Detektor hlavy v obraze

Abstract

Detekce hlavy je důležitou součástí algoritmů pro detekci a identifikaci osob. Tato práce je zaměřena na detekci lidské hlavy v obraze pomocí neuronových sítí. Většina konvenčních detektorů dokáže detekovat objekty v omezené množině úhlů, zatímco modely založené na neuronových sítích pokrývají větší škálu úhlů natočení hlavy. V této práci jsme natrénovali současné state-of-the-art modely a porovnali je z hlediska přesnosti a rychlosti zpracování snímku. Nejvíce se osvědčil model RetinaNet, který dosáhl přesnosti 85,15% AP. Díky tomuto detektoru mohou být vylepšené dostupné algoritmy pro detekci, identifikaci a sledování osob.

Detection of human head is an important part of person detection and identification algorithms. This thesis is focused on the detection of human head with methods based on neural networks. The majority the of conventional detectors can identify objects within a limited range of positions, whereas models based on neural networks offer a more robust approach. In this thesis we trained the current state-of-the-art models and compared their accuracy and speed. The most accurate model proved to be RetinaNet which has reached 85.15% AP. This detector can be used to improve current available algorithms for person detection, identification and tracking.