論文の概要: Suspicious Behavior Detection on Shoplifting Cases for Crime Prevention by Using 3D Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2005.02142v1
• Date: Thu, 30 Apr 2020 22:06:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 03:29:25.004979
• Title: Suspicious Behavior Detection on Shoplifting Cases for Crime Prevention by Using 3D Convolutional Neural Networks
• Title（参考訳）: 3次元畳み込みニューラルネットワークによる犯罪防止のための万引き事例の突発的行動検出
• Authors: Guillermo A. Mart\'inez-Mascorro, Jos\'e R. Abreu-Pederzini, Jos\'e C. Ortiz-Bayliss, Hugo Terashima-Mar\'in
• Abstract要約: ビデオ特徴抽出器として3DCNNモデルを実装し,その性能を日常行動と万引きのサンプルからなるデータセット上で検証した。 犯罪が発生した場合の75%を正しく識別するので、結果は励まされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Crime generates significant losses, both human and economic. Every year, billions of dollars are lost due to attacks, crimes, and scams. Surveillance video camera networks are generating vast amounts of data, and the surveillance staff can not process all the information in real-time. The human sight has its limitations, where the visual focus is among the most critical ones when dealing with surveillance. A crime can occur in a different screen segment or on a distinct monitor, and the staff may not notice it. Our proposal focuses on shoplifting crimes by analyzing special situations that an average person will consider as typical conditions, but may lead to a crime. While other approaches identify the crime itself, we instead model suspicious behavior -- the one that may occur before a person commits a crime -- by detecting precise segments of a video with a high probability to contain a shoplifting crime. By doing so, we provide the staff with more opportunities to act and prevent crime. We implemented a 3DCNN model as a video feature extractor and tested its performance on a dataset composed of daily-action and shoplifting samples. The results are encouraging since it correctly identifies 75% of the cases where a crime is about to happen.
• Abstract（参考訳）: 犯罪は人的・経済的に大きな損失をもたらす。 毎年、攻撃、犯罪、詐欺によって数十億ドルが失われている。 監視カメラネットワークは膨大なデータを生成しており、監視スタッフはすべての情報をリアルタイムで処理することはできない。 人間の視覚には制限があり、視覚の焦点は監視を扱う上で最も重要なものの一つだ。 犯罪は異なる画面セグメントや別のモニターで起こり、スタッフはそれに気づかないかもしれない。 本提案は,一般人が典型的な状況と考えるが犯罪につながるような特別な状況を分析することで,犯罪を万引きすることに焦点を当てている。 他のアプローチでは、犯罪自体を特定するが、その代わりに不審な行動(犯罪が起きる前に起こる可能性のある行動)をモデル化し、ビデオの正確なセグメントを高い確率で検出し、万引き犯罪を封じ込めます。 そうすることで、私たちはスタッフに、犯罪を防止し、行動する機会を与えます。 ビデオ特徴抽出器として3DCNNモデルを実装し,日常行動と万引きのサンプルからなるデータセット上でその性能を検証した。 犯罪が起ころうとしているケースの75%を正しく特定するため、結果は奨励されている。

関連論文リスト

• A Data-Theoretic Approach to Identifying Violent Facial Expressions in Social Crime Contexts [0.0]
  我々は,犯罪を犯す意図があるかどうかを検知できる畳み込みニューラルネットワークを用いて,自動システムの設計を行った。 ここでは,地域住民の暴力的・前犯罪的な顔パターンを表現できる特定の地理的領域の顔データのみを用いた。
  論文  参考訳（メタデータ） (2023-08-16T20:12:43Z)
• Ranking the locations and predicting future crime occurrence by retrieving news from different Bangla online newspapers [2.3979112009934163]
  我々は、特定の場所の安全性について、人々に近似を与えるアプローチを考え出した。 私たちのアプローチは、犯罪データをクロールするために、さまざまなオンラインバングラ新聞に依存しています。
  論文  参考訳（メタデータ） (2023-05-18T04:19:26Z)
• A Comparative Analysis of Multiple Methods for Predicting a Specific Type of Crime in the City of Chicago [0.9799637101641152]
  空間的特徴と時間的特徴を用いて盗難を予測するにはどうすればよいのか? XBoostはF1スコア0.86で最高の結果を示した。
  論文  参考訳（メタデータ） (2023-04-26T11:35:06Z)
• 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)
• Criminal Investigation Tracker with Suspect Prediction using Machine Learning [0.0]
  本研究は,実世界データに基づく犯罪予測と犯罪法人化の新たなアプローチを提供する。 スリランカの犯罪者を識別する自動化アプローチは、現在のシステムよりも優れている。
  論文  参考訳（メタデータ） (2023-02-21T03:24:17Z)
• Untargeted Backdoor Attack against Object Detection [69.63097724439886]
  我々は,タスク特性に基づいて,無目標で毒のみのバックドア攻撃を設計する。 攻撃によって、バックドアがターゲットモデルに埋め込まれると、トリガーパターンでスタンプされたオブジェクトの検出を失う可能性があることを示す。
  論文  参考訳（メタデータ） (2022-11-02T17:05:45Z)
• Initiative Defense against Facial Manipulation [82.96864888025797]
  本稿では,悪意あるユーザによって制御される顔操作モデルの性能を低下させるための,イニシアティブ・ディフェンスの新しい枠組みを提案する。 まず、サロゲートモデルを用いてターゲット操作モデルを模倣し、次に毒の摂動発生器を考案し、所望の毒を得る。
  論文  参考訳（メタデータ） (2021-12-19T09:42:28Z)
• The effect of differential victim crime reporting on predictive policing systems [84.86615754515252]
  本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。 以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-01-30T01:57:22Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)
• DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
  コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。 本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
  論文  参考訳（メタデータ） (2020-06-10T08:20:13Z)
• Crime Prediction Using Spatio-Temporal Data [8.50468505606714]
  監視学習技術は、より正確な犯罪を予測するために使用される。 提案システムには、サンフランシスコ市で12年間にわたって行われた犯罪活動データセットが組み込まれている。
  論文  参考訳（メタデータ） (2020-03-11T16:19:19Z)

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。