|
|
Automatic Surveillance Camera Calibration by Observation of Rigid Objects
Bartl, Vojtěch ; Buchholz, Michael (referee) ; Hurtík, Petr (referee) ; Herout, Adam (advisor)
Tato práce je zaměřena na automatickou kalibraci kamery na základě vícečetných pozorování libovolných rigidních předmětů. Na základě pozorování rigidních objektů pohybujících se ve společné rovině jsme schopni kalibrovat kameru vzhledem ke společné rovině, a tak jsme schopni provádět měření ve scéně. Objekty v rovině obrazu jsou detekovány a klasifikovány a význačné body na těchto objektech jsou lokalizovány. Motivací bylo použití těchto metod v dopravním prostředí, proto naše "objekty" jsou nejčastěji vozidla. Navrhujeme tři různé metody, které jsou schopny vypočítat kalibraci kamery na základě těchto lokalizovaných význačných bodů v rovině obrazu s jediným omezením - musí být známy 3D modely, ale ty mohou být známy kalibračnímu systému ještě před samotnou kalibrací. Proces kalibrace kamery je pak plně automatický a žádné další informace nejsou již potřeba. Na rozdíl od předchozích aktuálních metod pro automatickou kalibraci kamery, navržené metody jsou schopny odhadnout všechny parametry kamery (včetně ohniskové vzdálenosti). Vytvořili jsme rovněž nový dataset BrnoCarPark , který obsahuje záznamy různých scén a detekovaná vozidla spolu s lokalizovanými význačnými body. K dispozici jsou měření vzdáleností ve scénách, která mohou být přepočítány pomocí vypočtených parametrů kalibrace kamery. Všechny navrhované metody překonávají současné aktuální metody. Vyhodnotili jsme naše metody na zkonstruovaném datasetu a také dalším datasetu BrnoCompSpeed . Také jsme provedli experimenty na syntetických datech, které prokazují stabilitu a použitelnost navrhovaných metod.
|
|
|
Tracking of Moving Objects in Video
Folenta, Ján ; Bartl, Vojtěch (referee) ; Herout, Adam (advisor)
This bachelor thesis deals with the issue of detection, tracking and counting vehicles in different directions in video. To deal with this problem, modern techniques of object detection and tracking using convolutional neural networks are used. The goal of this work is to achieve highest possible accuracy of vehicle counting while maintaining the processing of video recordings in real-time. The problems of the implemented method for detection and tracking are solved by analyzing and working with the trajectories of vehicles. With accuracy of 90,94% and total score of 0,8829, this work participated in AI City Challenge 2020, where it placed 6th.
|
|
|
Tracking of Moving Objects in Video
Folenta, Ján ; Bartl, Vojtěch (referee) ; Herout, Adam (advisor)
This bachelor thesis deals with the issue of detection, tracking and counting vehicles in different directions in video. To deal with this problem, modern techniques of object detection and tracking using convolutional neural networks are used. The goal of this work is to achieve highest possible accuracy of vehicle counting while maintaining the processing of video recordings in real-time. The problems of the implemented method for detection and tracking are solved by analyzing and working with the trajectories of vehicles. With accuracy of 90,94% and total score of 0,8829, this work participated in AI City Challenge 2020, where it placed 6th.
|
guest ::
