Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: David Navrátil
Acad. year: 2025/2026
Supervisor: doc. RNDr. Pavel Smrž, Ph.D.
Reviewer: Ing. Martin Kostelník
This bachelor thesis focuses on the design and implementation of a system for automated detection and movement analysis of vulnerable road users (VRU). The objective of the work is to employ modern computer vision methods for real-time object identification using data acquired from traffic cameras. The deep learning model YOLOv11 is utilized for the detection and classification process, enabling precise localization of monitored entities within the traffic environment. The thesis further focuses on processing movement data to make it usable for digital communication with the surroundings. The developed system calculates the real position and direction of the monitored participants, enabling early warnings of potential hazards.
vulnerable road users (VRU), object detection, YOLOv11, computer vision, movement analysis, V2X communication, Collective Perception Message (CPM), VRU Awareness Message (VAM), intelligent transport systems (ITS), deep learning, object tracking, road safety, infrastructure monitoring
Date of defence
17.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
E
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E.
Topics for thesis defence
Language of thesis
Czech
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
Study programme
Information Technology (BIT)
Composition of Committee
doc. Ing. František Zbořil, CSc. (předseda) doc. Ing. Michal Španěl, Ph.D. (místopředseda) Ing. Jan Pluskal, Ph.D. (člen) Ing. Aleš Smrčka, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen)
Supervisor’s reportdoc. RNDr. Pavel Smrž, Ph.D.
Celkově zůstaly výsledky práce mírně za očekáváním. Student sice vytvořil použitelnou datovou sadu, realizace a vyhodnocení systému jsou ale spíše slabší a z celkového výsledku se trochu vytrácí hlavní motivace pro posílání informací o zranitelných účastnících provozu prostřednictvím zpráv V2X. Z hlediska vedoucího hodnotím bakalářskou práci stupněm D - uspokojivě.
Zadání vyžadovalo vytvoření rozsáhlejší datové sady pro identifikaci zranitelných účastníků silničního provozu, vytvoření a vyhodnocení systému pro jejich detekci a logické začlenění do komunikace prostřednictvím protokolů V2X. Student věnoval velké úsilí anotacím videí shromážděných z městských dopravních kamer, čímž vznikla použitelná datová sada, která jistě najde uplatnění i v dalším výzkumu. Na druhé straně věnoval menší pozornost realizaci systému, který většinou přebírá existující postupy a řešení a nekombinuje je příliš kreativním způsobem. Tomu pak odpovídá i vyhodnocení, které není dotaženo k diskusi důsledků některých nedostatků pro konkrétní úlohu (například kdy chyby ve sledování pohybu chodce vedou k závažných problémům, například celkovému ignorování faktu, že je v trajektorii pohybu hasičského vozu).
Student shromáždil a využil adekvátní množství studijních pramenů, většina odkazovaných materiálů ale odpovídá spíše webovým zdrojům a tutoriálům, případně referencím na jiné datové sady.
David Navrátil byl při řešení bakalářské práce průměrně aktivní během obou semestrů, konzultace však proběhly spíše až ve finálních etapách řešení, resp. přípravě technické zprávy.
Práce byla dokončena s určitým předstihem, neměl jsem ale možnost důkladně pročíst a poskytnout zpětnou vazbu k definitivní podobě technické zprávy a vyhodnocení celého systému.
-
Grade proposed by supervisor: D
Reviewer’s reportIng. Martin Kostelník
Mám důvodné podezření, že text práce byl z drtivé většiny vygenerován. Což by nemusel být nutně problém, avšak sekce 8.5.1 obsahuje vykopírovanou část odpovědi jazykového modelu, která není obsahová. Cituji začátek: "Jasně, ten bod o MLOps a simulacích trochu „polidštíme“, aby nepůsobil jako sci-fiz vývojového centra Tesly, ale jako logické pokračování tvé práce. Zjednodušíme terminologii ...".
Nejsilnější stránkou práce je ručně anotovaný dataset. Jeho vytvoření zabralo velké množstí práce a mohl by najít využití v dalším výzkumu. Aplikace je funkční a plní definované úlohy.
Slabé stránky práce však převažují. Text práce je příliš rozsáhlý, generovaný a obsahuje typografické chyby.
Evaluation level: průměrně obtížné zadání
Zadání sice vyžaduje znalosti nad rámec bakalářského studia, jeho realizaci však výrazně usnadňuje dostupnost snadno použitelných knihoven pro trénování detekčních modelů i implementaci algoritmů pro sledování objektů.
Práce je převážně dobře strukturovaná a její členění je většinou logické. Určité výhrady mám k zařazení trénování a vyhodnocení detekčního modelu do kapitoly návrhu, jelikož tyto části by vhodněji zapadaly mezi experimenty. V některých místech je rovněž obtížné rozlišit mezi popisem vlastního řešení a obecnější teoretickou diskusí. Čitelnost práce dále snižuje délka některých kapitol, ve kterých by bylo možné text zestručnit a více se soustředit na podstatné informace.
Formální úprava práce je na přijatelné úrovni. Jazyková stránka textu je celkově dobrá, nicméně v práci se vyskytuje několik typografických nedostatků. V rovnicích chybí interpunkce. Tabulka 7.2 má popisek umístěný pod tabulkou, zatímco ostatní tabulky jej mají standardně nad ní. Sekce 7.6.2 obsahuje pouze tabulku bez doprovodného textu, přičemž na tabulku 7.2 není v textu nijak odkazováno. Diagram 6.1 je vložen v rastrové podobě, ačkoli by bylo vhodnější použít vektorovou grafiku. Dále několik řádků textu a tabulka 7.3 přesahují pravý okraj sazby.
Výsledná aplikace je funkční a splňuje stanovené cíle. Dokáže detekovat účastníky silničního provozu ve videu, sledovat jejich pohyb v čase a generovat zprávy pro další komunikaci ve formátu JSON. Určité výhrady však mám k rozsahu implementace ve vztahu k rozsahu textové části práce. Odevzdané řešení sestává pouze ze tří skriptů: pro přípravu trénovacích dat, trénování detekčního modelu a samotné aplikace. Aplikační skript je až příliš komentovaný (skoro každý řádek) a mohl by být lépe strukturovaný do tříd a funkcí.
Text práce popisuje trénování pouze jednoho modelu, tudíž experimentální část je chudší a nejspíše ne příliš vvyužitelná. Nejsilnější stránkou práce je ručně vytvořený dataset, který by po doladění mohl být zveřejněn.
Evaluation level: zadání splněno
Evaluation level: je v obvyklém rozmezí
Technická zpráva o rozsahu přibližně 70 normostran se pohybuje v běžném rozmezí. Přesto se vzhledem k charakteru práce jeví jako místy příliš obsáhlá. Některé kapitoly nepřispívají významně k pochopení řešeného problému a části textu by bylo možné zestručnit bez negativního dopadu na jeho informační hodnotu.
Práce obsahuje celkem 44 referencí. Z toho 13 jsou konferenční či časopisové příspěvky. Ostatní jsou odkazy na datasety, standardy a tutoriály. Citace jsou v textu využity rozumně. Například v úvodu ale není citace ani jedna.
Grade proposed by reviewer: E
Responsibility: Mgr. et Mgr. Hana Odstrčilová