| Form of studies |
Master |
| Title of the study programm |
Electronics |
| Title in original language |
"Cilvēku skaitīšanas automatizēto metožu un ierīču izpēte" |
| Title in English |
"Research of Methods and Devices for an Automatics People Counting" |
| Department |
Institute of Microwave Engineering and Electronics |
| Scientific advisor |
Aleksandrs Ipatovs |
| Reviewer |
D.Pikuļins |
| Abstract |
Darbā ir veikts pētījums par SVM algoritma apmācības procesu, kā apmācības kopas izvēle un HOG deskriptora darbība ietekmē algoritma apmācību un testēšanas precizitāti. Darbā dots ieskats algoritmu izmantošanā kustīgu objektu skaitīšanai un detektēšana video un uz foto, ka arī izpētītas vairākas cilvēku skaitīšanas datorredzes metodes, kas balstās uz raksturīgo pazīmju izdalīšanu. Pētījuma pamat ir SVM apmācības algoritma modelis, kas apmācas no raksturīgo pazīmju vektora. Raksturīgo pazīmju atrašanai tiek pielietota HOG transformācija. Darbā ir veikti vārāki testi, kas pieradīja attēlu klasificēšanas uzdevuma lineāro sadalījumu. Praktiska darba realizācijai pielietota Python izstrādes vide un ārējas bibliotēkas: OpenCV2, Matplot, Scikit-image, Scikit-learn u.c.
Darbs sastāv no 58 lapām, 33 attēliem, 4 tabulām, 3 pielikumiem, ka arī 17 literatūras avotiem. |
| Keywords |
HOG, SVM, datorredze, cilvēku atpazīšana, rakstrīgo pazīmju izdalīšana, klasificēšana |
| Keywords in English |
HOG, SVM, computer vision, people detection, feature extraction, classification |
| Language |
lv |
| Year |
2017 |
| Date and time of uploading |
09.06.2017 14:21:48 |
