مروری بر روش‌های یادگیری عمیق برای تشخیص خشونت

با رشد بسیار سریع سیستم های نظارت ویدئویی برای نظارت بر رفتارهای انسانی، تقاضا برای چنین سیستم هایی که قادر به تشخیص رخدادهای خشونت آمیز به صورت خودکار باشند در حال افزایش می باشد. تشخیص خشونت یکی از حوزه های تحقیقاتی فعال در یادگیری ماشین و پردازش تصویر برای جذب محققان جدید است. در واقع، روش های تشخیص خشونت به دو دسته عمده تقسیم می شوند که عبارتند از: روش های یادگیری ماشینی سنتی و روش های یادگیری عمیق. در این مقاله، روش‌های یادگیری عمیق ارائه می شوند و گوناگونی روش ها و ساختارهای شبکه های عصبی عمیق در این خصوص بررسی می شوند. درابتدا روشهای سنتی و عمیق با یکدیگر مقایسه می شوند و برتری روشهای عمیق بر روشهای سنتی از جنبه های مختلف مورد بررسی قرار می گیرد. سپس ساختارهای مختلف شبکه های عمیق در خصوص تشخیص خشونت ارائه می گردد. علاوه بر این، مجموعه داده های موجود برای تحلیل خشونت در ویدئو ارائه می شوند. در نهایت، بحث در مورد تحقیقات انجام شده بیان می شود که می‌تواند برای گسترش کارهای آینده مفید باشند

a review through deep learning techniques for violence detection

with the rapid growth of video systems to monitor human behaviors, demands are increased on such systems which can detect violence events automatically. the violence detection is one of the active research area in machine learning and image processing to attract new researchers. the methods of violence detection are divided into two major categories which are traditional machine learning techniques and deep learning methods. in this article, deep learning methods have been reviewed and the variety of methods and structures of deep neural networks have been examined in this area. first, traditional and deep methods are compared with each other, and the superiority of deep methods over traditional methods is investigated from different aspects. then, different structures of deep networks have been investigated regarding the detection of violence. moreover, the available datasets for the analysis of violence in video are also introduced. finally, it is discussed about the conducted research that can be useful for the development of future works.