Abstract

This thesis deals with a vehicle type recognition problem from a frontal view. The proposed solution is based on using a SIFT descriptors [25] for feature extract and using k-NN as a classifier. We also made and evaluated simplifications of this descriptor. These simplifications resulted in 3 different SIFT descriptor variants which are evaluated in this thesis using k-NN and Fisher's linear discriminant on two databases used for learning and testing. The first one contains car images and the second one contains truck images. Database with car images contains around 250 images. The database with truck images contains around 500 images.

Tato práce se zabývá rozpoznáváním typu auta z predního pohledu. Navrhované rešení je zalozeno na pouzití SIFT-deskriptoru [25] pro extrakci príznaku a klasifikátoru k-NN. Provedli jsme a vyhodnotili také modifikace tohoto popisu. Tyto vyústily na 3 ruzné varianty SIFT-deskriptoru, které jsou vyhodnoceny v této práci za pouzití klasifikátoru nejblizšího souseda a Fisherova lineárního diskriminantu na dvou databázích. Jedna obsahuje obrazy osobních aut, druhá obsahuje auta nákladní. Databáze s osobními auty obsahuje 250 obrazu. Databáze s obrazy nákladních aut obsahuje priblizne 500 obrazu.