Unusual Event Detection in Surveillance Videos (2020)
- Authors:
- Autor USP: NAZARÉ, TIAGO SANTANA DE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: VISÃO COMPUTACIONAL; ESPAÇO PÚBLICO; TEMPO-REAL; PROCESSAMENTO DE IMAGENS; PROCESSAMENTO DE SINAIS DE VÍDEO; PROCESSAMENTO DE SINAIS; APRENDIZADO COMPUTACIONAL
- Keywords: Anomaly detection; Computer vision; Detecção de anomalias; Fluxo ótico; Optical-flow; Surveillance videos; Vídeos de segurança
- Agências de fomento:
- Language: Inglês
- Abstract: Atualmente, câmeras de segurança têm sido amplamente usadas para monitorar espaços públicos, como shoppings, estações de trem e aeroportos. O vídeo gerado por várias dessas câmeras de segurança é monitorado, em tempo real, por um pequeno grupo de pessoas em uma sala de controle para detectar comportamentos anômalos. No entanto, o monitoramento humano é extremamente ineficaz quando se trata de detectar anomalias em vídeos de segurança, principalmente porque tal tarefa é tediosa (na maioria das vezes nada de interessante/anormal acontece) e difícil (uma única pessoa é responsável por monitorar várias câmeras ao mesmo tempo). Tais problemas motivaram a comunidade de visão computacional a desenvolver métodos automatizados para detectar comportamentos incomuns em vídeos de segurança. Apesar dos recentes avanços nessa área, notamos que os atuais métodos de detecção de anomalias em vídeos de segurança têm algumas lacunas como: i) falta de uso de técnicas de remoção/tratamento de ruído ao modelar movimentos usando fluxo óptico; e ii) necessidade de uma abordagem mais adaptativa para lidar com as mudanças de tamanho dos objetos causadas por distorçcões de perspectiva. Motivados por essas questões, propusemos alguns métodos/estudos com o objetivo de melhorar a detecção de anomalias em vídeos de segurança, mantendo (ou reduzindo) o custo computacional. Nossos experimentos mostram que o uso de técnicas simples de filtragem das estimativas de fluxo óptico e scores de anomalias podemmelhorar significativamente o desempenho da detecção de anomalias em cenários de vigilância, sem aumentar a complexidade computacional. Além disso, apresentamos um método que automaticamente estima alterações no tamanho do objeto causadas por distorções de perspectiva, o que ajuda a melhorar o desempenho de detecção de anomalias e reduzir o tempo de configuração do sistema de seguraça. Com base nessas descobertas, projetamos um método de detecção de anomalias, que usa somente informações de fluxo óptico, e é capaz de obter resultados de detecção de anomalias muito bons em cenários desafiadores. Além disso, mostramos que um auto-encoder treinado para um cenário específico de vigilância é capaz de alcançar resultados de detecção de anomalias comparáveis aos de features de CNNs pré-treinadas, mesmo tendo uma complexidade computacional significativamente menor (menor número de parâmetros de rede).
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 10.12.2020
-
ABNT
NAZARÉ, Tiago Santana de. Unusual Event Detection in Surveillance Videos. 2020. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-150800/. Acesso em: 24 fev. 2026. -
APA
Nazaré, T. S. de. (2020). Unusual Event Detection in Surveillance Videos (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-150800/ -
NLM
Nazaré TS de. Unusual Event Detection in Surveillance Videos [Internet]. 2020 ;[citado 2026 fev. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-150800/ -
Vancouver
Nazaré TS de. Unusual Event Detection in Surveillance Videos [Internet]. 2020 ;[citado 2026 fev. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-150800/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
