Detekce pohybu v obraze z kamery
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
E
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
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.
The objective of this work is evaluate motion detection using Gaussian Mixture Model. When algorithm detects motion, it creates short video capturing this motion and visualizing it properly. Visualization is made by white pixels intensity graph. System is applicable on less busy area when motion is more noticeable. Results of this work shows how surrounding environment and camera position influence detection.
The objective of this work is evaluate motion detection using Gaussian Mixture Model. When algorithm detects motion, it creates short video capturing this motion and visualizing it properly. Visualization is made by white pixels intensity graph. System is applicable on less busy area when motion is more noticeable. Results of this work shows how surrounding environment and camera position influence detection.
Description
Keywords
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, motion detection, background subtraction, Gaussian Mixture Model, erosion, dilation, opening, closing, region of interest, ROI, threshold, ROC curve, Canny edge detector, OpenCV, motion intensity, surveillance conditions, camera types
Citation
POLANSKÝ, P. Detekce pohybu v obraze z kamery [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda)
doc. Ing. Jiří Kunovský, CSc. (místopředseda)
doc. Ing. Jiří Jaroš, Ph.D. (člen)
RNDr. Marek Rychlý, Ph.D. (člen)
Ing. Michal Španěl, Ph.D. (člen)
Date of acceptance
2016-06-14
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 E. Otázky u obhajoby: 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?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení