論文の概要: Human Activity Recognition Method for Moderate Violence Detection

• arxiv url: http://arxiv.org/abs/2605.02659v1
• Date: Mon, 04 May 2026 14:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.342266
• Title: Human Activity Recognition Method for Moderate Violence Detection
• Title（参考訳）: 適度なヴァイオレンス検出のための人間活動認識法
• Authors: Luis Angel Aparicio Borjas, Victor Elias Nieto, Juan Irving Vasquez, Alfonso Fernandez-Vazquez, Gerardo Antonio Alvarez Hernandez,
• Abstract要約: 本研究は,監視カメラ映像における中程度の身体的暴力をリアルタイムに検出するシステムを開発した。 提案手法は,人間の検出と骨格キーポイント抽出にYOLO11とYOLO11-Poseを用いて,最先端のコンピュータビジョンモデルを統合する。
• 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: Physical violence in public spaces is a significant public health concern, with minor incidents such as pushing often serving as precursors to more severe escalations. This research develops an automated system for the real-time detection of moderate physical violence, specifically pushing, in surveillance camera footage. The proposed solution integrates state-of-the-art computer vision models, utilizing YOLO11 and YOLO11-Pose for human detection and skeletal keypoint extraction. By calculating body inclination and joint angles between shoulders and hips, a Random Forest classifier was trained to distinguish between normal behavior and aggressive physical contact. The system's performance was evaluated through three progressive case studies representing increasing levels of difficulty. In controlled environments with frontal views, the model achieved a precision of 0.98. In the most challenging scenario, featuring high-altitude, steep-angle recordings from real-world surveillance infrastructure, the system maintained a precision of 0.72 despite significant perspective distortion and visual noise. These results demonstrate the feasibility of using skeletal analysis for early violence intervention in urban security contexts.
• Abstract（参考訳）: 公共空間における身体的暴力は、より深刻なエスカレーションの前駆者としてしばしば働くような小さな事件など、公衆衛生上の重要な問題である。 本研究は,監視カメラ映像における中程度の身体的暴力をリアルタイムに検出するシステムを開発した。 提案手法は,人間の検出と骨格キーポイント抽出にYOLO11とYOLO11-Poseを用いて,最先端のコンピュータビジョンモデルを統合する。 ランサムフォレスト分類器は, 肩と股関節の傾斜角と関節角度を算出し, 正常な行動と攻撃的な身体接触を区別するように訓練した。 システムの性能は,難易度の増加を示す3つの進歩的ケーススタディによって評価された。 正面視で制御された環境では、モデルは0.98の精度を達成した。 現実世界の監視インフラから高高度で急勾配の録音を特徴とする最も困難なシナリオでは、視界の歪みと視覚ノイズにもかかわらず、システムは精度0.72を維持した。 これらの結果から,都市警備における早期暴力介入における骨格分析の有用性が示唆された。

関連論文リスト

• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• Single-Pixel Vision-Language Model for Intrinsic Privacy-Preserving Behavioral Intelligence [55.512671026669516]
  安全な環境モニタリングを再現する新しいフレームワークSP-VLM(Single-Pixel Vision-Language Model)を提案する。 それは本質的に低次元の1ピクセルのモダリティを通して人間のダイナミクスを捉えることによって、固有のプライバシ・バイ・デザインを実現する。 いずれにせよ,SP-VLMは意味ある行動意味を抽出し,ロバストな異常検出,数え方,行動理解を可能にしている。
  論文  参考訳（メタデータ） (2026-01-21T09:11:26Z)
• PP-Motion: Physical-Perceptual Fidelity Evaluation for Human Motion Generation [84.40992836326613]
  人間の運動生成は、AR/VR、映画、スポーツ、医療リハビリテーションに広く応用されている。 従来のアプローチでは、人間の知覚や身体的制約を用いた動きの忠実度評価が試みられている。 人間の運動の身体的および知覚的忠実度を評価するための新しいデータ駆動計量PP-Motionを提案する。
  論文  参考訳（メタデータ） (2025-08-11T16:59:15Z)
• Depth-Weighted Detection of Behaviours of Risk in People with Dementia using Cameras [3.6855408155998215]
  認知症の行動・心理的症状、例えば扇動や攻撃といった症状は、在宅ケアの環境において重大な健康・安全リスクを生じさせる。 医療施設は公共空間のデジタル監視のためにビデオカメラを設置しており、リスク検出システムの自動動作を開発するために利用することができる。 前回の研究の課題の1つは、距離による事象の重要性の相違による誤報の存在であった。 我々は,カメラの近距離と遠距離の両方で発生する事象に匹敵する重要性を示すために,新たに深度重み付き損失を提案する。
  論文  参考訳（メタデータ） (2024-08-28T04:12:07Z)
• Physics-constrained Attack against Convolution-based Human Motion Prediction [10.57307572170918]
  本研究では,人間の動き予測器の予測誤差を物理的制約で最大化することにより,最悪の場合の摂動を発生させる新たな逆攻撃法を提案する。 具体的には、対象のポーズの規模に適合する攻撃を容易にする新しい適応型スキームと、敵の例の自然性を高めるための2つの物理的制約を導入する。
  論文  参考訳（メタデータ） (2023-06-21T03:01:45Z)
• Physical Adversarial Attack meets Computer Vision: A Decade Survey [55.38113802311365]
  本稿では,身体的敵意攻撃の概要を概観する。 本研究は,身体的敵意攻撃の性能を体系的に評価する第一歩を踏み出した。 提案する評価基準であるhiPAAは6つの視点から構成される。
  論文  参考訳（メタデータ） (2022-09-30T01:59:53Z)
• DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment in COVID-19 Pandemic [1.027974860479791]
  世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。 コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。 開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
  論文  参考訳（メタデータ） (2020-08-26T16:56:57Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

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。