|
Rozpoznávání naměřených hodnot
LEITKEP, Zdeněk
Tato práce se zabývá rozpoznáváním naměřených hodnot. Hlavním cílem práce bylo najít vhodnou metodu předzpracování obrazu a vytvořit interface pro software provádějící rozpoznávání. Vytvořená aplikace bude sloužit k analýze fotografií na místě pořízení. Aplikace byla vyvíjena v jazyce Java a je řádně dokumentována na úrovni javadoc.
|
|
Gesty ovládané výukové objekty
KOLÁŘ, Michal
Bakalářská práce se zabývá praktickým využitím gest v oblasti edukační praxe. Cílem této práce je vytvoření aplikace na intuitivní rozpoznávání konkrétních gest, které slouží k manipulaci s vloženými 3D modely na připravené scéně. Použitelnost této aplikace bude vyhodnocena za pomoci dotazníkových otázek.
|
|
Biometric Recognition of 3D Faces
Mráček, Štěpán ; Drahanský, Martin (oponent) ; Dvořák, Radim (vedoucí práce)
This Master's Thesis was performed during a study stay at the Gjovik University College, Norway. This Thesis is about biometric 3D face recognition. A general biometric system as well as specific techniques used in 2D and 3D face recognition are described. An automatic modular 3D face recognition method will be proposed. The algorithm is developed, tested and evaluated on the Face Recognition Grand Challenge (FRGC) database. During the preprocessing part, facial landmarks are located on the face surface and the three dimensional model is aligned to a predefined position. In the comparison module, the input probe scan is compared to the gallery template. There are three fundamental face recognition algorithms employed during the recognition pipeline -- the eigenface method (PCA), the recognition using histogram-based features, and the recognition based on the anatomical-Bertillon features of the face. Finally the decision module fuses the scores provided by the utilized recognition techniques. The resulting performance is better than any of utilized recognition algorithms.
|
|
Třídění mincí pomocí strojového vidění
Čupová, Jana
Bakalářská práce je zaměřena na třídění mincí pomocí rozpoznávání obrazu kamerou. Je zde využit krokový motorek, LED pásky, rozpoznávání obrazu pomocí webové kamery s HD rozlišením, vývojové prostředí Control Web s rozšířením VisionLab, elektromagnety a třídící model z plexiskla. Propojení aplikace s modelem je pomocí průmyslového systému vstupních a výstupních modulů Datalab. V praktické části je popsáno sestrojení a vývoj modelu, vývoj aplikace a také další praktiky použité pro uskutečněné třídění mincí pomocí optického senzoru. Cílem práce je rychlé třídění mincí ve třech státních měnách.
|
|
Nadané děti a přístupy k nim
ŠIMEČKOVÁ, Šárka
Diplomová práce je zaměřena na nadání a metody jeho rozvíjení. V úvodu práce jsou vysvětleny základní pojmy (nadání, jeho formy, talent,{\dots}), následně způsoby odhalování a rozpoznávání nadaného jedince, druhu nadání a typických znaků nadání. Dále jsou zmíněny přístupy ve vzdělávání nadaných dětí a způsob určení vhodné metody práce pro konkrétního jedince. V praktické části práce jsou tyto přístupy a metody posuzovány na základě reálného využití a využívání v praxi. Podkladem pro toto posouzení je hodnocení učitelů a rodičů žáka. Informace získané výzkumnou činností jsou porovnávány s údaji uvedenými v teoretické části práce.
|
|
Automatické rozpoznávání stavu elektroměru z fotografie
HANZLÍK, Ondřej
Práce se zabývá problematikou rozpoznávání stavu elektroměru ze snímaného obrazu. Konkrétně jde o snímání elektroměru fotoaparátem mobilního telefonu. Na snímaném obraze je detekována plocha s číselníkem elektroměru a na té jsou následně detekována jednotlivá čísla. Ta jsou rozpoznávána za pomoci neuronové sítě. Pro získání informací z obrazu elektroměru, díky kterým dokážeme jeho stav rozpoznat, je využito technik segmentace obrazu. Pro klasifikaci výstupů segmentace je využito klasifikačních nástrojů, konkrétně vektorového stroje (SVM) a neuronové sítě. Pro řešení problematiky segmentace obrazu je použita knihovna OpenCV, stejně tak jako k implementaci vektorového stroje. Číslice na číselníku elektroměru jsou klasifikovány pomocí neuronové sítě, která byla vlastnoručně implementována. Celá aplikace pro rozpoznání je na platformě Android. Součástí práce je i vytvoření desktopové aplikace, která slouží pro testování neuronové sítě a vytváření jejích modelů. Práce současně popisuje, jak ukládat potřebná data získávaná v průběhu rozpoznávání, která jsou využívaná pro práci s neuronovou sítí. Součástí práce je spuštěný web, který bude rozvíjen pro možnost zapojení se do dalšího vývoje systému. Na webu je dostupný veřejný repozitář se zdrojovými kódy vytvořenými při implementaci.
|
|
Hnízdní biologie plameňáka růžového (Phoenicopterus ruber) v zoo Ohrada
ŠENKÝŘOVÁ, Marie
Plameňáci patřící do čeledi Phoenicopteridae se vyskytují od Indie, přes jižní Evropu až po jižní Afriku, na západní polokouli pokrývají plameňáci Karibik a jižní polovinu Jižní Ameriky. Tvoří především monogamní páry a jejich hnízdění je vysoce synchronizované. Snášejí obvykle jedno vejce, i když jsou záznamy i o dvouvaječných snůškách. Inkubační doba plameňáka růžového (Phoenicopterus ruber) se pohybuje v rozmezí 26-32 dní. Diplomová práce byla provedena v Zoo Ohrada Hluboká nad Vltavou, kde bylo hlavním předmětem pozorování hnízdního chování u jedinců chovaného druhu plameňáka růžového starosvětského (Phoenicopterus ruber roseus). Byla použita metoda přímého pozorování, doplněna o poznámky ošetřovatele. Ptáci byli rozeznáváni podle barevných kroužků s třípísmenným kódem. Hlavními cíli bylo vyhodnocení hnízdních aktivit, které byly srovnávány v různých obdobích, mezi samci a samicemi i mezi jednotlivci. Dalším cílem bylo vyhodnotit parametry chovu, které zlepšují odchov. Bylo zjištěno, že hnízdní aktivity se lišili jak mezi jednotlivci, tak i mezi páry i mezi pohlavím jedinců. Projev hnízdních aktivit rovněž závisel na situaci, ve které se jedinci nacházeli, zda měli prázdné hnízdo, vejce nebo mládě, nebo zda vejce zaniklo a bylo třeba naklást nové. Dále bylo zjištěno, že hnízdní aktivity jedinců se mění v závislosti na období. Při snášení vajec a líhnutí mláďat dochází k vysoké synchronizaci. Pozorovaní jedinci se průměrně věnovali více nehnízdním aktivitám.
|
|
OPTIMALIZACE VOLBY SIGNÁLOVÝCH PARAMETRŮ PRO ROZPOZNÁVÁNÍ ZDROJŮ AKUSTICKÉ EMISE
Chlada, Milan ; Převorovský, Zdeněk
Umělé neuronové sítě (ANN) jsou efektivním nástrojem pro identifikaci zdrojů akustické emise (AE). Komplikovaným problémem obecného rozpoznávání dat je vhodná volba extrahovaných parametrů. Standardní charakteristiky signálu AE jsou nezřídka redundantní a nebo pro identifikační problém irelevantní. Za účelem redukce redundance dat jsou v příspěvku navrženy modifikace standardních emisních parametrů, jejichž výběr je dále optimalizován faktorovou analýzou a citlivostní analýzou identifikačních neuronových sítí. Tento optimalizační proces je testován při rozpoznávání zdrojů AE vznikajících během únavových zkoušek prováděných na součástech letecké konstrukce. Optimalizované signálové charakteristiky zachovávají dostatečnou informaci při minimálním počtu extrahovaných parametrů.
|
|
Automatické rozpoznávání zpěvu ptáků
Břenek, Roman
Diplomová práce se zabývá metodami automatického rozpoznávání ptačích druhů na základě jejich zpěvu. Nejprve jsem definoval databázi na-hrávek, pro kterou jsem vytvořil referenční data. Také jsem hledal vhodné příznaky, kterými bych zachytil klíčové charakteristiky ptačího zpěvu. Rozhodl jsem se využít HFCC koeficienty, jejichž výpočet v práci popisuji. Dále se zabývám výstavbou systému VAD, pomocí kterého rozděluji nahrávky na úseky ticha a zpěvu. Tento systém je založený na algoritmu kNN. V poslední fázi popisuji systém založený na skrytých Markovových modelech, který dokáže z úseků zpěvu rozpoznat konkrétní ptačí druh.
|
|
Holub s krahujčí hlavou: přítel nebo nepřítel?
NÁCAROVÁ, Jana
Existují dvě teoretická vysvětlení, jak by zvířata mohla rozpoznávat predátory. Podle teorie znaků by pro kategorizaci měly být důležité pouze určité klíčové znaky. Podle teorie konceptu mají zvířata obecnou představu, jak má predátor vypadat a místní znaky nejsou tak důležité. My jsme testovali tyto dvě teorie v laboratorních podmínkách. Sledovali jsme reakci sýkory koňadry (Parus major) na dřevěné atrapy krahujce (Accipiter nisus), holuba (Columba livia f. domestica) a chiméry mezi nimi, které se lišily typem hlavy. Naše výsledky ukazují, že sýkory při rozpoznávání predátora pravděpodobně využívají obou přístupů.
|
host ::
