|
|
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.
|
|
|
SMART CAR: Automatic Car Detection
Burkot, Martin ; Žák, Pavel (referee) ; Beran, Vítězslav (advisor)
This bachelor thesis deals with the detection of moving vehicles in image sequence. In the introduction is made a brief analysis of current methods for detecting the movement of vehicles and the scene in general. In subsequent chapters is designed and described the implementation of the detector moving vehicles in an image based on the determination of optical flow. At the end there review of proposed solution.
|
|
|
Detection of Vehicles in Image and Video
Petráš, Adam ; Zemčík, Pavel (referee) ; Špaňhel, Jakub (advisor)
This bachelor thesis is focused on vehicle detection. The thesis deals with the method of vehicle detection using convolutional neural networks, their structures and models. All scripts were implemented using python programming language with Tensorflow Object Detection API interface. The first part of this thesis was devote to the structures of popular neural networks and models of detection neural networks. The next chapter deals with the most famous frameworks that are used for machine learning. Three neural network models were selected and trained on the COD20K dataset. The result of this thesis is statistics that discuss the efficiency and performance of each model on trained dataset and compare performance without displaying video on Nvidia RTX 2060, where the performace archieved by SSD MobileNet V2 network was 300FPS and Nvidia Tegra TX2 8GB, whose performace reached almost 44FPS.
|
|
|
Traffic image sequence classification
Vomela, Miroslav ; Janáková, Ilona (referee) ; Honec, Peter (advisor)
The article introduces a general survey of concepts used in traffic monitoring applications. It describes different approaches for solving particular steps of vehicle detection process. Analysis of these methods was performed. Furthermore this work focuses on the design and realization of complex robust algorithm for real-time vehicle detection. It is based on analysis of video-sequence acquired from static camera situated on highway. Processing consists of many steps. It starts with background subtraction and ends with traffic monitoring results, i.e. average speed, number of cars, level of service etc.
|
|
|
Detection of Vehicles in Image
Špaňhel, Jakub ; Juránek, Roman (referee) ; Herout, Adam (advisor)
This thesis aims to implement the vehicle detection and tracking method based on the motion model suitable for real-time processing. The first part includes analysis of the commonly used methods. The second part introduces principles of implemented method. This method consists of low-level features extraction, the spatiotemporal profiling of extracted features and image intensities, and classification of obtained traces based on HMM. Subsequently experiments using this trustworthy method are conducted to locate areas of potential method improvements.
|
|
|
Object detection in video using neural networks
Mikulský, Petr ; Sikora, Pavel (referee) ; Myška, Vojtěch (advisor)
This diploma thesis deals with the detection of moving objects in a video recording using neural networks. The aim of the thesis was to detect road users in video recordings. Pre-trained YOLOv5 object detection model was used for a practical part of the thesis. As part of the solution, an own dataset of traffic road video recordings was created and annotated with following classes: a car, a bus, a van, a motorcycle, a truck and a trailer truck. Final version of this dataset comprise 5404 frames and 6467 annotated objects in total. After training, the YOLOv5 model achieved 0.995 mAP, 0.995 precision and 0.986 recall on the dataset. All steps leading to the final form of the dataset are described in the conclusion chapter.
|
|
|
Videodetection - traffic monitoring
Kozina, Lubomír ; Beszédeš,, Marián (referee) ; Honec, Peter (advisor)
In this master’s thesis on the topic Videodetection - traffic monitoring I was engaged in searching moving objects in traffic images sequence. There are described various methods background model computation and moving vehicles marking, counting or velocity calculating in the thesis. It was created a graphical user interface for traffic scene evaluation in MATLAB.
|
|
|
Traffic assistant system for complicated situations
Podola, David ; Janáková, Ilona (referee) ; Petyovský, Petr (advisor)
T-intersections are one of the most common places where collisions happen. An intelligent traffic mirror is one the possible solutions to reduce the accident rate. The mirror detects the situation around the intersection, process the data and provides the driver with an information, whether the situation is safe and the driver can enter the junction safely. The aim of the thesis is a feasibility study of reliable detection of non-stationary objects based on cameras. The core of the intended product – the detection algorithm – detected the object on short distance from the camera reliably but as the distance was growing, the detection quality degraded. One of the possible solutions to achieve better detection results on longer distances may be achieved by using a camera with greater zoom. Based on the example improvement proposal, the feasibility of the solution based on optical methods was finally confirmed.
|
|
|
Detection of the Cars Approaching the Crossroad
Vácha, Lukáš ; Orság, Filip (referee) ; Rozman, Jaroslav (advisor)
Traffic monitoring using computer vision is becoming the desired system in practice. It allows nondestructive installation and also is very useful in many applications. This thesis focuses on automatic detection of vehicles approaching to a crossroads. This work also includes description of selected methods for detecting moving vehicles and the way of tracking them. On the basis of these methods is designed application that is implemented and tested in different lighting and weather conditions and various direction of approaching vehicles.
|
|
|
Vehicle Speed Measurement Using Stereo Camera Pair
Najman, Pavel ; Sojka, Eduard (referee) ; Guillemaut, Jean-Yves (referee) ; Zemčík, Pavel (advisor)
Tato práce se snaží najít odpověď na otázku, zda je v současnosti možné autonomně měřit rychlost vozidel pomocí stereoskopické měřící metody s průměrnou chybou v rozmezí 1 km/h, maximální chybou v rozmezí 3 km/h a směrodatnou odchylkou v rozmezí 1 km/h. Tyto rozsahy chyb jsou založené na požadavcích organizace OIML, jejichž doporučení jsou základem metrologických legislativ mnoha zemí. Pro zodpovězení této otázky je zformulována hypotéza, která je následně testována. Metoda, která využívá stereo kameru pro měření rychlosti vozidel je navržena a experimentálně vyhodnocena. Výsledky pokusů ukazují, že navržená metoda překonává výsledky dosavadních metod. Průměrná chyba měření je přibližně 0.05 km/h, směrodatná odchylka chyby je menší než 0.20 km/h a maximální absolutní hodnota chyby je menší než 0.75 km/h. Tyto výsledky jsou v požadovaném rozmezí a potvrzují tedy testovanou hypotézu.
|
guest ::
