Lokalizacija i praćenje objekata na nizu sekvencijalnih slika korištenjem dubokih neuronskih mreža

diplomski rad

• Naslov (engleski): Localization and tracking of objects on a series of sequential images by deep neural networks
• Autor: Hrvoje Komušar
• Mentor: Vinko Lešić (mentor)
• Član povjerenstva: Vinko Lešić (član povjerenstva)
• Član povjerenstva: Ivan Marković (član povjerenstva)
• Član povjerenstva: Branimir Novoselnik (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2025-02-21, Hrvatska

Sažetak

Cilj ovog rada je razviti sustav za estimaciju pozicije i brzine objekata na nizu monokularnih
slika. Objekti su detektirani modelom YOLOv5, nakon čega je slijedila lokalizacija
objekata u trodimanzionalnom prostoru. Pomoću geometrijske projekcije i apriornog
znanja o visini objekata, određena je njihova pozicija u stvarnom svijetu. Radi praćenja
objekata, dodijeljeni su im jedinstveni ID-jevi korištenjem algoritma SORT. Primijenjen
je Kalmanov filtar za uklanjanje šuma u podatcima te estimaciju pri nedostatku mjerenja.
Predloženi pristup, uz vrlo ograničenu količinu resursa, omogućava praćenje objekata
u stvarnom svijetu.

Sažetak (engleski)

The purpose of this thesis was to develop a system for estimating the position and speed
of objects in a series of monocular images. Objects were detected using the YOLOv5 model,
followed by localization in three-dimensional space. Geometric projection and prior
knowledge of object height were used to determine their real-world positions. To track
objects, unique IDs were assigned using the SORT algorithm. A Kalman filter was applied
to reduce noise in the data and estimate positions in the absence of measurements.
The proposed approach enables real-world object tracking with very limited resources.

• Ključne riječi: Računalni vid; monokularne slike; detekcija objekata; YOLO; geometrijska projekcija; SORT; estimacija pozicije i brzine; Kalmanov filtar
• Ključne riječi (engleski): Computer vision; monocular images; object detection; YOLO; geometric projection; SORT; position and velocity estimation; Kalman filter
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:323678
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2025-03-12 11:10:20