Weapon Detection in an Image

Táto práca sa zaoberá detekciou palných zbraní v obraze. V teoretickej časti je najprv definovaný pojem palná zbraň a potom sú uvedené typy palných zbraní. Nasleduje vysvetlenie obrazového šumu, ktorý môže do značnej miery ovplyvniť výsledok detekcie, a sú uvedené spôsoby, ako ho redukovať. Ďalej sú definované algoritmy obrazovej detekcie, ktoré pracujú na báze neurónových sietí - konvolučné neurónové siete (CNN) a Single Shot Multibox Detector (SSD). Vysvetlené sú aj klasické algoritmy pre detekciu v obraze ako HOG+SVM a SURF. V ďalšej časti sú uvedené použité knižnice a softvér. Nasleduje experimentálna časť, kde uvedieme navrhnutý postup riešenia a databázu. Pre detekciu boli použité algoritmy HOG+SVM, SURF a SSD. Následne sú uvedené výsledky testov na databáze a videu, čomu nasleduje zhrnutie a možnosti rozšírenia do budúcnosti.This thesis is focused on the topic of firearms detection in images. In the theoretic section, the explanation of the term firearm is covered, along with the definition of the most prevalent firearm categories. Then the concept of image noise and the ways it can hinder image detection is covered, along with ways of reducing it. Next, algorithms of image detection are introduced - first those which operate on the basis of neural nets - such as Convolutional Neural Nets and Single Shot Multibox Detection. The next section discusses classic algorithms of object detection such as HOG+SVM and SURF. After that, information on the used libraries and software is provided. The experimental part covers the designed algorithm and database. For detection, the HOG+SVM, SURF and SSD algorithms were used. All the algorithms are tested on the database and, if possible, on video. A final evaluation is provided, along with possible future development options.