Analýza bezpečnostních pásů ve vozidle pomocí obrazů

Abstract

V poslední době, s rostoucím zájmem o bezpečnost vozidel a monitorování osob uvnitř automobilů, nabývají na významu systémy, které dokáží analyzovat chování řidiče a stav zapnutí bezpečnostního pásu. Tato bakalářská práce se zaměřuje na vývoj experimentálního softwarového řešení schopného detekovat stav bezpečnostního pásu u řidiče pomocí obrazové analýzy.

V teoretické části jsou představeny vybrané přístupy k řešení úloh obrazové analýzy, přičemž důraz je kladen na metody detekce objektů v obraze. Pozornost je věnována zejména architekturám konvolučních neuronových sítí a moderním detekčním modelům, především rodině YOLO, která je využívána v praktické části práce.

Praktická část práce se věnuje implementaci experimentálního softwarového řešení pro analýzu bezpečnostních pásů. Součástí je výběr a příprava vhodných datových sad, návrh a trénování modelu a následné experimentální ověření jeho funkčnosti, přesnosti a rychlosti. Práce využívá běžně používané frameworky, včetně OpenCV, TensorFlow a PyTorch.

Recently, with the growing interest in vehicle safety and in-vehicle monitoring, the importance of systems that can analyze driver behavior and seat-belt usage has increased. This bachelor thesis focuses on developing an experimental software system capable of detecting the status of a driver’s seat belt through image analysis.

In the theoretical part, selected approaches to solving image analysis tasks are presented, with an emphasis on object detection methods in images. Particular attention is given to convolutional neural network architectures and modern detection models, especially the YOLO family, which is used in the practical part of the thesis.

The practical part of the thesis describes the implementation of an experimental software solution that analyzes seat belts in vehicle images. This includes the preparation and use of appropriate datasets, the design and training of the detection model, and the experimental verification of its functionality, accuracy, and speed. The work utilizes widely used frameworks, including OpenCV, TensorFlow, and PyTorch.