Automatic detection of unusual crowd behavior in real-time video surveillance systems
Gerçek zamanlı video gözetim sistemlerinde olağandışı kalabalık davranışlarının otomatik tespiti
- Tez No: 989540
- Danışmanlar: DR. ÖĞR. ÜYESİ Sherenaz W. Al-Haj Baddar
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Unıversıty Of Jordan (al-Jamı'ah Al-Urdunıa)
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Olağandışı Kalabalık Algılama (UCD) sistemi, gerçek zamanlı video sahneleri yakalayan sabit bir kamera kullanarak, kapalı bir kapalı etkin noktada bireyleri ten rengine göre algılamayı amaçlar. Sistem, olağandışı durumları gerçek zamanlı olarak tespit etmek için videoyu dağıtılmış bir şekilde bir dizi görüntü olarak işler. UCD sistemi tespit etmede farklı bir yaklaşım kullanır. Bir sahnede görünen bireylerin sayısını sayarak ve bunları aralarındaki mesafelere göre kümeleyerek olağandışı kalabalık. Olağandışı bir kalabalığın varlığına karar vermek için bir küme içindeki bireylerin sayısını belirleyen bir kalabalık eşik değeri hesapladık. Bu eşik, görüntünün boyutuna ve yüzlerin ortalama boyutuna bağlıdır. Gerçek zamanlı olarak olağandışı kalabalığı algılamaya yardımcı olan birden çok kareyi aynı anda işlemek için çok iş parçacıklı UCD geliştirdik. Ten rengi UCD sistemi, yaygın olarak kullanılan diğer iki insan algılama yöntemiyle, Yönlendirilmiş Gradyanların Histogramı (HOG) ve Yerel İkili Modeller (LBP) ile karşılaştırıldı. Tüm yöntemler için kesinlik, geri çağırma, Jaccard indeksi ve Dice indeksini ölçtük. Sonuçlar, ten rengi UCD sisteminin, kalabalık sahnelerde geri çağırma, Dice indeksi ve Jaccard indeksi gibi diğer yöntemlerden daha iyi performans gösterdiğini gösterdi. Bu üç yaklaşımın çok iş parçacıklı versiyonları, 48 iş parçacığı kullanan UCD sistemi için en iyi bağıl hızlanmanın ten rengi yöntemi için 5.9, HOG için 1.7 ve LBP için 5.96 olduğunu gösterdi.
Özet (Çeviri)
The Unusual Crowd Detection (UCD) system aims at detecting individuals by their skin color in a covered indoor hotspot using a fixed camera that captures real-time video scenes. The system processes the video as a sequence of images in a distributed manner to detect unusual situations in real-time. To the best of our knowledge, the UCD system uses a distinct approach in detecting unusual crowd by counting the number of individuals appearing in a scene and clustering them according to the distances between each other. We calculated a crowd threshold value which designates the number of individuals within a cluster to decide the existence of unusual crowd. This threshold is based on the size of the image and the average size of the faces. We developed multi-threaded UCD to process multiple frames concurrently which helps detect unusual crowd in real-time. The skin-color UCD system was compared with two other widely-used human detection methods, the Histogram of Oriented Gradients (HOG) and Local Binary Patterns (LBP). We measured the precision, recall, Jaccard index and Dice index for all methods. The results showed that the skin-color UCD system outperformed the other methods in recall, Dice index and Jaccard index in crowded scenes. The multi-threaded versions of these three approaches showed that the best relative speedup for the UCD system was 5.9 for skin-color method, 1.7 for HOG and 5.96 for LBP using 48 threads.
Benzer Tezler
- Automatic detection of intrusion attacks in iot networks usingBI-LSTM-CNN neural network
IoT ağlarında BI-LSTM-CNN sinir ağı kullanılarak sızma saldırılarının otomatik algılanması
SINDIBAD ALI FAYYADH FAYYADH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLA KAYABAŞ
- The vessel route pattern extraction and anomaly detection from ais data
Aıs verılerı ıle rota örüntüsü çıkarımı ve anomalı tespıtı
GÖZDE BOZTEPE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR KARAGÖZ
- Fall detection for elderly people using depth video data obtained by kinect
Kinect'le elde edilen video derinlik verisi kullanılarak yaşlı insanların düşüşünün tespiti
AMİR ABBAS DAVARİ
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF TANJU ERDEM
- Acoustic anomaly detection in industrial plants
Endüstriyel tesislerde akustik anomali tespiti
TAHA BERKAY DUMAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Anomaly detection for video surveillance in crowded environments for police
Başlık çevirisi yok
BILAL FAREED ABBAS ALANI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT