Křížení toků chodců - analýza videozáznamů z experimentů
Crossing pedestrian flows - analysis of video records from experiments
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Anna Sajdoková
Vedoucí práce
Hrabák Pavel
Oponent práce
Novák Jakub
Studijní obor
Znalostní inženýrstvíStudijní program
Informatika 2009Instituce přidělující hodnost
katedra aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Práce se soustředí na analýzu a zpracování videozáznamu experimentu křížení chodců pořízeného na ČVUT FJFI v roce 2014. Výsledkem je algoritmus na automatickou extrakci trajektorií chodců z tohoto videa. Chodci na sobě měli speciální čepičky pro rozpoznání. Sledování osob je založeno na detekci čepiček z jednotlivých snímků videa. Asociace detekcí identitám je provedena pomocí nejmenších vzdáleností. U sledovacích algoritmů se může stát, že se trajektorie ztratí. Tyto lokace jsou aproximovány úsečkou. Další částí je rozpoznání kódu z čepiček. Konvoluční neuronová síť detekovala správně 45 % čepiček na náhodném vzorku 20 čepiček. Výstupem práce je dataset trajektorií a analýza pohybu chodců (průměrná rychlost, rychlost a fundamentální diagram). The thesis focuses on processing and analysis of a video record from crossing pedestrian flows experiment conducted at CTU FNSPE in 2014. The result is an algorithm for automatic extraction of trajectories from this video. Pedestrians in the video had special hats for recognition. The tracking of people is based on hats detection from video frames. Track identity association is done using the shortest distance. When tracking, it can happen that part of the trajectory is missing. The missing parts are approximated by a line segment. Next aim is to recognize binary code from hats. With usage of a convolutional neural network 45\% accuracy was achieved on 20 randomly picked hat samples. The outcome of the thesis is a dataset of trajectories and its analysis using pedestrian flow characteristics (average speed, velocity, density, and fundamental diagram).
Kolekce
- Bakalářské práce - 18105 [244]