|
|
Steps Towards Improvements of Computer Vision Methods for Traffic Analysis
Špaňhel, Jakub ; Sablatnig, Robert (referee) ; Šikudová, Elena (referee) ; Herout, Adam (advisor)
Rostoucí urbanizace a zvyšující se počet vozidel na silnicích přetěžují tradiční systémy řízení dopravy na hranici jejich možností. Řešení nabízejí inteligentní dopravní systémy (ITS), které využívají pokročilé technologie ke zvýšení plynulosti a bezpečnosti dopravy. Zásadní oblastí, kterou je třeba zlepšit, však zůstává robustnost metod počítačového vidění v rámci ITS, které jsou nezbytné pro analýzu dopravy. Tato práce přispívá k této oblasti, konkrétně se zaměřuje na přesné (fine-grained) rozpoznávání vozidel, reidentifikaci vozidel, rozpoznávání registračních značek a monokulární měření rychlosti vozidel. Bylo představeno několik nových datových sad, vysoce ceněných výzkumnou komunitou, které rozšiřují hodnocení a zkoumání v každé z výše uvedených oblastí. Hlavní přínosy lze shrnout následovně: Nové technicky augmentace pro přesné rozpoznávání vozidel & rozšíření dříve publikované datové sady. Nová metoda agregace vizuálních znaků pro re-identifikaci vozidel & datová sada. Inovativní přístup k rozpoznávání registračních značek pomocí zarovnání registrační značky a holistického rozpoznávání & tři publikované datové sady. Největší datová sada pro měření rychlosti vozidel & stanovení výchozího vyhodnocení s dostupnými metodami vizuálního meření rychlosti. Klíčová zjištění této práce prokazují významné zvýšení přesnosti, účinnosti a robustnosti metod počítačového vidění aplikovaných na analýzu dopravy. Přínosy tohoto výzkumu byly oceněny na nejvýznamnějších konferencích a v časopisech v oblasti ITS a stanovují nové standardy pro budoucí práci. Tím, že tato práce posunula současný stav ITS a přispěla cennými zdroji pro probíhající výzkum, představuje zásadní krok směrem k udržitelnějším, efektivnějším a inteligentnějším dopravním systémům. Má důsledky pro řízení dopravy a širší společenský cíl vytvořit citlivější a přizpůsobivější městské prostředí.
|
|
|
Dynamic Time Warping for Vehicle Classification
Halachkin, Aliaksei ; Honec, Peter (referee) ; Honzík, Petr (advisor)
This thesis focuses on the dynamic time warping. During the work was written C/Python library. Using this library, the algorithm was subsequently applied for the vehicle classification based on their shapes. Testing had been performed on real data from a laser scanner. Then the algorithm had been compared to the correlation and Euclidean distance. Finally, laboratory model had been created, which demonstrates vehicle recognition using dynamic time warping.
|
|
|
Fine-Grained Recognition and Re-Identification of Vehicles Using Advanced Feature Extraction
Doseděl, Ondřej ; Hradiš, Michal (referee) ; Špaňhel, Jakub (advisor)
Práce se zabývala analýzou a následným vylepšením metod užívaných k rozpoznávání typů vozidel a jejich re-identifikace. Navržená metoda může být využita jak pro rozeznání, tak pro re-identifikaci. Byla založena na používání tzv. 3D bounding boxes. Pomocí těchto boxů docházelo k detekci vozidla na obraze. Vozidlo bylo následně normováno rozbalením do dvojrozměrné interpretace. Tato metoda byla vylepšena určením směru vozidla a rozlišováním mezi čelní a zadní stranou vozidla během rozbalení třírozměrného modelu. Představená metoda vylepšuje stávající metodu pro rozpoznávání a snižuje její chybovost až o 13 % pro jeden vzorek a o 17% pro přesnost trati. Pro re-identifikaci nedošlo k zlepšení při použití LFTD agregovaní.
|
|
|
Fine-Grained Recognition and Re-Identification of Vehicles Using Advanced Feature Extraction
Doseděl, Ondřej ; Hradiš, Michal (referee) ; Špaňhel, Jakub (advisor)
Práce se zabývala analýzou a následným vylepšením metod užívaných k rozpoznávání typů vozidel a jejich re-identifikace. Navržená metoda může být využita jak pro rozeznání, tak pro re-identifikaci. Byla založena na používání tzv. 3D bounding boxes. Pomocí těchto boxů docházelo k detekci vozidla na obraze. Vozidlo bylo následně normováno rozbalením do dvojrozměrné interpretace. Tato metoda byla vylepšena určením směru vozidla a rozlišováním mezi čelní a zadní stranou vozidla během rozbalení třírozměrného modelu. Představená metoda vylepšuje stávající metodu pro rozpoznávání a snižuje její chybovost až o 13 % pro jeden vzorek a o 17% pro přesnost trati. Pro re-identifikaci nedošlo k zlepšení při použití LFTD agregovaní.
|
|
|
Dynamic Time Warping for Vehicle Classification
Halachkin, Aliaksei ; Honec, Peter (referee) ; Honzík, Petr (advisor)
This thesis focuses on the dynamic time warping. During the work was written C/Python library. Using this library, the algorithm was subsequently applied for the vehicle classification based on their shapes. Testing had been performed on real data from a laser scanner. Then the algorithm had been compared to the correlation and Euclidean distance. Finally, laboratory model had been created, which demonstrates vehicle recognition using dynamic time warping.
|
guest ::
