Detail práce
Detekce pohybu v obraze z kamery
Cílem této práce je zhodnotit účinnost detekce pohybu pomocí Gaussova rozdělení pravděpodobnosti. Algoritmus při detekci pohybu vytvoří krátké video zachycující pohyb a vhodně jej vizualizuje. Vizualizace je provedena grafem intenzity bílých pixelů mapující pohyb. Systém je vhodný hlavně pro méně rušné oblasti, kde pohyb je významnou změnou prostředí. Výsledky této práce ukazují, jaký vliv na detekci mají okolní podmínky a poloha kamery.
detekce pohybu, odečítání pozadí, rozlišení pohybu, směsice Gaussových křivek, eroze, dilatace,otevření, uzavření, oblast zájmu, ROI, prahování, ROC křivka, Cannyho hranovýdetektor, OpenCV, intenzita pohybu, podmínky sledování, druhy kamer
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E.
- Proč využíváte Cannyho detektor hran nad binárním obrazem pro získání hran objektů, když stejně následně pak voláte findContours?
- Podrobně popište jak jste prováděl vyhodnocení. Na jakých datech, jakou metodikou.
- Jak je program rychlý? Jak rychlý by byl pokud byste nepoužíval Cannyho detektor hran?
Jaroš Jiří, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Kunovský Jiří, doc. Ing., CSc. (UITS FIT VUT), člen
Rychlý Marek, RNDr., Ph.D. (UIFS FIT VUT), člen
Španěl Michal, Ing., Ph.D. (UPGM FIT VUT), člen
@bachelorsthesis{FITBT18935, author = "Petr Polansk\'{y}", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Detekce pohybu v obraze z kamery", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2016, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/18935/" }