|
|
Úsekové měření rychlosti pro analýzu dopravy
Kubíčková, Pavla ; Špaňhel, Jakub (oponent) ; Sochor, Jakub (vedoucí práce)
Tato bakalářská práce se zabývá úsekovým měřením rychlosti automobilů. Práce popisuje existující metody detekce registračních značek a rozpoznání znaků v nich obsažených. Následně jsou popsány metody kaskádového klasifikátoru a klasifikátoru SVM, které jsou v této práci použity. V závěrečné části je zpracované vyhodnocení jednotlivých částí systému.
|
|
|
Analýza pohybu automobilů na křižovatkách
Benček, Vladimír ; Juránek, Roman (oponent) ; Sochor, Jakub (vedoucí práce)
Táto diplomová práca sa venuje návrhu a tvorbe systému pre analýzu pohybu vozidiel na križovatkách. Vo videu získanom zo stacionárnej kamery, zachytávajúcej dianie na križovatke, detekuje a sleduje vozidlá. Ich trajektórie zaznamenáva a analyzuje ich smer a počet. Na detekciu bol použitý kaskádový klasifikátor. Pre jeho trénovanie bol vytvorený dataset obsahujúci 10500 vozidiel a 10500 negatívnych vzoriek. Sledovanie vozidiel prebieha pomocou metódy KCF. Na zhlukovanie trajekórií v rámci analýzy je využitá metóda Mean Shift. V rámci testovania bola zistená celková úspešnosť sledovania pohybu a analýzy vozidiel 92.77%.
|
|
|
Detekce a rozpoznání dopravních značek v obraze
Spáčil, Pavel ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zaměřuje na téma rozpoznávání dopravních značek v obraze. Popisuje stručně některé používané metody a zaměřuje se hlavně na zvolený postup klasifikace. Ten je zevrubně popsán včetně rozšíření a metody pro vytváření modelů nutných při klasifikaci. V práci je popsána implementace knihovny a demonstračního programu včetně důležitých poznatků zjištěných během vývoje. V závěru práce jsou uvedeny výsledky několika experimentů a možné rozšíření.
|
|
|
Detekce, sledování a klasifikace automobilů
Vopálenský, Radek ; Herout, Adam (oponent) ; Juránek, Roman (vedoucí práce)
Cílem této diplomové práce je navrhnout a implementovat v jazyce C++ systém pro detekci, sledování a klasifikaci automobilů ze streamů nebo záznamů dopravních kamer. Systém běží na platformě robotického operačního systému a využívá knihovny OpenCV, FFmpeg, TensorFlow a Keras. Pro detekci je využit kaskádový klasifikátor, pro sledování Kalmanův filtr a pro klasifikaci konvoluční neuronová síť. Úspěšnost detekce je 91.93 %, sledování 81.94 % a klasifikace 63.72 %. Tento systém je součástí komplexního systému, který umí navíc kalibrovat video a měřit rychlost automobilů. Výsledný systém je možné využívat pro analýzu dopravy.
|
|
|
Analýza záznamu palubní kamery automobilu
Kadeřábek, Jan ; Bartl, Vojtěch (oponent) ; Špaňhel, Jakub (vedoucí práce)
Práce se zabývá analýzou záznamu palubní kamery automobilu. Při zpracování záznamů probíhá detekce zákazových dopravních značek, následná klasifikace konkrétního typu dopravní značky a případné určení hodnoty rychlostního limitu. Ze zpracovaných informací se pokouší vytvořit výsledný soubor, který zahrnuje unikátní výskyty dopravních značek včetně jejich GPS souřadnic. Za účelem detekce a rozpoznání dopravních značek jsou vytvořeny potřebné datové sady. Jako detektor je použit kaskádový klasifikátor s příznaky LBP. Klasifikace typu a hodnot dopravních značek je prováděna pomocí klasifikační metody k-Nearest Neigbour.
|
|
|
Rozpoznávání CAPTCHA kódů
Pazderka, Radek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato bakalářská práce se zaměřuje na návrh a implementaci aplikace sloužící k rozpoznávání textových CAPTCHA kódů. Popisuje algoritmy pro předzpracování obrazu, segmentaci a následnou klasifikaci znaků. Pro klasifikaci byly použity dva různé přístupy. Jedná se o konvoluční neuronovou síť LeNet a histogramový klasifikátor využívající Pearsonova korelačního koeficientu. Následně se zvolené klasifikátory testují na různých CAPTCHA kódech a zjišťuje se výsledná úspěšnost při rozpoznávání.
|
|
|
Odhad rozestupu automobilů z mobilního telefonu umístěného ve vozidle
Zemánek, Ondřej ; Špaňhel, Jakub (oponent) ; Sochor, Jakub (vedoucí práce)
Cílem této bakalářské práce je mobilní aplikace pro systém Android, která odhaduje vzdálenost vozidel z obrazu kamery mobilního telefonu. Odhad rozestupu je vypočítáván na základě znalostí parametrů kamery, fyzické velikosti vozidla a oblasti snímku, reprezentující detekované vozidlo. Vozidla a jejich registrační značky jsou v obraze detekovány pomocí kaskádových klasifikátorů. Registrační značky jsou detekovány pouze v rámci oblasti detekovaného vozila. Pro detekci vozidel pomocí kaskádového klasifikátoru byla v rámci této práce vytvořena trénovací datová sada. Práce je doplněna o funkci sledování změn rozestupu v čase, která při náhlé změně rozestupu upozorní řidiče zvukovým signálem. Samotný text je pak rozdělen do pěti hlavních částí - porovnání existujících řešení odhadu vzdálenosti, Studium a výběr metod pro rozpoznávání objektů v obraze, návrh aplikace, implementace a vyhodnocení obsahující popis vytváření trénovací datové sady, samotné trénování klasifikátoru a vyhodnocení.
|
|
|
Ovládání počítačových aplikací přirozeným pohybem hlavy
Vojvoda, Jakub ; Materna, Zdeněk (oponent) ; Beran, Vítězslav (vedoucí práce)
Cílem této práce je navrhnout a realizovat systém sledující hlavu uživatele ve vstupních obrazových snímcích a na základě její pozice dosáhnout interakci s počítačovými aplikacemi. V rámci řešení byly navrženy 4 metody detekce hlavy využívající metody počítačového vidění jako detekci obličeje pomocí Haarových příznaků, detekce pozadí, camshift nebo Lucas-Kanade na výpočet optického toku. Jednotlivé metody byly testovaný na nahraných a v dané oblasti používaných datasetech a vyhodnoceny. Výsledek je využit k ovládaní demo aplikací pohybem hlavy.
|
|
|
Re-identifikace vozidla pomocí rozpoznání jeho registrační značky
Špaňhel, Jakub ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá návrhem algoritmů detekce a rozpoznání registrační značky vozidla, které by byly použitelné pro re-identifikaci vozidla v obraze, a vytvořením jednoduchého systému analýzy dopravy. Byly navrženy a otestovány jednotlivé části toho systému. Konkrétně se jedná o detekci vozidel, detekci a rozpoznání registrační značky vozidla a systém samotný. Detekce vozidel je prováděna pomocí metody odečítání pozadí a vytváření ohraničení těchto oblastí s úspěšností ~92%. Registrační značka je detekována pomocí kaskády klasifikátoru a dosahuje úspěšnosti 81.72% a přesnosti 94.42%. Rozpoznání poznávací značky pomocí metody Template matching dosahuje úspěšnosti 60.55%. Proto byl představen zcela nový princip rozpoznávání registrační značky vozidla pomocí jejího skenování užitím principu sliding window a rozpoznáváním neuronovou sítí. Neuronová síť dosahuje úspěšnosti 64.47% pro testovací datovou sadu při použití pěti příznaků. Malou úspěšnost neuronové sítě však ovlivňuje nedostatek vzorků některých znaků registrační značky.
|
|
|
Detekce a rozpoznání registrační značky vozidla pro analýzu dopravy
Černá, Tereza ; Hradiš, Michal (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá návrhem a vývojem systému pro detekci a rozpoznání registračních značek vozidel. Práce je rozdělena do tří základních částí: detekce registračních značek, nalezení pozic znaků, rozpoznání znaků. Pro účely práce byla pořízena nová datová sada, která obsahuje 2814 registračních značek pro účely trénování klasifikátorů a 2620 značek pro vyhodnocení úspěšnosti. Pro detekci registračních značek byl natrénován kaskádový klasifikátor, který dosahuje úspěšnosti až 97,8 %. Ve všech nalezených pozicích jsou vyhledány pozice znaků. Pokud nejsou nalezeny, pak daný výřez není registrační značkou. Úspěšnost detekce po nalezení všech pozic znaků je až 88,5 %. Rozpoznání znaků probíhá pomocí natrénovaného SVM klasifikátoru. Systém úspěšně rozpozná bez chyby až 97,7 % všech správně nalezených registračních značek.
|
host ::
RSS.