Kalabalık Ortam Video Gözetleme Uygulamalarında Anomali Tespiti


Temizel A. (Yürütücü) , Taşkaya Temizel T.

TÜBİTAK Projesi, 2012 - 2014

  • Proje Türü: TÜBİTAK Projesi
  • Başlama Tarihi: Ekim 2012
  • Bitiş Tarihi: Haziran 2014

Proje Özeti

Güvenlik kameralarının sayıları ve video gözetleme sistemlerinin kullanıldığı alanlar gün geçtikçe artmaktadır. Olağandışı olayların anında tespiti ve gerekli önlemlerin en kısa zamanda alınması özellikle insanların yoğun olduğu kapalı yerlerde önem arz etmektedir. Metro istasyonları ve havalimanları gibi iç mekanlarda sürekli artan sayıda kameralardan gelen görüntülerinin operatörler tarafından 24/7 izlenerek takip edilmesi maliyet olarak yüksektir. Ayrıca operatörlerin tüm kameraları birlikte izleyerek olayları gerçek zamanlı değerlendirmesi artan kamera sayısıyla imkansız hale gelmiş ve gerektiğinde operatörleri uyaracak otomatik analiz sistemlerine ihtiyaç duyulmaya başlanmıştır. Halihazırdaki çoğu sistem kural bazlıdır, farklı kameralardaki görüntülere uyum sağlayamazlar ve kalabalık görüntülerinde yetersiz kalmaktadırlar. Bu projede kalabalık iç mekanlarda güvenlik kameraları görüntüleri üzerinde gerçek zamanlı çalışabilecek güç algılanan (subtle) olağandışılıkları herhangi bir sabit kural kümesi kullanmadan otomatik olarak saptayan ve operatörleri uyaran akıllı bir çerçeve geliştirilecektir.

Video görüntüsünde belirgin nesneler olduğunda, obje-bazında izleme ve gösterim ile (object-based tracking and representation) normal davranışlardan sapmalar hesaplanarak anomali tespit edilebilir. Bir metro istasyonunda beklenen davranış insanların belirli akış yönlerinde ve göreceli olarak düzenli olarak hareket etmesidir. İzdiham durumlarında oluşan düzensiz hareketler, beklenen akış yönüne ters kalabalık akışı ya da normale göre az/çok insan yoğunluğu normal davranışlardan sapan anomali olaylara örnektir. Obje sayısı az olduğunda objeler takip edilerek yörüngeleri ve hızları gibi özelliklerin değerlendirilmesi ile anomali tespitlerinin yapılması mümkündür. Fakat obje sayısı arttığında olağandışı olayların tespiti kapatma (occlusion) veya yörünge kesikliliğinden (trajectory discontinuities) dolayı obje-bazında izleme ve gösterim ile güçtür. Ayrıca birden fazla objenin olduğu senaryolarda, obje tabanlı gösterim öğrenmeyi ve çıkarım yapmayı güçleştiren oldukça kompleks bir model yapısına yol açar.

Kalabalık görüntülerindeki anomali tespiti için yakın zamanda imgecik tabanlı gösterim teknikleri kullanılmaya başlanmıştır. Bu tekniğe dayalı çözümler birçok objenin bulunduğu görüntülerde kabul edilebilir bir başarı vermektedir. Fakat hesaplama yükleri nedeniyle gerçek zamanlı sistemler için kullanılması güçtür.

Anomaliler duruma bağlı olarak değişkenlik gösterebilir. Belli bir ortamda normal olarak nitelendirilebilen bir örüntü farklı bir mekan için anomali olabilir. Aynı mekan içinde farklı zaman aralıklarında anomali örüntüleri de değişkenlik gösterebilir. Örneğin bir metroda belli zaman aralıklarında oluşan kalabalık (metro aracı yaklaşmasına yakın ya da iş saatleri) normal olarak nitelendirilebilir fakat akşam geç vakit oluşan bir kalabalık normal olarak tanımlanamaz. Literatürdeki yöntemler zamana bağlı değişkenlik gösteren ortama bağlı anomalileri ele almamaktadırlar.

Projede zamana ve mekana göre değişkenlik gösteren anomali örüntülerini herhangi bir öncü kural kümesi kullanmadan öğrenip tespit edebilen bir metot geliştirilecektir. Yöntem gerçek zamanlı çalışabilecek imgecik tabanlı analiz ve gösterim tekniklerine dayalı bir metot olacaktır. Anomalilerin tespiti için gürültüden az etkilenen Scale Invariant Feature Transform (SIFT) tabanlı bir algoritma kullanılacaktır. SIFT yönteminin literatürde kullanılan bazı anomali tespit algoritmalarında kullanılan Features from Accelerated Segment Test (FAST) + Histogram of Oriented Gradients (HOG) gibi yaklaşımlarına göre gürültülerden daha az etkilendiği belirtilmesine rağmen yüksek hesaplama ihtiyacı nedeniyle gerçek zamanlı kullanımının mümkün olmadığı belirtilmektedir. Bu nedenle bu projede hem SIFT hem de imgecik tabanlı gösterim tekniklerin gerçek zamanlı çalışabilecek GPU tabanlı versiyonları kullanılacaktır. Zamana bağlı anomalilerin tespiti ve öğrenimi için ise Dinamik Bayes Ağ tabanlı bir algoritma geliştirilecektir. Projedeki çıktılar iç mekan video görüntülerinde ve Half Life 2 oyun motoru üzerine kurulu ObjectVideo Virtual Video aracı kullanılarak oluşturulacak olan sentetik veriler üzerinde denenecek ve sonuçlar kesin referans (ground truth) bilgileri ile karşılaştırılacaktır.