Terk Edilmiş Objelerin Tespitine Dair Sorunların Çözümü İçin Algoritmalar

            Modern video yönetim yazılım paketleri çeşitli türlerdeki objelerin durumsal kontrolü için bir dizi araç sağlarlar. Kamusal alanlarda kurulu video sistemlerinin bir çoğu (güvenli şehirler, alışveriş merkezleri, marketler, tren istasyonları, havalimanları, metrolar) terörizm karşıtı güvenlik önlemleri için popüler bir araç olarak terk edilmiş  obje detektörünü kullanır.Detektör hareket halinde iken duran ve belli bir süre için hareket etmeyi bırakan objeleri tanımlamayı sağlar.

            Günümüzde, terk edilmiş objelerin tespitine dair sorunları çözmek için iki sınıf algoritma tanımlanabilir:

  • Önplanda görünen objelerin aramasına yönelik algoritmalar;
  • Hareket takibine dayanan algoritmalar (hareketli objeleri takip).

Bu sınıflara detaylı şekilde bakalım.

            a-) Önplanda görünen objelerin aranması ile terk edilmiş obje tespiti

            Önplan ile ekranda hareket eden tüm objeler kastedilmektedir. Diğer tüm sabit pikseller arkaplanı oluşturur.

            Bu metot iki adet arkaplan modeli kullanır: kısa-vadeli (çabucak değişen, hızlı) ve uzun vadeli (yavaşça değişen, uzun). Her birinin kendi hızı ve güncelleme süresi vardır.

            Kısa vadeli modelin güncelleme süresi çok kısadır. Bu yüzden mevcut karedeki tüm değişiklikler kısa vadeli arkaplanın değişiminde yakalanan bir sonraki karedekilerle karşılaştırılır. Ekranda hareket halinde yeni bir obje yakalanırsa, o arkaplanın bir parçası olmayacaktır. Fakat bir obje hareket etmeyi bıraktı ise (terk edilen eşyalar için doğal olarak), bu obje sabit bir arkaplan ile birleşecektir. Bu yüzden, kısa vadeli arkaplan ekranda bir hareket olduğunu veya hareket halinde bir obje olduğunu fakat bu hareketin sonra birdenbire durduğunu gösterecektir. Bir obje statik hale geçmiş ve arkaplanla birleşmiştir.

            Kısa vadeli modelin tek bir kullanımı imkansızdır çünkü statik, muhtemelen terk edilmiş, bir obje hızlıca kaybolur ve arkaplanla birleşir. Hareket halinde olmadığı zamanı izlemek neredeyse imkansız olacaktır. Bu yüzden algoritma hem uzun hem de kısa vadeli arkaplan modellerini kullanmaktadır.  Uzun vadeli arkaplan modeli çok daha yavaş değişir. Gelen yeni objeler bir süre ön yüzde kalır fakat sonra arkaplanın bir parçası haline gelir.Terk edilmiş obje tespiti için uzun bir arkaplan modeli kullanılır. Bu ekranda beliren fakat başlangıcından itibaren orijinal arkaplanın parçası olarak orada bulunmayan objelerin yakalanmasını sağlar.

            Bir sistem operatörü bir objenin terk edilmiş olarak algılanması için bir süre belirleyebilir. Bu bilgi girildikten sonra sistem uzun vadeli arkaplanın güncellenme süresine dair bir orantı hesaplaması yapar.

            Bu yöntemin mantığı tablo 1’de gösterilmiştir. Mevcut karedeki her bir piksel uzun ve kısa vadeli arkaplanların ilgili pikselleri ile karşılaştırılır. Bunun ardından, karşılaştırma sonuçlarına göre bir hipotez kurulur.

 

 

Görüntü

(Mevcut karede)

Uzun Vadeli Kısa Vadeli Hipotez
Farklılıklar Farklılıklar Hareket eden obje
Değişiklik yok Muhtemelen terk obje
Görüntü

(Mevcut karede)

Farklılıklar Çakışan arkaplan
Değişiklik yok Arkaplan

Tablo 1.Önplanda terk edilmiş obje tespit mantığı

            b-) Hareket takibi ile terk edilmiş objeleri tespit etmek

            Hareket takip algoritmaları kullanarak terk edilmiş objeler bulunmak istendiğinde sadece terk edilmiş objeler değil onları terk eden kişilerin de tespit edilmesi sağlanır. Tam olarak ifade etmek gerekirse; sistem hareketli bir objeyi tespit ederken objeyi iki kısımda tespit eder: statik ve hareket eden. Ardından statik objeyi gözlemlemeye başlar.

            Bu yaklaşımda ilk adım arkaplanı ayrıştırmaktır. Sonraki adım ise ekranda hareket eden tüm objelerin güzergahlarının oluşturulmasıdır.  Böylece hareket eden bir objenin ayrıştırılması yapılır; bir tanesi hareket etmeye devam ederken diğeri statik kalmaya devam eder. Program hızı, hareket yönünü ve objelerin renk özelliklerini analiz eder. Bu veriler insanlarla objeleri ve ayrıştırılmış iki özelliklerini karşılaştırmak üzere kullanılır.

terk-edilmis-obje


Resim 1. Terk edilmiş bir objeyi ve sahibini tespit

            Yöntemlerin Karşılaştırılması

            Her bir yöntemin kendine özgü avantajları ve zayıflıkları vardır. Detaylı bir şekilde bakalım:

  1. Kalabalıkla çalışmak: Önplanda yer alan objelerin aranmasına yönelik araştırmalar arkaplanın doğru tespit edilmesi halinde  iyi sonuçlar vermiştir. Arkaplanın ekranda bir süre belirmesi halinde mümkündür başka bir deyişle kalabalık tarafından uzun bir süre için bloke edilmemektedir. Hareket takibi algoritmalarını kullanan yöntemde ise kalabalıkla çalışırken hareket halindeki ayrı bir objeyi yakalamak konusunda önemli zorluklar söz konusudur.

            2.Kaynakların kullanımı: Veri işleme karışıklığı ve peşisıra kaynakların kullanımı hareket takibi yöntemi için daha büyük bir sorundur. Sistemin arkaplanı belirlemesi, hareketli objeleri tespit etmesi, hareketli objelerin özelliklerini algılaması (renk, hız ve hareket yönü) ve objenin bulunduğu noktadan takip eden karede başka bir noktaya geçişindeki göreceliği hesaplaması gerekir. Tüm bu işlemlerin ekrandaki hareket eden bir kaç obje için güzergahlarını belirlemek üzere sırayla gerçekleştirilmiş olması gerekir. Bu hesaplamaları yapabilmek için daha fazla bilgisayar gücü gerekmektedir.

  1. Zor durumlar: Terk edilmiş objelerin atlanma olasılığından doğan zor durumlar söz konusu olabilir. Önplan objelerinin aranması yönteminde arkaplanın belirlenmesi imkansız ise (kalabalıkla çalışmak, kısmi ışık değişiklikleri vb.) ciddi sıkıntılar doğabilir. Hareket takibi yönteminde de yüksek trafik olan, hareket eden objelerin üstüste çakıştığı ve objenin kameranın görüşünden geçici olarak kaybolduğu sahneler oldukça zorlayıcı olabilir.
  2. Yanlış başlamalar: Bir kişinin ekranda terk edilmiş objeler için tetiklenme için ayarlanmış süre kadar beklemesi halinde her iki yöntemde de yanlış başlamalar mümkün olacaktır. Bunun sebebi sistemin insan ile obje arasındaki farkı, özellikle insan onu bir insan olarak tanımlayacak şekilde bir pozda durmuyorsa (örneğin oturuyorsa vb.), ayırt edememesidir. Bu problem sınıflandırıcı nitelikte bir detektör kullanmak suretiyle objelerin kategorilerini tanımlayarak ve her türlü pozisyonda obje ile bir insanı birbirinden ayırt ederek çözümlenebilir.
  3. Hareket takibi yönteminde insan tespiti:  Bu yöntem kamera menzilinde bir kişinin tüm hareketlerine dair veriler almanızı sağlar. Sistem operatörü terk edilmiş objeyi kimin getirdğini tespit edebilir ve kameralar arası hareket takip veya yakalama özelliği gibi diğer entellektüel işlevleri de kullanabilir.
  Önplan obje arama algoritması Obje hareket takibi algoritması
Kalabalıkla çalışma Arkaplan doğru tespit edilirse yüksek seviyede tespit başarılır Tek başına hareket eden objenin belirlenmesinde zorluklar var
İşleme karmaşıklığı Orta Yüksek
Kaynakların tüketimi Orta Yüksek
Yüksek sapmaların oluştuğu kompleks durumlar Arkaplanın belirlenmesi imkansızdır Hareketli objelerin ekrandaki yüksek yoğunluğu, objenin görünürlüğünün geçci kaybolması objenin diğer objelerle kesişmesine neden olur.
Yanlış başlamalar Sınıflandırıcı kullanılırsa kişilerin ekranda duruşları çözümlenebilir. Sınıflandırıcı ile birleştirmek suretiyle bir kişinin ekranda duruşu çözülebilir
Terk edilmiş objeleri getiren insanların tespiti İmkansız Mümkün

 

            Önplandaki objelerin aranması yöntemine dair modifikasyonlar

            Bu yöntemlerin karşılaştırmalı analizine göre önplan objelerini algılayan algoritma daha stabildir ve daha az sistem kaynağı tüketir fakat yüksek trafik yoğunluğunda veya değişen koşullar altında (örn. Işıklandırma değişikliklerinde) stabil değildir. Yazılım geliştiricileri çevresel koşul değişikliklerinin etkisini en aza indirgemek için aşağıdaki iyileştirmeleri yapmışlardır.

            Arkaplan güncellemenin geliştirilmiş yöntemi. Hareket tespiti

            Hareket tespitinin kullanılması değişen koşullara karşı algoritmanın stabil hale gelmesini sağlamıştır. Şayet hareket tespiti varsa yazılım hareket eden objenin çerçevesini belirlemektedir. Ardından hareket eden tüm objelerin çerçevelerinden maskeleri oluşturulur. Arkaplan güncelleme sadece hareket eden objelerin olmadığı alanlarda gerçekleşir. Hareket eden objelerin maskelerinin olduğu yerlerde ise güncelleme gerçekleşmez.

 

            Statik kontrolü

            Yanlış başlamaların sayısını azaltmak ve terk edilmiş obje tespit doğruluğunu artırmak için statik kontrolü de yapılır. Bu modifikasyon sistem operatörünün ilgilenmesi gerekmeyen geçici süreli statik objelerin elenmesini sağlar. Bu kontrol yapılırken program, potansiyel olarak terk edilmiş bir obje için bir kareyi tahsis eder ve konumunu anımsar. Yeni bir kare alındığında ise kare statik objeye tahsis edilir, koordinatları kaydedilmiş koordinatların değerleri ile karşılaştırılır. Karşılaştırma sonrasında eğer pozitif bir sonuç alınırsa (örn. Kareler neredeyse aynı çizgide ise) test bir kaç kez daha tekrarlanır. Bu incelemenin sayısı terk edilmiş objeye dair gerekli tespit süresine dayanır. Karşılaştırma sonucu negatif çıkarsa (örn. Kareler birbiriyle eşleşmezse) kontrol sayacı sıfırlanır ve kaydedilmiş kare silinir.

             Seçim kriterleri

            Terk edilmiş objelere dair mevcut detektörler temelde iki yönteme dayanır. Biri hareket takip algoritması diğeri ise önplandaki objelerin aranması algoritmasıdır. Her bir yöntemin kendine has özellikleri ve uygulanabilirlikleri vardır. Hareket takibi detektörünün ana avantajı objeyi kimin terk ettiğini bulabilmesidir. Ancak bu yöntem yüksek bir sistem performansı gerektirir.Yoğun trafik olan sahnelerde güvenilir sonuçlar sağlamakta başarısız olur. Önplan objeleri arama yöntemi orjinal arkaplan doğru şekilde belirlendi ise terk edilmiş objeleri tespit etmekte yüksek bir doğruluk derecesi sağlar. Bu bir video sistemi bir kaç saniye bile olsa temiz bir arkaplan görürse, detektörün terk edilmiş objeleri tespit etmede iyi bir sonuç göstereceği anlamına gelir. Buna ilaveten detektörün kaynak tüketimi düşüktür. Yakın zamanda bu yönteme yönelik geliştirmeler ile yöntemin tespit doğruluğu artırılmış, yanlış başlamalar azaltılmıştır.

***Bu makale macroscop.com sitesi publications bölümünden alınıp tercüme edilerek buraya eklenmiştir.