Investigadores de la Universidad del Petróleo de China (CUP), en Beijing, Recientemente, han desarrollado un nuevo método para la detección de violencia multijugador basado en redes neuronales convolucionales (CNN) en 3-D profundas. Su método fue presentado en un artículo publicado en ICNCC 2018:Actas de la VII Conferencia Internacional sobre Redes de 2018, Comunicación y Computación.

En años recientes, Los avances en visión por computadora e inteligencia artificial (IA) han llevado al desarrollo de sistemas de videovigilancia cada vez más sofisticados. que puede ayudar a las autoridades locales a prevenir el crimen y monitorear los espacios públicos de manera más efectiva. A pesar de estos desarrollos, La mayoría de los sistemas de monitoreo en tiempo real actuales se basan en el trabajo manual de agentes humanos, que puede llevar mucho tiempo, ya veces da como resultado que no se detecten todas las actividades ilícitas.

Por lo tanto, los investigadores han estado tratando de desarrollar sistemas de vigilancia inteligentes y de alta precisión que permitan a las autoridades identificar comportamientos inusuales de manera más rápida y efectiva. Agregar módulos de análisis de video inteligente a un sistema de monitoreo le permitiría, en última instancia, analizar información de forma autónoma y detectar situaciones anormales.

Una de las prioridades clave en el campo de la seguridad y la vigilancia es identificar comportamientos violentos en los espacios públicos para intervenir con prontitud y garantizar la seguridad de otros miembros de la comunidad. Teniendo esto en cuenta, el equipo de investigadores de CUP se propuso desarrollar un método de aprendizaje automático que pueda detectar comportamientos violentos rápidamente, simplemente analizando las imágenes de videovigilancia. El método propuesto por los investigadores utiliza una CNN 3-D, que está capacitado para analizar videos y detectar actos violentos llevados a cabo por varias personas.

"Detección de violencia en escenas concurridas (como centros comerciales, bancos y estadios) es significativamente importante, pero se ha realizado poca investigación [en esta área], "escribieron los investigadores en su artículo". Con base en esta situación, este artículo propone un método de detección de violencia multijugador basado en una red neuronal convolucional tridimensional profunda (CNN 3-D) que extrae la información de características espaciotemporales de la violencia multijugador ".

En la actualidad, Hay dos tipos de métodos para detectar la violencia en los videos. El primer tipo implica el uso de extracción de características tradicional y un clasificador, mientras que el segundo emplea técnicas de aprendizaje profundo. El nuevo método ideado por los investigadores cae en la última categoría, ya que estudios anteriores sugieren que los modelos de aprendizaje profundo para la detección de violencia son más convenientes y efectivos que los enfoques tradicionales.

Para entrenar y evaluar su método, los investigadores utilizaron 500 videos de violencia multijugador y 500 videos no violentos multijugador, con resoluciones de hasta 1920 * 1080. Su modelo de CNN para la detección de violencia está inspirado en una red desarrollada por Facebook AI Lab, en 2014.

Para evaluar su método, los investigadores llevaron a cabo una serie de experimentos en la Nvidia Tesla K80. Se descubrió que su método era muy preciso, superando tres enfoques tradicionales de detección de violencia que funcionan extrayendo características de forma artificial. En el futuro, su CNN 3-D podría desarrollarse aún más, permitiendo a los usuarios determinar también la ubicación de los conflictos violentos que están ocurriendo en los videos.

© 2019 Science X Network