Μηχανική όραση για ανίχνευση γεγονότων σε βίντεο στοχαστικών κινήσεων

Περίληψη

Η παρούσα διατριβή παρουσιάζει την ανάπτυξη καινοτόμων τεχνικών με σκοπό το χειρισμό ακολουθιών βίντεο, όπως συλλαμβάνονται από στατικές κάμερες παρακολούθησης για λόγους ασφαλείας. Συγκεκριμένα, μελετάται εις βάθος το πρόβλημα της ανίχνευσης ανωμαλιών, οριζόμενων ως οι αποκλίσεις από τα κυρίαρχα συμβάντα, για μια ποικιλία καταστάσεων πραγματικού κόσμου, σε μια προσπάθεια να αποφευχθούν πιθανά γεγονότα κρίσης. Στα πλαίσια της συγκεκριμένης εργασίας, προτείνονται διαφορετικές μεθοδολογίες που αφορούν σε τρεις ευρέως διαδεδομένες κατηγορίες του τομέα της βιντεοεπιτήρησης (σενάρια ανθρώπινων πληθών, οδικής κυκλοφορίας και χρονομεταβαλλόμενων υφών) για την επιτυχή αντιμετώπιση όλων των προβλημάτων που προκύπτουν στην εκάστοτε περιοχή.Αρχικά, σε μία προσπάθεια να εξαχθούν ισχυροί περιγραφείς κίνησης, εφαρμόζεται μια καινοτόμος ιδέα εμπνευσμένη από τη θεωρία σμήνους. Αναλυτικότερα, εκμεταλλευόμενοι τη νοημοσύνη των σμηνών, σε συνδυασμό με ορισμένα χαρακτηριστικά εμφάνισης, οδηγούμαστε στην ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This dissertation presents the development of innovative techniques aiming at handling video scenes, as captured by static surveillance cameras for security purposes. Specifically, the problem of anomaly detection, defined as divergences from dominant paths, is studied in-depth for a variety of real word situations, in an effort to prevent potential crisis events. In this work, different methodologies concerning three widespread categories in video surveillance (crowds, traffic and dynamic textures) are proposed in order to successfully tackle all the problems arising in the area. Firstly, a newly introduced concept based on swarm theory is applied for the extraction of robust motion characteristics. Swarm intelligence is exploited and, in combination with appearance features, contribute to the form of a powerful descriptor, effectively describing crowded scenes’ dynamics. At the same time, a hybrid local-global approach related to the extraction of multiple hierarchical Dirichlet pro ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/43753
ND
43753
Εναλλακτικός τίτλος
Computer vision techniques for detecting events in videos characterized by stochastic motions
Συγγραφέας
Καλτσά, Βάγια Γεώργιος
Ημερομηνία
2018
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Πολυτεχνική. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρονικής και Υπολογιστών
Εξεταστική επιτροπή
Στρίντζης Μιχαήλ Γεράσιμος
Ντελόπουλος Αναστάσιος
Συμεωνίδης Αντρέας
Μήτκας Περικλής
Κομπατσιάρης Ιωάννης
Παπαγιαννάκης Γεώργιος
Χατζηχριστοφής Σάββας
Μπριασούλη Αλεξία
Επιστημονικό πεδίο
Μηχανική & Τεχνολογία
Επιστήμες Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού & Μηχανικού Η/Υ
Λέξεις-κλειδιά
Ανάλυση βίντεο; Νοημοσύνη σμήνους; Υπολογιστική όραση
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xii, 145 σ., εικ., πιν., σχημ., γραφ.