論文の概要: Real-Time Threat Detection from Surveillance Cameras using Machine Learning
- arxiv url: http://arxiv.org/abs/2606.05708v1
- Date: Thu, 04 Jun 2026 05:00:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.566154
- Title: Real-Time Threat Detection from Surveillance Cameras using Machine Learning
- Title（参考訳）: 機械学習を用いた監視カメラからのリアルタイム脅威検出
- Authors: Gajendra Mandal, J. P. Patra, Priyansh Mahant,
- Abstract要約: 本研究は,オブジェクト検出に基づくリアルタイム監視フレームワークを提案する。
提案システムは、インドの監視シナリオにおける暴力行為に一般的に関与する銃、ナイフ、地域固有の鈍い物体を検出することに焦点を当てている。
提案手法は精度と効率のバランスを効果的に達成し,キャンパスや公共空間,交通機関などの現実世界の監視環境への展開に適している。
- 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: Ensuring public safety in densely populated urban environments remains a critical challenge, necessitating the deployment of intelligent and automated video surveillance systems. Traditional surveillance approaches rely heavily on manual monitoring, which is inefficient and susceptible to human fatigue, delayed response, and observational errors. To overcome these limitations, this work presents a real-time object detection-based surveillance framework. The proposed system focuses on detecting guns, knives, and region-specific blunt objects commonly involved in violent activities in Indian surveillance scenarios. A key contribution of this work is the use of a custom-created dataset collected using a mobile camera, consisting of 336 labeled images of blunt objects such as iron rods, wooden sticks, and plastic rods. This dataset is combined with a publicly available dataset of 7,623 images of guns and knives, forming a consolidated dataset of 7,959 images across three classes: gun, knife, and blunt object. The combined dataset is used to train a YOLOv8-based object detection model for real-time performance. Experimental evaluation shows that increasing the training duration significantly improves recall and average precision for the blunt object class without signs of overfitting. Overall, the proposed framework achieves an effective balance between accuracy and efficiency, making it suitable for deployment in real-world surveillance environments such as campuses, public spaces, and transportation areas.
- Abstract（参考訳）: 人口密度の高い都市環境における公衆の安全を確保することは依然として重要な課題であり、インテリジェントで自動化されたビデオ監視システムを展開する必要がある。
従来の監視アプローチは手動による監視に大きく依存しており、これは人間の疲労や遅延反応、観察上の誤りに非効率で影響を受けやすい。
これらの制限を克服するために、この研究はリアルタイムオブジェクト検出に基づく監視フレームワークを提供する。
提案システムは、インドの監視シナリオにおける暴力行為に一般的に関与する銃、ナイフ、地域固有の鈍い物体を検出することに焦点を当てている。
この研究の重要な貢献は、モバイルカメラを用いて収集されたカスタムデータセットを使用することで、鉄棒、木棒、プラスチック棒などの鈍い物体の336枚のラベル付き画像が作られる。
このデータセットは、銃とナイフの7,623枚の画像の公開データセットと組み合わせられ、3つのクラス(銃、ナイフ、鈍いオブジェクト)にわたる7,959枚の画像の統合データセットを形成する。
組み合わせデータセットは、リアルタイムパフォーマンスのためにYOLOv8ベースのオブジェクト検出モデルをトレーニングするために使用される。
実験により, トレーニング期間の増大は, オーバーフィッティングの兆候のない鈍度オブジェクトクラスのリコールと平均精度を著しく向上させることが示された。
提案手法は, 総合的に精度と効率のバランスを保ち, キャンパス, 公共空間, 交通エリアなどの現実世界の監視環境への展開に適している。
関連論文リスト
- Concept-based Explainable Data Mining with VLM for 3D Detection [0.0]
本稿では、2次元視覚言語モデルを利用して、運転シーンからレアな物体を識別・マイニングする新しいクロスモーダルフレームワークを提案する。
提案手法は,オブジェクト検出,意味的特徴抽出,次元減少,多面外乱検出などの相補的手法を合成する。
nuScenesデータセットの実験では、この概念に基づくデータマイニング戦略により、3Dオブジェクト検出モデルの性能が向上することが示された。
論文 参考訳（メタデータ） (2025-12-05T07:18:45Z) - Cross-Cluster Shifting for Efficient and Effective 3D Object Detection
in Autonomous Driving [69.20604395205248]
本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。
我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。
我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
論文 参考訳（メタデータ） (2024-03-10T10:36:32Z) - Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection [47.653092957888596]
本研究では,カモフラージュデータの合成フレームワークを提案する。
提案手法では,既存の物体検出モデルのトレーニングに使用可能な,現実的なカモフラージュ画像の生成に生成モデルを用いる。
我々のフレームワークは3つのデータセット上で最先端の手法より優れています。
論文 参考訳（メタデータ） (2023-08-13T06:55:05Z) - Self-Supervised Pretraining on Satellite Imagery: a Case Study on
Label-Efficient Vehicle Detection [0.0]
超高解像度光衛星画像における物体検出のためのドメイン内自己教師型表現学習について検討する。
我々は、世界地図の大規模な土地利用分類データセットを用いて、Momentum Contrastフレームワークの拡張による表現の事前訓練を行う。
次に,Preligensプロプライエタリなデータに基づいて,車両の詳細な検出と分類を行う実世界のタスクにおいて,このモデルが持つ伝達可能性について検討する。
論文 参考訳（メタデータ） (2022-10-21T08:41:22Z) - YOLO v3: Visual and Real-Time Object Detection Model for Smart
Surveillance Systems(3s) [0.0]
本稿では,スマートサーベイランスシステム(Smart Surveillance Systems, 3s)と呼ばれるサイバー物理システムの物体検出モデルを提案する。
本研究は, 学習時間と計算資源を削減するため, 転送学習手法を実装した。
提案モデルの結果は, 監視映像中の物体の検出において極めて良好であった。
論文 参考訳（メタデータ） (2022-09-26T06:34:12Z) - Multi-Camera Multiple 3D Object Tracking on the Move for Autonomous
Vehicles [17.12321292167318]
オブジェクトの検出と追跡は、カメラのビューにまたがって一貫した結果を達成するなど、新しい課題に対処するために重要である。
本研究は,既存のトラックレットの位置とリンク検出をトラックレットで予測するために,リンク予測を用いた新たなグローバルアソシエーショングラフモデルを提案する。
本モデルは, nuScenes 検出課題における標準3次元物体検出器の検出精度の向上に有効である。
論文 参考訳（メタデータ） (2022-04-19T22:50:36Z) - Object Manipulation via Visual Target Localization [64.05939029132394]
オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。
本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。
評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
論文 参考訳（メタデータ） (2022-03-15T17:59:01Z) - Time-to-Label: Temporal Consistency for Self-Supervised Monocular 3D
Object Detection [46.077668660248534]
オブジェクトのポーズのレベルにおける時間的一貫性は、重要な監視信号を提供する、と我々は主張する。
具体的には、この一貫性とレンダリング・アンド・コンパレート・ロスを利用する自己教師付き損失を提案する。
我々は,実データから生成した擬似ラベルを用いて,合成訓練されたモノクル3次元物体検出モデルを微調整する。
論文 参考訳（メタデータ） (2022-03-04T08:55:49Z) - Analysis of voxel-based 3D object detection methods efficiency for
real-time embedded systems [93.73198973454944]
本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。
実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。
この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
論文 参考訳（メタデータ） (2021-05-21T12:40:59Z) - Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。
最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。
それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
論文 参考訳（メタデータ） (2021-04-16T21:35:08Z) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳（メタデータ） (2020-02-01T04:42:57Z)
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。