Search

Video magnification algorithms show promising results when used to amplify small vibrations. Measuring these small vibrations is integral in modal analysis of an object and is usually done using specialized vibrometers or accelerometers. Computer vision (CV) systems fall short in this task as the magnitude of the vibrations decreases because of a small SNR (Signal-to-Noise Ratio). In this paper we try to further improve the accuracy of the CV approach by adding video magnification into the image pre-processing stage, allowing the algorithms to measure even imperceptibly small vibrations. For this purpose, we have gather ground truth data with a laser vibrometer in tandem with high speed camera footage of a metal cantilever beam, vibrating in its first mode, and have trained a convolutional neural network for regression.

Cílem této práce je najít vhodnou metodu pro určení pózy dvou vzájemně pootočených objektů, pokusit se ji implementovat nejprve v jazyce C++ bez použití externích knihoven a následně v jazyce Kuka Robot Language (KRL). V úvodu jsou probrány dva možné způsoby řešení: iterative closest point algoritmus (ICP) a Kabschův algoritmus. Z nich je následně jeden vybrán a je navrhnuta strukturu programu, který bude implementován. Následně se otestuje s jakou přesností tato implementace vybraného algoritmu funguje a jaká skýtá úskalí. Poté je krátce popsán jazyk KRL a je uveden postup migrace algoritmu z C++ a problémy, které se v průběhu vyskytly., The goal of this paper is to find a good method to determine the pose of two, mutually rotated, objects and to try and implement it first in C++ without the usage of any external libraries and then in Kuka Robot Language (KRL). First we are going to look at two different approaches to solving this problem: The Iterative Closest Point algorithm (ICP) and the Kabsch Algorithm. From them one is going to be chosen and a program will be build around it. Following its implementation, the algorithm’s precision is going to be tested. Finally KRL will be briefly introduced and the various problems involving transition of the algorithm from C++ to KRL will be talked about.

V této práci si přiblížíme problematiku eulerovské video-magnifikace (EVM), její počátky a inovace, které vedly až k možnosti jejího využití pro detekci srdečního rytmu v reálném čase. Pomocí Gaussovy pyramidy jsou zvýrazněny rozdíly v prostorových změnách výřezů ze snímaného videa, získaných pomocí MediaPipe Face Mesh algoritmu, využívajícího strojové učení. Výsledkem je dostatečně výrazný časový signál, ze kterého se následně Fourierovou transformací získává tepová frekvence detekovaného subjektu. Je zde navržena metoda měření pro vyhodnocení použitelnosti EVM ve sledovacích systémech. Na konec jsou probrány nedostatky takového systému a možné způsoby jejich nápravy., In this paper we go over the research behind eulerian video magnification, its beginnings and inovations which lead to its potential use in real time heart rate measurement. The spacial differences are exaggerated using the Gaussian pyramid in conjuncture with face detection using the MediaPipe Face Mesh solution, which leverages machine learning for ultra fast performance. The resulting signal is clear enough to allow pulse extraction using the Fourier transform. Evaluation is conducted upon the final prototype to see how suitable is EVM in combination MediaPipe for use in surrveilance systems. At the end we discuss the limitations and how to possibly overcome them.

V této práci si přiblížíme problematiku eulerovské video-magnifikace (EVM), její počátky a inovace, které vedly až k možnosti jejího využití pro detekci srdečního rytmu v reálném čase. Pomocí Gaussovy pyramidy jsou zvýrazněny rozdíly v prostorových změnách výřezů ze snímaného videa, získaných pomocí MediaPipe Face Mesh algoritmu, využívajícího strojové učení. Výsledkem je dostatečně výrazný časový signál, ze kterého se následně Fourierovou transformací získává tepová frekvence detekovaného subjektu. Je zde navržena metoda měření pro vyhodnocení použitelnosti EVM ve sledovacích systémech. Na konec jsou probrány nedostatky takového systému a možné způsoby jejich nápravy., In this paper we go over the research behind eulerian video magnification, its beginnings and inovations which lead to its potential use in real time heart rate measurement. The spacial differences are exaggerated using the Gaussian pyramid in conjuncture with face detection using the MediaPipe Face Mesh solution, which leverages machine learning for ultra fast performance. The resulting signal is clear enough to allow pulse extraction using the Fourier transform. Evaluation is conducted upon the final prototype to see how suitable is EVM in combination MediaPipe for use in surrveilance systems. At the end we discuss the limitations and how to possibly overcome them.

Cílem této práce je najít vhodnou metodu pro určení pózy dvou vzájemně pootočených objektů, pokusit se ji implementovat nejprve v jazyce C++ bez použití externích knihoven a následně v jazyce Kuka Robot Language (KRL). V úvodu jsou probrány dva možné způsoby řešení: iterative closest point algoritmus (ICP) a Kabschův algoritmus. Z nich je následně jeden vybrán a je navrhnuta strukturu programu, který bude implementován. Následně se otestuje s jakou přesností tato implementace vybraného algoritmu funguje a jaká skýtá úskalí. Poté je krátce popsán jazyk KRL a je uveden postup migrace algoritmu z C++ a problémy, které se v průběhu vyskytly., The goal of this paper is to find a good method to determine the pose of two, mutually rotated, objects and to try and implement it first in C++ without the usage of any external libraries and then in Kuka Robot Language (KRL). First we are going to look at two different approaches to solving this problem: The Iterative Closest Point algorithm (ICP) and the Kabsch Algorithm. From them one is going to be chosen and a program will be build around it. Following its implementation, the algorithm’s precision is going to be tested. Finally KRL will be briefly introduced and the various problems involving transition of the algorithm from C++ to KRL will be talked about.

Tato bakalářská práce se zabývá tématem rozpoznání snížené viditelnosti a obrazových defektů způsobených nepříznivým počasím či osvětlením ze snímků pořízených kamerou připevněnou na vozidle. Práce popisuje základní charakteristiku nejčastějších vlivů a jejich účinků na kamerová data a představuje některé existující metody detekce těchto vlivů. Dále je vytvořen a popsán dataset obsahující vybrané defekty. Následně je v práci popsána problematika umělých neuronových sítí. Pro detekci defektů je implementována konvoluční neuronová síť, která je trénována a testována pomocí sestaveného datasetu. Na závěr jsou prezentovány dosažené výsledky sítě, její výpočetní náročnost a porovnání s výsledky jiných prací., This bachelor thesis deals with the topic of decreased visibility and image defects detection caused by adverse weather conditions or lighting from a vehicle mounted camera. The thesis describes the basic characteristics of the most common influences and their effects on camera data and presents some existing methods of detecting these influences. Next, a dataset containing selected defects is created and described. Afterwards, the issue of artificial neural networks is described in the thesis. A convolutional neural network is implemented for defect detection, which is trained and tested using the dataset. At the end, the achieved results of the network, its computational complexity and comparison with the results of other works are presented.

Cílem této práce je najít vhodnou metodu pro určení pózy dvou vzájemně pootočených objektů, pokusit se ji implementovat nejprve v jazyce C++ bez použití externích knihoven a následně v jazyce Kuka Robot Language (KRL). V úvodu jsou probrány dva možné způsoby řešení: iterative closest point algoritmus (ICP) a Kabschův algoritmus. Z nich je následně jeden vybrán a je navrhnuta strukturu programu, který bude implementován. Následně se otestuje s jakou přesností tato implementace vybraného algoritmu funguje a jaká skýtá úskalí. Poté je krátce popsán jazyk KRL a je uveden postup migrace algoritmu z C++ a problémy, které se v průběhu vyskytly., The goal of this paper is to find a good method to determine the pose of two, mutually rotated, objects and to try and implement it first in C++ without the usage of any external libraries and then in Kuka Robot Language (KRL). First we are going to look at two different approaches to solving this problem: The Iterative Closest Point algorithm (ICP) and the Kabsch Algorithm. From them one is going to be chosen and a program will be build around it. Following its implementation, the algorithm’s precision is going to be tested. Finally KRL will be briefly introduced and the various problems involving transition of the algorithm from C++ to KRL will be talked about.

V této práci si přiblížíme problematiku eulerovské video-magnifikace (EVM), její počátky a inovace, které vedly až k možnosti jejího využití pro detekci srdečního rytmu v reálném čase. Pomocí Gaussovy pyramidy jsou zvýrazněny rozdíly v prostorových změnách výřezů ze snímaného videa, získaných pomocí MediaPipe Face Mesh algoritmu, využívajícího strojové učení. Výsledkem je dostatečně výrazný časový signál, ze kterého se následně Fourierovou transformací získává tepová frekvence detekovaného subjektu. Je zde navržena metoda měření pro vyhodnocení použitelnosti EVM ve sledovacích systémech. Na konec jsou probrány nedostatky takového systému a možné způsoby jejich nápravy., In this paper we go over the research behind eulerian video magnification, its beginnings and inovations which lead to its potential use in real time heart rate measurement. The spacial differences are exaggerated using the Gaussian pyramid in conjuncture with face detection using the MediaPipe Face Mesh solution, which leverages machine learning for ultra fast performance. The resulting signal is clear enough to allow pulse extraction using the Fourier transform. Evaluation is conducted upon the final prototype to see how suitable is EVM in combination MediaPipe for use in surrveilance systems. At the end we discuss the limitations and how to possibly overcome them.

Bakalářská práce se zabývá vývojem softwaru pro sledování cvičící postavy a vyhodnocení odchylek od správného provedení pohybových úkonů. V práci jsou nejprve teoreticky rozebrány základy zpracování digitálního obrazu, použití různých typů kamer a technologie počítačového vidění. Následně jsou popsány metody umělé inteligence a hlubokého učení, které umožňují detekci a analýzu pohybů. Hlavní část práce se zaměřuje na implementaci systému OpenPose pro odhad pózy v reálném čase. Jsou diskutovány technické výzvy a navržena řešení pro dosažení přesnosti a spolehlivosti systému. Praktická část zahrnuje testování softwaru na reálných videích a vyhodnocení jeho výkonu. Výsledky ukazují, že vyvinutý software může efektivně pomoci při korekci pohybů a prevenci zranění v různých aplikacích., This bachelor's thesis focuses on the development of software for tracking an exercising person and evaluating deviations from the correct execution of movement tasks. Initially, the thesis theoretically examines the fundamentals of digital image processing, the use of various types of cameras, and computer vision technologies. Subsequently, methods of artificial intelligence and deep learning that enable motion detection and analysis are described. The main part of the thesis focuses on the implementation of the OpenPose system for real-time pose estimation. Technical challenges are discussed, and solutions are proposed to achieve the accuracy and reliability of the system. The practical part includes testing the software on real videos and evaluating its performance. The results show that the developed software can effectively help in correcting movements and preventing injuries in various applications.

Tato bakalářská práce se zabývá tématem rozpoznání snížené viditelnosti a obrazových defektů způsobených nepříznivým počasím či osvětlením ze snímků pořízených kamerou připevněnou na vozidle. Práce popisuje základní charakteristiku nejčastějších vlivů a jejich účinků na kamerová data a představuje některé existující metody detekce těchto vlivů. Dále je vytvořen a popsán dataset obsahující vybrané defekty. Následně je v práci popsána problematika umělých neuronových sítí. Pro detekci defektů je implementována konvoluční neuronová síť, která je trénována a testována pomocí sestaveného datasetu. Na závěr jsou prezentovány dosažené výsledky sítě, její výpočetní náročnost a porovnání s výsledky jiných prací., This bachelor thesis deals with the topic of decreased visibility and image defects detection caused by adverse weather conditions or lighting from a vehicle mounted camera. The thesis describes the basic characteristics of the most common influences and their effects on camera data and presents some existing methods of detecting these influences. Next, a dataset containing selected defects is created and described. Afterwards, the issue of artificial neural networks is described in the thesis. A convolutional neural network is implemented for defect detection, which is trained and tested using the dataset. At the end, the achieved results of the network, its computational complexity and comparison with the results of other works are presented.