|
|
|
|
| LEADER |
03037na a2200241 4500 |
| 003 |
HR-ZaFER |
| 005 |
20160516012010.0 |
| 008 |
160221s2014 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid1390
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Ćuk, Daniel
|9 34981
|
| 245 |
|
|
|a Sustav za detekciju pješaka :
|b diplomski rad /
|c Daniel Ćuk ; [mentor Zoran Kalafatić].
|
| 246 |
1 |
|
|a Pedestrian detection system
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b D. Ćuk,
|c 2014.
|
| 300 |
|
|
|a 39 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2014-06-30, datum završetka: 2014-07-15
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Povećanje sigurnosti u prometu težak je zadatak koji privlači sve veći broj znanstvenika. Sustav za detekciju pješaka uvelike bi pridonio sigurnosti pješaka u prometu. Vozačima bi olakšao uočavanje pješaka te samim time pridonio lakšem i bezbrižnijem sudjelovanju u prometu. U ovome radu opisane su tri vrste detektora pješaka te uspoređene njihove performanse: kaskada klasifikatora s pravokutnim značajkama, klasifikator SVM sa značajkama HoG te kaskada klasifikatora SVM s opisnikom značajki HoG. Kaskade su učene varijacijama algoritma AdaBoost. Algoritam AdaBoost također je upotrijebljen za odabir najrelevantnijih značajki iz velikog skupa značajki. Također je razvijen sustav s grafičkim sučeljem za detekciju pješaka koji koristi sve tri vrste detektora. Sustav radi na slikama ili videu.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Improvement of traffic safety is a difficult task that attracts more and more scientists. Pedestrian detection system would considerably contribute to pedestrian traffic safety. It would make the detection of pedestrians easier to drivers and at the same time would contribute to easier and careless traffic engagement.
Three types of pedestrian detection are described in this paper and their characteristics are compared: cascade of classifiers with rectangular features, classifier SVM with HoG features and cascade of SVM classifiers with HoG features descriptor. The cascades are learned with variations of AdaBoost algorithm. The AdaBoost algorithm is also used to select the most relevant features from larger set of features. The system with graphical interface for pedestrian detection using all three types of detector is also developed. The system works on images or video.
|
| 653 |
|
1 |
|a detekcija pješaka, detekcija objekata, kaskada klasifikatora, histogram orijentiranih gradijenata, integralni histogram orijentiranih gradijenata, pravokutne značajke, SVM, AdaBoost, integralna slika, odabir značajki
|
| 653 |
|
1 |
|a pedestrian detection, object detection, cascade of classifiers, histogram of oriented gradients, integral histogram of oriented gradients, rectangular features, SVM, AdaBoost, integral image, feature selection
|
| 700 |
1 |
|
|a Kalafatić, Zoran
|4 ths
|9 8062
|
| 942 |
|
|
|2 udc
|c Y
|
| 999 |
|
|
|c 45124
|d 45124
|