Rozpoznávanie ľudských činností z videa pomocou neurónových sietí

Abstract

Tato bakalářská práce se zabývá rozpoznáváním lidských činností z videozáznamů pomocí neuronových sítí. Cílem práce je navrhnout a implementovat systém, který dokáže rozpoznat vybrané lidské aktivity na základě pohybu osoby ve videu. Pro získání informací o pohybu člověka je využita knihovna MediaPipe, která umožňuje detekci základních bodů lidské pózy. Z těchto údajů jsou vytvořeny časové sekvence, které jsou následně zpracovány pomocí neuronové sítě typu LSTM. Navržený systém byl otestován na souboru videí s různými typy aktivit a dosáhl dobré přesnosti rozpoznávání, přičemž nejlepší konfigurace modelu dosáhla validační přesnosti přibližně 89 %.

This bachelor thesis focuses on the recognition of human activities from video recordings using neural networks. The aim of the thesis is to design and implement a system capable of recognizing selected human activities based on the movement of a person in video data. To obtain information about human movement, the MediaPipe library is used, which enables the detection of key points of the human pose. Based on the data, temporal sequences are created and subsequently processed using an LSTM neural network. The proposed system was tested on a set of videos containing different types of activities and achieved reasonable recognition accuracy, with the best model reaching approximately 89 % validation accuracy.