Rozpoznávání tváří
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá rozpoznáváním lidí ve videozáznamu, respektive z kamery. K rozeznávání obličejů byla použita konvoluční neuronová síť, díky které získáme několika dimenzionální vektor rysů, pomocí kterého je možno zjistit totožnost osoby. Na systém jsou kladeny nároky, aby byl schopen pracovat v reálném čase a mohl být použit například pro rozpoznávání osob na různých konferencích, či jako součást bezpečnostního systému. Samotný systém je napsán v jazyce Python. Součástí této práce byla vytvořena datová sada ve formě videí s osobami.
This thesis deals with human recognition on a videorecording. Convolution neural network was used for face recognition, from which we will get multidimensional vector, which will allow to determine person’s identity. There are demands imposed on the system, for it to be able to work in real time and could be used for example for person recognition at various conferences, or as a part of security system. Whole system is written in Python language. Part of this thesis is dataset in form of videorecords with persons.
This thesis deals with human recognition on a videorecording. Convolution neural network was used for face recognition, from which we will get multidimensional vector, which will allow to determine person’s identity. There are demands imposed on the system, for it to be able to work in real time and could be used for example for person recognition at various conferences, or as a part of security system. Whole system is written in Python language. Part of this thesis is dataset in form of videorecords with persons.
Description
Citation
BENDA, T. Rozpoznávání tváří [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační systémy
Comittee
doc. Dr. Ing. Dušan Kolář (předseda)
prof. Ing. Tomáš Hruška, CSc. (místopředseda)
doc. Ing. Radek Burget, Ph.D. (člen)
doc. Ing. Vladimír Janoušek, Ph.D. (člen)
Ing. Petr Matoušek, Ph.D., M.A. (člen)
Doc. Ing. Ivan Polášek, Ph.D. (člen)
Date of acceptance
2017-06-19
Defence
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 " D ". Otázky u obhajoby: Jak jste získal 1910 videozáznamů pro 47 osob z YouTube faces, když v datové sadě je maximálně 6 záznamů pro jednu osobu? Proč jste nevyhodnotil Váš systém na celé YouTube faces standardním způsobem? Proč používáte MongoDB na ukládání descriptorů obličejů ve formátu JSON? Není to krajně neefektivní a zbytečné? Jste si jistý, že nastavení prahů pří identifikaci na EER bod verifikace je vhodné? Jaká bude pak FAR, když už budete mít v databázi například 100 lidí?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení