Despite the constant advances in computer vision, integrating modern single-image detectors in real-time handgun alarm systems in video-surveillance is still debatable. Using such detectors still implies a high number of false alarms and false negatives. In this context, most existent studies select one of the latest single-image detectors and train it on a better dataset or use some pre-processing, post-processing or data-fusion approach to further reduce false alarms. However, none of these works tried to exploit the temporal information present in the videos to mitigate false detections. This paper presents a new system, called MULTI Confirmation-level Alarm SysTem based on Convolutional Neural Networks (CNN) and Long Short Term Memory networks (LSTM) (MULTICAST), that leverages not only the spacial information but also the temporal information existent in the videos for a more reliable handgun detection. MULTICAST consists of three stages, i) a handgun detection stage, ii) a CNN-based spacial confirmation stage and iii) LSTM-based temporal confirmation stage. The temporal confirmation stage uses the positions of the detected handgun in previous instants to predict its trajectory in the next frame. Our experiments show that MULTICAST reduces by 80% the number of false alarms with respect to Faster R-CNN based-single-image detector, which makes it more useful in providing more effective and rapid security responses.


翻译:尽管在计算机视野方面不断取得进展,将现代单一图像探测器纳入视频监视器的实时手枪警报系统仍然值得商榷。使用这种探测器仍然意味着大量虚假警报和假阴差。在这方面,大多数现有研究选择了最新的单一图像探测器之一,并用更精确的数据集来训练它,或者使用一些预处理、后处理或数据聚合方法来进一步减少虚假警报。然而,这些作品都没有试图利用视频中现有的时间信息来减少虚假的探测。本文介绍了一个新的系统,称作以革命神经网络(CNN)和长期短期记忆网络(IMUCAST)为基础的多边确认级警报系统,该系统不仅利用了较新的单一图像探测器,而且还利用了视频中存在的时间信息,以便更可靠地探测手枪。MITCASAT由三个阶段组成,一)有用的探测阶段,基于CNNCMS的确认阶段,三)基于LSTMN的时间确认阶段。时间确认阶段利用了我们的时间确认阶段,更准确地预测了我们以前探查的80个探空轨道,在SAR框架中以更准确地展示了我们以前探查的探查的探查的轨道。

1
下载
关闭预览

相关内容

专知会员服务
30+阅读 · 2021年6月12日
【华侨大学】基于混合深度学习算法的疾病预测模型
专知会员服务
96+阅读 · 2020年1月21日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
专知会员服务
272+阅读 · 2019年10月9日
已删除
将门创投
5+阅读 · 2019年5月5日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
【推荐】(TensorFlow)SSD实时手部检测与追踪(附代码)
机器学习研究会
11+阅读 · 2017年12月5日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
Arxiv
6+阅读 · 2021年3月11日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关资讯
已删除
将门创投
5+阅读 · 2019年5月5日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
【推荐】(TensorFlow)SSD实时手部检测与追踪(附代码)
机器学习研究会
11+阅读 · 2017年12月5日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
Top
微信扫码咨询专知VIP会员