| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Automašīnas ātruma noteikšana no video materiāliem bez precīza ātruma |
| Title in English |
Determination of Vehicle Speed from Video Materials Without Exact Speed Data |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Olga Krutikova |
| Reviewer |
Artūrs Ardavs |
| Abstract |
Šis bakalaura darbs ir 3.tipa: Produkta vai prototipa izstrāde
Automašīnas ātruma noteikšana ir bijusi būtiska ceļa satiksmes komponente
vienmēr, parasti, lai noteiktu ātrumu tiek izmantotas tādās ierīces kā radari vai arī
GPS sensori, bet šīs ierīces nav pieejamas katram cilvēkam. Mūsdienās ļoti attīstās
tādas nozares kā dziļā mašīnmācīšanās un datorredze, tas sekmē jauno metožu
izveidošanos, kuri izmantojot video ierakstu spēj noteikt transportlīdzekļa ātrumu.
Tāpēc tika izvirzīts šāds darba mērķis, izstrādāt metodi automašīnas ātruma
noteikšanai, izmantojot video ierakstus no video reģistratora, kad precīzs ātrums nav
zināms. Darba ietvaros tika aplūkota daudzi zinātniskie raksti, pētījumi un eksistējošie
risinājumi, kas ir saistīti ar ātruma noteikšanu no video materiāliem. Izstrādājot
modeli ar kura palīdzību tiks noteiks transportlīdzekļa ātrums, sākumā tika veikta
video materiālu vākšana. Šie video materiāli tika apstrādāti, lai tos turpmāk varētu
izmantot izveidotā CNN modeļa apmācībai. Bakalaura darbā izstrādātais modelis tiek
apmācīts, testēts un arī ir veikta prototipa precizitātes novērtēšana. Precizitātes
novērtēšanai tika izmantoti rādītāji MAE un MSE. Iegūtie rezultāti uzrādīja, ka
optiskās plūsmas un CNN metodes savstarpējā darbība var nodrošināt precīzu ātruma
noteikšanas metodes izveidošanu. Darba rezultātā tika izveidota metode ar kuras
palīdzību ir iespējam no video reģistratora materiāliem iegūt transportlīdzekļa ātrumu.
Darba nobeigumā tika piefiksēti secinājumi par paveikto darba gaitā, par iegūtajiem
rezultātiem kā arī tika pieminēti iespējamie uzlabojumi un ierobežojumi.
Bakalaura darbā ir 52 lappuses, 16 attēli, 1 tabula, 1 pielikums un 22
informācijas avoti. |
| Keywords |
video reģistrators, konvolūciju neironu tīkli (CNN), ātruma noteikšana, optiskā plūsma, modelis |
| Keywords in English |
dashcam, convolutional neural networks (CNN), speed detection, optical flow, model. |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 21:45:22 |
