Geri Dön

Gözetim videolarının periyodik tekrar bilgileri kullanılarak özetlenmesi

Summarization of surveillance videos by using periodic recurrence information

  1. Tez No: 488177
  2. Yazar: OKAN ÇANDIR
  3. Danışmanlar: DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 52

Özet

Gözetim ve izleme amaçlı çok fazla miktarda kayıt yapılmakta, saklanılmakta ve gerektiğinde incelenmektedir. Bu kadar büyük miktardaki verinin hepsinin insan gözü ile incelenip analiz edilmeye çalışılması ve sadece önemli bilgilerin çıkarılması büyük bir efor gerektirmektedir. Bu zorluğu kolaylaştırabilmek ve büyük miktardaki veri saklama maliyetini azaltabilmek amacıyla son yıllarda farklı yöntemlerle video özetleme çalışmaları yapılmaktadır. Gözetim ve izleme videolarından özet çıkaran uygulamanlarda amaç genellikle ortamdaki insanların hareketlerini değerlendirmektir. İnsanların yaptıkları hareketler genellikle yürümek, koşmak, yemek yemek gibi periyodik hareketlerdir. Bu çalışmada, RGB-d kameradan alınan video görüntülerindeki periyodik hareketlerin sadece bir periyodunu elde ederek bunlardan bir özet oluşturan yeni bir insan hareketi özetleme sistemi önerilmiştir. Videolarda geçen hareketlerden periyodik olanların bulunması ile hem büyük bilgiden sadece anlamlı bilgi elde edilmiş hem de özetleme sırasında oluşabilecek veri kaybını azaltan bir sistem elde edilmiştir. Yapılan çalışmada önce video çerçevelerindeki kişinin yeri bulunarak iskelet bilgileri elde edilmiştir. İskeletteki eklemlerin yatay eksen ile yaptığı açı değerleri sepetlere ayrılarak bulunan değerlerden bir çerçevenin özelliklerini oluşturulmuştur. Bu özellikler kullanılarak videoyu temsil eden vektörler oluşturulmuştur. Oluşturulan bu vektörler de esnek bir arama algoritması olan LCS'de (Longest Common Subsequence – En Uzun Ortak Alt Küme) periyodik hareket arama işleminde kullanılmış ve periyodik hareketler tespit edilmiştir. Tespit edilen periyodik hareketlerden birer periyot alınarak tekrardan uzak özet video oluşturulmuştur. Özet videolarda fazladan bulunan hareket periyotları dikkate alındığında üretilen özet videodaki bilgi tekrar oranı ise yaklaşık olarak %5 olarak gerçekleşmiştir. Sistemin periyodik hareketleri bulma başarısı ise %90 olarak gerçekleşmiştir.

Özet (Çeviri)

Video surveillance and tracking systems have become an integral part of our daily life. As a consequence an enormous amount of data is being produced and recorded on a daily basis, which makes storage, analysis and information extraction extremely difficult. Some of the recent studies have especially focused on cost-effective yet efficient video summarization methods. Video summarization methods for surveillance systems primarily aim at detecting and evaluating human actions within the videos. Most of the time human actions do consist of periodic actions. In this study we propose a novel approach to video summarization, which is based on the detection of the periodicity of different actions and summarizing the video using this information. Our proposed method is based on the popular string match algorithm, longest common subsequence, to determine the shortest period of recurring human actions. The concatenation of the shortest periods then produces the summary video. In the study, the differential features of the video frames were extracted by using human position data. This features were utilized to create vectors which represent the video. Periodical human actions were detected by using this vectors in Longest Common Subsequence algorithm for the process of searching. The summary video was created using one period of each different periodical motion found. By taking extra periods into account the information recurrence rate of the generated summary video is approximately 5%. The success of the system in finding the actual periodic motions was around 90%.

Benzer Tezler

  1. Tüketim toplumu bağlamında mukbang videolarının sosyolojik analizi

    Sociological analysis of mukbang videos in the context of consumption society

    MERVE ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    SosyolojiOndokuz Mayıs Üniversitesi

    Sosyoloji Ana Bilim Dalı

    DOÇ. DR. İLYAS SUCU

  2. Neural sign language translation by learning tokenization

    Simgeleme öğrenerek sinirsel ağlarla işaret dili çevirisi

    ALPTEKİN ORBAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Mühendislik BilimleriBoğaziçi Üniversitesi

    Fen Bilimleri Eğitimi Ana Bilim Dalı

    PROF. DR. LALE AKARUN

  3. Video surveillance and ERP-based BCIs as anomaly detection: New methods and dataset

    Anomali tespiti olarak video gözetimi ve olay ilgili potansiyel tabanlı BBA: yYeni yöntemler ve veri seti

    MEHMET YAĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN

  4. Gözetim videolarında anomali tespit yöntemlerinin karşılaştırmalı bir değerlendirmesi

    A comparative evaluation of anomaly detection methods for surveillance videos

    CEM ÇETİNKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MURTAZA ÖZGÜR YENİAY

  5. A scenario-based query processing framework for video surveillance

    Gözetim videoları için senaryo tabanlı sorgulama çatısı

    EDİZ ŞAYKOL

    Doktora

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    DOÇ. DR. UĞUR GÜDÜKBAY