Kalabalık ortam video gözetleme uygulamalarında anomali tespiti

Download

TVRRMU16ZzQ.pdf

Date

2014

Author

Gündüz, Elvan Ayşe
Temizel, Alptekin
Kutlu, Ferhat
Taşkaya Temizel, Tuğba
Beken, Figen
Öngün, Cihan

Metadata

Show full item record

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Item Usage Stats

89
views

152
downloads

Video görüntüsünde belirgin nesneler olduğunda, nesne-bazında izleme ve gösterim ile normal davranışlardan sapmalar hesaplanarak aykırılıklar tespit edilebilir. İzdiham durumlarında oluşan düzensiz hareketler, kavgalar, ani hareketlilikler ya da insanlar tarafından fırlatılan nesneler aykırılıklara örnektir. Nesne sayısı az olduğunda nesneler takip edilerek yörüngeleri ve hızları gibi özelliklerin değerlendirilmesi ile bu tip aykırılıkların tespitlerinin yapılması mümkündür. Fakat nesne sayısı arttığında olağandışı olayların tespiti oluşan kapatmalar ve yörünge kesikliklerinden dolayı nesne-bazında izleme ve gösterim ile güçtür. Ayrıca birden fazla nesnenin olduğu senaryolarda, nesne tabanlı gösterim öğrenmeyi ve çıkarım yapmayı güçleştiren karmaşık bir model yapısına yol açar. Kalabalık görüntülerindeki aykırılık tespiti için yakın zamanda piksel tabanlı gösterim teknikleri kullanılmaya başlanmıştır. Bu tekniğe dayalı çözümler birçok nesnenin bulunduğu görüntülerde kabul edilebilir bir başarı vermektedir. Fakat hesaplama yükleri nedeniyle gerçek zamanlı sistemler için kullanılması güçtür. Ayrıca literatürdeki yöntemler zamana bağlı değişkenlik gösteren ortama bağlı aykırılıkları ele almamaktadırlar. Bu projede uzam ve zamana göre değişkenlik gösteren aykırılık örüntülerini herhangi bir öncü kural kümesi kullanmadan öğrenip tespit edebilen piksel tabanlı analiz ve gösterim tekniklerine dayalı bir yöntem geliştirilmiştir. Önerilen yöntem kalabalık yoğunluğunun tespiti ve yoğunluğa uygun model seçilmesi, kalabalık videolarında bölgesel davranışların kümelenmesi, davranışların zaman- uzamsal modellenmesi ve aykırılık tespiti aşamalarından oluşur. Bu çalışmada piksel tabanlı analiz ORB öznitelikleri kullanılarak yapılmıştır. Bu öznitelikler yardımı ile kalabalık yoğunluğuna göre sınıflandırma sağlanır ve uygun model seçilir. Bölgesel davranışların kümelenmesi için optik akış metodu ile hız ve yön bilgisi alınmasının ardından bu bilgiler Finite Time Lyapunov Exponents (FTLE) kullanılarak hız ve yöne bağlı olarak değerler tablosuna dönüştürülür ve bu tablo yardımıyla aykırılık gösteren bölgeler tespit edilebilir. Ayrıca farklı karakteristiğe sahip davranış bölgeleri Coupled Hidden Markov Model (CHMM) kullanılarak zaman-uzamsal olarak modellenir ve aykırılıkların tespiti sağlanır. Önerilen yöntemler halihazırdaki mevcut açık veri kümelerinin yanı sıra proje kapsamında kayıt edilen gerçek video görüntülerinde ve oluşturulan simulasyon verileri üzerinde ve denenerek sonuçlar referans bilgileri ile karşılaştırılmıştır.

URI

https://app.trdizin.gov.tr/publication/project/detail/TVRRMU16ZzQ
https://hdl.handle.net/11511/49527

Collections

Graduate School of Informatics, Project and Design

Suggestions

OpenMETU
Core

Visual detection and tracking of moving objects Ergezer, Hamza; Leblebicioğlu, Mehmet Kemal; Department of Electrical and Electronics Engineering (2007) In this study, primary steps of a visual surveillance system are presented: moving object detection and tracking of these moving objects. Background subtraction has been performed to detect the moving objects in the video, which has been taken from a static camera. Four methods, frame differencing, running (moving) average, eigenbackground subtraction and mixture of Gaussians, have been used in the background subtraction process. After background subtraction, using some additional operations, such as morpho...
Detecting and tracking moving objects with an active camera in real time Karakaş, Samet; Ulusoy, İlkay; Department of Electrical and Electronics Engineering (2011) Moving object detection techniques can be divided into two categories based on the type of the camera which is either static or active. Methods of static cameras can detect moving objects according to the variable regions on the video frame. However, the same method is not suitable for active cameras. The task of moving object detection for active cameras generally needs more complex algorithms and unique solutions. The aim of this thesis work is real time detection and tracking of moving objects with an ac...
A Comparative evaluation of foreground / background segmentation algorithms Pakyürek, Muhammet; Akar, Gözde; Department of Electrical and Electronics Engineering (2012) Foreground Background segmentation is a process which separates the stationary objects from the moving objects on the scene. It plays significant role in computer vision applications. In this study, several background foreground segmentation algorithms are analyzed by changing their critical parameters individually to see the sensitivity of the algorithms to some difficulties in background segmentation applications. These difficulties are illumination level, view angles of camera, noise level, and range of ...
Surface vessel tracking in airborne infrared imagery Çakıroğlu, Ahmet; Ulusoy, İlkay; Department of Electrical and Electronics Engineering (2019) Target tracking can be defined as continuously locating the object of interest in consequent images. Tracking surface vessels in infrared imagery is an exceptionally challenging case of visual target tracking. In a typical scenario both the target and imaging platform exhibit manoeuvring movement, causing the appearance of the target to change rapidly and significantly during the course of tracking. Furthermore there are cases where target actively attempts to avoid being tracked by firing hot flares to con...
Utilization of dense depth information for monoview object detection and instance segmentation Çakırgöz, Çağlayan Can; Alatan, Abdullah Aydın; Department of Electrical and Electronics Engineering (2022-5-10) Object detection aims for detecting objects of certain classes in an image by bounding them in rectangular boxes whereas instance segmentation tries to detect objects in pixel level. Deep learning techniques, which have shown great improvements over the last decade, are utilized in these topics as well, and a significant success is achieved against the traditional methods. Similar improvements can be observed in dense depth estimation which deals with deducing dense information of a scene from a single imag...

Citation Formats

E. A. Gündüz, A. Temizel, F. Kutlu, T. Taşkaya Temizel, F. Beken, and C. Öngün, “Kalabalık ortam video gözetleme uygulamalarında anomali tespiti,” 2014. Accessed: 00, 2020. [Online]. Available: https://app.trdizin.gov.tr/publication/project/detail/TVRRMU16ZzQ.