論文の概要: Towards Smart City Security: Violence and Weaponized Violence Detection using DCNN

• arxiv url: http://arxiv.org/abs/2207.12850v1
• Date: Tue, 26 Jul 2022 12:31:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-27 12:19:01.428906
• Title: Towards Smart City Security: Violence and Weaponized Violence Detection using DCNN
• Title（参考訳）: スマートシティセキュリティに向けて:dcnnを用いた暴力と武器化暴力検知
• Authors: Toluwani Aremu, Li Zhiyuan, Reem Alameeri, Moayad Aloqaily, Mohsen Guizani
• Abstract要約: 我々は、武器と非兵器による暴力の実際のCCTV映像と、YouTubeの非暴力ビデオの収集によって、新たな専門化されたデータセットを導入する。 複数のDCNNアーキテクチャの結果,高い精度を99%とすることで,本手法の有効性を実証した。
• 参考スコア（独自算出の注目度）: 36.244907785240876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this ever connected society, CCTVs have had a pivotal role in enforcing safety and security of the citizens by recording unlawful activities for the authorities to take actions. In a smart city context, using Deep Convolutional Neural Networks (DCNN) to detection violence and weaponized violence from CCTV videos will provide an additional layer of security by ensuring real-time detection around the clock. In this work, we introduced a new specialised dataset by gathering real CCTV footage of both weaponized and non-weaponized violence as well as non-violence videos from YouTube. We also proposed a novel approach in merging consecutive video frames into a single salient image which will then be the input to the DCNN. Results from multiple DCNN architectures have proven the effectiveness of our method by having the highest accuracy of 99\%. We also take into consideration the efficiency of our methods through several parameter trade-offs to ensure smart city sustainability.
• Abstract（参考訳）: このつながった社会において、CCTVは、当局が行動を起こすために違法な活動を記録することによって市民の安全と安全を強制する重要な役割を担ってきた。 スマートシティのコンテキストでは、Deep Convolutional Neural Networks(DCNN)を使用して、CCTVビデオから暴力や武器化された暴力を検知することで、時計のまわりのリアルタイム検出を確実にすることで、新たなセキュリティ層を提供する。 本研究では,武器化と非兵器化の両方の暴力映像とyoutubeの非暴力映像を収集し,新たな特別データセットを導入した。 我々はまた、連続したビデオフレームを単一の正像にマージする新しい手法を提案し、DCNNへの入力となる。 複数のdcnnアーキテクチャから得られた結果から,本手法の有効性を99\%の精度で証明した。 また, スマートシティの持続可能性を確保するために, パラメータトレードオフを複数実施し, 提案手法の効率を考察した。

関連論文リスト

• AdvMono3D: Advanced Monocular 3D Object Detection with Depth-Aware Robust Adversarial Training [64.14759275211115]
  そこで本研究では,DART3Dと呼ばれるモノクル3次元物体検出のための,深度対応の頑健な対向学習法を提案する。 我々の敵の訓練アプローチは、本質的な不確実性に乗じて、敵の攻撃に対する堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-09-03T07:05:32Z)
• Two-Stage Violence Detection Using ViTPose and Classification Models at Smart Airports [9.53984191161849]
  本研究では、スマート空港のユニークな要件に合わせて、革新的な暴力検出フレームワークを導入する。 このフレームワークは人間のポーズ推定にViTPoseの力を利用する。 実際のシナリオで堅牢なパフォーマンスを保証するため、ソリューションは統合テストが行われた。
  論文  参考訳（メタデータ） (2023-08-30T21:20:15Z)
• 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)
• A Comprehensive Study of the Robustness for LiDAR-based 3D Object Detectors against Adversarial Attacks [84.10546708708554]
  3Dオブジェクト検出器は、セキュリティクリティカルなタスクにおいてますます重要になっている。 敵の攻撃に対する強固さを理解することが不可欠である。 本稿では,LiDARをベースとした3次元検出器の対角攻撃時のロバスト性評価と解析を行った。
  論文  参考訳（メタデータ） (2022-12-20T13:09:58Z)
• Video Vision Transformers for Violence Detection [0.0]
  提案手法では,対戦や敵対的な動き,暴力的な出来事をビデオシーケンスで正確に識別できる,新しいエンドツーエンドのディープラーニングベースビデオビジョントランスフォーマー(ViViT)を用いている。 評価結果はその後、地元の関係者に送信され、キャプチャされたビデオを分析することができる。
  論文  参考訳（メタデータ） (2022-09-08T04:44:01Z)
• Detecting Violence in Video Based on Deep Features Fusion Technique [0.30458514384586394]
  本研究では、2つの畳み込みニューラルネットワーク(CNN)の融合技術を用いて暴力を検出する新しい方法を提案する。 提案手法の性能は,検出精度の観点から3つの標準ベンチマークデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2022-04-15T12:51:20Z)
• Video Violence Recognition and Localization using a Semi-Supervised Hard-Attention Model [0.0]
  暴力の監視と監視システムは、コミュニティを安全にし、命を救うことができる。 現在の最先端のディープラーニングによるビデオ暴力認識の精度とパフォーマンスの向上により、監視システムはより信頼性が高く、スケーラブルになる。 提案手法の主な貢献は,RWF,Hockey,Moviesのデータセットにおける最先端の精度を実現することである。
  論文  参考訳（メタデータ） (2022-02-04T16:15:26Z)
• 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)
• Overcomplete Representations Against Adversarial Videos [72.04912755926524]
  敵対ビデオ(OUDefend)に対する防御のための新しいオーバー・アンド・アンダー完全修復ネットワークを提案します。 OUDefendは、これらの2つの表現を学習することで、ローカル機能とグローバル機能のバランスをとるように設計されている。 実験の結果,画像に焦点をあてた防御はビデオに効果がない可能性があるが,oudefendは異なるタイプの敵ビデオに対して頑健性を高める。
  論文  参考訳（メタデータ） (2020-12-08T08:00:17Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
  我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。 提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
  論文  参考訳（メタデータ） (2020-10-25T23:01:13Z)

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。