prikaz prve stranice dokumenta Računalni model strojnog vida za detekciju ljudi
  Preuzmi
PDF 2.26 MB
završni rad
Računalni model strojnog vida za detekciju ljudi
Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2023. urn:nbn:hr:235:754292
Grabušić, Emil
Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje

Institucijski repozitorij: Repozitorij Fakulteta strojarstva i brodogradnje Sveučilišta u Zagrebu

Citirajte ovaj rad

Grabušić, E. (2023). Računalni model strojnog vida za detekciju ljudi (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:235:754292

Grabušić, Emil. "Računalni model strojnog vida za detekciju ljudi." Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2023. https://urn.nsk.hr/urn:nbn:hr:235:754292

Grabušić, Emil. "Računalni model strojnog vida za detekciju ljudi." Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2023. https://urn.nsk.hr/urn:nbn:hr:235:754292

Grabušić, E. (2023). 'Računalni model strojnog vida za detekciju ljudi', Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, citirano: 18.12.2024., https://urn.nsk.hr/urn:nbn:hr:235:754292

Grabušić E. Računalni model strojnog vida za detekciju ljudi [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje; 2023 [pristupljeno 18.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:754292

E. Grabušić, "Računalni model strojnog vida za detekciju ljudi", Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:754292

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:235:754292
Podaci o radu
NaslovRačunalni model strojnog vida za detekciju ljudi
Naslov (engleski)Machine vision computing model for human detection
AutorEmil Grabušić
MentorTomislav Stipančić (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje
Zagreb
Datum i država obrane2023-09-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U teorijskom dijelu temeljito je objašnjen HOG algoritam koji se u ovom radu uz pomoću SVM klasifikatorom koristi u svrhu detekcije ljudi. U prvom dijelu je objašnjen sam postupak dobivanja histograma orijentiranih gradijenata te je prikazana povijest samog algoritma. Prikazane su i neke fotografije koje na slikovit način prikazuju samo razumijevanje algoritma. Zatim je objašnjen SVM klasifikator da bi se na kraju zaokružila priča i potkrijepila sva teorija sa praktičkim dijelom gdje se pomoću OpenCV programske biblioteke na video materijalu provodi detekcija ljudi. Na samom kraju izložen je kratak osvrt na rad samog algoritma.
Sažetak (engleski)
In the theoretical part, the HOG algorithm is thoroughly explained, which is used in this paper with the help of the SVM classifier for the purpose of human detection. In the first part, the process of obtaining the histogram of oriented gradients is explained, and the history of the algorithm itself is presented. Some photos are also shown that graphically show the understanding of the algorithm itself. Then the SVM classifier was explained in order to round off the story and substantiate all the theory with a practical part where the detection of people is carried out on video material using the OpenCV program library. At the very end, a brief overview of the operation of the algorithm itself is presented.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:235:754292
Studijski programNaziv: Strojarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka strojarstva (univ. bacc. ing. mech.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-09-25 09:46:06