Automated crowd behavior analysis for video surveillance applications

Abstract

Gözetleme videolarını kullanarak otomatik olarak kalabalık davranışı analizi yapmak, tehlikeli kalabalıkların tespitini ve bir kalabalığın nereye gittiğinin tespitini sağladığından, toplum güvenliği açısından önemli bir konudur. Bilgisayarla görme tabanlı kalabalık analizi üç gruba ayrılabilir; kişi sayımı, kişi takibi ve kalabalık davranış analizi. Bu araştırmada, kalabalık davranış analizi konusu üzerine çalışılacaktır. Literatürde,kalabalık davranış analizi konusunda iki çeşit yaklaşım bulunmaktadır: birinci yaklaşım kalabalıktaki bireylerin davranışlarını analiz etme (obje tabanlı) ve bu bilgiyi kullanarak kalabalığın davranışı hakkında çıkarım yapma, ikinci yaklaşım ise kalabalığı bir bütün olarak analiz etme (bütüncül) olarak tanımlanabilir. Bu çalışmada, her iki yaklaşım da irdelenecek ve en uygun yaklaşım üzerine daha ileri araştırmalar yapılacaktır. Bu çalışmada, gerçek zamanlı kalabalık davranış anomalilerini tespit etmek için ölçekleme değişmez özellik dönüştürme(SIFT) yöntemi ve makine öğrenimi yöntemleri kullanılarak bütüncül bir metod uygulanmıştır.

Automated analysis of a crowd behavior using surveillance videos is an important issue for public security, as it allows detection of dangerous crowds and where they are headed. Computer vision based crowd analysis algorithms can be divided into three groups; people counting, people tracking and crowd behavior analysis. In this thesis, the behavior understanding will be used for crowd behavior analysis. In the literature, there are two types of approaches for behavior understanding problem: analyzing behaviors of individuals in a crowd (object based) and using this knowledge to make deductions regarding the crowd behavior and analyzing the crowd as a whole (holistic based). In this work, a holistic approach is used to develop a real-time abnormality detection in crowds using scale invariant feature transform (SIFT) based features and unsupervised machine learning techniques.