Riassunto analitico
Il rilevamento di attività ed eventi anomali è un problema studiato da più di una decade; recentemente, con l'incremento delle prestazioni computazionali è stato possibile ottenere dei sistemi basati su intelligenza artificiale in grado di processare la grande quantità di informazioni video. Uno degli ambiti che più ne ha giovato è la video sorveglianza, che, ormai, è sempre più diffusa in numerosi ambiti, dal pubblico al privato. Il flusso video proveniente dalle telecamere di sorveglianza deve essere controllato ed analizzato da personale addetto e, in caso di eventi fuori dalla normalità, occorre inviare un allarme che richieda l'intervento di soccorsi o forze dell'ordine. Vista la grande quantità di telecamere e la rarità degli eventi anomali, l'utilizzo di un sistema automatizzato di rilevamento delle anomalie permette la riduzione di personale addetto alla videosorveglianza ed aumenta la precisione e la velocità di segnalazione delle anomalie. In questo lavoro viene proposto un sistema basato sulle recenti tecniche di Deep Learning in grado di rilevare il verificarsi o meno di azioni anomale all'interno di mezzi di trasporto pubblico.
|
Abstract
The detection of abnormal activities and events is a problem that has been studied for more than a decade; recently, with the increase in computational performance, it has been possible to obtain systems based on artificial intelligence capable of processing the large amount of video information. One of the areas that has benefited the most is video surveillance, which is now increasingly common in many areas, from public to private. The video stream coming from the surveillance cameras must be controlled and analyzed by personnel in charge and, in case of events out of the norm, it is necessary to send an alarm that seeks the intervention of help or law enforcement. Given the large number of cameras and the rarity of abnormal events, the use of an automated system of anomaly detection allows the reduction of personnel involved in video surveillance and increases the accuracy and speed of reporting anomalies. In this work, a system, based on recent Deep Learning techniques, is proposed that can detect the occurrence or non-occurrence of anomalous actions inside public transportation vehicles.
|
