Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32508| Título: | Detecção de ações de violência em vídeos por meio de redes neurais artificiais |
| Título(s) alternativo(s): | Detection of violence actions in videos using artificial neural networks |
| Autor(es): | Lupschinski, Lucas Gustavo Golfetto |
| Orientador(es): | Betzek, Nelson Miguel |
| Palavras-chave: | Inteligência artificial Sistemas de segurança Violência urbana Artificial intelligence Security systems Urban violence |
| Data do documento: | 20-Jun-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | LUPSCHINSKI, Lucas Gustavo Golfetto. Detecção de ações de violência em vídeos por meio de redes neurais artificiais. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Medianeira, 2023. |
| Resumo: | O número de ações consideradas violentas nos últimos anos vem crescendo de forma exponencial. Nas situações mais graves, o uso de algum artefato para ameaçar ainda mais a vítima é utilizado, dificultando alguém conseguir sair ileso da situação. Para diminuir esse problema, espaços públicos e privados optam por aplicar ações que ajudam a promover a segurança, entre eles está a vigilância remota por meio de câmeras estrategicamente posicionadas. Levando em consideração que apenas as câmeras por si não conseguem ser efetivas, métodos para apoiar a vigilância remota são necessários, entre eles consta o objetivo do trabalho, que é a aplicação de uma rede neural artificial (ou RNA), com o intuito de auxiliar agentes de segurança, estes que operam sistemas de vigilância, tanto internos quanto externos. De forma geral, a rede neural deve reconhecer o contato violento entre indivíduos. Essa detecção tem como objetivo de diminuir o tempo de resposta que um profissional teria para se deslocar até o acontecido. Para alcançar resultado proposto, foi realizada a comparação entre duas abordagens – processando o vídeo a partir de uma rede neural que analisa o vídeo de quadro a quadro, e também utilizando uma mescla entre os conceitos de redes neurais convolucionais e a arquitetura de memória de longo prazo, conhecida como LSTM (ou Long Short-Term Memory, em inglês), que desempenha um papel crucial no processamento de informações temporais. Os resultados obtidos pela rede neural quadro a quadro forneceu uma taxa de acerto de 87,61% na detecção de ações violentas, enquanto a rede convolucional junto com a arquitetura LSTM retornou 90,02%, validando as duas abordagens. |
| Abstract: | The number of actions considered violent in recent years has grown exponentially. In the most serious situations, the use of some artifact to further threaten the victim is used, making it difficult for someone to get out of the situation unharmed. Thinking about reducing this problem, public and private spaces choose to apply actions that help to promote security, among them is remote surveillance through strategically placed cameras. Bearing in mind that only cameras alone cannot be effective, methods to support remote surveillance are necessary, among them the objective of the work, which is the application of an artificial neural network (or ANN), in order to help security agents, those who operate surveillance systems, both internal and external. In general, the neural network must recognize violent contact between individuals. This detection aims to reduce the response time that a professional would have to move to the event. To achieve the proposed result, a comparison was made between two approaches - processing the video from a neural network that analyzes the video frame by frame, and also using a mix between the concepts of convolutional neural networks and longterm memory architecture. term, known as LSTM, which plays a crucial role in processing temporal information. The results obtained by the frame-by-frame neural network provided an accuracy rate of 87.61% in the detection of violent actions, while the convolutional network together with the LSTM architecture returned 90.02%, validating both approaches. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32508 |
| Aparece nas coleções: | MD - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| deteccaoacoesviolenciavideos.pdf | 1,52 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
