Zaznavanje avtomobilov v slikovnih podatkih s pomočjo računalniškega vidaDEBENJAK, SEBASTJAN (Avtor) Štruc, Vitomir (Mentor) zaznavanje in detekcija avtomobilovdeskriptorrazvrščevalnik SVMHOGHaarpodatkovna zbirkaOpenCVV diplomskem delu se posvetimo problemu detekcije avtomobilov v slikah na način, da udejanjimo in ovrednotimo lasten detektor vozil. Detektor udejanjimo s pomočjo deskriptorjev histograma orientiranih gradientov (angl. Histogram Of Oriented Gradient – HOG) in razvrščevalnika podpornih vektorjev (angl. Support Vector Machine – SVM). Za namene primerjave delovanja razvitega detektorja udejanjimo še kaskadni razvrščevalnik Haar, primerjavo pa ovrednotimo s krivuljo natančnosti priklica (angl. precission-recall curve). V uvodnem delu najprej predstavimo sorodna dela, ki predstavljajo zgodovino razvoja metod za detekcijo vozil v slikovnih podatkih, ter grobo primerjavo med njimi. Opis nadaljujemo s poglavjem, ki predstavi teoretične osnove nekaterih nujno potrebnih delov za detekcijo objekta na sliki, v poglavju s teorijo pa se osredotočimo zgolj na postopke in metode učenja, ki so potem tudi uporabljeni pri implementaciji lastnega detektorja. V nadaljevanju diplomskega dela je najprej opisan postopek luščenja deskriptorjev s histogramom orientiranih gradientov v kombinaciji z razvrščevalnikom podpornih vektorjev. Druga metoda pa predstavlja implementacijo in detekcijo s pomočjo kaskadne metode Haar. V drugem delu podajamo postopek izvedbe detektorja. Opišemo in prikažemo pridobitev podatkovne zbirke, uporabo postopka HOG za pridobitev značilk, učenje detektorja SVM in uporabo detektorja. Poleg tega prikažemo, kako različni parametri vplivajo na uspešnost detekcije in odvisnost predobdelave vzorcev na detekcijo. V zaključku naloge pa podajamo primerjavo med metodami v uspešnosti in hitrosti detekcije objekta.20192019-08-29 14:25:06Diplomsko delo/naloga109297sl