5010120124 นายณัฐพล หนูฤทธิ, Multiple objects analysis and tracking for abnormal event detection applied to Video Surveillance System, Prince of Songkla University, ปีการศึกษา 2550
วิทยานิพนธ์ฉบับนี้เป็นงานวิจัยเพื่อประยุกต์ใช้เทคนิคด้านการประมวลผลภาพวิเคราะห์โมเดลมนุษย์สำหรับการค้นหาเหตุการณ์ผิดปรกติ ซึ่งมุ่งเน้นไปที่กิจกรรมของมนุษย์ โดยเทคนิคการค้นหาเหตุการณ์ผิดปรกติประกอบด้วย กระบวนการสร้างโครงสร้างมนุษย์ขึ้นใหม่ให้อยู่ในรูปแบบจำลองโครงสร้างมนุษย์อย่างง่ายที่มีเพียง 3 องค์ประกอบสำคัญของร่างกาย คือ ศีรษะ ลำตัวและขา จากนั้นจึงติดตามการเคลื่อนไหวของแต่ละองค์ประกอบอย่างเป็นอิสระต่อกัน ผลการติดตามจะให้ข้อมูลทิศทางการเคลื่อนที่ ความเร็วการเคลื่อนที่ ความเร่งการเคลื่อนที่และความเร่งเชิงมุมของแต่ละองค์ประกอบ โดยข้อมูลเหล่านี้และข้อมูลความสัมพันธ์เชิงมุมของแต่ละองค์ประกอบจะถูกนำไปใช้ในกระบวนการรู้จำท่าทางพื้นฐานซึ่งแบ่งเป็น 2 กลุ่ม ได้แก่ (1) ท่าทางสถิต ประกอบด้วย การยืน การนั่ง การก้ม และ (2) ท่าทางพลวัต ประกอบด้วย การนอนราบ การเดิน โดยผลการรู้จำท่าทางพื้นฐานให้ความถูกต้องโดยเฉลี่ย 93% และจากการนำท่าทางพื้นฐานเหล่านี้มาผสมผสานกันจะสามารถใช้อธิบายถึงกิจกรรมมนุษย์ที่มีความซับซ้อนมากขึ้นได้ โดยภายในงานวิจัยนี้ได้สนใจกรณีศึกษากิจกรรม 2 กรณี ได้แก่ (1) กระบวนตรวจหาการเคลื่อนย้ายวัตถุซึ่งมุ่งเน้นขอบเขตการตรวจหาโดยการใช้กิจกรรมเฝ้าระวังเป็นตัวกำหนดเงื่อนไขการตรวจหาการเคลื่อนย้ายวัตถุ จากการทดลองจะให้ผลการตรวจหาถูกต้องแม่นยำเมื่อผลจากกระบวนการรู้จำท่าทางและกระบวนการลบพื้นหลังให้ผลที่ถูกต้อง และ (2) การควบคุมที่เกี่ยวข้องกับทิศทางการเคลื่อนที่ ภายในงานวิจัยนี้ได้กำหนดเงื่อนไขควบคุมกิจกรรม พื้นที่ ทิศทางและความเร็วของการเคลื่อนที่ของวัตถุ จากการทดลองจะให้ผลการตรวจพบเหตุการณ์ควบคุมที่ถูกต้องเมื่อผลการติดตามวัตถุให้ผลที่ถูกต้อง
This thesis applies image processing techniques for abnormal event detection of human activities based on human model analysis. The detection algorithm is established into the following steps. Firstly, the human region is segmented from image sequences using motion detection. A simple human model consisting of three important parts such as head, body and leg is reconstructed by applying the color probability density of regions as classification criteria. Each region of human model is then tracked form frame to another in the sequence that provides the important information of human movement including velocity, acceleration and angular acceleration, which are reformulated into the features description of human characteristic. Secondly, by using the above features, the actions of human with its relations as finite state machine are defined. There are two groups of action model: static action (standing, sitting and bending) and dynamic action (walking and laying). The experimentation result of human action recognition is around 93%. Final step, the sequence of specific actions is defined as activity or behavior of human. In this research, we focus on two study cases: object removal and object direction control. For the object removal application, during the process the bending action is considered as triggered action that the monitoring of object in that area is activated. The accuracy of algorithm depends relatively on accuracy of action recognition. In the case of direction control, the features of human model are analyzed and compared with the considering area. If the specific direction of controlled area is different from detected features, the alarm is activated. By experimentation, the accuracy of algorithm depends directly on the human detection and tracking process.