but.committee	prof. Dr. Ing. Pavel Zemčík (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Michal Fusek, Ph.D. (člen) Ing. Tomáš Martínek, Ph.D. (člen) Ing. Petr Matoušek, Ph.D., M.A. (člen)	cs
but.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 otázku 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 A. Otázky u obhajoby: Jaké musí být minimální rozlišení snímku osoby (z horního pohledu), aby detektor začal provádět úspěšné detekce? Souvisí kvalita detekce na hustotě rozmístění lidí? Dala by se přesnost 58% zlepšit?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Drahanský, Martin	cs
dc.contributor.author	Dušek, Vladimír	cs
dc.contributor.referee	Goldmann, Tomáš	cs
dc.date.accessioned	2019-07-08T15:56:04Z
dc.date.available	2019-07-08T15:56:04Z
dc.date.created	2019	cs
dc.description.abstract	Tato práce se zabývá monitorováním lidí na videozáznamu pořízeným dronem. Detekce osob v obraze je realizována pomocí natrénovaného modelu detekční sítě RetinaNet. Každé detekované osobě je extrahován příznakový vektor pomocí barevných histogramů. Jednoznačná identifikace detekovaných osob je uskutečněna porovnáváním jejich příznakových vektorů s ohledem na jejich vzdálenost ve snímku. Nakonec je vykreslena trajektorie pohybů všech detekovaných osob do výsledného panoramatického obrázku. Úspěšnost detektoru na těžkých validačních datech je 58,6%. Chybovost je částečně vyřešena způsobem navrhnutí algoritmu pro vizualizaci trajektorií. Pro korektní vykreslení trajektorie osoby ji není nutné úspěšně detekovat v každém snímku. Zároveň statické objekty, kde je vysoká pravděpodobnost, že se nejedná o člověka, nejsou vizualizovány vůbec. Algoritmů zabývajících se detekcí lidí je velké množství, avšak přístupů zaměřených se na pohled z výšky je velmi poskromnu.	cs
dc.description.abstract	This thesis is focused on monitoring people in a video footage captured by drone. People are detected by trained model of detector RetinaNet. A feature vector is extracted for each detected person using color histograms. Identification of people is realized by comparing their feature vectors with respect to their distance in the frame. In the end the trajectories of all people are visualized in a panorama image. Accuracy of the trained RetinaNet detector on difficult validation data is 58.6 %. Error rate is partially reduced by the way of algorithm design for trajectory visualisation. It's not necessary to successfully detect person on every frame for correct visualization of its trajectories. At the same time, static objects which are detected as person but are not moving are not consider as people and are not visualized at all. There is a lot of algorithms dealing with people detection however only a few approaches are focused on detection people from an aerial footage.	en
dc.description.mark	A	cs
dc.identifier.citation	DUŠEK, V. Monitorování chodců pomocí dronu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121902	cs
dc.identifier.uri	http://hdl.handle.net/11012/180124
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	umělá inteligence	cs
dc.subject	strojové učení	cs
dc.subject	klasifikace	cs
dc.subject	klasifikační algoritmy	cs
dc.subject	hluboké učení	cs
dc.subject	neuronové sítě	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	rozpoznávání obrazu	cs
dc.subject	počítačové vidění	cs
dc.subject	detekce objektů	cs
dc.subject	detekce lidí	cs
dc.subject	detekce chodců	cs
dc.subject	reidentifikace osob	cs
dc.subject	RetinaNet	cs
dc.subject	dron	cs
dc.subject	artificial intelligence	en
dc.subject	machine learning	en
dc.subject	classification	en
dc.subject	classification algorithms	en
dc.subject	deep learning	en
dc.subject	neural networks	en
dc.subject	convolutional neural networks	en
dc.subject	image recognition	en
dc.subject	computer vision	en
dc.subject	object detection	en
dc.subject	human detection	en
dc.subject	pedestrian detection	en
dc.subject	person re-identification	en
dc.subject	RetinaNet	en
dc.subject	drone	en
dc.title	Monitorování chodců pomocí dronu	cs
dc.title.alternative	Monitoring Pedestrian by Drone	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-10	cs
dcterms.modified	2020-05-10-16:13:31	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121902	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 19:59:31	en
sync.item.modts	2021.11.12 19:35:17	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Monitorování chodců pomocí dronu

Files

Original bundle

Collections