論文の概要: Streamlining Video Analysis for Efficient Violence Detection
- arxiv url: http://arxiv.org/abs/2412.02127v1
- Date: Fri, 29 Nov 2024 06:32:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:44:38.608687
- Title: Streamlining Video Analysis for Efficient Violence Detection
- Title(参考訳): 効率的なビオレンス検出のためのストリーム映像解析
- Authors: Gourang Pathak, Abhay Kumar, Sannidhya Rawat, Shikha Gupta,
- Abstract要約: 本稿では,監視カメラが捉えたビデオフレームにおける自動暴力検出の課題に対処する。
本稿では,3次元畳み込みニューラルネットワーク(3D CNN)に基づくモデルX3Dを用いてこの問題に対処する手法を提案する。
- 参考スコア(独自算出の注目度): 1.444946491007292
- License:
- Abstract: This paper addresses the challenge of automated violence detection in video frames captured by surveillance cameras, specifically focusing on classifying scenes as "fight" or "non-fight." This task is critical for enhancing unmanned security systems, online content filtering, and related applications. We propose an approach using a 3D Convolutional Neural Network (3D CNN)-based model named X3D to tackle this problem. Our approach incorporates pre-processing steps such as tube extraction, volume cropping, and frame aggregation, combined with clustering techniques, to accurately localize and classify fight scenes. Extensive experimentation demonstrates the effectiveness of our method in distinguishing violent from non-violent events, providing valuable insights for advancing practical violence detection systems.
- Abstract(参考訳): 本稿では、監視カメラが捉えたビデオフレームにおける自動暴力検出の課題について、特にシーンを「戦闘」や「非戦闘」と分類することに焦点を当てる。
このタスクは、無人のセキュリティシステム、オンラインコンテンツフィルタリング、および関連するアプリケーションを強化するために重要である。
本稿では,3次元畳み込みニューラルネットワーク(3D CNN)に基づくモデルX3Dを用いてこの問題に対処する手法を提案する。
提案手法は, チューブ抽出, ボリュームトリミング, フレームアグリゲーションなどの前処理ステップをクラスタリング技術と組み合わせることで, 戦闘シーンの正確なローカライズと分類を行う。
大規模な実験により,暴力行為と非暴力行為を区別する手法の有効性が示され,実用的な暴力検出システムの実現に有用な知見が得られた。
関連論文リスト
- DIFEM: Key-points Interaction based Feature Extraction Module for Violence Recognition in Videos [6.375350222633163]
そこで本研究では,人間の骨格キーポイントを有効利用して暴力の性質を捉える手法を提案する。
我々の手法の核心は、速度や関節交叉といった特徴を捉える新しい動的相互作用特徴抽出モジュール(DIFEM)である。
DIFEMによって抽出された特徴により、ランダムフォレスト、決定木、AdaBoost、k-Nearest Neighborといった様々な分類アルゴリズムが使用されている。
論文 参考訳(メタデータ) (2024-12-06T19:25:47Z) - Analysis of Unstructured High-Density Crowded Scenes for Crowd Monitoring [55.2480439325792]
我々は,人群集の組織的動きを検出する自動システムの開発に興味がある。
コンピュータビジョンアルゴリズムは、混雑したシーンのビデオから情報を抽出することができる。
組織化されたコホート内の参加者数を見積もることができます。
論文 参考訳(メタデータ) (2024-08-06T22:09:50Z) - 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) - 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) - 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) - SSIVD-Net: A Novel Salient Super Image Classification & Detection
Technique for Weaponized Violence [3.651114792588495]
CCTV映像における暴力や武器による暴力の検出には、包括的なアプローチが必要である。
本稿では,emphSmart-City CCTV Violence Detection (SCVD)データセットを紹介する。
我々はemphSSIVD-Net(textbfViolence textbfDetection用textbfSalient-textbfSuper-textbfImage)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2022-07-26T12:31:01Z) - 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) - gradSim: Differentiable simulation for system identification and
visuomotor control [66.37288629125996]
本稿では,微分可能マルチフィジカルシミュレーションと微分可能レンダリングを活用し,3次元監督への依存を克服するフレームワークであるgradsimを提案する。
当社の統合グラフは、状態ベースの(3D)監督に頼ることなく、挑戦的なバイスモメータ制御タスクで学習を可能にします。
論文 参考訳(メタデータ) (2021-04-06T16:32:01Z) - 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) - Gabriella: An Online System for Real-Time Activity Detection in
Untrimmed Security Videos [72.50607929306058]
本研究では,未トリミングされたセキュリティビデオ上でのアクティビティ検出をリアルタイムに行うオンラインシステムを提案する。
提案手法は, チューブレット抽出, 活性分類, オンラインチューブレットマージの3段階からなる。
提案手法の有効性を,100fps(100fps)と最新技術による性能評価で実証した。
論文 参考訳(メタデータ) (2020-04-23T22:20:10Z) - Vision-based Fight Detection from Surveillance Cameras [6.982738885923204]
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。
論文 参考訳(メタデータ) (2020-02-11T12:56:29Z)
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。