一种基于计算机视觉的 CNN-LSTM-MLP 混合融合模型跟踪检测方法
计算机视觉与模式识别
2024-02-07 v1
摘要
近年来，犯罪与可疑活动检测已成为一个热门研究课题。计算机视觉技术的快速发展对解决这一问题产生了至关重要的影响。然而，尽管现代技术不断演进，物理跟踪检测仍是一个探索较少的领域。如今，公共场所的跟踪行为已变得司空见惯，女性是受影响最大的群体。跟踪是一种可见的行为，通常发生在任何犯罪活动开始之前，跟踪者在实施袭击、绑架、强奸等犯罪行为之前，会开始尾随、徘徊和凝视受害者。因此，检测跟踪行为已成为一种必要，因为通过跟踪检测，所有这些犯罪活动都可以在第一时间被阻止。在本研究中，我们提出了一种新颖的基于深度学习的混合融合模型，以从最少数量的帧构成的单个视频中检测潜在的跟踪者。我们从视频帧中提取多个相关特征，如面部关键点、头部姿态估计和相对距离，作为数值数据。这些数据被输入到多层感知机（MLP）中，以执行跟踪与非跟踪场景的分类任务。同时，视频帧被输入到卷积模型和 LSTM 模型的组合中，以提取时空特征。我们融合这些数值特征和时空特征来构建一个分类器，用于检测跟踪事件。此外，我们还引入了一个数据集，该数据集由从各种故事片和电视剧中收集的跟踪与非跟踪视频组成，并用于训练模型。实验结果表明了我们提出的跟踪检测系统的有效性和动态性，测试准确率达到 89.58%，与当前最先进的方法相比有显著提升。
引用
@article{arxiv.2402.03417,
title = {A Computer Vision Based Approach for Stalking Detection Using a CNN-LSTM-MLP Hybrid Fusion Model},
author = {Murad Hasan and Shahriar Iqbal and Md. Billal Hossain Faisal and Md. Musnad Hossin Neloy and Md. Tonmoy Kabir and Md. Tanzim Reza and Md. Golam Rabiul Alam and Md Zia Uddin},
journal= {arXiv preprint arXiv:2402.03417},
year = {2024}
}
备注
Under review for publication in the PLOS ONE journal, 17 pages, 9 figures