Geri Dön

Gözetim sistemleri için normal olmayan davranışların algılanması

Abnormal human behavior recognition for surveillance systems

PDF İndir

  1. Tez No: 621365
  2. Yazar: ELVAN DUMAN
  3. Danışmanlar: PROF. DR. OSMAN AYHAN ERDEM
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    959126

    Data-driven anomaly detection for airspace security using ADS-B surveillance data

    ADS-B gözetim verisi ile hava sahası güvenliği için veri tabanlı anomali tespiti

    ABDULLAH ÇERKEZOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DOÇ. BARIŞ BAŞPINAR

  2. Tez No

    834354

    A statistical framework for degraded underwater video generation

    Bozulmuş sualtı video üretimi için istatistiksel bir yapı

    SERKAN ŞATAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. Tez No

    753612

    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

    İngilizce

    2022

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. Tez No

    927953

    A machine learning-based approach for automatic theft detection

    Otomatik hırsızlık tespiti için makine öğrenimi tabanlı bir yaklaşım

    İREM KARACA ULUOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. BARIŞ ETHEM SÜZEK

  5. Tez No

    478494

    Kalabalık gözetleme ortamlarında anomali tespiti

    Anomaly detection in crowded surveillance scenes

    EFSUN SEFA SEZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET BURAK CAN

Geri Dön