Deep Learning Anomaly Detection for Drone-based Surveillance - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Deep Learning Anomaly Detection for Drone-based Surveillance

Détection d'anomalies par apprentissage profond pour la surveillance par drone

Slim Hamdi
  • Fonction : Auteur
  • PersonId : 1173451
  • IdRef : 26250247X

Résumé

Civil security is the set of methods implemented by a State or an organization to protect civilian populations, as well as their property and activities, in times of war, crisis, and peace, against risks or threats of any kind. Moreover, it consists of ensuring the safety of people against all types of natural risks such as fires or against various threats that could endanger their lives, as well as that of their property or activities (acts of terrorism, acts of vandalism, etc.). In recent years, the use of drones for surveillance tasks has been on the rise worldwide. So, The number of cameras that must be analyzed increases and the efficiency and accuracy of human operators have reached their limits. Moreover, in the context of anomaly detection, only normal events are available for the learning process. Therefore, the implementation of a deep learning method in unsupervised mode to solve this problem becomes fundamental. In this thesis, we have proposed many deep learning architectures capable of detecting abnormal events with high performance.
La sécurité civile est l'ensemble des moyens mis en œuvre par un État ou une organisation pour protéger les populations civiles, ainsi que leurs biens et activités, en temps de guerre, de crise et de paix, contre les risques ou menaces de toute nature. En outre, elle consiste à assurer la sécurité des personnes contre tous types de risques naturels tels que les incendies ou contre diverses menaces pouvant mettre en danger leur vie, ainsi que celle de leurs biens ou activités (actes de terrorisme, actes de vandalisme, etc.). Ces dernières années, l'utilisation de drones pour des tâches de surveillance s'est développée dans le monde entier. Ainsi, le nombre de caméras qui doivent être analysées augmente et l'efficacité et la précision des opérateurs humains ont atteint leurs limites. De plus, dans le contexte de la détection d'anomalies, seuls les événements normaux sont disponibles pour le processus d'apprentissage. Par conséquent, la mise en œuvre d'une méthode d'apprentissage profond en mode non supervisé pour résoudre ce problème devient fondamentale. Dans cette thèse, nous avons proposé plusieurs architectures d'apprentissage profond capables de détecter des événements anormaux avec des performances élevées.
Fichier principal
Vignette du fichier
Slim_Hamdi_2021TROY0026.pdf (14.77 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03810682 , version 1 (11-10-2022)

Identifiants

  • HAL Id : tel-03810682 , version 1

Citer

Slim Hamdi. Deep Learning Anomaly Detection for Drone-based Surveillance. Signal and Image Processing. Université de Technologie de Troyes; Université de Sfax (Tunisie), 2021. English. ⟨NNT : 2021TROY0026⟩. ⟨tel-03810682⟩
102 Consultations
87 Téléchargements

Partager

Gmail Facebook X LinkedIn More