Gözetim sistemleri için normal olmayan davranışların algılanması


Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: Türkçe

Öğrenci: ELVAN DUMAN

Danışman: OSMAN AYHAN ERDEM

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