Towards Smart City Security: Violence and Weaponized Violence Detection using DCNN

要約

このつながりのある社会において、CCTVは、当局が行動を起こすための違法な活動を記録することにより、市民の安全とセキュリティを強化する上で極めて重要な役割を果たしてきました。
スマートシティのコンテキストでは、Deep Convolutional Neural Networks（DCNN）を使用してCCTVビデオから暴力や武器化された暴力を検出すると、24時間体制でリアルタイムの検出が保証されるため、セキュリティがさらに強化されます。
この作品では、武器化された暴力と武器化されていない暴力の両方の実際のCCTV映像と、YouTubeからの非暴力ビデオを収集することにより、新しい特殊なデータセットを導入しました。
また、連続するビデオフレームを単一の顕著な画像にマージする新しいアプローチを提案しました。この画像はDCNNへの入力になります。
複数のDCNNアーキテクチャからの結果は、99 \％の最高精度を持つことにより、私たちの方法の有効性を証明しています。
また、スマートシティの持続可能性を確保するために、いくつかのパラメーターのトレードオフを通じて、メソッドの効率を考慮に入れています。

要約(オリジナル)

In this ever connected society, CCTVs have had a pivotal role in enforcing safety and security of the citizens by recording unlawful activities for the authorities to take actions. In a smart city context, using Deep Convolutional Neural Networks (DCNN) to detection violence and weaponized violence from CCTV videos will provide an additional layer of security by ensuring real-time detection around the clock. In this work, we introduced a new specialised dataset by gathering real CCTV footage of both weaponized and non-weaponized violence as well as non-violence videos from YouTube. We also proposed a novel approach in merging consecutive video frames into a single salient image which will then be the input to the DCNN. Results from multiple DCNN architectures have proven the effectiveness of our method by having the highest accuracy of 99\%. We also take into consideration the efficiency of our methods through several parameter trade-offs to ensure smart city sustainability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google