Pėsčiųjų aptikimo algoritmų tobulinimas naudojant tolimosios infraraudonosios spinduliuotės vaizdus

Abstract

Šiame darbe nagrinėjami pėsčiųjų aptikimui taikomi mašininio mokymo algoritmai ir jų tobulinimo galimybės, taikant tolimosios infraraudonosios spinduliuotės vaizdus. Tikslui pasiekti buvo įvykdyti šie uždaviniai: atlikta keleto alternatyvių pėsčiųjų aptikimo infraraudonosios spinduliuotės vaizduose metodų analizė ir palyginimas. Paruošti duomenų rinkiniai ir eksperimentinis maketas pėsčiųjų aptikimo metodams ištirti. Atlikti eksperimentiniai tyrimai, siekiant surasti optimalius mokymo parametrus ir išsiaiškinti, kokie veiksniai lemia aptiktuvų vidutinį tikslumą ir vaizdo apdorojimo spartą. Pagal eksperimentinių tyrimų rezultatus pateiktos rekomendacijos ateities tyrimams, skirtiems pėsčiųjų aptikimo tolimosios infraraudonosios spinduliuotės vaizduose tobulinimui.

In this study, machine learning algorithms applied for pedestrian detection and their potential for improvement using far–infrared images are examined. To achieve the goal, the following tasks were accomplished: an analysis and comparison of several alternative methods for pedestrian detection in far–infrared images were conducted. Datasets and experimental models were prepared to investigate pedestrian detection methods. Experimental studies were conducted to find the most optimal training parameters and to clarify what factors influence the average mean precision of detectors and the speed of image processing. Based on the results of experimental research, recommendations are given for future studies aimed at improving pedestrian detection in far–infrared images.