On possibilities of human head detection for person flow monitoring system
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F19%3A39915449" target="_blank" >RIV/00216275:25530/19:39915449 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216305:26210/19:PU132709
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-030-20518-8_34" target="_blank" >http://dx.doi.org/10.1007/978-3-030-20518-8_34</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-20518-8_34" target="_blank" >10.1007/978-3-030-20518-8_34</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On possibilities of human head detection for person flow monitoring system
Popis výsledku v původním jazyce
Along with the development of human society, economy, industry and engineering, as well as with growing population in the world's biggest cities, various approaches to person detection have become the subject of great interest. One approach to developing a person detection system is proposed in this paper. A high-angle video sequence is considered as the input to the system. Then, three classification algorithms are considered: support vector machines, pattern recognition neural networks and convolutional neural networks. The results showed very little difference between the classifiers, with the overall accuracy more than 95% over a testing set.
Název v anglickém jazyce
On possibilities of human head detection for person flow monitoring system
Popis výsledku anglicky
Along with the development of human society, economy, industry and engineering, as well as with growing population in the world's biggest cities, various approaches to person detection have become the subject of great interest. One approach to developing a person detection system is proposed in this paper. A high-angle video sequence is considered as the input to the system. Then, three classification algorithms are considered: support vector machines, pattern recognition neural networks and convolutional neural networks. The results showed very little difference between the classifiers, with the overall accuracy more than 95% over a testing set.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
<a href="/cs/project/EF17_049%2F0008394" target="_blank" >EF17_049/0008394: Spolupráce Univerzity Pardubice a aplikační sféry v aplikačně orientovaném výzkumu lokačních, detekčních a simulačních systémů pro dopravní a přepravní procesy (PosiTrans)</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Computational Intelligence, IWANN 2019, PT II
ISBN
978-3-030-20518-8
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
12
Strana od-do
402-413
Název nakladatele
Springer Nature Switzerland AG
Místo vydání
Cham
Místo konání akce
Granada
Datum konání akce
13. 6. 2019
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
000490722000034