論文の概要: Vision-based Fight Detection from Surveillance Cameras

• arxiv url: http://arxiv.org/abs/2002.04355v1
• Date: Tue, 11 Feb 2020 12:56:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 02:14:34.013447
• Title: Vision-based Fight Detection from Surveillance Cameras
• Title（参考訳）: 監視カメラからの視覚に基づく戦闘検出
• Authors: \c{S}eymanur Akt{\i}, G\"ozde Ay\c{s}e Tataro\u{g}lu, Haz{\i}m Kemal Ekenel
• Abstract要約: 本稿では,LSTMに基づく戦闘シーン分類問題の解法について検討する。 新たなデータセットが収集され、YouTubeで利用可能な監視カメラビデオの戦闘シーンで構成されている。 提案手法は,Xceptionモデル,Bi-LSTM,アテンションを統合して,戦闘シーン分類における最先端の精度を向上させる。
• 参考スコア（独自算出の注目度）: 6.982738885923204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based action recognition is one of the most challenging research topics of computer vision and pattern recognition. A specific application of it, namely, detecting fights from surveillance cameras in public areas, prisons, etc., is desired to quickly get under control these violent incidents. This paper addresses this research problem and explores LSTM-based approaches to solve it. Moreover, the attention layer is also utilized. Besides, a new dataset is collected, which consists of fight scenes from surveillance camera videos available at YouTube. This dataset is made publicly available. From the extensive experiments conducted on Hockey Fight, Peliculas, and the newly collected fight datasets, it is observed that the proposed approach, which integrates Xception model, Bi-LSTM, and attention, improves the state-of-the-art accuracy for fight scene classification.
• Abstract（参考訳）: 視覚に基づく行動認識は、コンピュータビジョンとパターン認識の最も難しい研究テーマの1つである。 その特定の応用、すなわち公共の場所や刑務所などの監視カメラからの戦闘を検出することは、これらの暴力的な事件を迅速に制御することが望まれる。 本稿では、この研究課題に対処し、LSTMに基づく解決手法を探求する。 また、注意層も利用する。 さらに、YouTubeで利用可能な監視カメラビデオの戦闘シーンで構成される新しいデータセットが収集されている。 このデータセットは公開されています。 ホッケーファイト,ペリキュラ,および新たに収集したファイトデータセットに関する広範な実験から,xception model,bi-lstm,および注意を統合した提案手法が,ファイトシーン分類の最先端精度を向上させることが確認された。

関連論文リスト

• JOSENet: A Joint Stream Embedding Network for Violence Detection in Surveillance Videos [4.94659999696881]
  監視ビデオにおける暴力検出は、様々な実戦シーンのような追加の問題を提示する。 本稿では、監視ビデオにおける暴力検出に優れたパフォーマンスを提供する自己監視フレームワークJOSENetを紹介する。
  論文  参考訳（メタデータ） (2024-05-05T15:01:00Z)
• SeaDSC: A video-based unsupervised method for dynamic scene change detection in unmanned surface vehicles [3.2716252389196288]
  本稿では,無人表面車両(USV)の動的シーン変化を検出するためのアプローチについて概説する。 本研究の目的は,海中映像データのダイナミックなシーン,特に高い類似性を示すシーンに顕著な変化を見出すことである。 本研究では,動的シーン変化検出システムにおいて,教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T07:34:01Z)
• Survey on video anomaly detection in dynamic scenes with moving cameras [16.849332621082613]
  我々は、移動カメラビデオ異常検出(MC-VAD)に関する最初の総合的な調査を行う。 私たちの調査では、セキュリティ、都市交通、海洋環境の3つのアプリケーション領域をカバーしています。 我々は、水中、水面、地面、空中の4つの異なる環境にまたがる、公開可能な25のデータセットをまとめる。 本稿では、これらのデータセットが対応するか含んでいる異常の種類を要約し、そのような異常を検出するための5つの主要なアプローチカテゴリを提示する。
  論文  参考訳（メタデータ） (2023-08-14T10:21:06Z)
• CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
  銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。 実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。 我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
  論文  参考訳（メタデータ） (2023-03-19T16:17:35Z)
• Deep Learning for Event-based Vision: A Comprehensive Survey and Benchmarks [55.81577205593956]
  イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。 深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
  論文  参考訳（メタデータ） (2023-02-17T14:19:28Z)
• Weakly Supervised Two-Stage Training Scheme for Deep Video Fight Detection Model [0.0]
  ビデオにおけるファイト検出は、今日の監視システムとストリーミングメディアの普及にともなう、新たなディープラーニングアプリケーションである。 これまでの研究は、この問題に対処するための行動認識技術に大きく依存していた。 本研究では,動作認識特徴抽出器と異常スコア生成器の合成として,戦闘検出モデルを設計する。
  論文  参考訳（メタデータ） (2022-09-23T08:29:16Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Real Time Action Recognition from Video Footage [0.5219568203653523]
  ビデオ監視カメラは犯罪を検知する新しい次元を追加した。 本研究は、暴力行為を検出するための自律監視のための堅牢なパイプラインを確保するために、最先端のディープラーニング手法を統合することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-12-13T07:27:41Z)
• ASOD60K: Audio-Induced Salient Object Detection in Panoramic Videos [79.05486554647918]
  本研究では,パノラマビデオから有能な物体を分離する新しいタスクであるPV-SODを提案する。 既存の固定レベルやオブジェクトレベルの塩分濃度検出タスクとは対照的に,多モードの塩分濃度検出(SOD)に焦点を当てる。 AsOD60Kという,6レベル階層の4K解像度ビデオフレームを含む,最初の大規模データセットを収集する。
  論文  参考訳（メタデータ） (2021-07-24T15:14:20Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)
• Multi-Modal Video Forensic Platform for Investigating Post-Terrorist Attack Scenarios [55.82693757287532]
  大規模ビデオ分析プラットフォーム(VAP)は、容疑者を特定し証拠を確保するために法執行機関(LEA)を支援する。 本稿では,視覚・音声分析モジュールを統合し,監視カメラからの情報と目撃者からの映像アップロードを融合するビデオ分析プラットフォームを提案する。
  論文  参考訳（メタデータ） (2020-04-02T14:29:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。