obsahuje CSV soubory pro každou hodnotu prahu P v rozsahu od 1 do 20, kterým prahujeme obraz vzniklý ze zpětné projekce histogramu. Úspěšnost segmentace vyhodnocujeme pomocí metody Intersection over Union (IoU). IoU metodou vyhodnucejeme dvojici polygonů - jedním z nich je referenční polygon gesta vzniklý manuální anotací gesta v platformě CVAT, druhým z nich je kontura segmentované části gesta. Pro každou hodnotu prahu P vyhodnotíme úšpěsnost pomocí metody IoU pro každou dvojici gest v datasetu obsahujícím 1602 párů obrázků gesto-obličej a určíme medián těchto hodnot IoU. Soubory jsou seřazeny vzestupně podle hodnot mediánů IoU. Nejvyšší hodnota mediánu IoU přísluší hodnotě prahu P = 7.
obsahuje TXT soubory, které obsahují výsledky klasifikace gest pomocí námi navržené metody. Dataset obsahující 11963 gest se rozdělí náhodně v poměru 4:1 na dvě množiny obrázků - referenční a testovací. U všech gest z obou množin se určí Fourierovy deskriptory a následně se Fourierovy deskriptory každého gesta z testovací množiny porovnávají s Fourierovými deskriptory gest z referenční množiny - napočítá se Euklidovská vzdálenost a na základě k nejbližsích gest se metodou k nejbližších sousedů klasifikuje gesto. Pokud klasifikací získaná třída gesta odpovídá třídě v labelu (popisku) gesta, pak je gesto klasifikováno správně, v opačném případě je klasifikováno špatně. TXT soubory vyhodnocují celkovou úspěšnost kalsifikace gest z datasetu, dále také úspěšnosti klasifikace pro každou třídu gest. Vše v závislosti na volbě počtu nejbližších sousedů ve stejnojmenné klasifikační metodě a počtu zachovaných Fourierových deskriptorů, které porovnáváme.
obsahuje soubory, ve kterých je implementována námi navržená metoda. Algoritmus metody se nachází v souboru "FaceDetector.py" a využívá funkce ze souboru "PomocneFunkce.py". V implementaci jsou využity knihovny Numpy, MediaPipe, OpenCV, Matplotlib. Nejprve je načten obraz z kamery počítače. Pro detekci obličeje v obrazu je využita knihovna MediaPipe. Jejím výstupem jsou klíčové body ohraničujícího obdélníku obličeje. Ten je společně s ohraničujícím obdélníkem gesta vykreslen do obrazu. V ohraničujícím obdélníku gesta se pak rozpoznává samotné gesto. Výsledek rozpoznávání je vždy vypsán nad ohraničujícíc obdélník gesta.
obsahuje soubory, ve kterých je implementace programu pro klasifikaci gest na základě neuronových sítí. Výstup a uživatelské chování je analogické k předchozí zmíněné implementaci námi navržené metody. Pouze je zde využit ke klasifikaci gesta naučený model neuronové sítě.
je uložen v souboru PDF pod názvem "Bakalářská práce - Dron ovládaný gesty"