Detekce anomálií ve videosekvencích na zařízeních s nízkým výpočetním výkonem

Abstract

Bakalářská práce se zaměřuje na problematiku detekce anomálií ve videosekvencích na zařízeních s nízkým výpočetním výkonem. Popsány jsou tradiční i současné přístupy detekce anomálií z hlediska strojového učení a neuronových sítí. Cílem práce je implementovat efektivní a spolehlivý algoritmus, který bude detekovat anomálie v reálném čase. Důraz je kladen na minimalizaci výpočetních nároků a optimalizaci paměťového využití, aby bylo dosaženo efektivity na zařízeních s omezenými výpočetními kapacitami.The bachelor’s thesis focuses on the problem of anomaly detection in video sequences on devices with low computational power. Traditional and current approaches to anomaly detection are described from the perspective of machine learning and neural networks. The goal of the thesis is to implement an efficient and reliable algorithm capable of detecting anomalies in real-time. Emphasis is placed on minimizing computational requirements and optimizing memory usage to achieve efficiency on devices with limited computational capacities.