Siamska nevronska mreža za detekcijo gibanja v video sekvencah

V diplomski nalogi obravnavamo problem avtomatske detekcije gibanja v video sekvencah posnetih z video nadzornimi sistemi. Trenutno najuspesnejse metode uporabljajo konvolucijske nevronske mreže za resevanje tega problema. Bistvena omejitev teh pristopov je v tem, da potrebujejo ponovno ucenje za razlicne video sekvence, kar zmanjsa njihovo aplikativno vrednost. V diplomskem delu predstavimo novo metodo, ki temelji na arhitekturi siamskih konvolucijskih mrež. Mreža s pomocjo siamske arhitekture semanticno opise vhodno sliko sekvence ter model ozadja sekvence. Nadaljnji konvolucijski nivoji detektirajo relevantne razlike ter generirajo verjetnostno masko segmentacije gibanja. Z metodo lahko detekcijo gibanja izvajamo na razlicnih video sekvencah brez ponovnega ucenja. Za izvajanje potrebujemo le referencno sliko ozadja sekvence, ki jo nato tekom casa samodejno posodablja. Mrežo smo ucili na podatkovni zbirki CDNET. Pridobljene rezultate smo primerjali s preostalimi metodami, objavljenimi na spletni strani CDNET. Nasa metoda se je po uspesnosti uvrstila na osmo mesto izmed 46 objavljenih algoritmov. Mrežo smo ocenili tudi na evalvacijskih zbirkah Wallflower ter SGM-RGBD, kjer smo jo preizkusili v razlicnih okoliscinah ter podali kvalitativno analizo njenega delovanje.