Gözetim sistemleri için normal olmayan davranışların algılanması
Abnormal human behavior recognition for surveillance systems
- Tez No: 621365
- Danışmanlar: PROF. DR. OSMAN AYHAN ERDEM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Günümüzde havaalanları, hastaneler, şehir merkezleri gibi kamuya açık alanlar gözetim sistemleri tarafından görüntülenmektedir. Gözetim sistemlerinin yaygın kullanımı ise güvenlik kaygılarını azaltırken, bununla birlikte gerçek zamanlı olarak insanlar tarafından incelenemeyecek boyutlarda video verisi oluşturmaktadır. Bu sebeple videolarda yer alan eylemlerin otomatik olarak analiz edilmesi güvenlik kamera sistemlerinin standartlarını yükseltmektedir. Tez çalışmasında, videolarda gözetimsiz bir şekilde normal olmayan eylem tespiti yapabilmek için Evrişimsel otokodlayıcı (Convolutional Autoencoder) ve Evrişimsel uzun-kısa süreli bellek (Convolutional Long Short-Term Memory) kullanan bir çerçeve (OF-ConvAE-LSTM) geliştirilmiştir. Derin öğrenme modelinin yanı sıra çerçevede optik akış yöntemi video ön plan nesnelerinin hareket ve hız bilgilerinin elde edilmesi için uygulanmıştır. Deneyler iyi bilinen üç veri kümesi olan Avenue, UCSD Ped1 ve UCSD Ped2 üzerinde gerçekleştirilmiştir. Deneysel sonuçlar, önerilen çerçevenin düzenli hareket değişimlerinin karmaşık dağılımını yüksek doğrulukla modellediğini göstermiştir. Ayrıca, önerilen yöntemin gözetimsiz ve yarı gözetimli derin öğrenme modellerine dayanan son teknoloji yaklaşımlardan eğri altındaki alan (EAA) metriğine göre daha iyi performans gösterdiği gözlemlenmiştir.
Özet (Çeviri)
Today, public areas, such as airports, hospitals, city centers are monitored by surveillance systems. The widespread use of surveillance systems reduces security concerns while creating an amount of video data that cannot be examined by people in real-time. Therefore, the concept of automatic understanding of video activities has raised the standards of security camera systems. In this thesis, a framework (OF-ConvAE-LSTM) is proposed to detect anomalies using Convolutional Autoencoder and Convolutional Long Short-Term Memory in an unsupervised manner. Besides the deep learning model, the feature extraction stage based on dense optical flow is applied in the framework to obtain the velocity and direction information of foreground objects. The experiments were carried out on three popular public datasets consisting of Avenue, UCSD Ped1, and UCSD Ped2. The experimental results have shown that the proposed framework models the complex distribution of the pattern of regular motion changes with high accuracy. Besides, this method was observed to outperform in terms of Area Under The Curve (AUC) values against state-of-the-art approaches based on unsupervised and semi-supervised deep learning models.
Benzer Tezler
- A statistical framework for degraded underwater video generation
Bozulmuş sualtı video üretimi için istatistiksel bir yapı
SERKAN ŞATAK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Kalabalık gözetleme ortamlarında anomali tespiti
Anomaly detection in crowded surveillance scenes
EFSUN SEFA SEZER
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BURAK CAN
- Risk management in banking and an application for value at risk (VAR) measurement
Bankacılıkta risk yönetimi ve riske maruz değer (RMD) ölçümü üzerine bir uygulama
ÜMİT ARIKAN
Yüksek Lisans
İngilizce
2003
BankacılıkMarmara ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
YRD. DOÇ. DR. ÖZALP VAYVAY