Analýza prechodov pre chodcov pomocou obrazov

Marcel Jurišta

Diplomová práce

Crosswalk Analysis Using Images

Anotace:

Cieľom tejto diplomovej práce je zistenie možností spracovania obrazu za účelom detekcie prechodov pre chodcov a porovnanie možných riešení. Táto diplomová práca je zameraná na spracovanie prechodov pre chodcov z pohľadu samoriaditeľných vozidiel. Pre vytvorenie funkčného detektoru je vhodné experimentálne otestovať viaceré prístupy spracovania obrazu. Hlavnými rozdielmi v navrhovaných detektoroch sú v predspracovaní dát. V prístupe s trénovaním je potrebné využiť dáta, ktoré však najkôr musia byť extrahované z dostupných materiálov. V súvislosti so spracovaním prechodu pre chodcov pomocou obrazov je v tejto diplomovej práce vykonané porovnanie existujúcich riešení, zistenie možností spracovania obrazu a navrhnutie spolu s implementáciou detektoru za pomoci zistených knižníc. Hlavnými časťami pre vytvorenie detektoru je extrahovanie dát pre trénovanie, ich predspracovanie a následné použitie vo vytvorení finálneho detektoru. Detektor zameraný na bezpečnosť chodcov je dôležitý v oblasti autonómneho riadenia vozidiel.

Abstract:

The aim of this diploma thesis is to find out the possibilities of image processing for the purpose of crosswalk detection in order to detect pedestrian crossings and to compare possible solutions. This diploma thesis is focused on processing pedestrian crossings from the perspective of autonomous vehicles. To create a functional detector, it is advisable to experimentally test several approaches of image processing. The main differences in the proposed detectors are in data preprocessing. In a training approach, it is necessary to use data that must be extracted from available materials. In connection with the processing of pedestrian crossings using images, this thesis compares existing solutions, identifying the possibilities of image processing and design along with the implementation of the detector using the found libraries. The main parts for creating a detector are extracting the data for training, data pre-processing and subsequent use in creating the final detector. A pedestrian safety detector is important in the autonomous driving industry.

Klíčová slova

OpenCV, Tensorflow, Neurónové siete, Spracovanie obrazu, Mask-RCNN, Detekcia prechodov pre chodcov, Autonómne vozidlá

Keywords

OpenCV, Tensorflow, Neural networks, Image processing, Mask-RCNN, Crosswalk detection, Autonomous vehicles

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 30. 4. 2021

Obhajoba závěrečné práce

• Obhajoba proběhla 2. 6. 2021
• Vedoucí: Radovan Fusek
• Oponent: Jan Gaura

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program / obor:
Informační a komunikační technologie / Informatika a výpočetní technika