Yıl 2018, Cilt , Sayı 14, Sayfalar 204 - 208 2018-12-31

Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması

Ali Seydi Keçeli [1] , Aydın Kaya [2]

19 64

Otomatik hareket tanıma sistemlerine ihtiyaç, güvenlik kameralarının sayısındaki hızlı artıştan dolayı giderek artmaktadır. Hareket tanıma, bilgisayarlı görü alanında güncel bir araştırma alanı olmasına karşın şiddet içeren sahnelerin tespiti insan ve toplum güvenliğiyle de ilişkili olması sebebiyle büyük önem taşımaktadır. Optik akış video görüntülerindeki hareketlerin tespit ve modellenmesinde sıklıkla kullanılan bir yaklaşımdır. Bu çalışmada optik akış ve derin öğrenme kullanılarak şiddet içeren aktivitelerin tanınmasında kullanılabilecek bir yöntem önerilmiştir. Bir video serisine ait optik akış serisinin bileşenleri birleştirilerek üç kanallı bir görüntü haline getirilmiş ve önceden eğitilmiş VGG-16 evrişimsel (convolutional) sinir ağına girdi olarak verilmiştir. VGG-16 ağından elde edilen derin nitelik serileri ile bir Bi-Lstm (Bidirectional long short term memory) sınıflayıcısı eğitilmiştir. Önerilen yöntem literatürde yer alan iki farklı veri kümesi ile test edilmiş ve literatürde yer alan diğer yaklaşımlar ile karşılattırılabilir ve daha yüksek sınıflama başarımına sahip sonuçlar elde edilmiştir.

Optik Akış, CNN, Derin Öğrenme, Bi-Lstm, Bi-Lstm
  • 1. Nam J, Alghoniemy M, Tewfik AH Audio-visual content-based violent scene characterization. In: Image Processing, 1998. ICIP 98. Proceedings. 1998 International Conference on, 1998. IEEE, pp 353-357
  • 2. Clarin C, Dionisio J, Echavez M, Naval P (2005) DOVE: Detection of movie violence using motion intensity analysis on skin and blood. PCSC 6:150-156
  • 3. Gong Y, Wang W, Jiang S, Huang Q, Gao W Detecting violent scenes in movies by auditory and visual cues. In: Pacific-Rim Conference on Multimedia, 2008. Springer, pp 317-326
  • 4. Lin J, Wang W Weakly-supervised violence detection in movies with audio and video based co-training. In: Pacific-Rim Conference on Multimedia, 2009. Springer, pp 930-935
  • 5. Kooij JF, Liem M, Krijnders JD, Andringa TC, Gavrila DM (2016) Multi-modal human aggression detection. Computer Vision and Image Understanding 144:106-120
  • 6. Hassner T, Itcher Y, Kliper-Gross O Violent flows: Real-time detection of violent crowd behavior. In: Computer Vision and Pattern Recognition Workshops (CVPRW), 2012 IEEE Computer Society Conference on, 2012. IEEE, pp 1-6
  • 7. Gao Y, Liu H, Sun X, Wang C, Liu Y (2016) Violence detection using Oriented VIolent Flows. Image and Vision Computing 48:37-41
  • 8. Rota P, Conci N, Sebe N, Rehg JM Real-life violent social interaction detection. In: Image Processing (ICIP), 2015 IEEE International Conference on, 2015. IEEE, pp 3456-3460
  • 9. Lloyd K, Marshall D, Moore SC, Rosin PL (2016) Detecting Violent Crowds using Temporal Analysis of GLCM Texture. arXiv preprint arXiv:160505106
  • 10. Arceda VM, Ferna K, Guti J (2016) Real time violence detection in video.
  • 11. Dai Q, Zhao R-W, Wu Z, Wang X, Gu Z, Wu W, Jiang Y-G Fudan-Huawei at MediaEval 2015: Detecting Violent Scenes and Affective Impact in Movies with Deep Learning. In: MediaEval, 2015.
  • 12. Bruhn A, Weickert J, Schnörr C (2005) Lucas/Kanade meets Horn/Schunck: Combining local and global optic flow methods. Int J Comput Vision 61 (3):211-231
  • 13. Schuster M, Paliwal KK (1997) Bidirectional recurrent neural networks. IEEE Transactions on Signal Processing 45 (11):2673-2681
  • 14. Keçeli AS, Keçeli SU, Kaya A Classification of radiolarian fossil images with deep learning methods. In: 2018 26th Signal Processing and Communications Applications Conference (SIU), 2018. IEEE,
  • 15. Yeffet L, Wolf L Local trinary patterns for human action recognition. In: Computer Vision, 2009 IEEE 12th International Conference on, 2009. IEEE, pp 492-497
Birincil Dil tr
Konular Mühendislik
Dergi Bölümü Makaleler
Yazarlar

Orcid: 0000-0001-6531-8464
Yazar: Ali Seydi Keçeli (Sorumlu Yazar)
Kurum: HACETTEPE ÜNİVERSİTESİ
Ülke: Turkey


Orcid: 0000-0001-6175-7769
Yazar: Aydın Kaya
Ülke: Turkey


Bibtex @araştırma makalesi { ejosat460257, journal = {Avrupa Bilim ve Teknoloji Dergisi}, issn = {}, eissn = {2148-2683}, address = {Osman Sağdıç}, year = {2018}, volume = {}, pages = {204 - 208}, doi = {10.31590/ejosat.460257}, title = {Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması}, key = {cite}, author = {Keçeli, Ali Seydi and Kaya, Aydın} }
APA Keçeli, A , Kaya, A . (2018). Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması. Avrupa Bilim ve Teknoloji Dergisi, (14), 204-208. DOI: 10.31590/ejosat.460257
MLA Keçeli, A , Kaya, A . "Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması". Avrupa Bilim ve Teknoloji Dergisi (2018): 204-208 <http://dergipark.gov.tr/ejosat/issue/40225/460257>
Chicago Keçeli, A , Kaya, A . "Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması". Avrupa Bilim ve Teknoloji Dergisi (2018): 204-208
RIS TY - JOUR T1 - Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması AU - Ali Seydi Keçeli , Aydın Kaya Y1 - 2018 PY - 2018 N1 - doi: 10.31590/ejosat.460257 DO - 10.31590/ejosat.460257 T2 - Avrupa Bilim ve Teknoloji Dergisi JF - Journal JO - JOR SP - 204 EP - 208 VL - IS - 14 SN - -2148-2683 M3 - doi: 10.31590/ejosat.460257 UR - http://dx.doi.org/10.31590/ejosat.460257 Y2 - 2018 ER -
EndNote %0 Avrupa Bilim ve Teknoloji Dergisi Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması %A Ali Seydi Keçeli , Aydın Kaya %T Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması %D 2018 %J Avrupa Bilim ve Teknoloji Dergisi %P -2148-2683 %V %N 14 %R doi: 10.31590/ejosat.460257 %U 10.31590/ejosat.460257
ISNAD Keçeli, Ali Seydi , Kaya, Aydın . "Optik Akış Görüntüsü ve Bi-Lstm ile Şiddet İçeren Hareketlerin Sınıflandırılması". Avrupa Bilim ve Teknoloji Dergisi / 14 (Aralık 2019): 204-208. http://dx.doi.org/10.31590/ejosat.460257