Automatická detekce osob z vizuálních dat

Adam KLEČKA

Bakalářská práce

Automatic person detection from visual data

Anotace:

Bakalářská práce se zabývá strojovou detekcí lidí. Jsou zde podrobně probírány 2 způsoby detekčních systému. Systém s posuvným okénkem, který počítá HOG příznaky a za pomoci klasifikačního algoritmu detekuje objekty. Další systém funguje na principu predikování objektů s pomocí konvolučních neuronový sítí na základě SSD512 architektury. Oba způsoby byly testovány na Caltech a mém vlastním datasetu.

Abstract:

This work deals with Automatic person detection. There are two approaches to person detection that are studied theoretically and practically tested in the work. The first approach is based on the small window that slides across an input image and computes HOG features. Based on these features, the SVM classifier is trained. The second approach is based on convolutional neural network SSD512. Both approaches were tested on the Caltech dataset and on my own dataset.

Klíčová slova

strojové učení, strojové vidění, detekování objektů Histogram of Oriented Gradients, neuronová konvoluční síť, Single Shot MultiBox Detector

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 10. 8. 2020

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Ing. Ivan Gruber, Ph.D.

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Bakalářský studijní program / obor:
Inženýrská informatika / Počítačové řízení strojů a procesů