Detekce objektů pomocí Kinectu
Object Detection Using Kinect
Author
Advisor
Španěl, MichalReferee
Hradiš, MichalGrade
CAltmetrics
Metadata
Show full item recordAbstract
S příchodem zařízení Kinect se otevřely možnosti, jak jednoduše využít hloubku obrazu ve zpracování obrazu. Cílem této práce je popsat metodu, kterou jsem navrhnul pro rozpoznávání a detekci objektů v hloubkové mapě. Pro rozpoznávání objektů použiji metodu Bag of Words, ve které jako deskriptor hloubkové mapy použiji metodu Spin Image. Spin Image je jeden z několika přístupů k popisu hloubkové mapy, které ve své práci popíši. O vyhledání objektu v obraze se postará metoda klouzajícího okna, která je vylepšena o využití hloubkové informace pro zrychlení prohledávání. With the release of the Kinect device new possibilities appeared, allowing a simple use of image depth in image processing. The aim of this thesis is to propose a method for object detection and recognition in a depth map. Well known method Bag of Words and a descriptor based on Spin Image method are used for the object recognition. The Spin Image method is one of several existing approaches to depth map which are described in this thesis. Detection of object in picture is ensured by the sliding window technique. That is improved and speeded up by utilization of the depth information.
Keywords
Detekce objektů, hloubkový obraz, hloubková mapa, RGB-D, rozpoznávání v obraze, deskriptory, Spin Image, balík slov, klouzající okno., Object detection, depth image, depth map, RGB-D, image recognition, descriptors, Spin Image, bag of words, sliding window.Language
čeština (Czech)Study brunch
Počítačová grafika a multimédiaComposition of Committee
doc. Dr. Ing. Jan Černocký (předseda) prof. Ing. Tomáš Vojnar, Ph.D. (místopředseda) doc. Mgr. Daniela Chudá, Ph.D. (člen) doc. Ing. Přemysl Kršek, Ph.D. (člen) RNDr. Marek Rychlý, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen)Date of defence
2012-06-18Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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 C. Otázky u obhajoby: Obrázky v datové sadě, kterou jste použil v testech, mají různou velikost. Kompenzoval jste toto nějak? Mohla mít různá velikosti vliv na výsledky? Jaké SVM klasifikátory jste použil, jak efektivní je jejích výpočet? Proč jste nevyhodnotil přímo úspěšnost detekce objektů? Jakou úspěšnost a výpočetní náročnost mají existující metody detekce objektů z RGB-D?Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/53745Source
ŘEHÁNEK, M. Detekce objektů pomocí Kinectu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2012.Collections
- 2012 [213]