MULTICAST：基于 CNN 与 LSTM 的多确认级警报系统以减轻视频监控中手枪检测的误报
计算机视觉与模式识别
2021-05-04 v2
摘要
尽管计算机视觉不断进步，将现代单图像检测器集成到视频监控的实时手枪警报系统中仍存争议。使用此类检测器仍意味着大量的误报与漏报。在此背景下，多数现有研究选择最新单图像检测器之一，在更优数据集上训练，或使用某种预处理、后处理或数据融合方法进一步减少误报。然而，这些工作均未尝试利用视频中存在的时序信息来缓解误检。本文提出一种称为基于卷积神经网络（CNN）与长短期记忆网络（LSTM）的多确认级警报系统（MULTICAST）的新系统，其不仅利用视频中的空间信息，还利用时序信息以实现更可靠的手枪检测。MULTICAST 包含三个阶段：i) 手枪检测阶段，ii) 基于 CNN 的空间确认阶段，iii) 基于 LSTM 的时序确认阶段。时序确认阶段利用前一时刻检测到的手枪位置预测其在下一帧中的轨迹。我们的实验表明，相较于基于 Faster R-CNN 的单图像检测器，MULTICAST 将误报数量减少了 80%，使其在提供更有效、更迅速的安全响应方面更具实用性。
引用
@article{arxiv.2104.11653,
title = {MULTICAST: MULTI Confirmation-level Alarm SysTem based on CNN and LSTM to mitigate false alarms for handgun detection in video-surveillance},
author = {Roberto Olmos and Siham Tabik and Francisco Perez-Hernandez and Alberto Lamas and Francisco Herrera},
journal= {arXiv preprint arXiv:2104.11653},
year = {2021}
}