Search

Tato bakalářská práce se zabývá detekcí osob a sledováním trajektorií pohybu v zájmových zónách. Jsou rozebrány jednotlivé metody, pomocí nichž lze detekce osob dosáhnout. Pro implementaci funkce detekce osob a detekce trajektorie pohybu je vybrán mikrovlnný radarový snímač IWR6843AoPEVM od společnosti Texas Instruments. Je popsán využitý hardware a software. Následně je provedena simulace funkce sledováním trajektorie osob ve frontě a zhodnoceny výsledky. Jsou srovnány výhody a nevýhody jednotlivých metod pro detekci osob. Nakonec je shrnut výběr možných implementací tohoto zařízení a vybrána cílová platforma, na které je ověřena funkce., This bachelor ‘s thesis deals with a topic of people detection and tracking their movement in regions of interest. The individual methods that can achieve people detection are analyzed. To implement people detection and tracking their movement microwave radar sensor IWR6843AoPEVM from Texas Instruments is chosen for this task. This hardware and its software are described in detail. Then simulation is conducted to track people in a queue and its results are evaluated. Different advantages and disadvantages of individual methods are compared with each other. Finally, there’s a summary of possible implementations for this device and target platform is chosen to verify its functionality.

Cieľom tejto práce je výzkum použiteľnosti techník hlbokého učenia na mračnách bodov generovaných radarmi, ktoré operujú v pásme milimetrových vĺn; na účely porozumenia 3D scénam a rozpoznávania osôb. Radar je systém, ktorý využíva rádiové vlny na získavanie informácií o vzdiaľenosti a smere k objektu a o jeho rýchlosti. Na základe týchto dát je možné určiť pozíciu každého detekovaného bodu v priestore. Množina takýchto bodov sa nazýva mračno bodov. Hlboké neurónové siete navrhnuté na prácu s riedkymi mračnami bodov v 3D môžu byť natrénované na segmentáciu radarových mračien, detekciu a klasifikáciu objektov a sledovanie ich pohybu v priestore. Systémy, ktoré sú na nich postavené, môžu predstavovať veľký pokrok v oblasti interpretácie 3D scén autonómnymi strojmi. V rámci tejto práce bol model budujúci na súčasnom stave techniky natrénovaný na detekciu a klasifikáciu objektov a osôb, na základe radarových mračien bodov v 3D. Na ukážku robustnosti natrénovaného modelu a priamočiarosti jeho zapojenia na riešenie významných úloh z reálneho sveta, bola implementovaná aplikácia na počítanie a klasifiká ciu ľudí. Presnosť využitých metód aj výsledného systému bola dôkladne vyhodnotená na súbore dát vytvorenom v rámci tejto práce z radarových mračien bodov, ktorý pozostáva z viac, než 19 500 anotovaných objektov., This thesis aims to research the applicability of deep learning methods on point clouds generated by millimeter-wave radars, as a solution for people detection, and 3D scene understanding in general. Radar is a system that uses radio waves to determine the distance, azimuth, and velocity of surrounding objects. For each point of detection, Cartesian coordinates can be calculated, to produce a set of points in 3D space called a point cloud. Deep neural network architectures designed to operate on sparse 3D point clouds can be trained for point-wise segmentation, object detection, classification, and tracking. This can be used to greatly advance the 3D scene understanding by machines. A model based on the state-of-the-art methods for object detection and classification on sparse point clouds was trained as a part of this thesis, for the purpose of people detection. To showcase the robustness of the trained model and the straightforwardness of its applicability to solve prominent real-world tasks of scene understanding, a people counting application was developed. The employed methods were thoroughly evaluated on a dataset created as a part of this thesis, consisting of over 19,500 labels on 3D radar point clouds.

Tato bakalářská práce se zabývá detekcí osob a sledováním trajektorií pohybu v zájmových zónách. Jsou rozebrány jednotlivé metody, pomocí nichž lze detekce osob dosáhnout. Pro implementaci funkce detekce osob a detekce trajektorie pohybu je vybrán mikrovlnný radarový snímač IWR6843AoPEVM od společnosti Texas Instruments. Je popsán využitý hardware a software. Následně je provedena simulace funkce sledováním trajektorie osob ve frontě a zhodnoceny výsledky. Jsou srovnány výhody a nevýhody jednotlivých metod pro detekci osob. Nakonec je shrnut výběr možných implementací tohoto zařízení a vybrána cílová platforma, na které je ověřena funkce., This bachelor ‘s thesis deals with a topic of people detection and tracking their movement in regions of interest. The individual methods that can achieve people detection are analyzed. To implement people detection and tracking their movement microwave radar sensor IWR6843AoPEVM from Texas Instruments is chosen for this task. This hardware and its software are described in detail. Then simulation is conducted to track people in a queue and its results are evaluated. Different advantages and disadvantages of individual methods are compared with each other. Finally, there’s a summary of possible implementations for this device and target platform is chosen to verify its functionality.

Cílem této práce je získat informace o pohybu osob ve scéně ze záznamu ze stacionární kamery. Byl navržen postup, jak detekovat výjimečné události ve scéně. Výjimečné události mohou být rychle se pohybující osoby nebo osoby pohybující se jinde, než všichni ostatní ve scéně. Pro sledování pohybu osob byly použity a testovány dva algoritmy - Optical flow a CAMSHIFT. Analýza výsledných pohybů je prováděna sledováním průběhu pohybu a jeho porovnáním s ostatními pohyby ve scéně. Výsledkem analýzy jsou detekované výjimečné pohyby ve videu. Rovněž jsou označený oblasti, kde se ve scéně vyskytuje pohyb, oblasti kde je pohyb nejčastější a je provedena analýza směrů pohybů. Hlavním výsledkem jsou extrahované části videa, kde nastal výjimečný pohyb., The aim of this diploma thesis is to obtain information on the motion of people in a scene from the record of the stationary camera. The procedure to detect exceptional events in the scene was designed. Exceptional events can be fast-moving persons, or persons moving in di erent places than everyone else in the scene. To trace the motion of persons, two algorithms were applied and tested - Optical flow and CAMSHIFT. The analysis of the resulting motions is performed by monitoring the progress of motion, and its comparison with the other motions in the scene. The analysis result is represented by detected exceptional motions that can be found in the video. The areas where the motion occurs in the scene, and where the motion is the most common are also described together with the motion direction analysis. The exceptional motion parts extracted from the video represent the main result of the work.

Tato bakalářská práce se zabývá detekcí postavy ve videu pomocí Kinectu. Detektor lidských postav je založený na metodě ComboHod, která využívá barevné i hloubkové informace z obrazu. Cílem práce bylo vytvořit detektor postav, jehož funkci ukáži na statistické aplikaci. Aplikace shromažďuje statistické informace o lidech, kteří prošli kolem výlohy obchodu. Závěrem práce jsou popsány experimenty s detektorem v různých prostředích a podmínkách., This bachelor's thesis deals with the person detection using RGB-D Microsoft Kinect sensor. Human body detector is based on the method Combohod which uses both color and depth information from Kinect sensor. The aim of the thesis was to create a person detector whose functionality is demonstrated by proposing a statistical application that collects statistical information about the people who passed the shop window. At the end of the thesis the experiments with the detector under varios different conditions are described.

Tato práce se zaměřuje na problematiku sledování chodců kamerou. Představil jsem používané metody počítačového vidění, které jsou vhodné pro detekci a klasifikaci osob. Na základě detekce pohybu osob ve videozáznamu jsem navrhl algoritmus pro detekci a sledování chodců. Výsledná aplikace používá histogram orientovaných gradientů a SVM klasifikátor, pro identifikaci chodců jsou využity barevné histogramy. Zjištěné trajektorie jsou následně vykreslovány na výstup. V poslední části práce se zabývám testováním a vyhodnocením výsledků navrženého algoritmu., This bachelor thesis focuses on pedestrians tracking from camera. In this work, I have introduced several methods of computer vision suitable for detection and classification of people. I proposed an algorithm for detecting and tracking pedestrians based on detection of movement. The application uses a Histogram of Oriented Gradients and SVM classifier together with color histograms for identification of pedestrians. Pedestrian's trajectories are then rendered to the output. Last part of the thesis deals with testing and evaluation of the results of the algorithm.

Tato práce se zaměřuje na problematiku sledování chodců kamerou. Představil jsem používané metody počítačového vidění, které jsou vhodné pro detekci a klasifikaci osob. Na základě detekce pohybu osob ve videozáznamu jsem navrhl algoritmus pro detekci a sledování chodců. Výsledná aplikace používá histogram orientovaných gradientů a SVM klasifikátor, pro identifikaci chodců jsou využity barevné histogramy. Zjištěné trajektorie jsou následně vykreslovány na výstup. V poslední části práce se zabývám testováním a vyhodnocením výsledků navrženého algoritmu., This bachelor thesis focuses on pedestrians tracking from camera. In this work, I have introduced several methods of computer vision suitable for detection and classification of people. I proposed an algorithm for detecting and tracking pedestrians based on detection of movement. The application uses a Histogram of Oriented Gradients and SVM classifier together with color histograms for identification of pedestrians. Pedestrian's trajectories are then rendered to the output. Last part of the thesis deals with testing and evaluation of the results of the algorithm.

Tato bakalářská práce se zabývá detekcí postavy ve videu pomocí Kinectu. Detektor lidských postav je založený na metodě ComboHod, která využívá barevné i hloubkové informace z obrazu. Cílem práce bylo vytvořit detektor postav, jehož funkci ukáži na statistické aplikaci. Aplikace shromažďuje statistické informace o lidech, kteří prošli kolem výlohy obchodu. Závěrem práce jsou popsány experimenty s detektorem v různých prostředích a podmínkách., This bachelor's thesis deals with the person detection using RGB-D Microsoft Kinect sensor. Human body detector is based on the method Combohod which uses both color and depth information from Kinect sensor. The aim of the thesis was to create a person detector whose functionality is demonstrated by proposing a statistical application that collects statistical information about the people who passed the shop window. At the end of the thesis the experiments with the detector under varios different conditions are described.

Tato diplomová práce se zabývá problematikou fúze několika senzorů za účelem detekce a lokalizace osob v místnosti. Zaměřena je primárně na využití spojení levných senzorů a jejich implementaci takovým způsobem, aby jejich fúze vytvořila systém, který má zřejmé výhody v porovnání s dražšími jedno senzorovými řešeními. V první části práce je provedena rešerše, která představuje základní problematiku detekce, lokalizace a počítání osob v místnosti. Za účelem využití v praktické části práce, je zde také uvedeno, jakými konkrétními senzory je možné těchto funkcionalit dosáhnout a jaké řídící jednotky jsou vhodné pro takový systém. Nakonec jsou v této sekci shrnuty konkrétní komponenty a softwarové nástroje, které jsou dále použity v rámci praktické části práce. Zahrnuto je také odůvodnění tohoto výběru. V druhé části práce je popsán konkrétní návrh výsledného systému, který je schopen plnit funkce detekce, lokalizace a počítání osob v místnosti. Tento praktický návrh je popsán včetně veškerých východisek, zapojení a zejména algoritmu, který byl pro fúzi senzorů použit. Celý systém je následně otestován, na základě čehož je jeho fungování vyhodnoceno. V poslední sekci práce je vytvořený systém doplněn o model krytu a uchycení na zeď., This diploma thesis deals with the problem of fusion of several sensors for the purpose of detecting and locating people in a room. It is primarily about using measured sensors and implementing them in such a way that their connection creates a system that has obvious advantages compared to more expensive single sensor solutions. In the first part of the work, research is carried out, which presents the basic issues of detection, localization and counting of people in rooms. To be used in the practical part of the work, it is also indicated here which specific sensors can be used to achieve these functions and which control units are suitable for such a system. Finally, it summarizes specific components and software tools, which are further supplemented in the practical part of the work. The rationale for this selection is also included. The second part of the thesis describes the specific design of the resulting system, which can perform the functions of detection, localization and counting of people in the room. This practical proposal is described including all starting points, connections and especially the algorithm that was used for sensor fusion. The entire system is subsequently tested, based on which its functioning is evaluated. In the last section of the thesis, the created system is supplemented with a model of a cover and wall mount.

Tato diplomová práce se zabývá problematikou fúze několika senzorů za účelem detekce a lokalizace osob v místnosti. Zaměřena je primárně na využití spojení levných senzorů a jejich implementaci takovým způsobem, aby jejich fúze vytvořila systém, který má zřejmé výhody v porovnání s dražšími jedno senzorovými řešeními. V první části práce je provedena rešerše, která představuje základní problematiku detekce, lokalizace a počítání osob v místnosti. Za účelem využití v praktické části práce, je zde také uvedeno, jakými konkrétními senzory je možné těchto funkcionalit dosáhnout a jaké řídící jednotky jsou vhodné pro takový systém. Nakonec jsou v této sekci shrnuty konkrétní komponenty a softwarové nástroje, které jsou dále použity v rámci praktické části práce. Zahrnuto je také odůvodnění tohoto výběru. V druhé části práce je popsán konkrétní návrh výsledného systému, který je schopen plnit funkce detekce, lokalizace a počítání osob v místnosti. Tento praktický návrh je popsán včetně veškerých východisek, zapojení a zejména algoritmu, který byl pro fúzi senzorů použit. Celý systém je následně otestován, na základě čehož je jeho fungování vyhodnoceno. V poslední sekci práce je vytvořený systém doplněn o model krytu a uchycení na zeď., This diploma thesis deals with the problem of fusion of several sensors for the purpose of detecting and locating people in a room. It is primarily about using measured sensors and implementing them in such a way that their connection creates a system that has obvious advantages compared to more expensive single sensor solutions. In the first part of the work, research is carried out, which presents the basic issues of detection, localization and counting of people in rooms. To be used in the practical part of the work, it is also indicated here which specific sensors can be used to achieve these functions and which control units are suitable for such a system. Finally, it summarizes specific components and software tools, which are further supplemented in the practical part of the work. The rationale for this selection is also included. The second part of the thesis describes the specific design of the resulting system, which can perform the functions of detection, localization and counting of people in the room. This practical proposal is described including all starting points, connections and especially the algorithm that was used for sensor fusion. The entire system is subsequently tested, based on which its functioning is evaluated. In the last section of the thesis, the created system is supplemented with a model of a cover and wall mount.

Tato diplomová práce se zabývá problematikou fúze několika senzorů za účelem detekce a lokalizace osob v místnosti. Zaměřena je primárně na využití spojení levných senzorů a jejich implementaci takovým způsobem, aby jejich fúze vytvořila systém, který má zřejmé výhody v porovnání s dražšími jedno senzorovými řešeními. V první části práce je provedena rešerše, která představuje základní problematiku detekce, lokalizace a počítání osob v místnosti. Za účelem využití v praktické části práce, je zde také uvedeno, jakými konkrétními senzory je možné těchto funkcionalit dosáhnout a jaké řídící jednotky jsou vhodné pro takový systém. Nakonec jsou v této sekci shrnuty konkrétní komponenty a softwarové nástroje, které jsou dále použity v rámci praktické části práce. Zahrnuto je také odůvodnění tohoto výběru. V druhé části práce je popsán konkrétní návrh výsledného systému, který je schopen plnit funkce detekce, lokalizace a počítání osob v místnosti. Tento praktický návrh je popsán včetně veškerých východisek, zapojení a zejména algoritmu, který byl pro fúzi senzorů použit. Celý systém je následně otestován, na základě čehož je jeho fungování vyhodnoceno. V poslední sekci práce je vytvořený systém doplněn o model krytu a uchycení na zeď., This diploma thesis deals with the problem of fusion of several sensors for the purpose of detecting and locating people in a room. It is primarily about using measured sensors and implementing them in such a way that their connection creates a system that has obvious advantages compared to more expensive single sensor solutions. In the first part of the work, research is carried out, which presents the basic issues of detection, localization and counting of people in rooms. To be used in the practical part of the work, it is also indicated here which specific sensors can be used to achieve these functions and which control units are suitable for such a system. Finally, it summarizes specific components and software tools, which are further supplemented in the practical part of the work. The rationale for this selection is also included. The second part of the thesis describes the specific design of the resulting system, which can perform the functions of detection, localization and counting of people in the room. This practical proposal is described including all starting points, connections and especially the algorithm that was used for sensor fusion. The entire system is subsequently tested, based on which its functioning is evaluated. In the last section of the thesis, the created system is supplemented with a model of a cover and wall mount.

Cieľom tejto práce je výzkum použiteľnosti techník hlbokého učenia na mračnách bodov generovaných radarmi, ktoré operujú v pásme milimetrových vĺn; na účely porozumenia 3D scénam a rozpoznávania osôb. Radar je systém, ktorý využíva rádiové vlny na získavanie informácií o vzdiaľenosti a smere k objektu a o jeho rýchlosti. Na základe týchto dát je možné určiť pozíciu každého detekovaného bodu v priestore. Množina takýchto bodov sa nazýva mračno bodov. Hlboké neurónové siete navrhnuté na prácu s riedkymi mračnami bodov v 3D môžu byť natrénované na segmentáciu radarových mračien, detekciu a klasifikáciu objektov a sledovanie ich pohybu v priestore. Systémy, ktoré sú na nich postavené, môžu predstavovať veľký pokrok v oblasti interpretácie 3D scén autonómnymi strojmi. V rámci tejto práce bol model budujúci na súčasnom stave techniky natrénovaný na detekciu a klasifikáciu objektov a osôb, na základe radarových mračien bodov v 3D. Na ukážku robustnosti natrénovaného modelu a priamočiarosti jeho zapojenia na riešenie významných úloh z reálneho sveta, bola implementovaná aplikácia na počítanie a klasifiká ciu ľudí. Presnosť využitých metód aj výsledného systému bola dôkladne vyhodnotená na súbore dát vytvorenom v rámci tejto práce z radarových mračien bodov, ktorý pozostáva z viac, než 19 500 anotovaných objektov., This thesis aims to research the applicability of deep learning methods on point clouds generated by millimeter-wave radars, as a solution for people detection, and 3D scene understanding in general. Radar is a system that uses radio waves to determine the distance, azimuth, and velocity of surrounding objects. For each point of detection, Cartesian coordinates can be calculated, to produce a set of points in 3D space called a point cloud. Deep neural network architectures designed to operate on sparse 3D point clouds can be trained for point-wise segmentation, object detection, classification, and tracking. This can be used to greatly advance the 3D scene understanding by machines. A model based on the state-of-the-art methods for object detection and classification on sparse point clouds was trained as a part of this thesis, for the purpose of people detection. To showcase the robustness of the trained model and the straightforwardness of its applicability to solve prominent real-world tasks of scene understanding, a people counting application was developed. The employed methods were thoroughly evaluated on a dataset created as a part of this thesis, consisting of over 19,500 labels on 3D radar point clouds.

Tato bakalářská práce se zabývá detekcí osob a sledováním trajektorií pohybu v zájmových zónách. Jsou rozebrány jednotlivé metody, pomocí nichž lze detekce osob dosáhnout. Pro implementaci funkce detekce osob a detekce trajektorie pohybu je vybrán mikrovlnný radarový snímač IWR6843AoPEVM od společnosti Texas Instruments. Je popsán využitý hardware a software. Následně je provedena simulace funkce sledováním trajektorie osob ve frontě a zhodnoceny výsledky. Jsou srovnány výhody a nevýhody jednotlivých metod pro detekci osob. Nakonec je shrnut výběr možných implementací tohoto zařízení a vybrána cílová platforma, na které je ověřena funkce., This bachelor ‘s thesis deals with a topic of people detection and tracking their movement in regions of interest. The individual methods that can achieve people detection are analyzed. To implement people detection and tracking their movement microwave radar sensor IWR6843AoPEVM from Texas Instruments is chosen for this task. This hardware and its software are described in detail. Then simulation is conducted to track people in a queue and its results are evaluated. Different advantages and disadvantages of individual methods are compared with each other. Finally, there’s a summary of possible implementations for this device and target platform is chosen to verify its functionality.

Cílem této práce je získat informace o pohybu osob ve scéně ze záznamu ze stacionární kamery. Byl navržen postup, jak detekovat výjimečné události ve scéně. Výjimečné události mohou být rychle se pohybující osoby nebo osoby pohybující se jinde, než všichni ostatní ve scéně. Pro sledování pohybu osob byly použity a testovány dva algoritmy - Optical flow a CAMSHIFT. Analýza výsledných pohybů je prováděna sledováním průběhu pohybu a jeho porovnáním s ostatními pohyby ve scéně. Výsledkem analýzy jsou detekované výjimečné pohyby ve videu. Rovněž jsou označený oblasti, kde se ve scéně vyskytuje pohyb, oblasti kde je pohyb nejčastější a je provedena analýza směrů pohybů. Hlavním výsledkem jsou extrahované části videa, kde nastal výjimečný pohyb., The aim of this diploma thesis is to obtain information on the motion of people in a scene from the record of the stationary camera. The procedure to detect exceptional events in the scene was designed. Exceptional events can be fast-moving persons, or persons moving in di erent places than everyone else in the scene. To trace the motion of persons, two algorithms were applied and tested - Optical flow and CAMSHIFT. The analysis of the resulting motions is performed by monitoring the progress of motion, and its comparison with the other motions in the scene. The analysis result is represented by detected exceptional motions that can be found in the video. The areas where the motion occurs in the scene, and where the motion is the most common are also described together with the motion direction analysis. The exceptional motion parts extracted from the video represent the main result of the work.

Tato práce se zaměřuje na problematiku sledování chodců kamerou. Představil jsem používané metody počítačového vidění, které jsou vhodné pro detekci a klasifikaci osob. Na základě detekce pohybu osob ve videozáznamu jsem navrhl algoritmus pro detekci a sledování chodců. Výsledná aplikace používá histogram orientovaných gradientů a SVM klasifikátor, pro identifikaci chodců jsou využity barevné histogramy. Zjištěné trajektorie jsou následně vykreslovány na výstup. V poslední části práce se zabývám testováním a vyhodnocením výsledků navrženého algoritmu., This bachelor thesis focuses on pedestrians tracking from camera. In this work, I have introduced several methods of computer vision suitable for detection and classification of people. I proposed an algorithm for detecting and tracking pedestrians based on detection of movement. The application uses a Histogram of Oriented Gradients and SVM classifier together with color histograms for identification of pedestrians. Pedestrian's trajectories are then rendered to the output. Last part of the thesis deals with testing and evaluation of the results of the algorithm.

Tato bakalářská práce se zabývá detekcí postavy ve videu pomocí Kinectu. Detektor lidských postav je založený na metodě ComboHod, která využívá barevné i hloubkové informace z obrazu. Cílem práce bylo vytvořit detektor postav, jehož funkci ukáži na statistické aplikaci. Aplikace shromažďuje statistické informace o lidech, kteří prošli kolem výlohy obchodu. Závěrem práce jsou popsány experimenty s detektorem v různých prostředích a podmínkách., This bachelor's thesis deals with the person detection using RGB-D Microsoft Kinect sensor. Human body detector is based on the method Combohod which uses both color and depth information from Kinect sensor. The aim of the thesis was to create a person detector whose functionality is demonstrated by proposing a statistical application that collects statistical information about the people who passed the shop window. At the end of the thesis the experiments with the detector under varios different conditions are described.

Tato práce se zaměřuje na problematiku sledování chodců kamerou. Představil jsem používané metody počítačového vidění, které jsou vhodné pro detekci a klasifikaci osob. Na základě detekce pohybu osob ve videozáznamu jsem navrhl algoritmus pro detekci a sledování chodců. Výsledná aplikace používá histogram orientovaných gradientů a SVM klasifikátor, pro identifikaci chodců jsou využity barevné histogramy. Zjištěné trajektorie jsou následně vykreslovány na výstup. V poslední části práce se zabývám testováním a vyhodnocením výsledků navrženého algoritmu., This bachelor thesis focuses on pedestrians tracking from camera. In this work, I have introduced several methods of computer vision suitable for detection and classification of people. I proposed an algorithm for detecting and tracking pedestrians based on detection of movement. The application uses a Histogram of Oriented Gradients and SVM classifier together with color histograms for identification of pedestrians. Pedestrian's trajectories are then rendered to the output. Last part of the thesis deals with testing and evaluation of the results of the algorithm.

Cílem této práce je získat informace o pohybu osob ve scéně ze záznamu ze stacionární kamery. Byl navržen postup, jak detekovat výjimečné události ve scéně. Výjimečné události mohou být rychle se pohybující osoby nebo osoby pohybující se jinde, než všichni ostatní ve scéně. Pro sledování pohybu osob byly použity a testovány dva algoritmy - Optical flow a CAMSHIFT. Analýza výsledných pohybů je prováděna sledováním průběhu pohybu a jeho porovnáním s ostatními pohyby ve scéně. Výsledkem analýzy jsou detekované výjimečné pohyby ve videu. Rovněž jsou označený oblasti, kde se ve scéně vyskytuje pohyb, oblasti kde je pohyb nejčastější a je provedena analýza směrů pohybů. Hlavním výsledkem jsou extrahované části videa, kde nastal výjimečný pohyb., The aim of this diploma thesis is to obtain information on the motion of people in a scene from the record of the stationary camera. The procedure to detect exceptional events in the scene was designed. Exceptional events can be fast-moving persons, or persons moving in di erent places than everyone else in the scene. To trace the motion of persons, two algorithms were applied and tested - Optical flow and CAMSHIFT. The analysis of the resulting motions is performed by monitoring the progress of motion, and its comparison with the other motions in the scene. The analysis result is represented by detected exceptional motions that can be found in the video. The areas where the motion occurs in the scene, and where the motion is the most common are also described together with the motion direction analysis. The exceptional motion parts extracted from the video represent the main result of the work.

Cílem této práce je získat informace o pohybu osob ve scéně ze záznamu ze stacionární kamery. Byl navržen postup, jak detekovat výjimečné události ve scéně. Výjimečné události mohou být rychle se pohybující osoby nebo osoby pohybující se jinde, než všichni ostatní ve scéně. Pro sledování pohybu osob byly použity a testovány dva algoritmy - Optical flow a CAMSHIFT. Analýza výsledných pohybů je prováděna sledováním průběhu pohybu a jeho porovnáním s ostatními pohyby ve scéně. Výsledkem analýzy jsou detekované výjimečné pohyby ve videu. Rovněž jsou označený oblasti, kde se ve scéně vyskytuje pohyb, oblasti kde je pohyb nejčastější a je provedena analýza směrů pohybů. Hlavním výsledkem jsou extrahované části videa, kde nastal výjimečný pohyb., The aim of this diploma thesis is to obtain information on the motion of people in a scene from the record of the stationary camera. The procedure to detect exceptional events in the scene was designed. Exceptional events can be fast-moving persons, or persons moving in di erent places than everyone else in the scene. To trace the motion of persons, two algorithms were applied and tested - Optical flow and CAMSHIFT. The analysis of the resulting motions is performed by monitoring the progress of motion, and its comparison with the other motions in the scene. The analysis result is represented by detected exceptional motions that can be found in the video. The areas where the motion occurs in the scene, and where the motion is the most common are also described together with the motion direction analysis. The exceptional motion parts extracted from the video represent the main result of the work.

Cieľom tejto práce je výzkum použiteľnosti techník hlbokého učenia na mračnách bodov generovaných radarmi, ktoré operujú v pásme milimetrových vĺn; na účely porozumenia 3D scénam a rozpoznávania osôb. Radar je systém, ktorý využíva rádiové vlny na získavanie informácií o vzdiaľenosti a smere k objektu a o jeho rýchlosti. Na základe týchto dát je možné určiť pozíciu každého detekovaného bodu v priestore. Množina takýchto bodov sa nazýva mračno bodov. Hlboké neurónové siete navrhnuté na prácu s riedkymi mračnami bodov v 3D môžu byť natrénované na segmentáciu radarových mračien, detekciu a klasifikáciu objektov a sledovanie ich pohybu v priestore. Systémy, ktoré sú na nich postavené, môžu predstavovať veľký pokrok v oblasti interpretácie 3D scén autonómnymi strojmi. V rámci tejto práce bol model budujúci na súčasnom stave techniky natrénovaný na detekciu a klasifikáciu objektov a osôb, na základe radarových mračien bodov v 3D. Na ukážku robustnosti natrénovaného modelu a priamočiarosti jeho zapojenia na riešenie významných úloh z reálneho sveta, bola implementovaná aplikácia na počítanie a klasifiká ciu ľudí. Presnosť využitých metód aj výsledného systému bola dôkladne vyhodnotená na súbore dát vytvorenom v rámci tejto práce z radarových mračien bodov, ktorý pozostáva z viac, než 19 500 anotovaných objektov., This thesis aims to research the applicability of deep learning methods on point clouds generated by millimeter-wave radars, as a solution for people detection, and 3D scene understanding in general. Radar is a system that uses radio waves to determine the distance, azimuth, and velocity of surrounding objects. For each point of detection, Cartesian coordinates can be calculated, to produce a set of points in 3D space called a point cloud. Deep neural network architectures designed to operate on sparse 3D point clouds can be trained for point-wise segmentation, object detection, classification, and tracking. This can be used to greatly advance the 3D scene understanding by machines. A model based on the state-of-the-art methods for object detection and classification on sparse point clouds was trained as a part of this thesis, for the purpose of people detection. To showcase the robustness of the trained model and the straightforwardness of its applicability to solve prominent real-world tasks of scene understanding, a people counting application was developed. The employed methods were thoroughly evaluated on a dataset created as a part of this thesis, consisting of over 19,500 labels on 3D radar point clouds.

Cílem této práce je získat informace o pohybu osob ve scéně ze záznamu ze stacionární kamery. Byl navržen postup, jak detekovat výjimečné události ve scéně. Výjimečné události mohou být rychle se pohybující osoby nebo osoby pohybující se jinde, než všichni ostatní ve scéně. Pro sledování pohybu osob byly použity a testovány dva algoritmy - Optical flow a CAMSHIFT. Analýza výsledných pohybů je prováděna sledováním průběhu pohybu a jeho porovnáním s ostatními pohyby ve scéně. Výsledkem analýzy jsou detekované výjimečné pohyby ve videu. Rovněž jsou označený oblasti, kde se ve scéně vyskytuje pohyb, oblasti kde je pohyb nejčastější a je provedena analýza směrů pohybů. Hlavním výsledkem jsou extrahované části videa, kde nastal výjimečný pohyb., The aim of this diploma thesis is to obtain information on the motion of people in a scene from the record of the stationary camera. The procedure to detect exceptional events in the scene was designed. Exceptional events can be fast-moving persons, or persons moving in di erent places than everyone else in the scene. To trace the motion of persons, two algorithms were applied and tested - Optical flow and CAMSHIFT. The analysis of the resulting motions is performed by monitoring the progress of motion, and its comparison with the other motions in the scene. The analysis result is represented by detected exceptional motions that can be found in the video. The areas where the motion occurs in the scene, and where the motion is the most common are also described together with the motion direction analysis. The exceptional motion parts extracted from the video represent the main result of the work.

Tato práce se zaměřuje na problematiku sledování chodců kamerou. Představil jsem používané metody počítačového vidění, které jsou vhodné pro detekci a klasifikaci osob. Na základě detekce pohybu osob ve videozáznamu jsem navrhl algoritmus pro detekci a sledování chodců. Výsledná aplikace používá histogram orientovaných gradientů a SVM klasifikátor, pro identifikaci chodců jsou využity barevné histogramy. Zjištěné trajektorie jsou následně vykreslovány na výstup. V poslední části práce se zabývám testováním a vyhodnocením výsledků navrženého algoritmu., This bachelor thesis focuses on pedestrians tracking from camera. In this work, I have introduced several methods of computer vision suitable for detection and classification of people. I proposed an algorithm for detecting and tracking pedestrians based on detection of movement. The application uses a Histogram of Oriented Gradients and SVM classifier together with color histograms for identification of pedestrians. Pedestrian's trajectories are then rendered to the output. Last part of the thesis deals with testing and evaluation of the results of the algorithm.

Tato bakalářská práce se zabývá detekcí osob a sledováním trajektorií pohybu v zájmových zónách. Jsou rozebrány jednotlivé metody, pomocí nichž lze detekce osob dosáhnout. Pro implementaci funkce detekce osob a detekce trajektorie pohybu je vybrán mikrovlnný radarový snímač IWR6843AoPEVM od společnosti Texas Instruments. Je popsán využitý hardware a software. Následně je provedena simulace funkce sledováním trajektorie osob ve frontě a zhodnoceny výsledky. Jsou srovnány výhody a nevýhody jednotlivých metod pro detekci osob. Nakonec je shrnut výběr možných implementací tohoto zařízení a vybrána cílová platforma, na které je ověřena funkce., This bachelor ‘s thesis deals with a topic of people detection and tracking their movement in regions of interest. The individual methods that can achieve people detection are analyzed. To implement people detection and tracking their movement microwave radar sensor IWR6843AoPEVM from Texas Instruments is chosen for this task. This hardware and its software are described in detail. Then simulation is conducted to track people in a queue and its results are evaluated. Different advantages and disadvantages of individual methods are compared with each other. Finally, there’s a summary of possible implementations for this device and target platform is chosen to verify its functionality.

Cílem této práce je získat informace o pohybu osob ve scéně ze záznamu ze stacionární kamery. Byl navržen postup, jak detekovat výjimečné události ve scéně. Výjimečné události mohou být rychle se pohybující osoby nebo osoby pohybující se jinde, než všichni ostatní ve scéně. Pro sledování pohybu osob byly použity a testovány dva algoritmy - Optical flow a CAMSHIFT. Analýza výsledných pohybů je prováděna sledováním průběhu pohybu a jeho porovnáním s ostatními pohyby ve scéně. Výsledkem analýzy jsou detekované výjimečné pohyby ve videu. Rovněž jsou označený oblasti, kde se ve scéně vyskytuje pohyb, oblasti kde je pohyb nejčastější a je provedena analýza směrů pohybů. Hlavním výsledkem jsou extrahované části videa, kde nastal výjimečný pohyb., The aim of this diploma thesis is to obtain information on the motion of people in a scene from the record of the stationary camera. The procedure to detect exceptional events in the scene was designed. Exceptional events can be fast-moving persons, or persons moving in di erent places than everyone else in the scene. To trace the motion of persons, two algorithms were applied and tested - Optical flow and CAMSHIFT. The analysis of the resulting motions is performed by monitoring the progress of motion, and its comparison with the other motions in the scene. The analysis result is represented by detected exceptional motions that can be found in the video. The areas where the motion occurs in the scene, and where the motion is the most common are also described together with the motion direction analysis. The exceptional motion parts extracted from the video represent the main result of the work.

Tato diplomová práce se zabývá problematikou fúze několika senzorů za účelem detekce a lokalizace osob v místnosti. Zaměřena je primárně na využití spojení levných senzorů a jejich implementaci takovým způsobem, aby jejich fúze vytvořila systém, který má zřejmé výhody v porovnání s dražšími jedno senzorovými řešeními. V první části práce je provedena rešerše, která představuje základní problematiku detekce, lokalizace a počítání osob v místnosti. Za účelem využití v praktické části práce, je zde také uvedeno, jakými konkrétními senzory je možné těchto funkcionalit dosáhnout a jaké řídící jednotky jsou vhodné pro takový systém. Nakonec jsou v této sekci shrnuty konkrétní komponenty a softwarové nástroje, které jsou dále použity v rámci praktické části práce. Zahrnuto je také odůvodnění tohoto výběru. V druhé části práce je popsán konkrétní návrh výsledného systému, který je schopen plnit funkce detekce, lokalizace a počítání osob v místnosti. Tento praktický návrh je popsán včetně veškerých východisek, zapojení a zejména algoritmu, který byl pro fúzi senzorů použit. Celý systém je následně otestován, na základě čehož je jeho fungování vyhodnoceno. V poslední sekci práce je vytvořený systém doplněn o model krytu a uchycení na zeď., This diploma thesis deals with the problem of fusion of several sensors for the purpose of detecting and locating people in a room. It is primarily about using measured sensors and implementing them in such a way that their connection creates a system that has obvious advantages compared to more expensive single sensor solutions. In the first part of the work, research is carried out, which presents the basic issues of detection, localization and counting of people in rooms. To be used in the practical part of the work, it is also indicated here which specific sensors can be used to achieve these functions and which control units are suitable for such a system. Finally, it summarizes specific components and software tools, which are further supplemented in the practical part of the work. The rationale for this selection is also included. The second part of the thesis describes the specific design of the resulting system, which can perform the functions of detection, localization and counting of people in the room. This practical proposal is described including all starting points, connections and especially the algorithm that was used for sensor fusion. The entire system is subsequently tested, based on which its functioning is evaluated. In the last section of the thesis, the created system is supplemented with a model of a cover and wall mount.

Táto práca sa zameriava na tému počítačového videnia, presnejšie, na binárnu klasifikáciu prítomnosti ľudí v obrazových dátach. Cieľom tejto práce je vytvoriť redukovanú neurónovú sieť s využitím metódy knowledge distillation. Klasifikácia a detekcia objektov je výpočtovo náročná operácia. Študentský model vytvorený pomocou knowledge distillation vykazuje ekvivalentnú presnosť, pričom je menší a má vyššiu inferenčnú rýchlosť v porovnaní s učiteľským modelom. Takýto model môže byť interdisciplinárne všestranný a to predovšetkým na koncových zariadeniach, ktoré majú relatívne slabé výpočtové schopnosti., This thesis focuses on the topic of computer vision, more specifically, on classifying people's presence in image data. The goal is to create a reduced neural network utilizing knowledge distillation. Object classification and detection is a computationally an expensive operation. A student model created utilizing knowledge distillation shows equivalent accuracy while being smaller and having better inferencing speed compared to the teacher model. Such model can be interdisciplinarily utilized on end devices having relatively low computational capabilities.