Detail studentské práce

Detail

Dnešní algoritmy počítačového videní zvládnou zpracovávat obrazová data a poskytovat odhady poloh objektů velmi rychle, a s poměrně dobrou přesností. Často ale zpracovávají každý obrázek z videa samostatně, tedy bez využití jakékoliv znalosti z předchozích časových okamžiků. I z toho důvodu odhady poskytované těmito algoritmy, tzv. ohraničující boxy, mohou být chybné například ve smyslu počtu nalezených objektů. Dále, hledání trajektorií objektů napřič videem byvá často řešeno jen s velmi jednoduchým modelováním pohybu objektů a ad-hoc logikou pro objevování nových a ztrácení existujících objektů.

Moderní pravděpodobnostní modelování umožnuje vyplnit zmíněné mezery s matematickou elegancí. Na základě jasných předpokladů a uchopitelných aproximací, lze odvodit algoritmy zobecňující rekonstruktor stavu, resp. Kalmanův filtr, počítající s výskytem více objektů naráz.

Cílem práce je seznámit se s vybranými algoritmy pro pravděpodobnostní sledování objektů a jejich aplikací napřiklad právě pro zlepšení výstupů pouze z algoritmů počítačového vidění.