Federe öğrenme tabanlı nesnelerin yapay zekası ile gözetim videolarında akıllı kalabalık analizi için anomali tespiti ve tahmini
Anomaly detection and prediction for intelligent crowd analysis with artificial intelligence of things based on federated learning in surveillance
- Tez No: 1019067
- Danışmanlar: PROF. DR. MEHMET KARAKÖSE
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Görüntü işleme, Nesnelerin interneti, Yapay zeka, Deep learning, Image processing, Internet of things, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son zamanlarda kentleşme, akıllı şehir altyapısı ve büyük ölçekli kamu etkinliklerindeki gelişmeler, karmaşık kalabalık davranışlarını gerçek zamanlı olarak anlayabilen akıllı gözetim sistemlerine olan talebi önemli ölçüde artırmıştır. Geleneksel merkezi yapay zeka yaklaşımları, özellikle dağıtılmış Nesnelerin İnterneti (IoT) ortamlarında, gizlilik, ölçeklenebilirlik, iletişim yükü ve veri güvenliği ile ilgili zorluklarla sık sık karşılaşır. Bu sınırlamaların üstesinden gelmek için, bu tez, Yapay Zeka Nesneleri (AIoT) ile Federated Learning (FL) entegrasyonunu kullanarak gözetim videolarında anomali tespiti ve tahmini için yenilikçi bir çerçeve önermektedir. Önerilen sistem, kalabalık aktivitelerini yerel olarak analiz etmek için derin öğrenme tabanlı mekansal-zamansal modellerle donatılmış dağıtılmış kenar cihazlarını kullanarak, ham gözetim verilerini merkezi bir sunucuya aktarma ihtiyacını ortadan kaldırır. Federated learning'i kullanarak, çerçeve veri gizliliğini korurken ve ağ bağımlılığını en aza indirirken işbirlikçi model eğitimini kolaylaştırır. Çalışma, zeki özellik çıkarımı ve zamansal davranış analizi yoluyla panik durumları, yetkisiz hareketler ve olağandışı nesne etkileşimleri gibi anormal kalabalık olaylarını tespit etmeye odaklanmaktadır. Gözetim veri setleri kullanılarak yapılan deneysel değerlendirmeler, önerilen mimarinin doğruluk, hassasiyet, geri çağırma, F1 skoru ve Eğri Altındaki Alan (AUC) açısından etkinliğini değerlendirir. Sonuçlar, federe öğrenme ve AIoT tabanlı yaklaşımın, gizliliği gözeten, dağıtık öğrenme yeteneklerini korurken rekabetçi anomali tespiti performansı sergilediğini göstermektedir. Ayrıca, çerçeve gerçek dünya akıllı gözetim uygulamaları için ölçeklenebilirlik ve uyarlanabilirlik sunar. Bu tez, yapay zeka, federated öğrenme ve akıllı video analitiği arasındaki yeni kesişime, bir sonraki nesil kalabalık anomali tespit ve tahmin sistemleri için güvenli, verimli ve gizliliği koruyan bir çözüm sunarak katkıda bulunmaktadır
Özet (Çeviri)
Recent advances in urbanization, smart city infrastructure, and large-scale public events have significantly increased the demand for intelligent surveillance systems capable of understanding complex crowd behaviors in real time. Traditional centralized artificial intelligence approaches often face challenges related to privacy, scalability, communication overhead, and data security, especially in distributed Internet of Things (IoT) environments. To overcome these limitations, this thesis proposes a novel framework for anomaly detection and prediction in surveillance videos by integrating Artificial Intelligence of Things (AIoT) with Federated Learning (FL). The proposed system eliminates the need to transfer raw surveillance data to a central server by using distributed edge devices equipped with deep learning-based spatiotemporal models to analyze crowd activities locally. By leveraging federated learning, the framework facilitates collaborative model training while preserving data privacy and minimizing network dependency. The study focuses on detecting abnormal crowd events such as panic situations, unauthorized movements, and unusual object interactions through intelligent feature extraction and temporal behavior analysis. Experimental evaluations using surveillance datasets assess the effectiveness of the proposed architecture in terms of accuracy, precision, recall, F1-score, and Area Under the Curve (AUC). The results demonstrate that the federated AIoT-based approach achieves competitive anomaly detection performance while maintaining privacy-aware distributed learning capabilities. Moreover, the framework offers scalability and adaptability for real-world smart surveillance applications. This thesis contributes to the emerging intersection of artificial intelligence, federated learning, and intelligent video analytics by presenting a secure, efficient, and privacy-preserving solution for next-generation crowd anomaly detection and prediction systems.
Benzer Tezler
- Akıllı Endüstri 4.0 için dijital ikiz tabanlı federe öğrenme
Başlık çevirisi yok
ADIL AHMED
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
ASSOC. PROF. DR. MÜGE ÖZÇEVİK
- Federe öğrenme kullanılarak nesnelerin interneti (IOT) verileri analizi
Analyzing internet of things (IOT) data using federated learning
SÜLEYMAN BURAK ALTINIŞIK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN
- Distributed anomaly-based intrusion detection system for IoT environment using Blockchain technology
Dağıtılmış anomali tabanlı saldırı tespit sistemi Blockchain teknolojisi kullanılan IoT ortamı için
NOUHA HEJAZI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge Yönetimiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Tekerlek asılış sistemlerinin taşıt titreşimlerine etkisi
Einfluss der radaufhaengungen auf die kraftfohrzeugschwingungen
İ.AHMET GÜNEY
- Avrupa Ekonomik Topluluğu'nu kuran Roma Andlaşması'na göre Avrupa Birliği
Başlık çevirisi yok
ABDULLAH CEBECİ