Kalabalık ortam görüntülerinde anormallik tespiti
Anomaly detection in crowded environment images
- Tez No: 995992
- Danışmanlar: DOÇ. DR. ÖMER ÇETİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Sayısal görüntü işleme, Digital image processing
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Milli Savunma Üniversitesi
- Enstitü: Atatürk Stratejik Araştırmalar ve Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde video gözetim sistemleri, güvenlik amacıyla yoğun olarak kullanılmakta ve bu sistemlerden elde edilen görüntülerin otomatik olarak analiz edilmesi giderek önem kazanmaktadır. Kalabalık içeren sahnelerde şiddet içerikli olayların sadece tespit edilmesi değil, aynı zamanda bu olayların ne zaman başladığı, ne zaman sona erdiği ve ne kadar sürdüğünün de belirlenmesi, olay müdahalesi ve kanıt sunumu açısından kritik öneme sahiptir. Bu tez çalışmasında, video sekanslarında meydana gelen şiddet içerikli anormalliklerin hem sınıflandırılması hem de zaman segmentasyonu yapılması hedeflenmiştir. Bu amaca ulaşmak için iki temel yöntem önerilmiştir. Öncelikle, görüntü çerçeveleri (frame) arasında MixUp temelli enterpolasyon ile veri artırımı uygulanarak eğitim verisi çeşitlendirilmiş, sonraki aşamada şiddet olup olmadığına dair model çıktıları bir filtreleme algoritması ile işlenerek, olayın başlangıç ve bitiş noktaları doğru şekilde belirlenmiştir. Çalışmada Hockey Fight, YouTube (Surv. Cam.) Fight ve THUMOS gibi önde gelen veri kümeleri kullanılmıştır. Sınırlı eğitim veri kümeleri özellik kaybı olmadan modern MixUp yöntemi ile artırılarak en iyi parametre değerinde ortalama eğitim başarımı F1 puanı %93,35 olarak elde edilmiştir. Önerilen filtreleme yöntemi ile %97,6 F1 puanı değerine ulaşılmıştır. Sonuçlar, MixUp ile elde edilen enterpolatif görüntü çerçevelerinin model başarımını anlamlı biçimde artırdığını ve filtreleme adımı sayesinde şiddet olayının zaman aralığının yüksek doğrulukla tespit edilebildiğini, FP alanlarının azaltılmasıyla şiddet olaylarının başlangıç ve bitiş noktalarının yüksek doğruluk oranlarında tespit edilebildiğini göstermektedir. Bu çalışmanın, video gözetimi ve davranış analizi alanında hem veri artırma hem de zaman hassasiyetli şiddet tespiti konularına katkı sağladığı düşünülmektedir.
Özet (Çeviri)
Nowadays, video surveillance systems are used extensively for security purposes and automatic analysis of the images obtained from these systems is becoming increasingly important. Not only detecting violent events in crowd scenes, but also determining when they start, when they end, and how long they last is critical for incident response and evidence presentation. In this thesis, we aim to perform both classification and time segmentation of violent anomalies occurring in video sequences. Two main methods are proposed to achieve this goal. First, the training data is diversified by applying MixUp-based interpolative data augmentation between image frames, and then the model outputs are processed with a filtering algorithm to accurately determine the start and end points of the event. The study utilized leading datasets such as Hockey Fight, YouTube (Surv. Cam.) Fight and THUMOS. Limited training datasets were augmented using the modern MixUp method without feature loss, achieving an average training performance F1 score of 93.35% at the optimal parameter value. The proposed filtering method achieved an F1 score of 97.6%. The results show that the interpolative frames obtained with MixUp significantly improve model performance and that the filtering step enables the time interval of violent incidents to be detected with high accuracy. Furthermore, the reduction in FP areas allows the start and end points of violent incidents to be detected with high accuracy rates. This study is expected to contribute to both data augmentation and time-sensitive violence detection in the field of video surveillance and behavior analysis.
Benzer Tezler
- 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
- Crowd counting, localization and anomaly detection with convLSTM based CNN using synthetic images
Evrişimli uzun-kısa süreli hafıza tabanlı evrişimsel sinir ağları ile sentetik görüntüler kullanarak kalabalık sayımı, lokalizasyonu ve anomali tespiti
MUHAMMET FURKAN COŞKUN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE AKAR
- Land cover classification using cloud-based machine learning techniques: A case study from Istanbul Metropolitan City
Bulut tabanlı makine öğrenmesi teknikleri kullanılarak arazi örtüsü sınıflandırması: İstanbul Metropol örneği
ŞEVVAL DURMAZBİLEK
Yüksek Lisans
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Direct perception of traversibility affordance on range images through learning on a mobile robot
Gezgin bir robotta, öğrenme yoluyla, uzaklık görüntülerinden ortamın gezilebilirliğinin dolaysız algısı
EMRE UĞUR
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EROL ŞAHİN
- İnsansız hava araçları için derin öğrenme tabanlı otonom iniş sisteminin geliştirilmesi
Development of deep learning-based autonomous landing system for unmanned aerial vehicles
HASAN HAMED
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiFırat ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMÜR AYDOĞMUŞ