Detekce objektů ve videosekvenci

Ing. Karel Petránek

Doctoral thesis

Object Detection in Videos

Abstract:

Disertační práce se zabývá oblastí detekce objektů v obraze a videosekvenci, která je spojením dílčíchoblastí zpracování obrazu a strojového učení. Práce shrnuje základní algoritmy používané v obouoblastech, které vedou k současným state-of-the-art detekčním metodám. Podrobně jsoudiskutovány hluboké neuronové sítě, které v oblasti detekce objektů v současnosti dosahujínejlepších výsledků.Základními stavebními prvky systému pro detekci objektů v obraze jsou kvalitní datová sada, vhodnépředzpracování a přesný klasifikátor. Práce přináší výsledky ve všech těchto oblastech – je vytvořenavlastní datová sada, na které jsou otestovány existující metody, navržen detektor umístění objektuve videosekvenci založený na kombinaci hlubokých neuronových sítí a částicových filtrů, vytvořenaneuronová síť pro segmentaci objektu v obraze a navrženo rozšíření operátoru Local Binary Patterns.Navržený detektor umístění objektu ve videosekvenci překonává 5 existujících detektorů a dosahujedostatečné přesnosti pro praktické nasazení. Vytvořená segmentační síť vytváří masku přítomnýchobjektů ve vstupním obraze v reálném čase při použití akcelerace pomocí grafické karty při zachovánídobré generalizační schopnosti i na neznámé objekty.

Abstract:

The doctoral thesis “Object Detection in Videos” deals with the area of object detection in imagesand videos. The subject area consists of two main sub-areas – image processing and machinelearning. The thesis summarizes common algorithms used in image processing and machine learningthat lead to the state-of-the art object detection methods. Deep neural networks are the main focusof the research, as they are currently the best performing object detection method.A high quality dataset, preprocessing and a precise classifier are the basic building blocks of an objectdetection system. The thesis achieves results in all these areas – a custom dataset is forged which isused for testing of existing methods, an object detector for videos is designed based on the synergyof deep neural networks and particle filters, a neural network is trained for object segmentation andfinally, an extension for Local Binary Patterns is presented.The proposed video object detector surpasses the performance of 5 existing detectors and itsprecision is sufficient for real-world usage. The segmentation network creates an object mask for thegiven input image in real time when GPU acceleration is used while generalizing well to new objecttypes.

Keywords

analýza obrazu, detekce objektů, segmentace obrazu, Local Binary Patterns

Keywords

image processing, object detection, image segmentation, Local Binary Patterns

Language used: Czech

Date on which the thesis was submitted / produced: 7. 11. 2017

Thesis defence

• Date of defence: 26. 2. 2018
• Supervisor: prof. RNDr. Eva Milková, Ph.D.
• Reader: Jiří Šťastný, Ladislav Beránek, Arnošt Veselý

University of Hradec Králové

Faculty of Informatics and Management

Doctoral programme / field:
Aplikovaná informatika / Aplikovaná informatika