čeština

Absolvent předmětu je schopen navrhnout a implementovat algoritmy a metody zpracování obrazových dat, rozpoznávání vzoru a analýzy dynamické scény.

V předmětu Počítačové vidění jsou požadovány znalosti na úrovni bakalářského studia. Dále pak jsou požadovány znalosti ekvivalentní absolvování předmětu BPC-ZVS.
Práce v laboratoři je podmíněna platnou kvalifikací „pracovníka znalého pro samostatnou činnost“ dle Vyhl. 50/1978 Sb., kterou musí studenti získat před zahájením výuky. Informace k této kvalifikaci jsou uvedeny ve Směrnici děkana Seznámení studentů s bezpečnostními předpisy.

Metody vyučování zahrnují přednášky a laboratorní cvičení. Předmět využívá e-learning.

V předmětu Počítačové vidění jsou hodnocena laboratorní cvičení (40 bodů) a závěrečná písemná (49 bodů) a ústní (11 bodů) zkouška. Písemná část trvá 90 min., žádné pomůcky. Podmínkou připuštění ke zkoušce je zápočet ze cvičení tj. docházka na všechna cvičení a zisk alespoň 50 % bodů. Podmínkou složení zkoušky je zisk alespoň 50 % bodů ze závěrečné písemné části. Ústní dozkoušení je nepovinné.
Zkouška z předmětu bude probíhat prezenčně.

1. Úvod a motivace.
2. Základní fyzikální principy.
3. Optika v počítačovém vidění.
4. Elektronika v počítačovém vidění.
5. Segmentace.
6. Detekce geometrických primitiv.
7. Detekce objektů a měření v rovině.
8. Popis objektů.
9. Klasifikace a automatické třídění.
10. Optické rozpoznávání znaků.
11. Analýza pohybu.
12. Optické 3D měření.
13. Dopravní aplikace.

Absolvent předmětu je schopen popsat algoritmy zpracování obrazu a implementovat je do nadřazeného systému pro řešení úlohy počítačového vidění.

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Horák, K. a kol.: Počítačové vidění. Skriptum VUT v Brně. 132 s. 2008. (CS)

Hlaváč V., Šonka M.: Počítačové vidění. Grada 1992. ISBN 80-85424-67-3. (CS)
Russ J.C.: The Image Processing Handbook. CRC Press 1995. ISBN 0-8493-2516-1. (EN)
Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis and Machine Vision. Thomson 2008. ISBN 978-0-495-08252-1. (EN)