Sledování více osob ve videu z jedné kamery
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Detekcia a sledovanie viacerých osôb je náročný problém s vysokým aplikačným potenciálom. Náročnosť problému je spôsobená hlavne zložitosťou scény a vysokou variabilitou v artikulácii a vzhľade osôb. Cieľom tejto práce je navrhnúť a implementovať systém schopný detekcie a sledovania viacerých osôb vo videu z jednej statickej kamery. K tomuto účelu bola navrhnutá on-line metóda založená na princípe sledovania pomocou detekcie. Navrhnutá metóda kombinuje detekciu, sledovanie a združovanie odoziev k dosiahnutiu presných výsledkov. Implementácia bola vyhodnotená na dostupnom datasete a výsledky ukázali, že je použiteľná k tomuto účelu. K zlepšeniu výsledkov sledovania bola navrhnutá a implementovaná robustná metóda segmentácie pohybu. Okrem toho, implementácia detektora založeného na histograme orientovaných gradientov bola zrýchlená s využitím grafického procesoru (GPU).
Multiple person detection and tracking is challenging problem with high application potential. The difficulty of the problem is caused mainly by complexity of scene and large variations in articulation and appearance of person. The aim of this work is to design and implement system capable of detecting and tracking people in video from static mono-camera. For this purpose, an online method for tracking has been proposed based on tracking-by-detection approach. The method combines detection, tracking and fusion of responses to achieve accurate results. The implementation was evaluated on available dataset and the results show that it is suitable to use for this task. A method for motion segmentation was proposed and implemented to improve the tracking results. Furthermore, implementation of detector based on histogram of oriented gradients was accelerated by taking advantage of graphics processing unit (GPU).
Multiple person detection and tracking is challenging problem with high application potential. The difficulty of the problem is caused mainly by complexity of scene and large variations in articulation and appearance of person. The aim of this work is to design and implement system capable of detecting and tracking people in video from static mono-camera. For this purpose, an online method for tracking has been proposed based on tracking-by-detection approach. The method combines detection, tracking and fusion of responses to achieve accurate results. The implementation was evaluated on available dataset and the results show that it is suitable to use for this task. A method for motion segmentation was proposed and implemented to improve the tracking results. Furthermore, implementation of detector based on histogram of oriented gradients was accelerated by taking advantage of graphics processing unit (GPU).
Description
Keywords
detekcia osôb, detekcia častí tela, kombinácia detektorov, sledovanie objektov, priradenie odoziev, segmentácia pohybu, histogram orientovaných gradientov na GPU, sledovanie chodcov, GPGPU, person detection, part-based body detection, combination of detectors, object tracking, responses association, motion segmentation, histogram of oriented gradient on GPU, pedestrian tracking, GPGPU
Citation
VOJVODA, J. Sledování více osob ve videu z jedné 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
Počítačová grafika a multimédia
Comittee
doc. Dr. Ing. Jan Černocký (předseda)
prof. Dr. Ing. Pavel Zemčík (místopředseda)
prof. RNDr. Alexandr Meduna, CSc. (člen)
doc. Ing. Ondřej Ryšavý, Ph.D. (člen)
prof. RNDr. Josef Šlapal, CSc. (člen)
Ing. Michal Španěl, Ph.D. (člen)
Date of acceptance
2016-06-23
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 C. Otázky u obhajoby: Vysvětlete, proč při normalizaci detekčního skóre aplikujete nejprve vzorec 3.1 a následně 3.2? Bude výsledek jiný, pokud použijete pouze druhý z nich? Proč jste pro segmentaci pohybu zvolil metodu výpočtu optického toku (tj. odhad směru pohybu), když její výstup degradujete na binární obrázek? Metoda je navíc výrazně pomalejší než ostatní viz Tabulka 4.1? Jaký přínos má v podmínce 3.10 použití vzdálenosti? Nestačilo by pouze testovat překryv detekcí? Diskutujte přínos jednotlivých detektorů (HOG, DPM, HaarCascade) a jejich variant FullBody a UpperBody. Jak jste hledal optimální nastavení parametrů, když jak tvrdíte na str. 50 je výkonnost systému závislá na nastavení parametrů?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení