Klasifikace vozidel s použitím radaru

Tato diplomová práce se zabývá tématem využití radarového signálu ke klasifikaci silničního provozu. Součástí práce je použití radarových modulů s kontinuální vlnou využívajících Dopplerův jev. Radarový signál je následně podroben sérii metod pro zpracování signálu, jež je zakončena Fourierovou transformací. Ze získaných dat jsou vytvořeny klasifikátory metodami SVM a AdaBoost, pomocí kterých jsou vozidla klasifikována do skupin.
This Master thesis deals with usage of radar signal for vehicle classification. The thesis uses radar modules with continuous wave based on Doppler effect. Radar signal is processed by a series of signal processing method finished by Fourier transform. Data produced by FFT is used to create SVM and AdaBoost classifier which can be used to classify vehicles into groups.

Keywords

Dopplerův jev, radar, zpracování signálu, klasifikace, vozidlo, SVM, Adaboost, Doppler effect, radar, signal processing, classification, vehicle, SVM, Adaboost

Citation

RASZKA, A. Klasifikace vozidel s použitím radaru [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.

Language of document

cs

Study field

Počítačová grafika a multimédia

Comittee

prof. Dr. Ing. Jan Černocký (předseda) doc. RNDr. Pavel Smrž, Ph.D. (místopředseda) doc. Ing. Vladimír Janoušek, Ph.D. (člen) doc. Ing. Petr Sedlák, Ph.D. (člen) doc. Ing. Michal Španěl, Ph.D. (člen) doc. Ing. Zdeněk Vašíček, Ph.D. (člen)

Date of acceptance

2017-06-21

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 A . Otázky u obhajoby: Jak si vysvětlujete, že výsledky klasifikace s využitím AdaBoost jsou lepší (alespoň v některých případech) než při využití SVM? (Poznámka: Myslím, že obvykle lze očekávat opačný výsledek, alespoň na malých příznakových vektorech.) Zvažoval jste využití částí spektra (například výsledky pásmových filtrů) jako prvků příznakového vektoru? (Není celé spektrum "příliš jemné"?) Je realistické očekávat odlišení vozidel s různou "hmotou" (například odhad zatížení vozidla)?

Result of defence

práce byla úspěšně obhájena

Document licence

Standardní licenční smlouva - přístup k plnému textu bez omezení