|
|
System for People Detection and Localization Using Thermal Imaging Cameras
Charvát, Michal ; Kempter, Guido (oponent) ; Drahanský, Martin (vedoucí práce)
In today's world, there is an increasing need for automatic reliable mechanisms for detecting and localizing people -- from performing people flow analysis in museums, controlling smart homes to guarding hazardous areas like railway platforms. We propose a method for detecting and locating people using low-cost FLIR Lepton 3.5 thermal cameras and a~Raspberry Pi 3B+ computers. This thesis describes the continuation of the "Detection of People in Room Using Low-Cost Thermal Imaging Camera" project, which now supports modelling of complex scenes with polygonal boundaries and multiple thermal cameras observing them. In this paper, we introduce an improved control and capture library for the Lepton 3.5, a new person detection technique that uses the state-of-the-art YOLO (You Only Look Once) real-time object detector based on deep neural networks, furthermore, a new thermal unit with automated configuration using Ansible encapsulated in a custom 3D printed enclosure for safe manipulation, and last but not least, a step by step instruction manual on how to deploy the detection system in a new environment including other supporting tools and improvements. The results of the new system are demonstrated on a~simple people flow analysis performed in the Czech National Museum in Prague.
|
|
|
Detekce osob ve videozáznamu
Marek, Lukáš ; Goldmann, Tomáš (oponent) ; Dyk, Tomáš (vedoucí práce)
Tato bakalářská práce se zabývá implementací aplikace pro detekci osob ve videozáznamu. Jak aplikace tak detekce jsou implementovány v jazyce Python. Pro vytvoření aplikace je použita knihovna TKinter. Pro detekci je použita knihovna OpenCV a detekční algoritmus YOLOv4, který běží na CUDA backendu, ale může běžet i na procesoru.
|
|
|
Pokročilá analýza obrazu využitím hlubokých neuronových sítí
Hynek, Vojtěch ; Přinosil, Jiří (oponent) ; Kiac, Martin (vedoucí práce)
Tato bakalářská práce se zabývá problematikou detekce objektů v obraze s využitím konvoluční neuronové sítě. Výsledkem této práce je vlastní datová sada, model neuronové sítě YOLOv4 a skript sloužící pro zpracování výsledných dat modelu. Datová sada obsahuje 8080 snímků, na kterých je anotováno 14 objektů. Modelu neuronové sítě byla zmenšena jeho hloubka, díky které významně vzrostla rychlost samotné detekce. Skript zpracovávající výsledná data vypočítává 3D a GPS souřadnice detekovaného objektu v prostoru. V závěru práce jsou shrnuty výsledky modelu a současně je uvedeno, jakým způsobem by mohlo dojít ke zlepšení kvality datové sady.
|
|
|
Počítání charakteristických šupin ještěrky obecné v barevných obrazech
Maršala, Štěpán ; Štursa, Dominik (oponent) ; Škrabánek, Pavel (vedoucí práce)
V diplomové práci je popsán návrh a implementace programu pro počítání sekundárních šupin v obrazových datech ventrálních stran těl ještěrek obecných. Program respektuje požadavky vědců z Ústavu biologie obratlovců Akademie věd ČR a Pedagogické fakulty Masarykovy univerzity na ovladatelnost a na přesnost výsledků. Program se skládá z několika částí. Na vstupu přijímá fotografie ještěrek obecných, ve kterých vyřízne zájmovou oblast. Orientaci těchto výřezů unifikuje pomocí detekovaných objektů. Detekci objektů zajišťuje YOLOv4. Další část programu zvaná Centroid detektor určuje v unifikovaných výřezech pozice středů sekundárních šupin. Tato část využívá konvoluční neuronové sítě U-Net, která je speciálně modifikovaná pro detekci středů objektů v těsné blízkosti. Poslední části programu rozdělí detekované pozice středů šupin na levou a pravou sekundární řadu a zapíší jejich počty do výstupního souboru.
|
|
|
Detekce dopravních prostředků v obraze a videu
Rozprým, Dalimil ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce je porovnání dostupných vícetřídních detektorů při detekci silničních vozidel na vhodně vytvořené datové sadě. Jako vícetřídní detektory byly vybrány neuronové sítě určené k detekci a klasifikaci objektů v obraze. Experimentováno je s detektory Mask R-CNN, YOLOv4 a YOLACT++, které jsou v práci popsány. Výběr detektorů zastupuje různé architektury a přístupy k detekci. Pro účely učení a testování je v práci detailně popsána vytvořená datová sada a její parametry. Detekce je testována na obraze z běžného silničního provozu a samostatně na částečně překrytých objektech. Výsledkem práce je znovupoužitelná a rozšířitelné datová sada, naměřené výsledky dosažené při detekci a jejich hlubší rozbor.
|
|
|
Pokročilá analýza pohybujících se objektů v dopravě
Hora, Adam ; Dejdar, Petr (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce řeší problém sledování objektů živě z kamer nebo z kamerových záznamů. Cílem také je vytvořit si vlastní datovou sadu, použitelnou při řešení dopravních situacích a analýzu pro rozpoznávání a klasifikaci předmětů. Pro vyhodnocení byla požita metoda YOLO s podporou OpenCV. Výsledkem je program, do kterého lze vkládat silniční záznamy nebo použít živý přenos z kamery umístěné tak, aby měla v záběru pozemní komunikaci. Výstupem programu je zjištění počtu motorových vozidel v daný okamžik a průměrný počet vozidel, které se za danou dobu na komunikaci nacházely. Videa, ze kterých je datová sada vytvořena, poskytl vedoucí práce. Hlavním přínosem práce je možnost sledování hustoty provozu v daných časových intervalech.
|
|
|
Počítání unikátních aut ve snímcích
Uhrín, Peter ; Špaňhel, Jakub (oponent) ; Juránek, Roman (vedoucí práce)
Současné systémy pro počítání aut na parkovištích většinou využívají nějakých specializovaných zařízení, jako jsou například závory při vjezdu na parkoviště. Takový přístup není vhodný pro neplacená, či rezidenční parkoviště. I na těchto parkovištích může být však užitečné udržovat si přehled o jejich obsazenosti a jiných datech. Systém navržený v této práci využívá model YOLOv4 pro vizuální detekci aut na snímcích z kamer. Následně pro každé auto vypočítá embedding vektor, který použije při porovnávání, jestli se na daném parkovacím místě v průběhu času auto změnilo. Výsledné informace ukládá do databáze. Z těchto dat následně systém agreguje různé statistické údaje jako jsou například celkový počet detekovaných aut, průměrná obsazenost parkoviště a průměrná doba parkování jednoho auta. Tyto údaje je možné získat pomocí REST API nebo si je zobrazit ve webové aplikaci.
|
|
|
Pokročilá analýza pohybujících se objektů v dopravě
Hora, Adam ; Dejdar, Petr (oponent) ; Kiac, Martin (vedoucí práce)
Tato práce řeší problém sledování objektů živě z kamer nebo z kamerových záznamů. Cílem také je vytvořit si vlastní datovou sadu, použitelnou při řešení dopravních situacích a analýzu pro rozpoznávání a klasifikaci předmětů. Pro vyhodnocení byla požita metoda YOLO s podporou OpenCV. Výsledkem je program, do kterého lze vkládat silniční záznamy nebo použít živý přenos z kamery umístěné tak, aby měla v záběru pozemní komunikaci. Výstupem programu je zjištění počtu motorových vozidel v daný okamžik a průměrný počet vozidel, které se za danou dobu na komunikaci nacházely. Videa, ze kterých je datová sada vytvořena, poskytl vedoucí práce. Hlavním přínosem práce je možnost sledování hustoty provozu v daných časových intervalech.
|
|
|
Detekce osob ve videozáznamu
Marek, Lukáš ; Goldmann, Tomáš (oponent) ; Dyk, Tomáš (vedoucí práce)
Tato bakalářská práce se zabývá implementací aplikace pro detekci osob ve videozáznamu. Jak aplikace tak detekce jsou implementovány v jazyce Python. Pro vytvoření aplikace je použita knihovna TKinter. Pro detekci je použita knihovna OpenCV a detekční algoritmus YOLOv4, který běží na CUDA backendu, ale může běžet i na procesoru.
|
|
|
Pokročilá analýza obrazu využitím hlubokých neuronových sítí
Hynek, Vojtěch ; Přinosil, Jiří (oponent) ; Kiac, Martin (vedoucí práce)
Tato bakalářská práce se zabývá problematikou detekce objektů v obraze s využitím konvoluční neuronové sítě. Výsledkem této práce je vlastní datová sada, model neuronové sítě YOLOv4 a skript sloužící pro zpracování výsledných dat modelu. Datová sada obsahuje 8080 snímků, na kterých je anotováno 14 objektů. Modelu neuronové sítě byla zmenšena jeho hloubka, díky které významně vzrostla rychlost samotné detekce. Skript zpracovávající výsledná data vypočítává 3D a GPS souřadnice detekovaného objektu v prostoru. V závěru práce jsou shrnuty výsledky modelu a současně je uvedeno, jakým způsobem by mohlo dojít ke zlepšení kvality datové sady.
|
host ::
RSS.