Online detektor bodů zájmu
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato práce se věnuje problematice online učení detektoru při dlouhodobém sledování objektu ve videosekvenci. Tento objekt je definován pomocí ohraničujícího obdelníku. V práci jsou popsány jednotlivé části detektoru: sledování objektu, detekce objektu a online učení detektoru. Hlavním přínosem práce je rozšíření programu OpenTLD o paralelní detekci a sledování více objektů současně. Paralelizace je pak porovnána na několika praktických příkladech a je porovnán vliv procesoru při detekci. Nejlepších výsledků bylo dosaženo při paralelizaci s detekováním všech objektů. Nejpřesnější detekce byla v případě dostatečně naučených objektů při nejmenší změně podoby.
This thesis focuses on online learning detector for long-term tracking of object in video sequence. The object is defined by a bounding box. The text describes different parts of the detector: object tracking, object detection and online learning detector. The main contribution of this work is creating extension of the OpenTLD program for parallel detection and tracking of multiple objects. The parallelization is then compared on two practical examples and the processor's impact on detection is compared. The best results were achieved with parallelization, where all objects were detected. The most accurate detection was in the case of sufficiently learned objects with the smallest shape change.
This thesis focuses on online learning detector for long-term tracking of object in video sequence. The object is defined by a bounding box. The text describes different parts of the detector: object tracking, object detection and online learning detector. The main contribution of this work is creating extension of the OpenTLD program for parallel detection and tracking of multiple objects. The parallelization is then compared on two practical examples and the processor's impact on detection is compared. The best results were achieved with parallelization, where all objects were detected. The most accurate detection was in the case of sufficiently learned objects with the smallest shape change.
Description
Citation
PŘIBYL, J. Online detektor bodů zájmu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Teleinformatika
Comittee
doc. Mgr. Pavel Rajmic, Ph.D. (předseda)
Ing. Zdeněk Martinásek, Ph.D. (místopředseda)
Ing. Martin Plšek, Ph.D. (člen)
Ing. Rastislav Červenák (člen)
Ing. Patrik Morávek, Ph.D. (člen)
Ing. Jan Mašek, Ph.D. (člen)
Date of acceptance
2017-06-19
Defence
Bylo by možné paralelizovat i trénování objektů?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení