Sledování osob na základě jejich oblečení v multikamerových systémech

Abstract

Daná bakalářská práce se zabývá vývojem a implementací algoritmu pro sledování osob v multikamerových systémech na základě analýzy vzoru oblečení. Cílem bylo navrhnout systém, který by byl schopen sledovat osobu v různých pozicích a záběrech, využívající techniky Region of Interest (RoI). Práce začíná rozsáhlým studiem literatury zaměřené na existující metody sledování objektů ve videosekvenčních datech, se speciálním důrazem na techniky sledování RoI. V rámci výzkumu byl navržen a implementován nový algoritmus, který využívá vzory oblečení jako hlavní identifikační prvek pro sledování a re-identifikaci osob v různých kamerových záběrech. Algoritmus byl experimentálně ověřen na datasetech obsahujících videosekvence z několika prostředí, což umožnilo detailně analyzovat jeho účinnost a spolehlivost. Výsledky experimentů ukazují, že navrhovaný systém dosahuje výrazné přesnosti a efektivity ve srovnání s tradičními metodami, a je zvláště účinný v náročných situacích, kde jiné metody selhávají. Na závěr práce jsou prezentovány hodnocení provedených experimentů spolu s doporučeními pro budoucí rozšíření a zlepšení systému. Diskutovány jsou také potenciální výzvy a etické aspekty, včetně otázek soukromí a zpracování osobních údajů.This bachelor thesis focuses on the development and implementation of an algorithm for tracking individuals in multi-camera systems based on clothing pattern analysis. The aim was to design a system capable of tracking an individual in various positions and frames, using the Region of Interest (RoI) technique. The study begins with a comprehensive review of the existing literature on object tracking in video sequences, with a special focus on RoI tracking techniques. During the research, a new algorithm was developed and implemented that utilizes clothing patterns as the primary identification element for tracking and re-identifying individuals across different camera shots. The algorithm was experimentally validated on datasets containing video sequences from various environments, allowing for a detailed analysis of its effectiveness and reliability. The experimental results demonstrate that the proposed system achieves significant accuracy and efficiency compared to traditional methods and is particularly effective in challenging situations where other methods fail. The thesis concludes with an evaluation of the conducted experiments along with recommendations for future extensions and improvements of the system. Potential challenges and ethical aspects, including issues of privacy and personal data processing, are also discussed.