Sledování, učení se a rozpoznávání objektů ve videosekvencích
Tracking, Learning and Detection of Multiple Objects in Video Sequences
Typ dokumentu
diplomová prácemaster thesis
Autor
Naiser Filip
Vedoucí práce
Matas Jiří
Oponent práce
Zimmermann Karel
Studijní obor
Počítačové vidění a digitální obrazStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra kybernetikyObhájeno
2017-02-01Práva
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
Sledování většího počtu objektů ve video sekvencích v sobě zahrnuje mnoho nejrůznějších podproblémů, včetně sledování zvířat během biologických experimentů. Jejich automatické, či poloautomatické vyhodnocení, má pro biology obrovský význam. V této tezi představujeme metodu pro sledování většího počtu objektů v laboratorních podmínkách. Obtíže způsobené možnou ztrátou identity během interakcí, kdy dochází k nepřehledným situacím, jsou řešeny pomocí rozpoznávání identity jedince. Rozšířili jsme aktuálně nejlepší metodu pro klasifikaci okem těžko rozeznatelných objektů a na sekvencích zachycujících mravence, ryby a svinky jsme ukázali, že tímto způsobem lze dosáhnout zlepšení o 4,5-18%. Metodu jsme implementovali a doplnili o uživatelské rozhraní pro zobrazení a editaci výsledků, umožňující interakci a doplnění informací v průběhu výpočtů. The domain of Multi-Object Tracking encompasses various interesting problems including animal surveillance in biology experiments. Automated or semi-automated evaluation of experiments has a tremendous impact in biology. In this thesis, we are introducing a method for tracking of multiple interacting objects in laboratory conditions. The difficulties of identity maintenance arising from object interactions and occlusions are solved by identity re-detection. We have enhanced current state-of-the-art classifier for objects hardly distinguishable by a naked eye, and we have shown that it improves the performance for per region classification by 4.5%-18% on video sequences with ants, zebrafish, and bugs. The method implementation is accompanied with a graphical user interface. It includes tools for manual annotation of difficult object interactions that hint the tracker and also means for final correction of tracking output.
Kolekce
- Diplomové práce - 13133 [495]