文献

J-GLOBAL ID：202102256781736358   整理番号：21A2525428

3D畳込みニューラルネットワークによる時空間特徴を用いた暴力検出【JST・京大機械翻訳】

Violence Detection Using Spatiotemporal Features with 3D Convolutional Neural Network

著者 (5件)： Ullah Fath U Min (Intelligent Media Laboratory, Digital Contents Research Institute, Sejong University, Seoul 143-747, Korea) ,  Ullah Amin (Intelligent Media Laboratory, Digital Contents Research Institute, Sejong University, Seoul 143-747, Korea) ,  Muhammad Khan (Department of Software, Sejong University, Seoul 143-747, Korea) ,  Haq Ijaz Ul (Intelligent Media Laboratory, Digital Contents Research Institute, Sejong University, Seoul 143-747, Korea) ,  Baik Sung Wook (Intelligent Media Laboratory, Digital Contents Research Institute, Sejong University, Seoul 143-747, Korea)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 11  ページ： 2472  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： スマートな都市における監視カメラの世界的な利用は,研究者が自動監視を確実にするためのデータの巨大な体積を分析することを可能にした。スマートな都市,学校,病院,および他の監視ドメインにおける強化されたセキュリティシステムは,社会的,経済的,および生態学的損傷を引き起こすことができるあらゆる犠牲者を回避するための激しいまたは異常な活動の検出に不可欠である。迅速な行動に対する暴力の自動検出は非常に重要であり,関係する部門を効率的に支援できる。本論文では,三重段階エンドツーエンド深層学習暴力検出フレームワークを提案した。最初に,軽量畳み込みニューラルネットワーク(CNN)モデルを用いて監視ビデオストリーム中に人を検出し,無使用フレームの大量処理を低減し,克服した。第2に,検出した人を持つ16フレームのシーケンスを3D CNNに通過させ,そこではこれらのシーケンスの時空間特徴を抽出し,ソフトマックス分類器に供給した。さらに,Intelによって開発されたオープン視覚推論とニューラルネットワーク最適化ツールキットを用いて3D CNNモデルを最適化し,訓練モデルを中間表現に変換し,そして,激しい活動の最終予測のためにエンドプラットフォームで最適実行のためにそれを調整した。激しい活動の検出の後,警報は,迅速な予防行動を取るために,最も近い警察局またはセキュリティ部門に送られる。提案手法は,異なるベンチマークデータセットに対して既存の最先端手法よりも優れていることを見出した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  視覚 ,  *ニューラルネットワーク ,  都市 ,  エンドツーエンド方式 ,  生態学 ,  *三次元 ,  ベンチマーク ,  *暴力行為 ,  セキュリティシステム ,  セキュリティ
準シソーラス用語： 監視カメラ ,  ビデオストリーム ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常活動 ,  深層学習 ,  3D畳込みニューラルネットワーク ,  暴力検出 ,  監視カメラ

分類 (2件)： 通信網  (ND07030A) ,  空気調和装置一般  (PC02010U)

引用文献 (42件)：

• Batchuluun, G.; Kim, Y.; Kim, J.; Hong, H.; Park, K. Robust behavior recognition in intelligent surveillance environments. Sensors 2016, 16, 1010.
• Ullah, A.; Muhammad, K.; Del Ser, J.; Baik, S.W.; Albuquerque, V. Activity Recognition using Temporal Optical Flow Convolutional Features and Multi-Layer LSTM. IEEE Trans. Ind. Electron. 2018.
• Muhammad, K.; Ahmad, J.; Lv, Z.; Bellavista, P.; Yang, P.; Baik, S.W. Efficient Deep CNN-Based Fire Detection and Localization in Video Surveillance Applications. IEEE Trans. Syst. Man Cybern. Syst. 2018.
• Ullah, A.; Muhammad, K.; Haq, I.U.; Baik, S.W. Action recognition using optimized deep autoencoder and CNN for surveillance data streams of non-stationary environments. Future Gener. Comput. Syst. 2019.
• Muhammad, K.; Khan, S.; Elhoseny, M.; Ahmed, S.H.; Baik, S.W. Efficient Fire Detection for Uncertain Surveillance Environment. IEEE Trans. Ind. Inform. 2019.

タイトルに関連する用語 (4件)： 3D ,  畳込みニューラルネットワーク ,  時空間 ,  暴力