Efficient and Deployable Violence Detection using Transfer Learning Framework for Public Safety

Sanam Narejo

doi:10.22581/muet1982.0125

Efficient and Deployable Violence Detection using Transfer Learning Framework for Public Safety

2025-10-01

0

OA

AI

DOI：10.22581/muet1982.0125

原文链接

查看原文

摘要

En 中文

城市地区日益增长的一个担忧是公共聚集空间的安全问题。传统的闭路电视（CCTV）监控系统几乎完全依赖人类操作员，由于疲劳和分心，这使得它们容易出错。由于暴力事件数量的增加，开发自动化智能系统以促进对潜在暴力的快速和准确检测至关重要，特别是在公共场所。本研究旨在通过减少对人类的依赖，转而采用AI驱动的自动化，并实施迁移学习（TL），作为人工智能（AI）的一个子集，来加强传统监控系统，开发一个自动暴力检测系统。迁移学习允许在更大、更多样化数据集上训练的模型进一步针对特定问题进行微调，例如CCTV录像中的暴力行为。因此，所提出的系统旨在以相对较低的计算成本有效分类暴力和非暴力行为。最终系统预计可在多样化的公共场所部署，从而有助于更快的事故响应和提升公共安全。

Keyword:

Smart city

Violence detection

Transfer learning

Closed-Circuit Television

Convolution Neural Networks

Artificial Intelligence

Efficient and Deployable Violence Detection using Transfer Learning Framework for Public Safety

摘要

AI总结

期刊

机构

引用论文