Reconhecimento de atividades suspeitas em ambiente externo via análise de vídeo infravermelho
Notice bibliographique
Résumé
Surveillance has become, in the last years, something ubiquity in our society. Every day it is more notorious the presence of intelligent systems for surveillance in our everyday life. This is due to technological advances achieved in recent decades (storage and processing speed increasing, miniaturization of devices like biometric detectors and video cameras) as the constant feeling of insecurity experienced in several countries. Following the dark days of 9/11, security and surveillance became paramount. This work aims the study of techniques for the development of a surveillance system of an outdoor parking lot based on a stationary camera. Considering that in an outdoor parking lot it is very important that the surveillance is made both day and night, in this work we use an infrared camera to record images. An infrared camera allows to see objects of interest in the scene even at night. The images used for the experiments in this work were recorded by the student in Laval University campus (Canada) during an internship he held in the "Canada Research Chair in Multipolar Infrared Vision". A surveillance system based on video cameras is usually composed of three parts: (i) motion detection, (ii) tracking and (iii)event management. In this work, we use a dynamic background subtraction technique to detect motion (motion segmentation). This technique adapts to abrupt changes on the scene's illumination making the technique robust to this changes. Besides, we use ow analysis to restrict the segmentation process only to regions where we have motion in the scene. The object tracking technique used is based on a two phase cycle: prediction and correction. The events of interest which occur in the monitored area are modeled explicitly and then recognized and interpreted. The main goal of this project is to recognize suspicious events. Experimental results show that such techniques are suitable for a surveillance system for an outdoor parking lot based on a infrared stationary camera.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».