Systém pro čítání osob ve videosekvencích

Abstract

Cílem této práce je vytvořit systém, který na základě vstupních obrazů dokáže určit počet lidí, kteří se v nich nacházejí. Na začátku práce jsou popsány historické i moderní řešení tohoto problému a dostupné datasety, které se v této oblasti používají. Na základě těchto informací byla následně navržená neuronová síť, sloužící k vytvoření hustotní mapy, která popisuje hustotu lidí ve vstupním obraze. Tato hustota dále slouží k odhadnutí, kolik lidí se v obraze celkem nachází. Neuronová síť se snaží tuto mapu vytvořit pomocí sekvence obrazů. V práci je dále na dostupných datech testováno, zda má použití této sekvence nějaké výhody oproti použití jediného snímku. Na konci jsou tyto výsledky zhodnoceny a je navržen další možný postup v této problematice.

The goal of this thesis is to create a system, that can determine the number of people, that are present in the input images. The thesis starts by describing both historical and state of the art solutions used to resolve this problem and datasets that are used in this area. Based on this information a neural network was created. It`s goal is to create a density map, which describes the density of the people captured in the input image. Based on this density, the number of people is estimated. The neural network creates this map from a consecutive sequence of images. The thesis is further concerned with the question, whether the use of this sequence has any benefits as opposed to using a single image. At the end, the results are evaluated and further approach and other possible modifications to the neural network are discussed.