Rozpoznávání želv

Abstract

Strojové videnie má v dnešnej dobe rozsiahle uplatnenie v rôznych oblastiach a jednou z oblastí s veľkým potenciálom je vizuálna zvieracia biometrika. Ide o rýchlu neinvazívnu metódu, ktorá umožňuje automatizovanú identifikáciu jedincov zvierat na základe fotografie alebo videa. Táto práca sa zaoberá rozpoznávaním suchozemských korytnačiek so zameraním na druh Testudo graeca na základe fotografie ich plastrónu. Práca skúma najmä uplatnenie rôznych algoritmov pre extrakciu príznakov v tejto problematike. Súčasťou práce je popis a analýza techník spracovania obrazu, extrakcie príznakov a strojového učenia. V rámci práce bola otestovaná úspešnosť metód LBP, SIFT, ORB a konvolučných neurónových sietí na dvoch rôznych datasetoch.

Computer vision has a wide range of applications nowadays and one of the promising fields is visual animal biometrics. It provides a fast non-invasive method that enables automated identification of animal individuals based on their photo or video footage. The aim of this thesis is to recognise individual tortoises based on an image of their plastron, with the focus on Testudo graeca specie. This thesis explores the possible applications of different feature extraction algorithms. Description and analysis of image processing, feature extraction and machine learning techniques are included. Algorithms LBP, SIFT, ORB and convolutional neural network were tested and their performance was evaluated on two different datasets.