تشخیص رویدادهای غیر عادی در ویدیوهای نظارتی ترافیک

تجزیه و تحلیل الگوهای حرکت در ویدیوهای ترافیکی میتواند به طور مستقیم برای تجزیه و تحلیل صحنه ، استخراج قوانین حاکم بر آن، شناسایی رویدادهای غیرعادی ، شناسایی فازهای ترافیکی و غیره به کار برده شود. جدیدترین و موفق ترین روش ها برای تجزیه و تحلیل صحنه های ترافیکی پیچیده، مبتنی بر مدل های موضوع هستند. مدل های موضوع برای پردازش متن پیشنهاد شده اند و از آن جا که هنوز برای پردازش ویدیوهای ترافیکی بهینه نشده اند کارآیی آن ها هنوز با حد مطلوب فاصله دارد. در این تحقیق روشی برای تجزیه و تحلیل ویدیوهای ترافیکی بر مبنای مدل های موضوع پیشنهاد میکنیم . در این روش ابتدا با استفاده از ویژگی های شار نوری، توصیف هایی از ویدیوهای ترافیکی را به دست می آوریم. سپس با به کارگیری مدل های موضوع به شناسایی رویدادهای متداول موجود در صحنه که همان الگوهای حرکت هستند می پردازیم و در نهایت بر اساس آن، رویدادهای غیر عادی را شناسایی می کنیم. نتایج شبیه سازی نشان می دهد روش پیشنهادی قادر است الگوهای حرکت معناداری را استخراج می کند که بیان کننده حرکات ترافیکی موجود در صحنه مانند گردش به راست، حرکت افقی وسایل نقلیه و غیره باشند. همچنین در شناسایی رویدادهای غیرعادی با استفاده از مدل موضوع LDA که بهترین عملکرد را در مقایسه با سایر مدل های موضوع دارد، به AUTOC معادل %71 دست پیدا می کند.

Keywords:

ویدیوهای ترافیکی , مدل های موضوع , ویژگی های شاباتوری , الگوهای حرکت , شناسایی رویدادهای غیرعادی