Trafik videolarında araçların olağandışı davranışlarının tespit edilmesi
Detection of abnormal vehicle behaviours using traffic videos
- Tez No: 322685
- Danışmanlar: YRD. DOÇ. DR. M. ELİF KARSLIGİL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Trafik, Ulaşım, Computer Engineering and Computer Science and Control, Traffic, Transportation
- Anahtar Kelimeler: Olağandışı hareketlerin tespiti, araç tespiti, araç takibi, hareket yörüngesi kümeleme, hareket yörüngesi sınıflandırma
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Karayolları trafik akışında sürücüler, güvenli bir şekilde seyahat edebilmek için daha önce belirlenen kurallar çerçevesinde araçları hareket ettirirler. Bu kurallar, karayollarında hareket halinde veya duran vaziyetteki araç ve yayaların birbirlerine zarar vermeden trafik akışının devam edebilmesi için belirlenmiş olup, gerek yaya gerekse araç sürücülerinin bu kurallara uymaması durumunda araç içerisinde veya dış ortamda can ve mal kaybına sebep olabilecek trafik kazaları meydana gelebilmektedir.Bu tez çalışmasında, trafik videoları kullanılarak araçların normal trafik akışından farklı olarak yapmış oldukları olağandışı davranışların tespit edilmesini sağlamak üzere bir sistem tasarımı ve gerçeklemesi yapılmıştır. Trafik videolarında araçların yapmış oldukları olağandışı davranışların tespiti amacıyla öncelikle normal trafik akışı sisteme öğretilmiştir. Bu amaçla normal trafik akışında bulunan araçların hareketleri izlenerek elde edilen araç hareket yörüngeleri, karayoluna ait hareket modellerini belirlemek amacıyla Sürekli Saklı Markov Yöntemi kullanılarak kümelenmiştir.Trafik videolarında normal karayolu trafik akışı sırasındaki görüntüler kullanılarak karayoluna ait hareket modelleri belirlendikten sonra diğer aşamada araçların anormal davranışların tespit edilmesi için çalışma yapılmıştır. Bu kısımda yörüngeye bağlı olağandışı araç hareketleri (şerit dışında hareket etme, ters şeritte ilerleme, yanlış U-dönüşü durumları) ve bağıl hıza bağlı olağandışı araç hareketleri (ani yavaşlama ve hızlanma durumları) tespit edilmiştir. Bu amaçla araçların kısmi yörüngelerinin hareket modelleri ile olan benzerliği belirlenerek hareket modelleri arasında sınıflandırma işlemi yapılmış ve sınıflandırıldığı hareket modeli ile benzerlik oranı belirli bir eşik seviyesinden düşük olan kısmı yörüngeye sahip araçların davranışları olağandışı davranışlar olarak tespit edilmiştir. Ayrıca görüntüdeki araçların hızlarında beklenmedik şekilde meydana gelen ani değişimler de, araçların gerçekleştirmiş olduğu olağandışı davranış olarak belirlenmiştir.Yapılan deneylerde olağandışı davranışlar %85 doğruluk ve %87 hassasiyet oranı ile tespit edilmiştir. Tespit edilemeyen veya yanlış olarak tespit edilen olağandışı araç davranışlarına ise genellikle araç takibinin tamamlanamaması, araç takibi sırasında merkez noktadaki aşırı kayma gibi etkenlerin neden olduğu görülmüştür.
Özet (Çeviri)
On highway traffic flow, drivers move their vehicles to be able to travel safely by complying with certain rules. These rules are determined to maintain the traffic flow without damaging to each other of moving or stationary vehicles and pedestrians on highways. Unless the rules are obeyed by the vehicles or pedestrians, traffic accidents that can cause loss of lives and properties in vehicle or external environment may occur.In this study, design and implementation of a system to detect the abnormal behaviors of vehicles by using videos is done. Firstly, the normal traffic flow is learned by the system. Therefore, trajectories of vehicles which were tracked in the normal traffic flow are clustered using continuous Hidden Markov Model to determine the highway movement patterns.After the determination of the highway movement patterns using the camera captures of normal traffic flow, study was progressed to detect the abnormal behaviors of vehicles. In this section, trajectory based abnormal vehicle behaviors (moving outside of the lane or in the opposite lane, wrong U-turns) and relative velocity based abnormal vehicle behaviors (sudden deceleration or acceleration) are detected. For this purpose, classification of the partial vehicle trajectories between highway movement patterns is done by using the similarity between movement patterns and partial trajectories. Furthermore, sudden unexpected changes in vehicle speeds are also detected as vehicle abnormal behaviors.According to experimental results, abnormal behaviors of vehicles that have accuracy ratio of 85% precision ratio of 87% are detected. Undetected or wrong detected abnormal vehicle behaviors are caused by factors such as uncompleted vehicle tracking and extreme shift of the center point of the vehicle during the vehicle tracking.
Benzer Tezler
- Modified YOLOv4 and YOLOv3 by image processing and deep learning for traffic flow car detection
Başlık çevirisi yok
AL ZUBAIR KHUDHUR ABBAS ALQARAGHULI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ ATA
- Prediction of the pedestrian crossing intention using deep learning
Yayaların karşıya geçme davranışlarının derin öğrenmeyle tahmini
BERK EREN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Moving object tracking by regularization via sparsity in wide area aerial video
Hava aracından çekilmiş geniş alan videolarında seyreklik tabanlı regülarizasyon ile hareketli nesne takibi
ERDEM ONUR ÖZYURT
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Video görüntülerde gerçek zamanlı trafik şeridi tespit ve takip sistemi
Real time lane detection and tracking system on videos
FUAT COŞKUN
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. M. ELİF KARSLIGİL