هياكل العظام البشرية وكشف التغيرات للكشف الفعّال عن العنف في مقاطع الفيديو المراقبة

في عالمنا الذي يخضع لمراقبة مستمرة، تؤدي كاميرات المراقبة دورًا حاسمًا في الحد من الجريمة والعنف في المساحات العامة من خلال كونها رادعًا فعّالًا. ولتعزيز فعاليتها، هناك حاجة متزايدة إلى أدوات آلية قادرة على اكتشاف الجرائم في الوقت الفعلي. في هذا البحث، نقترح معمارية عميقة جديدة تُحقّق كشفًا دقيقًا وفعالًا عن الجرائم العنيفة في مقاطع الفيديو المراقبة. نعتمد في هذا السياق على ما نراه من أبرز مكونات المعلومات الضرورية للكشف عن العنف، وهي: أشكال الأجسام البشرية وتداخلاتها. ولتحقيق ذلك، نستخدم مستخرجات وضعية الإنسان (human pose extractors) وكاشفات التغيرات (change detectors) كمدخلات لمقترحنا. ثم ندمج هذين المدخلين باستخدام طريقة مبتكرة تعتمد على الجمع بالجمع البسيط بدلًا من الضرب، لضمان نقل المعلومات حتى عند توفر إشارة صفرية من أحد المدخلين، متفوّقةً على الطرق الأخرى المُستخدمة في الأدبيات السابقة. وأخيرًا، لمراعاة المعلومات المكانية والزمنية معًا، نستخدم بديلًا تلقائيًا للـ LSTM القياسي، وهو ConvLSTM. وقد أظهرت التجارب التي أجريت على عدة مجموعات معيارية (benchmark datasets) فعالية وكفاءة المقترح، حيث حقق نتائج من الطراز الرائد (state-of-the-art) باستخدام عدد أقل بكثير من المعاملات القابلة للتدريب. ونُطلق الكود لتمكين إعادة إنتاج البنية المقترحة عبر الرابط التالي: https://github.com/atmguille/Violence-Detection-With-Human-Skeletons