Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Weighted Dissemination of Bundles in Probabilistic Spray and Wait Routing Protocol Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

A Comparative Analysis of Different Violence Detection Algorithms from Videos

verfasst von : Piyush Vashistha, Juginder Pal Singh, Mohd Aamir Khan

Erschienen in: Advances in Data and Information Sciences

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

There are different methods or techniques used for identifying violence from video, such as hitting some object, kicking, fighting, and punching someone but still there is a big challenge for us to identify violence. However, some of the earlier mechanism generally extract descriptors around the spatiotemporal interesting points (STIP) or extract statistic features but there is limited effectiveness in detecting video-based violence. Therefore, the objective is to develop a better violence identification system that identifies the violence and triggers an alarm so that prompt assistance will be provided. This paper helps researchers who wish to study violent activity recognition and gather different insights on the main challenges and issues to solve in this emerging field.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Wavelet Decomposition Based Authentication Scheme for Dental CBCT Images
Nächstes Kapitel Minimizing Synchronization Error in Compressed Domain Watermarking
Literatur
1.
Ahonen, T., Hadid, A., & Pietikäinen, M. (2004). Face recognition with local binary patterns. In European Conference on Computer Vision (pp. 469–481). Springer.
2.
Arceda, V. M., Fabián, K.F., & Gutíerrez, J. C. (2016). Real time violence detection in video.
3.
Cai, H., Jiang, H., Huang, X., Yang, J., & He, X. (2018). Violence detection based on spatio-temporal feature and fisher vector. In Chinese Conference on Pattern Recognition and Computer Vision (PRCV) (pp. 180–190). Springer.
4.
Chen, Y., Zhang, L., Lin, B., Xu, Y., & Ren, X. (2011). Fighting detection based on optical flow context histogram. In 2011 Second International Conference on Innovations in Bio-inspired Computing and Applications (pp. 95–98). IEEE.
5.
Datta, A., Shah, M., & Lobo, N. D. V. (2002). Person-on-person violence detection in video data. In Proceedings of 16th International Conference on Pattern Recognition (Vol. 1, pp. 433–438). IEEE.
6.
Fu, E. Y., Huang, M. X., Leong, H. V., & Ngai, G. (2018). Cross-species learning: A low-cost approach to learning human fight from animal fight. In: 2018 ACM Multimedia Conference on Multimedia Conference (pp. 320–327). ACM.
7.
Fu, E. Y., Leong, H. V., Ngai, G., & Chan, S. (2015). Automatic fight detection based on motion analysis. In: 2015 IEEE International Symposium on Multimedia (ISM) (pp. 57–60). IEEE.
8.
Fu, E. Y., Va Leong, H., Ngai, G., & Chan, S. (2016). Automatic fight detection in surveillance videos. In: Proceedings of the 14th International Conference on Advances in Mobile Computing and Multi Media (pp. 225–234). ACM.
9.
Gao, Y., Liu, H., Sun, X., Wang, C., & Liu, Y. (2016). Violence detection using oriented violent flows. Image and Vision Computing, 48, 37–41.CrossRef
10.
Hassner, T., Itcher, Y., & Kliper-Gross, O. (2012). Violent flows: Real-time detection of violent crowd behavior. In: 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (CVPRW) (pp. 1–6). IEEE.
11.
Moreira, D., Avila, S., Perez, M., Moraes, D., Testoni, V., Valle, E., et al. (2019). Multimodal data fusion for sensitive scene localization. Information Fusion, 45, 307–323.CrossRef
12.
Nanni, L., Brahnam, S., & Lumini, A. (2011). Local ternary patterns from three orthogonal planes for human action classification. Expert Systems with Applications, 38(5), 5125–5128.CrossRef
13.
Nievas, E. B., Suarez, O. D., García, G. B., & Sukthankar, R. (2011). Violence detection in video using computer vision techniques. In International Conference on Computer Analysis of Images and Patterns (pp. 332–339). Springer.
14.
Tay, N. C., Connie, T., Ong, T. S., Goh, K. O. M., & Teh, P. S. (2019). A robust abnormal behavior detection method using convolutional neural network. In Computational Science and Technology (pp. 37–47). Springer.
15.
Vashistha, P., Bhatnagar, C., & Khan, M. A. (2018). An architecture to identify violence in video surveillance system using vif and lbp. In 2018 4th International Conference on Recent Advances in Information Technology (RAIT) (pp. 1–6). IEEE.
16.
Yang, Z., & Rothkrantz, L. J. (2010). Automatic aggression detection inside trains. In 2010 IEEE International Conference on Systems, Man and Cybernetics (pp. 2364–2372). IEEE.
17.
Zhang, T., Jia, W., Gong, C., Sun, J., & Song, X. (2018). Semi-supervised dictionary learning via local sparse constraints for violence detection. Pattern Recognition Letters, 107, 98–104.CrossRef
Metadaten
Titel
A Comparative Analysis of Different Violence Detection Algorithms from Videos
verfasst von
Piyush Vashistha
Juginder Pal Singh
Mohd Aamir Khan
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Advances in Data and Information Sciences

Print ISBN: 978-981-15-0693-2

Electronic ISBN: 978-981-15-0694-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-0694-9_54

Neuer Inhalt

    Bildnachweise