Μηχανική όραση για ανίχνευση γεγονότων σε βίντεο στοχαστικών κινήσεων

Abstract

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 processes is adopted in order to deal with traffic video sequences. The proposed method successfully captures scene’s correlations and rules, often found in these kind of scenarios, leading to an efficient traffic analysis. Finally, a novel scheme, focusing on detecting and localizing a wide range of dynamic textures, as captured by surveillance cameras, is introduced. More precisely, a new handcrafted descriptor is adopted, while a framework based on multi-scale superpixel clustering is used in order to detect textures of high interest for outdoor surveillance (e.g. fire, water etc.). In each case, the proposed scheme is validated in a wide range of scenarios showing a remarkable performance and proving our method’s generality and applicability in real world situations. This claim is also supported by the low computational cost displayed by all algorithms, making them very appropriate for a variety of surveillance applications.

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 ανάπτυξη ενός νέου, ισχυρού περιγραφέα, ικανού να συλλάβει αποτελεσματικά τη δυναμική σκηνών αποτελούμενων από πλήθη ανθρώπων. Την ίδια στιγμή, για την αντιμετώπιση των βίντεο οδικής κυκλοφορίας, υιοθετούμε μια διαφορετική υβριδική (τοπική-καθολική) προσέγγιση που σχετίζεται με την εξαγωγή πολλαπλών ιεραρχικών διεργασιών Dirichlet. Η προτεινόμενη μεθοδολογία καταφέρνει να καταγράψει με επιτυχία τους συσχετισμούς και τους κανόνες που διέπουν τις σκηνές αυτής της κατηγορίας βίντεο, οδηγώντας έτσι σε μια αποτελεσματική ανάλυση της κυκλοφορίας. Τέλος, εισάγουμε ένα νέο σχήμα, το οποίο εστιάζει στην ανίχνευση και τον εντοπισμό ενός ευρέος φάσματος δυναμικών υφών, όπως συλλαμβάνονται από κάμερες παρακολούθησης. Συγκεκριμένα, υιοθετείται ένας νέος περιγραφέας, ενώ εισάγεται ένα καινοτόμο πλαίσιο βασισμένο στην πολυστρωματική ομαδοποίηση υπερεικονοστοιχείων, ούτως ώστε να ανιχνευτούν υφές υψηλού ενδιαφέροντος για την υπαίθρια επιτήρηση (π.χ. φωτιά, νερό κλπ.).Σε κάθε περίπτωση, τα προτεινόμενα σχήματα επικυρώνονται σε ένα ευρύ φάσμα σεναρίων της κατηγορίας τους, παρουσιάζοντας αξιοσημείωτες επιδόσεις και αποδεικνύοντας τη γενικευσιμότητα και τη δυνατότητα εφαρμογής τους σε πραγματικές καταστάσεις. Ο ισχυρισμός αυτός ενισχύεται επιπλέον από το χαμηλό υπολογιστικό κόστος που παρουσιάζουν οι προτεινόμενοι αλγόριθμοι, καθιστώντας τους κατάλληλους για μια μεγάλη ποικιλία εφαρμογών της βιντεοεπιτήρησης.