84、暴力视频检测与评论方面检测的深度学习方法研究

暴力视频检测与评论方面检测的深度学习方法研究

1. 暴力视频检测相关研究

1.1 背景与问题提出

暴力是使用身体力量对他人造成伤害、心理伤害甚至死亡的行为，是人类冲突的一种极端表现。在过去几十年里，公共暴力，尤其是校园暴力事件在越南等地区显著增加。据越南教育和培训部的数据，一个学年内，学校内外发生了近1600起校园斗殴事件，约5200名学生参与斗殴，11000名学生因斗殴辍学。

目前，大多数暴力检测系统依赖人工检查监控视频，效率低下且不切实际。因此，设计一种能自动从监控摄像头检测暴力行为的应用程序至关重要，它可以帮助教师在早期识别校园暴力并采取预防措施，既减少校园暴力事件，又减轻教师的工作负担。

1.2 相关工作

如今，视频中的暴力检测是研究热点，相关技术可分为两类：
- 基于帧间变化 ：由于打斗中的快速动作，包含暴力的帧会发生巨大变化。
- 基于局部运动 ：研究人员分析视频中发生的运动变化模式。

许多研究聚焦于识别时空兴趣点并提取特征，如STIP（时空兴趣点）、Harris角点检测器、MoSIFT（运动尺度不变特征变换）、MoWLD（运动韦伯局部描述符）等。此外，还有使用卷积长短期记忆网络（convLSTM）结合一系列卷积和池化层提取特征来检测暴力视频的方法，以及Darknet19模型，它是一个基于ImageNet数据库中超过一百万张图像训练的19层卷积神经网络，能将图像分类为1000多种不同对象。

1.3 方法论

1.3.1 提出的模型

提出的模型