Tato bakalářská práce pojednává o knihovně počítačového vidění OpenCV, moderních metodách zpracování obrazu a algoritmech pro detekci objektů. Na začátku teoretické části jsou představeny základy zpracování obrazu a příklady moderních metod. Druhá kapitola je zaměřena na druhy algoritmů pro detekci objektů a jejich princip. Dále jsou shrnuty funkce a algoritmy knihovny OpenCV, které se využívají při různých technikách detekce objektů. Poslední kapitola teoretické části představuje alternativní knihovny počítačového vidění a jejich porovnání s knihovnou OpenCV. V praktické části bakalářské práce je popisována vytvořená aplikace pro analýzu a získávání dat o dopravě v reálném čase za využití moderních algoritmů pro detekci a sledování objektů.
Anotace v angličtině
This bachelor thesis deals with the OpenCV library, modern image processing methods, and algorithms for object detection. At the beginning of the theoretical part, the basics of image processing and examples of modern technologies are introduced. The second chapter focuses on the types of algorithms for object detection and their principles. Furthermore, the functions and algorithms of the OpenCV library, which are used in various object detection techniques, are summarized. The last chapter of the theoretical part presents alternative computer vision libraries and their comparison with the OpenCV library. The practical part of the bachelor's thesis describes the application created for the analysis and acquisition of traffic data in real time using modern algorithms for object detection and tracking.
Klíčová slova
OpenCV, detekce objektů, počítačové vidění, zpracování obrazu
Tato bakalářská práce pojednává o knihovně počítačového vidění OpenCV, moderních metodách zpracování obrazu a algoritmech pro detekci objektů. Na začátku teoretické části jsou představeny základy zpracování obrazu a příklady moderních metod. Druhá kapitola je zaměřena na druhy algoritmů pro detekci objektů a jejich princip. Dále jsou shrnuty funkce a algoritmy knihovny OpenCV, které se využívají při různých technikách detekce objektů. Poslední kapitola teoretické části představuje alternativní knihovny počítačového vidění a jejich porovnání s knihovnou OpenCV. V praktické části bakalářské práce je popisována vytvořená aplikace pro analýzu a získávání dat o dopravě v reálném čase za využití moderních algoritmů pro detekci a sledování objektů.
Anotace v angličtině
This bachelor thesis deals with the OpenCV library, modern image processing methods, and algorithms for object detection. At the beginning of the theoretical part, the basics of image processing and examples of modern technologies are introduced. The second chapter focuses on the types of algorithms for object detection and their principles. Furthermore, the functions and algorithms of the OpenCV library, which are used in various object detection techniques, are summarized. The last chapter of the theoretical part presents alternative computer vision libraries and their comparison with the OpenCV library. The practical part of the bachelor's thesis describes the application created for the analysis and acquisition of traffic data in real time using modern algorithms for object detection and tracking.
Klíčová slova
OpenCV, detekce objektů, počítačové vidění, zpracování obrazu
Proveďte průzkum moderních metod pro zpracování obrazu.
Popište metody pro detekci objektů.
Představte možnosti knihovny OpenCV.
Porovnejte knihovnu OpenCV s alternativami.
Navrhněte aplikační řešení s využitím jazyka Python.
Zásady pro vypracování
Proveďte průzkum moderních metod pro zpracování obrazu.
Popište metody pro detekci objektů.
Představte možnosti knihovny OpenCV.
Porovnejte knihovnu OpenCV s alternativami.
Navrhněte aplikační řešení s využitím jazyka Python.
Seznam doporučené literatury
BRADSKI, Gary R. a Adrian KAEHLER. Learning OpenCV. Sebastopol: O'Reilly, 2008, xvii, 555 s. ISBN 9780596516130.
PETERS, James F. Foundations of computer vision: computational geometry, visual image structures and object shape detection. Cham, Switzerland: Springer, 2017, 1 online resource (xvii, 431 pages). Intelligent systems reference library. Dostupné z: doi:9783319524832
VILLAN, Alberto Fernandez. Mastering OpenCV 4 with Python. Packt Publishing, 2019, 517 s. ISBN 9781789344912.
SOLEM, Jan Erik. Programming Computer Vision with Python. O'Reilly Media, 2012, 261 s. ISBN 9781449316549.
DEY, Sandipan. _Hands-on image processing with Python: expert techniques for advanced image analysis and effective interpretation of image data_. Birmingham: Packt Publishing, Limited, 2018, 643 s. ISBN 978-178-9343-731.
Seznam doporučené literatury
BRADSKI, Gary R. a Adrian KAEHLER. Learning OpenCV. Sebastopol: O'Reilly, 2008, xvii, 555 s. ISBN 9780596516130.
PETERS, James F. Foundations of computer vision: computational geometry, visual image structures and object shape detection. Cham, Switzerland: Springer, 2017, 1 online resource (xvii, 431 pages). Intelligent systems reference library. Dostupné z: doi:9783319524832
VILLAN, Alberto Fernandez. Mastering OpenCV 4 with Python. Packt Publishing, 2019, 517 s. ISBN 9781789344912.
SOLEM, Jan Erik. Programming Computer Vision with Python. O'Reilly Media, 2012, 261 s. ISBN 9781449316549.
DEY, Sandipan. _Hands-on image processing with Python: expert techniques for advanced image analysis and effective interpretation of image data_. Birmingham: Packt Publishing, Limited, 2018, 643 s. ISBN 978-178-9343-731.
Přílohy volně vložené
-
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Student odprezentoval před komisí hlavní cíle a výsledky své bakalářské práce. Prezentace jako celek byla zpracována na výborné úrovni, student dokázal vystihnout klíčové body práce. Následně byl student seznámen s posudky vedoucího a oponenta diplomové práce. Student postupně odpověděl na otázky oponenta práce.
Komise vznesla k obhajobě následující dotazy:
1) dr. Kavka: Může ve Vaší aplikaci dojít k nějakým chybám?
2) doc. Šenkeřík: Aktuálně aplikace pracuje s jedním kamerovým zdrojem. Jak by bylo obtížné aplikaci upravit pro zpracování dat z více zdrojů?
3) Ing. Černý: Jaké rozlišení kamery je potřeba pro rozlišení SPZ?
4) dr. Viktorin: Existuje řešení pro detekci SPZ s více kamerami?
5) dr. Viktorin: V čem spočívá výpočetbí náročnot aplikace?
6) dr. Viktorin: Dokážete odhadnout složitost rozšíření o detekci MHD?
Součástí prezentace byla ukázka vytvořené aplikace.
Student reagoval na položené dotazy na výborné úrovni.