|
|
|
|
| LEADER |
02814na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2016 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid4189
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Čačković, Karlo
|
| 245 |
1 |
0 |
|a Sustav za određivanje poze osoba u slikama :
|b diplomski rad /
|c Karlo Čačković ; [mentor Zoran Kalafatić].
|
| 246 |
1 |
|
|a System for Human Pose Estimation in Images
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b K. Čačković,
|c 2016.
|
| 300 |
|
|
|a 31 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: 2016-07-01, datum završetka: 2016-07-14
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Tema ovog diplomskog rada je ostvariti sustav za određivanje poza osoba u slikama. Kao inspiracija za izradu ovog sustava korišteno je kompleksnije rješenje ovog problema dok je u okviru diplomskog rada implementirana jedna jednostavnija varijanta. U ostvarivanju ovog rješenja koristi se oduzimanje pozadine u svrhu dobivanja siluete čovjeka. Zatim se iz te siluete postupkom skeletonizacije dobiva kostur na temelju kojeg se računaju ključne točke. Te ključne točke predstavljaju potencijalne položaje zglobova tijela koji se postupkom modificiranog lokalnog pretraživanja klasificiraju. Tako klasificirani zglobovi čine konfiguraciju koja reprezentira pozu čovjeka.
Sustav je pokazao relativno dobre rezultate u određivanju poze, iako se ponekad događa zaglavljenje u lokalnom optimumu koji je nemoguće potpuno izbjeći ovakvim načinom pretraživanja. Poboljšanje je moguće tražiti u drugačijoj metodi pretraživanja.
|
| 520 |
3 |
|
|a Sažetak na engleskom: The subject of this MSc thesis is to implement a system for human pose estimation in images. The inspiration for this thesis comes from a much complex solution for this problem, while in this thesis a simpler solution has been implemented. In achieving this solution we use background subtraction to get human silhouette. From this silhouette through skeletonization we get a skeleton from who we calculate key points. Key points represents potential positions of the joints of the human body. Then we use modified local search to classify these points. Classified joints represents human pose.
The results are relatively good. There is a problem with the fact that local search can get stuck in local optima. The improvement can be found in a different method of search.
|
| 653 |
|
1 |
|a Računalni vid
|a Određivanje poze čovjeka
|a Oduzimanje pozadine
|a Skeletonizacija
|a Lokalno pretraživanje
|
| 653 |
|
1 |
|a Computer vision
|a Human pose estimation
|a Background subtraction
|a Skeletonization
|a Local search
|
| 700 |
1 |
|
|a Kalafatić, Zoran
|4 ths
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 48717
|d 48717
|