Salient event detection in video surveillance scenarios

Abstract

NORSK: Hver dag genereres store mengder video fra overvåkningssytemer verden rundt, og all denne videoen må håndteres på en måte slik at kun de mest interessante sekvensene vises. Det er normalt en eller flere personer, som jobb er å sitte å følge med på monitorer, for å kunne fange opp spesielle handelser når det skjer. Denne løsningen er ikke ideell. I denne oppgaven vil vi forske på metoder for å kunne detektere unormale hendelser automatisk. Vi vil se på hvordanman kan skille mellom hendelser i forbindelsemed videoovervåkning, og videre hva som kan klassifiseres som en unormal hendelse. Å analysere video, uten å vite når, hvor eller om det i hele tatt har foregått noe unormalt skjer hele tiden. Dette er veldig tidskrevende arbeid. I denne type arbeid er personen interessert i hendelser utenom det vanlige. Å ikke ha tilgjengelig de rette verktøy kan for en person være en ganske frustrende oppgave. Personen må også være klart subjektiv i hva han mener å være en unormal hendelse. Noe som helt klart er forskjellig fra person til person. Er det mulig å lage et system som klarer å modellere unormale hendelser? Hva skiller en unormal hendelse fra en normal? Hvordan kan man skille mellom mindre eller mer unormale hendelser som tar sted? Hvem bestemmer hva som kan klassifiseres som en unormal hendelse?

ENGELSK: Every day huge amounts of surveillance video data is accumulated, and it needs to be handled in a way to extract only the eventful segments. There can be one or multiple persons, whose job it is to sit and watch all the surveillance video screens, seeking to discover any abnormal events taking place. This is not an ideal solution. In this project we investigate the detection of remarkable events in video surveillance scenarios. We look into how to distinguish events in surveillance scenarios, and further what is an remarkable event. Analyzing surveillance data, without the knowledge of when and where or even if an interesting event has occurred often takes place, and is very time consuming labor. In this kind of analysis the analyst is interested in extraordinary events, something that deviates from the normal. Not having the suitable tools it can be a discouraging task for the analyst, consisting of sequentially viewing all raw video data, and using his judgement to determine if an event is unusual. Is it possible to create a system for modeling salient events in surveillance scenarios? How does one determine what stands out as a remarkable event? How to distinguish between less remarkable events and more remarkable event taking place? Who decides what is remarkable and what is not?