|
|
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.
|
|
|
Detekce objektu ve videosekvencích
Šebela, Miroslav ; Beneš, Radek (oponent) ; Číka, Petr (vedoucí práce)
Práce se skládá ze tří hlavních částí. Teoretického popisu transformací a metod zpracování obrazu, optického rozpoznání znaků a návrhu řešení rozpoznání registračních značek automobilu v obraze nebo videu. V teoretické části je popsána vlastní reprezentace obrazu, transformace pro vylepšení obrazu a metody segmentace regionů v obraze a jsou zde navrženy dvě metody pro optické rozpoznání znaků. Praktická část se zabývá návrhem řešení a postupem pro rozpoznání RZ. Řešení se skládá z předzpracování obrazu, segmentace regionů, detekce objektu dle jeho vlastností a následného optického rozpoznání znaků. Pro řešení byly použity metody převodu do odstínu šedé, transformace vycházející z histogramu, prahování, určení oblastí spojených obrazových bodů, detekce regionu dle jeho vlastností, optického rozpoznání znaků a porovnání zjištěných hodnot s databází registračních značek pro účely správy vjezdu do objektu.
|
|
|
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.
|
|
|
Detekce a rozpoznání registrační značky z fotografie
Janíček, Kryštof ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zabývá návrhem a vývojem systému pro detekci a rozpoznání registrační značky vozidla. Tento systém je rozdělen na tři části, kterými jsou detekce registrační značky, segmentace znaků a rozpoznání znaků. Pro detekci registrační značky je použita kaskáda klasifikátorů, která dosahuje úspěšnosti až 95,5% a přesnosti 95,9%. Segmentace znaků je provedena pomocí vyhledávání kontur s úspěšností 93,3% a přesností 96,5%. Pro rozpoznání znaků je využita neuronová síť, která dosahuje úspěšnosti 98,4% pro jednotlivé znaky. Celý systém je schopen detekovat a rozpoznat 81,5% registračních značek v pořízené testovací datové sadě.
|
|
|
Analýza a porovnání snímků z kamery
Novotný, Václav ; Nováček, Petr (oponent) ; Richter, Miloslav (vedoucí práce)
Tato bakalářská práce se zabývá analýzou a porovnáním snímků z kamery. Pojednává o možnostech zpracování obrazu a hardware systému pro sběr dat. V rámci práce je vytvoření databáze snímků a realizování algoritmů, které budou zadané snímky porovnávat s referenčními a zjišťovat jejich identitu.
|
|
|
Detekce a rozpoznání registrační značky z fotografie
Janíček, Kryštof ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Tato práce se zabývá návrhem a vývojem systému pro detekci a rozpoznání registrační značky vozidla. Tento systém je rozdělen na tři části, kterými jsou detekce registrační značky, segmentace znaků a rozpoznání znaků. Pro detekci registrační značky je použita kaskáda klasifikátorů, která dosahuje úspěšnosti až 95,5% a přesnosti 95,9%. Segmentace znaků je provedena pomocí vyhledávání kontur s úspěšností 93,3% a přesností 96,5%. Pro rozpoznání znaků je využita neuronová síť, která dosahuje úspěšnosti 98,4% pro jednotlivé znaky. Celý systém je schopen detekovat a rozpoznat 81,5% registračních značek v pořízené testovací datové sadě.
|
|
|
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 a porovnání snímků z kamery
Novotný, Václav ; Nováček, Petr (oponent) ; Richter, Miloslav (vedoucí práce)
Tato bakalářská práce se zabývá analýzou a porovnáním snímků z kamery. Pojednává o možnostech zpracování obrazu a hardware systému pro sběr dat. V rámci práce je vytvoření databáze snímků a realizování algoritmů, které budou zadané snímky porovnávat s referenčními a zjišťovat jejich identitu.
|
|
|
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.
|
|
|
Detekce objektu ve videosekvencích
Šebela, Miroslav ; Beneš, Radek (oponent) ; Číka, Petr (vedoucí práce)
Práce se skládá ze tří hlavních částí. Teoretického popisu transformací a metod zpracování obrazu, optického rozpoznání znaků a návrhu řešení rozpoznání registračních značek automobilu v obraze nebo videu. V teoretické části je popsána vlastní reprezentace obrazu, transformace pro vylepšení obrazu a metody segmentace regionů v obraze a jsou zde navrženy dvě metody pro optické rozpoznání znaků. Praktická část se zabývá návrhem řešení a postupem pro rozpoznání RZ. Řešení se skládá z předzpracování obrazu, segmentace regionů, detekce objektu dle jeho vlastností a následného optického rozpoznání znaků. Pro řešení byly použity metody převodu do odstínu šedé, transformace vycházející z histogramu, prahování, určení oblastí spojených obrazových bodů, detekce regionu dle jeho vlastností, optického rozpoznání znaků a porovnání zjištěných hodnot s databází registračních značek pro účely správy vjezdu do objektu.
|
host ::
RSS.