Efficient camera planning for surveillance applications

Abstract

Çok sayıda kamera içeren her sistem kamera yerlerinin doğru bir şekilde belirlenmesine ihtiyaç duyar. Otomatik kamera yeri planlama algoritmaları kameraların yerlerini ve konumlarını doğru şekilde tespit etmeye çalışır. Bu çalışmada kamera planlaması optimizasyon tabanlı bir yaklaşımla ele alınarak sahnedeki toplam görünür hacim maksimize edilmiştir. Görünür hacmin hesaplanması oldukça maliyetli bir işlemdir. Bu işlemi hızlandırmak ve kullanılabilir hale getirmek için algoritmalar önemli bir oranda GPU üzerinde koşturulmuştur. Sıkça kullanılan optimizasyon metodlarının (gradient descent, parçacık sürü optimizasyonu, yapay arı kolonisi algoritması ve bunların varyasyonları) bazıları bu problemi çözmek için gerçeklenmiş ve gerçekçi senaryolarla test edilmiştir. Deneysel sonuçlar bu metodun pratik olarak kullanılabileceğini göstermektedir.

Any multi-camera system requires placement decisions for its cameras to achieve the best system performance. Automated planning algorithms attempt to find the best placement and orientation of the cameras in such systems. This thesis proposes an optimization-based approach maximizing the combined visible volume in the scene. Calculating the visible volume is a computationally intensive process. GPU's are used to make this calculation practical. Some of the well-known optimization methods (stochastic gradient descent, particle swarm optimization, artificial bee colony algorithm and their variations) were implemented and tested on real world scenarios. Experimental results show that the proposed approach can be used in practical applications.