Odhad čekací doby pomocí zpracování obrazu
dc.contributor | Rameš Jan, Ing. : 67160 | |
dc.contributor.advisor | Vraný Jiří, Mgr. Ph.D. : 54918 | |
dc.contributor.author | Chumlen, Matěj | |
dc.date.accessioned | 2019-08-23T08:28:37Z | |
dc.date.available | 2019-08-23T08:28:37Z | |
dc.date.committed | 2019-4-30 | |
dc.date.defense | 2019-05-28 | |
dc.date.submitted | 2018-10-18 | |
dc.date.updated | 2019-5-29 | |
dc.degree.level | Bc. | |
dc.description.abstract | Tato práce řeší všeobecný problém čekání ve frontě. Cílem práce je navrhnout systém, který na základě obrazové informace z videozáznamu fronty odhadne čekací dobu zákazníka. Tento problém byl řešen za pomoci objektového detektoru založeného na konvolučních neuronových sítích Faster R-CNN a trackování pomocí KCF trackeru. Ze zjištěných informací o časech průchodu a počtu čekajících je vypočten odhad čekací doby. Vytvořené řešení je využitelné v optimálních podmínkách. Jeho funkčnost závisí na umístění kamery vzhledem ke scéně, velikosti scény a kvalitě obrazu. Navržený systém by mohl pomoci ke zpříjemnění čekání ve frontě. | cs |
dc.description.abstract | This work addresses common problem of queuing. The goal of the work is to propose a system that estimates queuing time from video. The proposed solution is based on convolutional neural network based object detector Faster R-CNN and KCF tracker. The queuing time is then estimated based on knowledge of serving time per person and number of waiting people. The proposed solution is usable in optimal conditions. Its functionality depends on the position of the camera relative to the scene, scene size and image quality. The proposed system could help to make waiting in the queue more enjoyable. | en |
dc.description.mark | ||
dc.format | 50 s. | |
dc.format.extent | žádné | |
dc.identifier.signature | V 201900943 | |
dc.identifier.uri | https://dspace.tul.cz/handle/15240/153286 | |
dc.language.iso | cs | |
dc.relation.isbasedon | [1] GOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep learning. Cambridge, Massachusetts: The MIT Press, [2016]. ISBN 02-620-3561-8. | |
dc.relation.isbasedon | [2] DAVIES, E. R. Computer vision: theory, algorithms, practicalities. 5th edition. Cambridge, CA: Elsevier, 2017. ISBN 978-0128092842. | |
dc.relation.isbasedon | [3] ANGELOVA, Anelia, Alex KRIZHEVSKY, Vincent VANHOUCKE, Abhijit OGALE a David FERGUSON. Real-Time Pedestrian Detection With Deep Network Cascades. In: Proceedings of BMVC 2015 [online]. 2015, s. 12 [cit. 2018-10-04]. Dostupné z: https://ai.google/research/pubs/pub43850 | |
dc.relation.isbasedon | [4] TOM?, D., et. al. Deep Convolutional Neural Networks for pedestrian detection. Signal Processing: Image Communication. 2016, (47), 482-489. | |
dc.relation.isbasedon | [5] SHAOQING R., KAIMING H., ROSS G., and JIAN S., Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. IEEE Trans. Pattern Anal. Mach. Intell. 39, 6 (June 2017), 1137-1149. arXiv:1506.01497 [cs.CV] | |
dc.rights | Vysokoškolská závěrečná práce je autorské dílo chráněné dle zákona č. 121/2000 Sb., autorský zákon, ve znění pozdějších předpisů. 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 https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou https://knihovna.tul.cz/document/26 | cs |
dc.rights | 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. https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics https://knihovna.tul.cz/document/26 | en |
dc.rights.uri | https://knihovna.tul.cz/document/26 | |
dc.rights.uri | https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf | |
dc.subject | rozpoznávání obrazu | cs |
dc.subject | počítačové vidění | cs |
dc.subject | neuronové sítě | cs |
dc.subject | fronta | cs |
dc.subject | detekce osob | cs |
dc.subject | čas čekání | cs |
dc.subject | trackování | cs |
dc.subject | objektový detektor | cs |
dc.subject | Faster R-CNN | cs |
dc.subject | image recognition | en |
dc.subject | computer vision | en |
dc.subject | neural networks | en |
dc.subject | queue | en |
dc.subject | pedestrian detection | en |
dc.subject | waiting time | en |
dc.subject | tracking | en |
dc.subject | object detector | en |
dc.subject | Faster R-CNN | en |
dc.subject.verbis | neural networks | en |
dc.title | Odhad čekací doby pomocí zpracování obrazu | cs |
dc.title | Queue time estimator based on image recognition | en |
dc.type | bakalářská práce | cs |
local.degree.abbreviation | Bakalářský | |
local.degree.discipline | IT | |
local.degree.programme | Informační technologie | |
local.degree.programmeabbreviation | B2646 | |
local.department.abbreviation | NTI | |
local.faculty | Fakulta mechatroniky, informatiky a mezioborových studií | cs |
local.faculty.abbreviation | FM | |
local.identifier.author | M16000190 | |
local.identifier.stag | 38832 | |
local.identifier.verbis | kpw06582613 | |
local.note.administrators | automat | |
local.poradovecislo | 943 | |
local.verbis.aktualizace | 2019-10-05 07:27:58 | cs |
local.verbis.studijniprogram | NTI Informační technologie/Informační technologie | cs |
Files
Original bundle
1 - 5 of 5
Loading...
- Name:
- Chumlen__posudek_oponenta.pdf
- Size:
- 526.37 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek_oponenta_VSKP
Loading...
- Name:
- Chumlen__posudek_vedouciho.pdf
- Size:
- 240.75 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek_vedouciho_VSKP
Loading...
- Name:
- ProtokolSPrubehemObhajobySTAG.pdf
- Size:
- 15.13 KB
- Format:
- Adobe Portable Document Format
- Description:
- Prubeh_obhajoby_VSKP