سیستم نظارت ویدیویی تخصصی برای تشخیص واقعی رفتارهای مشکوک در مراکز خرید

Elsevier
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
15
نشریه :
الزویر
تعداد رفرنس ها :
60
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Video-surveillance in shopping malls Background subtraction Human tracking Occlusion management Appearance features Behavioral analysis
کلمات کلیدی :
نظارت تصویری در مراکز خرید، تفریق پس زمینه، ردیابی انسان، مدیریت انحصاری، ویژگی های ظاهر، تجزیه و تحلیل رفتاری
عنوان فارسی :

سیستم نظارت ویدیویی تخصصی برای تشخیص واقعی رفتارهای مشکوک در مراکز خرید

عنوان انگلیسی :

Expert video-surveillance system for real-time detection of suspicious behaviors in shopping malls

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0957417415004182
آدرس DOI :
https://doi.org/10.1016/j.eswa.2015.06.016
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 14

نشریه : الزویر

تعداد رفرنس ها : 60

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Video-surveillance in shopping malls Background subtraction Human tracking Occlusion management Appearance features Behavioral analysis

کلمات کلیدی : نظارت تصویری در مراکز خرید، تفریق پس زمینه، ردیابی انسان، مدیریت انحصاری، ویژگی های ظاهر، تجزیه و تحلیل رفتاری

عنوان فارسی : سیستم نظارت ویدیویی تخصصی برای تشخیص واقعی رفتارهای مشکوک در مراکز خرید

عنوان انگلیسی : Expert video-surveillance system for real-time detection of suspicious behaviors in shopping malls

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0957417415004182



چکیده انگلیسی
Expert video-surveillance systems are a powerful tool applied in varied scenarios with the aim of automatizing the detection of different risk situations and helping human security officers to take appropriate decisions in order to enhance the protection of assets. In this paper, we propose a complete expert system focused on the real-time detection of potentially suspicious behaviors in shopping malls. Our video-surveillance methodology contributes several innovative proposals that compose a robust application which is able to efficiently track the trajectories of people and to discover questionable actions in a shop context. As a first step, our system applies an image segmentation to locate the foreground objects in scene. In this case, the most effective background subtraction algorithms of the state of the art are compared to find the most suitable for our expert video-surveillance application. After the segmentation stage, the detected blobs may represent full or partial people bodies, thus, we have implemented a novel blob fusion technique to group the partial blobs into the final human targets. Then, we contribute an innovative tracking algorithm which is not only based on people trajectories as the most part of state-of-the-art methods, but also on people appearance in occlusion situations. This tracking is carried out employing a new two-step method: (1) the detections-to-tracks association is solved by using Kalman filtering combined with an own-designed cost optimization for the Linear Sum Assignment Problem (LSAP); and (2) the occlusion management is based on SVM kernels to compute distances between appearance features such as GCH, LBP and HOG. The application of these three features for recognizing human appearance provides a great performance compared to other description techniques, because color, texture and gradient information are effectively combined to obtain a robust visual description of people. Finally, the resultant trajectories of people obtained in the tracking stage are processed by our expert video-surveillance system for analyzing human behaviors and identifying potential shopping mall alarm situations, as are shop entry or exit of people, suspicious behaviors such as loitering and unattended cash desk situations. With the aim of evaluating the performance of some of the main contributions of our proposal, we use the publicly available CAVIAR dataset for testing the proposed tracking method with a success near to 85% in occlusion situations. According to this performance, we corroborate in the presented results that the precision and efficiency of our tracking method is comparable and slightly superior to the most recent state-of-the-art works. Furthermore, the alarms given off by our application are evaluated on a naturalistic private dataset, where it is evidenced that our expert video-surveillance system can effectively detect suspicious behaviors with a low computational cost in a shopping mall context.

چکیده فارسی
سیستم نظارت تصویری کارشناس یک ابزار قدرتمند است که در سناریوهای گوناگون مورد استفاده قرار می گیرد با هدف شناسایی موقعیت های مختلف خطر و کمک به افسران امنیتی برای تصمیم گیری مناسب جهت افزایش حفاظت از دارایی ها. در این مقاله، ما یک سیستم متخصص کامل را با هدف تشخیص زمان واقعی رفتارهای بالقوه مشکوک در مراکز خرید پیشنهاد می کنیم. روش نظارت ویدئویی ما چندین پیشنهاد نوآورانه را ارائه می دهد که یک برنامه قوی را ایجاد می کند که می تواند به طور موثر مسیرهای مردم را ردیابی کند و اقدامات مشکوک را در یک زمینه مغازه کشف کند. به عنوان اولین قدم، سیستم ما تقسیم بندی تصویر را برای قرار دادن اشیای پیش زمینه در صحنه اعمال می کند. در این مورد، مؤثرترین الگوریتم های محاسبه پس زمینه حالت هنر با مقایسه مناسب ترین روش برای ویدئو کنفرانس متخصص ما مقایسه می شود. پس از مرحله تقسیم بندی، حباب های شناسایی ممکن است بدن های کامل و یا جزئی را نمایان سازند، بنابراین ما تکنیک تلفیقی جدید را برای گروه بندی حباب های جزئی به اهداف نهایی انسان به کار برده ایم. سپس ما یک الگوریتم ردیابی نوآور را ارائه می دهیم که نه تنها مبتنی بر مسیرهای مردم است، بلکه بخش عمده ای از روش های پیشرفته ترین حالت است، بلکه در ظاهر افراد در شرایط اکلوژن نیز وجود دارد. این ردیابی با استفاده از یک روش دو مرحله ای جدید انجام می شود: (1) ارتباط تشخیص به مسیر با استفاده از فیلتر کردن کالمن همراه با بهینه سازی هزینه طراحی شده خود برای مسئله الگویی خطی (LSAP) حل شده است. و (2) مدیریت انسداد بر اساس هسته SVM برای محاسبه فاصله بین ویژگی های ظاهر مانند GCH، LBP و HOG است. استفاده از این سه ویژگی برای به رسمیت شناختن ظاهر انسان، عملکرد عالی را نسبت به سایر تکنیک های توصیف ارائه می دهد، زیرا اطلاعات رنگ، بافت و شیب به طور موثر برای به دست آوردن توصیف بصری قوی از افراد ترکیب می شوند. در نهایت، مسیرهای حاصل از افراد به دست آمده در مرحله ردیابی توسط سیستم نظارت تصویری متخصص ما برای تجزیه و تحلیل رفتارهای انسانی و شناسایی موقعیت های زنگ خطر خرید مرکز، مانند ورود و خروج از مغازه ها، رفتارهای مشکوک مانند خنده دار و نقدی بدون نظارت موقعیت میز با هدف ارزیابی عملکرد برخی از مشارکت های اصلی پیشنهاد ما، از مجموعه داده های عمومی CAVIAR برای آزمایش روش پیشنهادی ردیابی با موفقیت در حدود 85 درصد در شرایط اکلوژن استفاده می کنیم. بر اساس این عملکرد، ما در نتایج ارائه شده تأیید می کنیم که دقت و کارایی روش ردیابی ما قابل مقایسه و کمی بالاتر از جدیدترین نسخه های پیشرفته است. علاوه بر این، هشدارهای داده شده توسط برنامه ما بر روی یک مجموعه داده خصوصی خصوصی طبیعی ارزیابی می شود، جایی که نشان می دهد که سیستم نظارت تصویری متخصص ما می تواند به طور موثر رفتارهای مشکوک را با هزینه محاسبات کم در یک مرکز خرید مقایسه کند.