Praćenje više pokretnih objekata temeljeno na algoritmima detekcije

diplomski rad

• Naslov (engleski): Multi-object tracking based on tracking-by-detection paradigm
• Autor: Domagoj Šimag
• Mentor: Stjepan Bogdan (mentor)
• Član povjerenstva: Stjepan Bogdan (predsjednik povjerenstva)
• Član povjerenstva: Zdenko Kovačić (član povjerenstva)
• Član povjerenstva: Goran Vasiljević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

U radu je obrađeno praćenje više pokretnih objekata temeljeno na metodi praćenja pomoću detekcije. Korištene su Tracktor i Tracktor++ metode, te je radi poboljšanja razvijena Tracktor+++ metoda. Da bi se određeni objekt na snimci uspješno detektirao i pratio korištena je, zbog postignutih rezultata u tom području, konvolucijska neuronska mreža. Inačice Tracktor metode koriste Faster R-CNN, Feature Pyramid Networks, Region Proposal Network i Non-Maximum Suppression algoritam i arhitekture za pronalaženje i praćenje objekata. Implementirana su četiri matematička modela za predviđanje trajektorije kretanja objekata kroz sekvence. To su otežani pomični prosjek, alpha - beta filtar, alpha - beta - gamma filtar i Kalmanov filtar. Dodatno je analizirano kako promjena intervala detekcije utječe na performanse različitih inačica Tracktor metoda.

Sažetak (engleski)

The subject of this master thesis is multi-object tracking based on tracking-by-detection paradigm. Tracktor and Tracktor++ methods are used and, in order to improve its performance, a Tracktor+++ method is developed. In order for a method to successfully detect and track a certain object, a convolutional neural network is used. All three types of Tracktor methods use Faster R-CNN, Feature Pyramid Networks, Region Proposal Network i Non-Maximum Suppression algorithm and architectures to detect and track objects. Four mathematical models are implemented to estimate object's trajectory throughout sequences. These are weighted moving average, alpha - beta filter, alpha - beta - gamma filter and Kalman filter. Additionally, a test is made to check how a change in detection interval affects Tracktor's performance.

• Ključne riječi: Konvolucijska neuronska mreža; detekcija objekata; praćenje objekata; Tracktor metoda; otežani pomični prosjek; alpha - beta filtar; alpha - beta - gamma filtar; Kalmanov filtar
• Ključne riječi (engleski): Convolutional neural network; object detection; object tracking; Tracktor method; weighted moving average; alpha - beta filter; alpha - beta - gamma filter; Kalman filter
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:392263
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 13:56:00