تشخیص رفتارهای خشونت آمیز فیلم های نظارتی با استفاده از کانولوشن زمانی-مکانی و آتروس کانولوشن

EasyChair Preprint 5357

Abstract

تشخیص اشیای متحرک در هر فریم گامی اساسی در تحلیل ویدئو و تشخیص خشونت است.در این مقاله روشی جدید  برای جداسازی فریم های حاوی اطلاعات حرکتی و تشخیص خشونت در آنها ارائه شده است.در روش پیشنهادی جداسازی فریم های حاوی اطلاعات حرکتی و تشخیص خشن بودن آنها در دو سطح شبکه صورت می­گیرد.در سطح یک آتروس کانولوشن ویدئوهای ورودی به شبکه را دریافت می­کند و با اعمال تقسیم بندی معنایی روی فریم های ورود به شبکه فریم های حاوی اطلاعات حرکتی را جداسازی می­کند سپس آنها را جهت تشخیص خشن بودن رفتار های صورت گرفته به سطح دو شبکه یعنی کانولوشن زمانی مکانی انتقال می­دهد.در انتها جهت اطمینان از صحت عملکرد شبکه واحد رگرسیون پس از بررسی خروجی شبکه اطلاعات را در دو کلاس خشن و غیرخشن دسته بندی می­کند و برای آنها نمره در نظر میگیرد.هرچقدر نمره به دست آمده نزدیک 0 باشد یعنی خشونت تشخیص داده نشده و هرچقدر این نمره نزدیک1 باشد یعنی خشونت تشخیص داده شده است.برای نمایش میزان دقت الگوریتم پیشنهادی دو مجموعه دادگان مورد بررسی قرار گرفته اند که مجموع دقت به دست آمده از آنها برابر با 96% در مجموعه داده ucf-crime و همچنین %93 از مجموعه داده surveillance video است.

Keyphrases: Adaptive Key Frame, Atrous Convolutional, Dvsnet, Flownet, spatial-temporal Convolutional

@booklet{EasyChair:5357,
  author    = {Behzad Lak and Tayebeh Pakaghideh},
  title     = {Behaviors Violence Detection of Surveillance Video Using Spatial-Temporal Convolution and Atrous Convolutional},
  howpublished = {EasyChair Preprint 5357},
  year      = {EasyChair, 2021}}