Kalabalık davranış analizi; modellenmesi, anormal durum tespiti ve sınıflandırılması

Abstract

Kalabalık davranış analizi çalışmaları ile kalabalığın güvenliğini ve yönetimi sağlamak kişi hayatı açısından önemli bir konudur. Geliştirilen akıllı sistemler ile kalabalık davranışları daha iyi tahlil edilip yorumlanabilir. Çalışmanın genel aşamaları ve hedefleri şunlardır; görüntüdeki hareket bilgisi optik akışı yöntemi ile elde edilir. Sonrasında kullanılan parçacık taşıma yöntemi ile kalabalığın davranışı hareket izleri olarak temsil edilir. Davranış bütünlüğüne göre kümelenen hareket izlerinin birbirleriyle gerçekleştirdikleri "çakışma" olayları örgü entropi (braid entropi) yöntemi ile hesaplanır ve bu sayede davranışın ne derece düzenli-düzensiz olduğu belirlenir. Bu tez kapsamındaki hedefler, cadde ya da sokaklardaki kalabalık davranışlarını, hareketin düzensizlik değerine bağlı olarak modelleyebilmektir. Bir bütün halinde ilerleyen kalabalığın içerisinde bölgesel olarak meydana gelen düzensiz davranışlar tespit edilerek, hareketin daha iyi anlaşılması sağlanır. Ayrıca kalabalık hareketleri içerisinde, görüntünün bir bölümünde ya da tümünde gerçekleşen anormal durumları tespit etmek hedeflenir. Son bölümde, UCF veri kümesindeki 8 ve 4 farklı anormal olayları içeren görüntüler, öğrenme modelinde örgü entropiye bağlı değişinti matrisleri ile temsil edilir ve en yakın komşu yöntemi ile sınıflandırılırlar. Providing the safety and management of a crowd through crowd behaviour analysis studies is a vital issue in terms of lives of people. Thanks to the smart systems being developed the crowd behaviour can be better analysed and assessed. Steps and targets of the study are as follows: the motion data is obtained by optical flow method. Later, the crowd behaviour is represented by trajectories through particle advection. The "cross" events that occurred owing to the accumulated tracks according to the unity of the behaviour are calculated by the braid entropy method and according to this, how regular or irregular the behaviour is can be determined. The targets within the scope of this thesis is to model the crowd behaviour in the streets according to the complexity levels of the motion. The motion can be better understood by determining the complex behaviour that occurs regionally within the moving crowd that proceeds as a whole. Moreover, it is also targeted to determine the abnormal events in a local area or on the whole of the image. In the final section, images from the UCF database that contain 8 and 4 different abnormal events are represented by the covariance matrix that depend on braid entropy in the learning model and are classified by the nearest neighbour classification method.