Propuesta de un modelo para el reconocimiento de escenas violentas en video

• Autor: Ramírez Ticona, Jorge Thony
• Formato: tesis de grado
• Fecha de Publicación: 2017
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/4507
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/4507
• Nivel de acceso: acceso abierto
• Materia: Visión computacional; Video vigilancia; Secuencias de video; Reconocimiento de violencia; Descriptor STIP; https://purl.org/pe-repo/ocde/ford#2.02.03

Analizando que el problema de reconocimiento de acciones violentas se ha convertido en un tema de actualidad dentro de la visión computacional, la detección de peleas o comportamientos agresivos en el ámbito espacial han sido menos estudiadas en la literatura. Dicha capacidad puede ser muy útil en algunos escenarios de video vigilancia como en las cárceles, centros psiquiátricos, calles de la ciudad. Bajo este marco, las características espacio-temporales se extraen de las secuencias de video y se utilizan para la clasificación. A pesar de resultados alentadores en el que se alcanzaron cerca de 90 % de precisión para esta tarea específica. Se encontró que en los sistemas de video vigilancia actuales no se cuenta con una detección espacial la cual indica en que parte de la imagen sucede el evento violento. Para afrontar esta problemática actual, se realizó el trabajo de investigación el cual realiza un reconocimiento de escenas violentas en video, la misma que concluye que el uso de STIP y YOLO son necesarios para desarrollar una aplicación viable de reconocimiento espacial de violencia. Una importante contribución de esta tesis es proponer un método para el reconocimiento de violencia en video la misma se hace espacial y temporalmente. En esta tesis, se realiza una evaluación amplia utilizando más de 1000 videos; con el fin de dar a conocer las ventajas de usar descriptores locales para el reconocimiento de la violencia en video. De acuerdo con los experimentos, el método propuesto utiliza el descriptor STIP con una tasa de acierto de 90.4 % y una segmentación espacial de la violencia en el video con una tasa de acierto de 74 % las cuales produjeron mejores resultados que otros métodos de la literatura.