but.committee	doc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Radek Burget, Ph.D. (místopředseda) Ing. David Bařina, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Vojtěch Mrázek, Ph.D. (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 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 D. Otázky u obhajoby: Can the learned network recognize other objects in the sky? (eg plane, helicopter, sun) You are now evaluating frame by frame. Have you considered adding context between frames? (because a drone can have different flight characteristics than a bird)	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Drahanský, Martin	en
dc.contributor.author	Lapšanský, Simon	en
dc.contributor.referee	Sakin, Martin	en
dc.date.created	2022	cs
dc.description.abstract	S nárastom dostupnosti dronov, narástlo aj riziko ich využívania na nelegálne aktivity. Na základe týchto rizík bola navrhnutá metóda na ich detekciu a následnú klasifikáciu aplikovateľnú v reálnom čase. Navrhovaný prístup využíva metódu odčítania pozadia, slúžiacu na detekciu objektov, zatiaľ čo klasifikácia je dosiahnutá pomocou hlbokého učenia. MOG2 využíva metódu zmiešaného Gaussovho modelu, ktorý slúži na odčítanie pozadia, za účelom detekcie objektov. YOLOv5 model pracujúci s neurónovými sieťami je využitý na následnú klasifikáciu detegovaných objektov. Implementácia vytvára spôsob detekcie a klasifikácie dronov s využitím procesora dosahujúca výsledky postačujúce na aplikovanie detekcie a klasifikácie dronov v reálnom čase. Metóda vyhodnocujúca záznam v rozlíšení 1080p, využívajúca procesor Intel i5-7600K dosahovala v priemere 16 snímiek za sekundu, počas detekcie jedného objektu v snímke.	en
dc.description.abstract	With the increase in drone availability in recent years, the risk of using drones as a tool for attacks has also increased. Based on these risks, this paper proposes a method for their real-time detection, followed by classification. The proposed approach utilizes the background subtraction method for object detection while using deep learning to classify the detected object. The MOG2 utilizes the Gaussian mixture model method to provide background subtraction, while the YOLOv5 object detection model uses convolutional neural networks for classification. The approach implementation produces a way for drone detection and classification while utilizing the processor, reaching results sufficient for real-time drone detection and classification. The method evaluating 1080p recording using the Intel i5-7600K averaged 16 frames per second while detecting a single object within the frame.	cs
dc.description.mark	D	cs
dc.identifier.citation	LAPŠANSKÝ, S. Detection and Recognition of Drone Movement in Video [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145297	cs
dc.identifier.uri	http://hdl.handle.net/11012/207415
dc.language.iso	en	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	Detekcia dronov	en
dc.subject	Klasifikácia dronov	en
dc.subject	MOG2 metóda	en
dc.subject	Počítačové videnie	en
dc.subject	Hlboké učenie	en
dc.subject	YOLOv5 model	en
dc.subject	Drone detection	cs
dc.subject	Drone classification	cs
dc.subject	MOG2 method	cs
dc.subject	Computer vision	cs
dc.subject	Deep learning	cs
dc.subject	YOLOv5 model	cs
dc.title	Detection and Recognition of Drone Movement in Video	en
dc.title.alternative	Detection and Recognition of Drone Movement in Video	cs
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2022-06-14	cs
dcterms.modified	2022-06-20-10:23:07	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145297	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:43:15	en
sync.item.modts	2025.01.17 12:11:48	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

Detection and Recognition of Drone Movement in Video

Files

Original bundle

Collections