Kalabalık Ortamlarda Anomali Tespiti
Anomaly Detection in Crowded Scenes
- Tez No: 964313
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ KÖKSAL HOCAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Kamera kullanımı, başta hastaneler ve şehir merkezleri gibi kamusal alanlar olmak üzere artmıştır. Kamera kullanımının başlıca sebepleri istenmeyen durumları tespit etmek ve kayıt altına almaktır. İzlenecek alan büyüdükçe kamera sayısı artmakta bu sebeple kamera görüntülerini analiz edilmesi de güçleşmektedir. Bu hem maliyet hem de hata oranının artması anlamına gelmektedir. Bu sebeplerden ötürü kamera videolarının otomatik bir şekilde analiz edilmesi önem taşımaktadır. Bu çalışmada, literatür araştırması yapılarak yaygın kullanılan anomali tespit yöntemleri araştırılmış ve uygun veri setleri belirlenmiştir. Son yapılan çalışmalarda gözlemlenen karma yöntem: optik akış harita görüntüleri ve otokodlayıcı derin öğrenme modeli kullanılarak kamera görüntülerinde bulunan anomalileri tespit edebilen bir algoritma önerilip performansı incelenmiştir. Yaya yollarında bulunan ve yüksek bir yere monte edilmiş sabit bir kamera ile elde görüntülerden oluşan UCSD ve Minnesota Üniversitesinin kalabalığın paniğe kapılarak kaçıştığı durumları temsil etmek için oluşturduğu UMN veri setleri kullanılmıştır. Yaya yollarında yaya dışında farklı varlıkların bulunması, yayaların oluşturduğu anormal hareket örüntüleri (yayaları çimlere basması) ve kalabalığın aniden kaçışmaya başlaması anomali durumları olarak kabul edilmiştir. Test edilecek her görüntü için ayrı eğitim yapılması ve anomali eşik değerinin her test videosu için özel olarak belirlenmesi farklılıkları performansı arttıran unsurlardan olmuştur. Anomalinin kalabalık arasına girdiği ve hareket hızını düşürdüğü durumlarda algoritmanın performansının düştüğü gözlemlenmiştir. Sadece hıza bağlı anomaliler dışında hareket yönü temelli anomaliler de başarılı şekilde tespit edilebilmiştir. Önerilen yöntemin performansını ölçmek için“doğruluk”başarı metriği kullanılmıştır. UCSD Ped-1 veri setinde %81 UCSD Ped-2 veri setinde %82 ve UMN veri setinde %91.18 doğruluk ile başarı elde edilmiştir. Önerilen algoritmanın; gerçek zamanlı çalışabilirliğini daha güvenilir şekilde test etmek adına yüksek örnekleme ile elde edilmiş veri setleri kullanmak, performansını arttırmak için derin öğrenme modelinin performansını arttırmak gelecekte yapılacak çalışmalar arasındadır.
Özet (Çeviri)
The use of cameras has increased, particularly in public spaces such as hospitals and city centers. The primary purposes of camera usage are to detect and record undesired incidents. As the monitored area grows, the number of cameras increases, making it more challenging to analyze camera footage. This leads to higher costs and increased error rates. For these reasons, the automatic analysis of camera footage has become important. In this study, a literature review was conducted to examine commonly used anomaly detection methods, and an appropriate dataset was selected. A hybrid method observed in recent studies—using optical flow map images and an autoencoder deep learning model—was proposed to detect anomalies in camera footage, and its performance was evaluated. The UCSD datasets, consisting of footage captured by a fixed camera mounted at a high point on pedestrian walkways, were utilized. Anomalies were defined as the presence of non-pedestrian entities on the walkways and abnormal movement patterns of pedestrians (e.g., pedestrians walking on grass). All anomalous situations occurred naturally. Training was conducted separately for each test image, and anomaly threshold values were determined specifically for each test video, which were factors that improved performance. It was observed that the algorithm's performance decreased when anomalies entered crowded areas and reduced movement speed. However, direction-based anomalies, as opposed to those solely dependent on speed, were successfully detected. The performance of the proposed method was evaluated using the“accuracy”metric. The method achieved a success rate of 81% on the UCSD Ped-1 dataset and 82% on the UCSD Ped-2 dataset. To test the real-time operability of the proposed algorithm more reliably, future studies will focus on using datasets obtained with higher sampling rates and improving the performance of the deep learning model to enhance overall performance.
Benzer Tezler
- Kalabalık sahnelerde makine öğrenmesi algoritmalarıyla anomali tespiti
Anomaly detection in crowded scenes with machine learning algorithms
HATİCE KÜBRA BOYRAZLI
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR
- 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
- Anomaly detection for video surveillance in crowded environments
Kalabalık ortam video görüntülerinde anomali tespiti
CİHAN ÖNGÜN
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ULUSOY PARNAS
DOÇ. DR. ALPTEKİN TEMİZEL
- Ormanlarda kar zararını etkileyen bazı fizyografik ve edafik faktörlerin incelenmesi: Boyabat Orman İşletme Müdürlüğü örneği
Investigating the effects of some physiographic and edaphic factors influencing snow damage on trees: a case study of Boyabat Forest Enterprise
ABDULLAH KAPUCU
Yüksek Lisans
Türkçe
2019
Ormancılık ve Orman MühendisliğiKastamonu ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF OĞUZ ALTUNEL
- Formation control of unmanned aerial vehicles fordynamic formation reshaping to abruptly arisingenvironmental features
Aniden ortaya çıkan çevresel durumlara göreşekillenen dinamik formasyonlar için insansız havaaraçlarının formasyon kontrolü
SİNAN ÇİMEN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDAN MÜŞERREF ERKMEN