Onderzoekers van de China University of Petroleum (CUP), in Beijing, hebben onlangs een nieuwe methode ontwikkeld voor het detecteren van geweld door meerdere spelers op basis van diepe 3D convolutionele neurale netwerken (CNN's). Hun methode werd gepresenteerd in een paper gepubliceerd in ICNCC 2018:Proceedings of the 2018 VII International Conference on Network, Communicatie en Informatica.

In recente jaren, vooruitgang in computervisie en kunstmatige intelligentie (AI) hebben geleid tot de ontwikkeling van steeds geavanceerdere videobewakingssystemen, die lokale autoriteiten kunnen helpen criminaliteit te voorkomen en de openbare ruimte beter te bewaken. Ondanks deze ontwikkelingen, de meeste huidige real-time monitoringsystemen zijn afhankelijk van het handmatige werk van menselijke agenten, wat tijdrovend kan zijn, en resulteert soms in het niet opsporen van alle illegale activiteiten.

Onderzoekers hebben daarom geprobeerd intelligente en uiterst nauwkeurige bewakingssystemen te ontwikkelen waarmee autoriteiten ongebruikelijk gedrag sneller en effectiever kunnen identificeren. Door slimme video-analysemodules toe te voegen aan een monitoringsysteem zou het uiteindelijk in staat zijn om autonoom informatie te analyseren en abnormale situaties op te sporen.

Een van de belangrijkste prioriteiten op het gebied van beveiliging en bewaking is het identificeren van gewelddadig gedrag in de openbare ruimte om snel in te grijpen en de veiligheid van andere leden van de gemeenschap te waarborgen. Met dit in gedachten, het team van onderzoekers van CUP wilde een machine learning-methode ontwikkelen die gewelddadig gedrag snel kan detecteren, simpelweg door videobewakingsbeelden te analyseren. De door de onderzoekers voorgestelde methode maakt gebruik van een 3D CNN, die is opgeleid om video's te analyseren en gewelddadige handelingen van meerdere mensen op te sporen.

"Gewelddetectie in drukke scènes (zoals winkelcentra, banken en stadions) is van groot belang, maar er is weinig onderzoek gedaan [op dit gebied], ' schreven de onderzoekers in hun paper. 'Op basis van deze situatie, dit artikel stelt een multiplayer-gewelddetectiemethode voor op basis van een diep driedimensionaal convolutioneel neuraal netwerk (3-D CNN) dat de spatiotemporele functie-informatie van multiplayer-geweld extraheert."

Momenteel, er zijn twee soorten methoden om geweld in video's te detecteren. Het eerste type omvat het gebruik van traditionele kenmerkextractie en een classificatie, terwijl de tweede deep learning-technieken gebruikt. De nieuwe methode van de onderzoekers valt in de laatste categorie, aangezien eerdere studies suggereren dat diepgaande modellen voor het opsporen van geweld handiger en effectiever zijn dan traditionele benaderingen.

Om hun methode te trainen en te evalueren, de onderzoekers gebruikten 500 multiplayer-geweldvideo's en 500 multiplayer-geweldloze video's, met resoluties tot 1920*1080. Hun CNN-model voor gewelddetectie is geïnspireerd op een netwerk dat is ontwikkeld door Facebook AI Lab, in 2014.

Om hun methode te evalueren, de onderzoekers voerden een reeks experimenten uit op de Nvidia Tesla K80. Hun methode bleek zeer nauwkeurig te zijn, beter presteren dan drie traditionele benaderingen voor gewelddetectie die werken door kunstmatig functies te extraheren. In de toekomst, hun 3D CNN zou verder ontwikkeld kunnen worden, waardoor gebruikers ook de locatie kunnen bepalen van de gewelddadige conflicten die in video's plaatsvinden.

© 2019 Wetenschap X Netwerk