TY - JOUR ID - TI - Abnormality Detection using K-means Data Stream Clustering Algorithm in Intelligent Surveillance System AU - Abdulamir A. Karim عبدالاميرعبدالله كريم AU - Narjis Mezaal Shati نرجس مزعل شاتي PY - 2017 VL - 9 IS - 1 SP - 82 EP - 98 JO - Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات SN - 20740204 25213504 AB - In this research work a k-Means clustering technique utilized in a new data stream clustering method used in abnormal detection system. This system implies the use of a set of features (such as: distance, direction, x-coordinate, y-coordinate) extracted from set of pairs of interest point that obtained using HARRIS or FAST detector from the frames of video clips in two publically available datasets, the first UCSD pedestrian dataset (ped1 and ped2 datasets), and the second VIRAT video dataset. The results indicated that using HARRIS detector achieved detection rate 1% with 6% false alarms by using UCSD (Ped1) dataset, 10.75% detection Rate with 10% false alarm rate by using UCSD (Ped2) dataset, and 5% detection rate with 40% false alarms by using VIRAT dataset. While for FAST detector, the achieved detection rates are 0.5%, 10.75%, and 4.08% while the false alarm rates are 5%, 10.50%, and 45.92% by using UCSD (Ped1), UCSD (Ped2), and VIRAT datasets respectively.

في هذا البحث استخدمت طريقة جديدة لعنقدة دفق البيانات موظفا فيها تقنية الـ (K-Means clustering) لانجاز نظام تمييز الحالات غير الطبيعية. استخدم هذا النظام مجموعة من الخصائص (مثل: المسافة والاتجاة واحداثيات المحور والسيني والصادي) المستخلصة من مجموعة ازواج نقاط الاهتمام باستخدام (HARRIS detectors) او الـ FAST detectors) على الـ (frames) التي تم الحصول عليها من مجاميع بيانات عالمية وهي (UCSD pedestrian) وتتكون من قاعدتين(ped1) و(ped2) واما الثانية فهي (VIRAT). اشارت النتائج الى ان استخدام الـ (HARRIS detectors) تم انجاز نسبة التمييز 1% مع نسبة خطأ بالتمييز 6% باستخدام (Ped1)، و 10,75% نسبة تمييز مع نسبة خطأ 10% باستخدام (Ped2)، اما عند استخدام (VIRAT) فأن نسبة التمييز كانت 5% مع 40% نسبة خطأ بالتمييز. استخدام الـ (FAST detectors)، كانت نسبة التمييز (0,5%، 10,75%، 4.08%) مع نسبة خطأ في التمييز (5 % ،10,50%، 45,92%) باستخدام الـ Ped1، Ped2، VIRAT وعلى التتابع. ER -