Dissertação

Detecção de comportamento anormal em vídeos de multidão

Sistemas de segurança produzem uma quantidade massiva de material de vídeo que pode ser utilizada para reconhecer comportamento anormal ou atividades que ofereçam riscos à saúde das pessoas. Entretanto, nem sempre os operadores humanos são capazes de ava-liar de forma coerente todo o material dispon...

ver descrição completa

Autor principal: Gregoratto, Caio de Jesus
Outros Autores: http://lattes.cnpq.br/7921625025564103
Grau: Dissertação
Idioma: por
Publicado em: Universidade Federal do Amazonas 2016
Assuntos:
Sistemas de Segurança
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Acesso em linha: http://tede.ufam.edu.br/handle/tede/5251
id oai:https:--tede.ufam.edu.br-handle-:tede-5251
recordtype dspace
spelling oai:https:--tede.ufam.edu.br-handle-:tede-52512016-11-25T05:04:05Z Detecção de comportamento anormal em vídeos de multidão Gregoratto, Caio de Jesus Santos, Eulanda Miranda dos http://lattes.cnpq.br/7921625025564103 http://lattes.cnpq.br/3054990742969890 Sistemas de Segurança CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Sistemas de segurança produzem uma quantidade massiva de material de vídeo que pode ser utilizada para reconhecer comportamento anormal ou atividades que ofereçam riscos à saúde das pessoas. Entretanto, nem sempre os operadores humanos são capazes de ava-liar de forma coerente todo o material disponível. Portanto, reconhecer comportamento em vídeo de forma automatizada pode ser fundamental para que o uso de sistemas de vigilância seja eficiente em manter a segurança de uma área ou a integridade das pes-soas em locais públicos. Diante disso, esta dissertação apresenta um método voltada para detectar e reconhecer comportamento anormal em vídeos de multidão. Esse método com-bina técnicas baseadas em características com técnicas baseadas na aparência e as utiliza conforme o contexto das atividades presentes na cena. Técnicas baseadas na aparência utilizam modelos matemáticos gerados a partir dos níveis de intensidade da imagem para realizar suas tarefas, enquanto que as técnicas baseadas em características usam dados extraídos da imagem, como bordas, linhas e coordenadas, para derivar seus modelos. O método proposto exibe para o operador humano, por meio de marcações visuais, somente conteúdo com possíveis ocorrências de aglomeração ou dispersão da multidão, compor-tamentos considerados anormais avaliados nesta pesquisa. Os resultados obtidos nos ex-perimentos mostram que a abordagem proposta é capaz de reconhecer comportamentos anormais em vídeos de multidão e marcar as regiões na imagem onde ocorrem anomalias do tipo aglomeração ou dispersão das pessoas na cena. O método proposto, diferente das demais abordagens existentes na literatura, faz avaliações distintas entre as cenas suspei-tas de conter comportamento anormal e as cenas com comportamento normal ou somente com a imagem de fundo. Como consequência, os resultados dos experimentos mostram que o método proposto apresenta tempo de execução 64% menor do que os baselines em uma base de dados criada neste trabalho e 71% menor nas bases de dados UMN e PETS2009. Além disso, o método proposto atinge uma acurácia de 90% na base de dados YAB, enquanto o baseline atinge 85%. Security systems produce a massive amount of video material that can be used to recog-nize abnormal behavior or activities, which expose the people to life-threatening scenarios. However, human operators are not able to evaluate ali the material available in a consistent manner. So, the automatic recognition of video behavior can be crucial for the effective use of surveillance systems to maintain the security of an area or the integrity of people in pub-lic places. This work presents an method focused on the recognition of abnormal behavior in crowd videos. This method combines feature-based methods with appearance-based methods and use them according to the context of the scene. Appearance-based methods create modela based on the leveis of image intensity, while feature-based methods use data extracted from the image, such as edges, lines and coordinates, to generate their modela. The feature-based approach is generally used because it describes the scene in more de-tails, however it involves higher computational costa. The proposed method displays for the human operator only content with possible crowd agglomeration or dispersing, which are considered abnormal behaviors evaluated in this research. The displayed video receive visual marks to help the human operator to locate suspicious activities identified by the system. The resulta obtained during the experiments show that the proposed method is able to recognize abnormal behaviors in crowd videos and mark areas of the image where abnormalities as agglomeration or dispersion are detected. The proposed method, differ-ent from classical approaches available in the literature, makes assessments of the suspect acenes different from the assessment of the acenes with normal behavior or with only the background. As a consequence, experimental resulta show that the proposed method performs 64% faster than the baselines over a database created for Chis work, as well as 71% faster than baselines on UMN and PETS2009 databases. In addition, the proposed method achieves 90% of accuracy on the YAB database, otherwise the baseline method achieves 85% of accuracy. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2016-11-24T13:42:50Z 2016-06-03 Dissertação GREGORATTO, Caio de Jesus. Detecção de comportamento anormal em vídeos de multidão. 2016. 84 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2016. http://tede.ufam.edu.br/handle/tede/5251 por Acesso Aberto application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática
institution TEDE - Universidade Federal do Amazonas
collection TEDE-UFAM
language por
topic Sistemas de Segurança
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
spellingShingle Sistemas de Segurança
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Gregoratto, Caio de Jesus
Detecção de comportamento anormal em vídeos de multidão
topic_facet Sistemas de Segurança
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
description Sistemas de segurança produzem uma quantidade massiva de material de vídeo que pode ser utilizada para reconhecer comportamento anormal ou atividades que ofereçam riscos à saúde das pessoas. Entretanto, nem sempre os operadores humanos são capazes de ava-liar de forma coerente todo o material disponível. Portanto, reconhecer comportamento em vídeo de forma automatizada pode ser fundamental para que o uso de sistemas de vigilância seja eficiente em manter a segurança de uma área ou a integridade das pes-soas em locais públicos. Diante disso, esta dissertação apresenta um método voltada para detectar e reconhecer comportamento anormal em vídeos de multidão. Esse método com-bina técnicas baseadas em características com técnicas baseadas na aparência e as utiliza conforme o contexto das atividades presentes na cena. Técnicas baseadas na aparência utilizam modelos matemáticos gerados a partir dos níveis de intensidade da imagem para realizar suas tarefas, enquanto que as técnicas baseadas em características usam dados extraídos da imagem, como bordas, linhas e coordenadas, para derivar seus modelos. O método proposto exibe para o operador humano, por meio de marcações visuais, somente conteúdo com possíveis ocorrências de aglomeração ou dispersão da multidão, compor-tamentos considerados anormais avaliados nesta pesquisa. Os resultados obtidos nos ex-perimentos mostram que a abordagem proposta é capaz de reconhecer comportamentos anormais em vídeos de multidão e marcar as regiões na imagem onde ocorrem anomalias do tipo aglomeração ou dispersão das pessoas na cena. O método proposto, diferente das demais abordagens existentes na literatura, faz avaliações distintas entre as cenas suspei-tas de conter comportamento anormal e as cenas com comportamento normal ou somente com a imagem de fundo. Como consequência, os resultados dos experimentos mostram que o método proposto apresenta tempo de execução 64% menor do que os baselines em uma base de dados criada neste trabalho e 71% menor nas bases de dados UMN e PETS2009. Além disso, o método proposto atinge uma acurácia de 90% na base de dados YAB, enquanto o baseline atinge 85%.
author_additional Santos, Eulanda Miranda dos
author_additionalStr Santos, Eulanda Miranda dos
format Dissertação
author Gregoratto, Caio de Jesus
author2 http://lattes.cnpq.br/7921625025564103
author2Str http://lattes.cnpq.br/7921625025564103
title Detecção de comportamento anormal em vídeos de multidão
title_short Detecção de comportamento anormal em vídeos de multidão
title_full Detecção de comportamento anormal em vídeos de multidão
title_fullStr Detecção de comportamento anormal em vídeos de multidão
title_full_unstemmed Detecção de comportamento anormal em vídeos de multidão
title_sort detecção de comportamento anormal em vídeos de multidão
publisher Universidade Federal do Amazonas
publishDate 2016
url http://tede.ufam.edu.br/handle/tede/5251
_version_ 1831969420896894976
score 11.753735

Registros relacionados