Güvenlik kamerası görüntülerindeki bölgesel hız değişimlerini değerlendirerek kalabalık ortamlarda panik durumu tespiti
Panic detection by regional velocity changes in crowded areas from surveillance vi̇deo
- Tez No: 507143
- Danışmanlar: DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Güvenlik kameraları kullanımının yaygınlaşmasıyla güvenlik kamerası görüntülerinden otomatik bilgi çıkarımı, sıkça çalışılan bir konu haline gelmiştir. Tek bir koordinasyon merkezi üzerinden takip edilen şehir güvenlik kameraları yetkili kişiler tarafından izlenmektedir. Özellikle anında müdahale edilmesi gereken durumlarda, durumun tespit edilmesi aşamasında insan faktörünün varlığı hatalara ve zaman kaybına sebep olabilir. İnsan yoğunluğunun yüksek olduğu alanlarda panik durumunun gerçekleşmesinden hemen sonra ilgili konuma acil yardım ekiplerinin bir an önce ulaştırılması çok önemlidir. Bu çalışmada, güvenlik kamerası görüntülerinden panik durumu tespiti yapan bir sistem tasarlanmış ve gerçekleştirilmiştir. Bir ortamda şüpheli durumun oluşmasından sonra koşarak kaçma gibi durumlarda hız artışı veya yaralanma gibi durumlarda da hız azalması görülebilir. İnsanların hızlarında yaşanan bu değişimler değerlendirilerek panik durumu tespit edilmiştir. Panik tespit sisteminin gerçekleştirilmesi için Konvolüsyonel Sinir Ağı (KSA) kullanılarak kameranın görüş alanındaki kişiler tespit edilmiştir. Ardından bu kişilerin önceki konumlarından yola çıkılarak muhtemel konumları Kalman filtresi ile hesaplanmıştır. Hesaplanan konumlardan görünüş özellikleri bakımından en uygun olanı Macar algoritması ile seçilmiştir. Macar algoritmasının KSA ile birlikte kullanılmasıyla, başka nesnelerin arkasında kalarak takibi kesilen kişilerin tekrar tespit edilmesi sağlanmıştır. Kişilerin kısa süreli takibiyle yörüngeleri çıkarılmış, ekranda görünen kişilerin her bir bölgedeki ortalama hızları hesaplanmıştır. Görüntü bütün olarak değerlendirildiğinde kameraya yakın kişilerin hareketleri kameraya uzak kişilerden daha hızlıymış gibi algılanır. Görüntünün bölgelere ayrılmasıyla, bölgelerdeki kişilerin hız değişimleri kendi içlerinde değerlendirilmiştir. Bu sayede görüntüde perspektif açıdan oluşan hız yanılgıları giderilerek bu durumun panik tespitine katkısı incelenmiştir. Panik durumu olan ve olmayan bölgelerde hız değişimlerinin farklı olmasının yanlış pozitif tespitleri artırdığı gözlemlenmiştir. Görüntüyü bölgelere ayırma ve adaptif eşik değer yöntemlerinin birlikte kullanılmasıyla yanlış pozitif tespitlerin azaldığı görülmüş, dolayısıyla koordinasyon merkezinde gereksiz uyarı durumunun oluşması en aza indirilmiştir.
Özet (Çeviri)
The automatic extraction of information from the surveillance camera has become a matter of frequent work with the widespread use of surveillance cameras. City surveillance cameras monitored from a single coordination center by authorized personnel. Especially in situations where immediate intervention is required, the presence of a human factor can lead to faults and delays in determining the situation. In areas with a high concentration of human, it is vital that reaching of emergency aid team at the appropriate location immediately after a suspicious situation has occurred. In this study, a system that detects panic situation from surveillance camera is designed and realized. When a suspicious situation occurs, there may be a velocity increase in situations such as running away, or a velocity decrease in situations such as an injury. Panic states were determined by evaluating these changes at the velocity of people. People in the field of view of the camera have been identified using CNN (Convolutional Neural Network) for the realization of the panic detection system. Then, from the previous locations of these people, the possible locations are calculated by the Kalman filter. From the calculated positions, the most suitable one in terms of appearance properties was selected by the Hungarian algorithm. The use of the Hungarian algorithm with the CNN makes it possible to find people who have been interrupted by staying behind other objects. Orbits were extracted with a short follow-up of people, and the average speeds of each person appearing on the screen were calculated. When the whole image is evaluated, it is perceived that the movements of persons close to the camera are faster than those who are away from the camera. By separating the images into regions, the velocity changes of the people in the regions have been evaluated within themselves. At this point, the speed misalignment which is formed in perspective from the viewpoint is eliminated and the contribution to panic detection is investigated. It has been observed that differences in velocity changes in panic and non-panic regions increase false positive detections. The combination of seperating image into regions and adaptive threshold value methods reduced the false positives, so that unnecessary warning situations are minimized in the coordination center.
Benzer Tezler
- Düşük çözünürlüklü yüz görüntülerinin yerel zernike momentleri yöntemi ile sınıflandırılması
Classification of the low resolution face images by local zernike moments method
TOLGA ALASAĞ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
DOÇ. DR. MUSTAFA ERSEL KAMAŞAK
YRD. DOÇ. DR. SERAP KIRBIZ
- Derin öğrenme yöntemleri ile güvenlik kamerası görüntülerinden apronlarda yer operasyonlarının gerçek zamanlı analizi
Real-time analysis of ground operations on aprons from security camera images with deep learning methods
BERNA YILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Videolarda derin öğrenme yaklaşımları ile anormal durum tespiti ve boyut indirgeme sistemi
Anomaly detection and size reduction system with deep learning approaches in videos
MEHMET TEVFİK AĞDAŞ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
- Deep learning-based vehicle classification under low-quality imagining conditions
Düşük kaliteli görüntüleme koşullarında derin öğrenmeye dayalı araç sınıflandırması
ÖZGEN SARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASER DALVEREN
PROF. ALİ KARA
- Fight recognition from still images in the wild
Doğal ortamda sabit görüntülerden kavga tespiti
ŞEYMANUR AKTI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL