných gradientů používající sadu komparátorů pro extrakci dat. V práci jsou popsány použité metody komparace a extrakce. Hlavní část je věnována především metodě histogramu orientovaných gradientů, ze které vycházíme. V práci je užita malá sada trénovacích obrazů (celkem 100) ověřená křížovou validací, následně ověřená na reálných scénách. Dosažená úspěšnost křížové validace je až 98% pro SVM algoritmus.
|
host ::
RSS.