Trafik Video Analiz Verilerinden Anomali Tespit ve Diferansiyel Gelişim Algoritması Uç Öğrenme Makinesi ile Sınıflandırma

Abstract

Kameralar ile elde edilen videolarda hareketli nesne tespit ve takibi ile nesne hakkında anlamlı ve yorumlanabilir bilgi elde edilmesi süreci, video analizi olarak tanımlanabilir. Karayolu trafik akış videolarının analizi ise hareket eden nesnelerin (taşıt ve yaya) izlenen yol için belirlenen kurallar dışında davranış sergilemeleri (anomali) durumunun tespit ve uyarı sistemi olarak ifade edilebilir. Bu çalışmada karayolu trafik akış videolarında hareket eden nesnelerin anomali davranışlarını tespit ederek verileri makine öğrenmesi yöntemleri ile sınıflandırma yapılmıştır. Çalışma üç aşamadan oluşmaktadır. Birinci aşamada hareketli nesnenin tespiti için arka/ön plan bölütleme yöntemlerinden Gauss Karışım Modeli (GKM) ve nesnenin videoda takibi yapılabilmesi için Kalman Filtre-Macar Algoritması yöntemleri kullanılmıştır. İkinci aşamada tespit edilen nesneye ait koordinat bilgilerini kullanarak konum, süre, hız ve şekil verileri elde edilmiştir. Hazırlanan özgün algoritmaya dayalı özellik çıkarma yazılımı ile nesneler için anomali durumlarını içeren özellikler tablosu oluşturulmuştur. Son aşamada ise özellik tablosundaki veriler; Uç Öğrenme Makine (UÖM) yönteminin, gizli katmandaki nöron sayıları ve aktivasyon fonksiyonları Diferansiyel Gelişim Algoritması (DGA) ile optimize edilerek geliştirilen DGAUÖM yöntemi ile sınıflandırma yapılmıştır. Geliştirilen yöntem ile elde edilen sonuçlar diğer makine öğrenme yöntem (Naive Bayes, Destek Vektör Makinesi ve Yapay Sinir Ağı) sonuçları ile karşılaştırılmış ve başarım %100 ile en yüksek çıkmıştır.