Geri Dön

Anomaly detection for video surveillance in crowded environments for police

Başlık çevirisi mevcut değil.

  1. Tez No: 760979
  2. Yazar: BILAL FAREED ABBAS ALANI
  3. Danışmanlar: PROF. DR. OĞUZ BAYAT
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

İnsan olağandışı hareketi, olağandışı trafik, suç duygusu, grup şiddeti vb. dahil olmak üzere anormallik tespiti, kapalı devre televizyondan (CCTV) elde edilen sanal veri kullanılabilirliğinden esinlenmiştir. Anormallik varlığının mantığı, sanal verilerin çoğunun (gözetim verileri) %100 olasılıkla anormal olayları içermediği varsayımıyla yapılır. Anormal olay normal olaydan daha az olasıdır, bu nedenle, günlük zamanları için verileri gözlemleyen kişilerin gözetim için atanması, zaman ve insan gücü israfı nedeniyle artık takdir görmemektedir. Bu çalışmada, algılamayı gerçekleştirmek ve insan gücü gözetimini dağıtmak için derin öğrenme teknolojisini kullanan bu çalışmada, iyi performansın çok daha ucuz bütçeler olmasını sağlayan otomatik anormallik tespiti önerilmiştir. Bunun için uzun kısa süreli sinir ağı (LSTM) kullanılır; LSTM performansı, önerilen son teknoloji ile karşılaştırılır, örneğin, K-en yakın komşu parçacık sürü optimizasyonu (KNN-PSO) ile birlikte İleri Beslemeli Sinir Ağı. Önerilen tekniğin durumu, anormallik tespit doğruluğunda daha iyi performans gösteriyor, maksimum tanıma doğruluğu yüzde 99.18345128 idi.

Özet (Çeviri)

Abnormality detection including human unusual movement, unusual traffic, crime sense, group violence, etc. is inspirited by virtual data availability which is obtained from closed circuit television (CCTV). The logic of abnormality existence is made in assumption that most of the virtual data (surveillance data) is not included abnormal events with 100 % probability. The abnormal event is less probable than the normal one hence, appointing of people for surveillance who observe the data for log times is no longer appreciated due to the time and manpower wastage. Automatic abnormality detection is proposed in this work using deep learning technology to perform the detection and dispense manpower surveillance which ensures good performance is far less expensive budgets. Long short-term neural network (LSTM) is used for the same; LSTM performance is compared with the proposed state of the art e.g., Feed Forward Neural Network accompanied with K-nearest neighbor particle swarm optimization (KNN-PSO). The proposed state of the art is outperformed in abnormality detection accuracy, the maximum recognition accuracy was 99.18345128 percent.

Benzer Tezler

  1. Anomaly detection for video surveillance in crowded environments

    Kalabalık ortam video görüntülerinde anomali tespiti

    CİHAN ÖNGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKAY ULUSOY PARNAS

    DOÇ. DR. ALPTEKİN TEMİZEL

  2. 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

  3. Anomaly detection for video-based surveillance using covariance features and modeling of sequences via LSTMS

    Video bazlı gözetim sistemlerinde kovaryans öznitelikleri kullanımı ve dizilerin LSTM modellenmesi ile anomali sezimi

    ALİ ENVER BİLECEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN

  4. Video gözetiminde anormal hareket tespiti

    Abnormal motion detection for surveillance video

    ERKAN ŞENGÖNÜL

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. REFİK SAMET

  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