Odhad čekací doby pomocí zpracování obrazu

Simple item page
dc.contributorRameš Jan, Ing. : 67160
dc.contributor.advisorVraný Jiří, Mgr. Ph.D. : 54918
dc.contributor.authorChumlen, Matěj
dc.date.accessioned2019-08-23T08:28:37Z
dc.date.available2019-08-23T08:28:37Z
dc.date.committed2019-4-30
dc.date.defense2019-05-28
dc.date.submitted2018-10-18
dc.date.updated2019-5-29
dc.degree.levelBc.
dc.description.abstractTato 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.abstractThis 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.format50 s.
dc.format.extentžádné
dc.identifier.signatureV 201900943
dc.identifier.urihttps://dspace.tul.cz/handle/15240/153286
dc.language.isocs
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.rightsVysokoškolská 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/26cs
dc.rightsA 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/26en
dc.rights.urihttps://knihovna.tul.cz/document/26
dc.rights.urihttps://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf
dc.subjectrozpoznávání obrazucs
dc.subjectpočítačové viděnícs
dc.subjectneuronové sítěcs
dc.subjectfrontacs
dc.subjectdetekce osobcs
dc.subjectčas čekánícs
dc.subjecttrackovánícs
dc.subjectobjektový detektorcs
dc.subjectFaster R-CNNcs
dc.subjectimage recognitionen
dc.subjectcomputer visionen
dc.subjectneural networksen
dc.subjectqueueen
dc.subjectpedestrian detectionen
dc.subjectwaiting timeen
dc.subjecttrackingen
dc.subjectobject detectoren
dc.subjectFaster R-CNNen
dc.subject.verbisneural networksen
dc.titleOdhad čekací doby pomocí zpracování obrazucs
dc.titleQueue time estimator based on image recognitionen
dc.typebakalářská prácecs
local.degree.abbreviationBakalářský
local.degree.disciplineIT
local.degree.programmeInformační technologie
local.degree.programmeabbreviationB2646
local.department.abbreviationNTI
local.facultyFakulta mechatroniky, informatiky a mezioborových studiícs
local.faculty.abbreviationFM
local.identifier.authorM16000190
local.identifier.stag38832
local.identifier.verbiskpw06582613
local.note.administratorsautomat
local.poradovecislo943
local.verbis.aktualizace2019-10-05 07:27:58cs
local.verbis.studijniprogramNTI Informační technologie/Informační technologiecs
Files
Original bundle
Now showing 1 - 5 of 5
Thumbnail Image
Name:
ebp.pdf
Size:
2.76 MB
Format:
Adobe Portable Document Format
Description:
VSKP
Download
Thumbnail Image
Name:
data.zip
Size:
23.71 MB
Format:
Unknown data format
Description:
VSKP
Download
Thumbnail Image
Name:
Chumlen__posudek_oponenta.pdf
Size:
526.37 KB
Format:
Adobe Portable Document Format
Description:
Posudek_oponenta_VSKP
Download
Thumbnail Image
Name:
Chumlen__posudek_vedouciho.pdf
Size:
240.75 KB
Format:
Adobe Portable Document Format
Description:
Posudek_vedouciho_VSKP
Download
Thumbnail Image
Name:
ProtokolSPrubehemObhajobySTAG.pdf
Size:
15.13 KB
Format:
Adobe Portable Document Format
Description:
Prubeh_obhajoby_VSKP
Download
Collections
Fakulta mechatroniky, informatiky a mezioborových studií
Cena Nadace Preciosa za mimořádnou závěrečnou práci