Automatic Finish Camera

Tato práce řeší automatizaci vyhodnocování cílové fotografie v atletice. Detekce závodníků na cílové fotografii byla provedena pomocí knihovny OpenPose. Následně byla provedena segmentace pozadí závodníka pro odstranění šumu a ořez pro jednotlivé závodníky. Samotné vyhodnocení je řešeno pomocí regresní konvoluční neuronové sítě. Při detekci postav na fotografii bylo dosaženo přesnosti 70.94% a 89.28% vyhodnocených záznamů dosáhlo přesnosti do 10 ms. Hlavní přínos této práce je pro začínající cílové rozhodčí, neboť bude mít jíž předem k dispozici vyhodnocený cílový záznam, který mu ušetří čas. Dalším využitím je možnost pro trenéry a závodníky, kteří si budou mocí ověřit vyhodnocené záznamy.This thesis addresses the automation of photo finish evaluation in athletics. The detection of athletes in the target photo has been performed using the OpenPose library. Subsequently, athlete background segmentation has been performed to remove noise and cropping for individual athletes. The evaluation itself has been solved using a regression convolutional neural network. The accuracy of 77.60% has been achieved trough detecting the figures in the photo and 89.28% of the evaluated records has reached the accuracy lesser than 10 ms. The main benefit of this thesis is for novice photo finish referees, since they will have the evaluated target record available to them beforehand. Another usage serves for coaches and competitors, since they will be able to easily validate the evaluated records by themselves.