Autoren:  (1) Praveen Tirupattur, University of Central Florida.  Linktabelle   Abstrakt   Danksagung   Kapitel 1 Einleitung   Kapitel 2: Verwandte Arbeiten   Kapitel 3: Vorgeschlagener Ansatz   Kapitel 4: Experimente und Ergebnisse   Kapitel 5: Schlussfolgerungen und zukünftige Arbeiten   Literaturverzeichnis  Literaturverzeichnis  [1] E. Acar, S. Spiegel, S. Albayrak und D. Labor. Mediaeval 2011 affect task: Gewaltszenenerkennung durch Kombination von Audio- und visuellen Merkmalen mit SVM. In MediaEval, 2011.  [2] R. Blake und M. Shiffrar. Wahrnehmung menschlicher Bewegung. Annu. Rev. Psychol., 58: 47–73, 2007.  [3] Blog-FB. Facebook-Statistiken, 2015. URL http://media.fb.com/2015/01/07/ what-the-shift-to-video-means-for-creators/. Online: abgerufen am 08.01.2016.  [4] D. Borth, R. Ji, T. Chen, T. Breuel und S.-F. Chang. Visuelle Sentiment-Ontologie und Detektoren im großen Maßstab unter Verwendung von Adjektiv-Nomen-Paaren. In Proceedings der 21. ACM-Internationalkonferenz für Multimedia, Seiten 223–232. ACM, 2013.  [5] G. Bradski. Opencv. Dr. Dobb's Journal of Software Tools, 2000.  [6] BJ Bushman und LR Huesmann. Kurz- und langfristige Auswirkungen gewalttätiger Medien auf Aggressionen bei Kindern und Erwachsenen. Archives of Pediatrics & Adolescent Medicine, 160(4):348–352, 2006.  [7] L.-H. Cai, L. Lu, A. Hanjalic, H.-J. Zhang und L.-H. Cai. Ein flexibles Framework zur Erkennung wichtiger Audioeffekte und zur Schlussfolgerung des auditiven Kontexts. Audio-, Sprach- und Sprachverarbeitung, IEEE Transactions on, 14(3):1026–1039, 2006.  [8] Y. Chan, R. Harvey und D. Smith. Aufbau von Systemen zum Blockieren von Pornografie. In Challenge of Image Retrieval, BCS Electronic Workshops in Computing-Reihe, Seiten 34–40, 1999.  [9] C.-C. Chang und C.-J. Lin. LIBSVM: Eine Bibliothek für Support Vector Machines. ACM Transactions on Intelligent Systems and Technology, 2:27:1–27:27, 2011. Software verfügbar unter http://www.csie.ntu.edu.tw/~cjlin/libsvm.  [10] M.-y. Chen und A. Hauptmann. Mosift: Erkennen menschlicher Handlungen in Überwachungsvideos. 2009.  [11] W.-H. Cheng, W.-T. Chu und J.-L. Wu. Semantische Kontexterkennung basierend auf hierarchischen Audiomodellen. In Proceedings des 5. internationalen ACM SIGMM-Workshops zum Thema Multimedia-Informationsabruf, Seiten 109–115. ACM, 2003.  [12] C. Clarin, J. Dionisio, M. Echavez und P. Naval. Dove: Erkennung von Filmgewalt mittels Bewegungsintensitätsanalyse von Haut und Blut. PCSC, 6:150–156, 2005.  [13] TJ Clarke, MF Bradshaw, DT Field, SE Hampson, D. Rose, et al. Die Wahrnehmung von Emotionen aus Körperbewegungen in Punktlichtdarstellungen zwischenmenschlicher Dialoge. Perception-London, 34(10):1171–1180, 2005.  [14] A. Datta, M. Shah und NDV Lobo. Erkennung von Gewalt gegen Personen in Videodaten. In Pattern Recognition, 2002. Proceedings. 16. Internationale Konferenz über, Band 1, Seiten 433–438. IEEE, 2002.  [15] C.-H. Demarty, C. Penet, G. Gravier und M. Soleymani. Die mittelalterliche Affektaufgabe 2011. 2010.  [16] C.-H. Demarty, C. Penet, G. Gravier und M. Soleymani. Eine Benchmarking-Kampagne zur multimodalen Erkennung von Gewaltszenen in Filmen. In Computer Vision–ECCV 2012. Workshops und Demonstrationen, Seiten 416–425. Springer, 2012.  [17] C.-H. Demarty, B. Ionescu, Y.-G. Jiang, VL Quang, M. Schedl und C. Penet. Benchmarking der Erkennung von Gewaltszenen in Filmen. In Content-Based Multimedia Indexing (CBMI), 2014 12. Internationaler Workshop zum Thema, Seiten 1–6. IEEE, 2014.  [18] C.-H. Demarty, C. Penet, B. Ionescu, G. Gravier und M. Soleymani. Multimodale Gewalterkennung in Hollywoodfilmen: Stand der Technik und Benchmarking. In Fusion in Computer Vision, Seiten 185–208. Springer, 2014.  [19] C.-H. Demarty, C. Penet, M. Soleymani und G. Gravier. Vsd, ein öffentlicher Datensatz zur Erkennung von Gewaltszenen in Filmen: Design, Annotation, Analyse und Auswertung. Multimedia Tools and Applications, Seiten 1–26, 2014.  [20] AP Dempster, NM Laird und DB Rubin. Maximum-Likelihood-Analyse aus unvollständigen Daten mittels des em-Algorithmus. Journal of the Royal Statistical Society. Serie B (methodisch), Seiten 1–38, 1977.  [21] O. Deniz, I. Serrano, G. Bueno und T. Kim. Schnelle Gewalterkennung in Videos. Auf der 9. Internationalen Konferenz für Computer Vision Theorie und Anwendungen (VISAPP), 2014.  [22] F. Eyben und B. Schuller. opensmile:): der Münchner Open-Source-Multimedia-Feature-Extraktor für große Multimedia-Anwendungen. ACM SIGMultimedia Records, 6(4):4–13, 2015.  [23] F. Eyben, F. Weninger, N. Lehment, B. Schuller und G. Rigoll. Affective video retrieval: Gewalterkennung in Hollywoodfilmen durch groß angelegte segmentale Merkmalsextraktion. PloS one, 8(12):e78506, 2013.  [24] G. Farneback. Zwei-Frame-Bewegungsschätzung basierend auf Polynomerweiterung. In Image Analysis, Seiten 363–370. Springer, 2003.  [25] M. Flood. Die Gefahren des Pornografiekonsums bei Kindern und Jugendlichen. Child abuse review, 18(6):384–400, 2009.  [26] P. Gill, M. Arlitt, Z. Li und A. Mahanti. Youtube-Verkehrscharakterisierung: eine Sicht von der Peripherie. In Proceedings der 7. ACM SIGCOMM-Konferenz zur Internetmessung, Seiten 15–28. ACM, 2007.  [27] Y. Gong, W. Wang, S. Jiang, Q. Huang und W. Gao. Erkennen von Gewaltszenen in Filmen durch akustische und visuelle Hinweise. In Advances in Multimedia Information Processing-PCM 2008, Seiten 317–326. Springer, 2008.  [28] T. Hassner, Y. Itcher und O. Kliper-Gross. Violent flows: Echtzeiterkennung von gewalttätigem Verhalten in Menschenmengen. In Computer Vision and Pattern Recognition Workshops (CVPRW), 2012 IEEE Computer Society Conference on, Seiten 1–6. IEEE, 2012.  [29] S. Hidaka. Identifizierung kinematischer Hinweise zur Erkennung von Handlungsstilen. Cognitive Science Society, 2012.  [30] T. Hofmann. Unüberwachtes Lernen durch probabilistische latente semantische Analyse. Maschinelles Lernen, 42(1-2):177–196, 2001.  [31] LR Huesmann und LD Eron. Fernsehen und das aggressive Kind: Ein länderübergreifender Vergleich. Routledge, 2013.  [32] LR Huesmann und LD Taylor. Die Rolle von Mediengewalt bei gewalttätigem Verhalten. Annu. Rev. Public Health, 27:393–415, 2006.  [33] Y.-G. Jiang, Q. Dai, CC Tan, X. Xue und C.-W. Ngo. Das Shanghai-Hongkong-Team bei mediaeval2012: Erkennung von Gewaltszenen mithilfe trajektorienbasierter Merkmale. In MediaEval, 2012.  [34] Y.-G. Jiang, Q. Dai, X. Xue, W. Liu und C.-W. Ngo. Trajektorienbasierte Modellierung menschlicher Aktionen mit Bewegungsreferenzpunkten. In Computer Vision–ECCV 2012, Seiten 425–438. Springer, 2012.  [35] MJ Jones und JM Rehg. Statistische Farbmodelle mit Anwendung zur Hauterkennung. International Journal of Computer Vision, 46(1):81–96, 2002.  [36] V. Lam, D.-D. Le, S. Phan, S. Satoh, DA Duong und TD Ngo. Bewertung von Low-Level-Funktionen zur Erkennung von Gewaltszenen in Videos. In Soft Computing and Pattern Recognition (SoCPaR), 2013 International Conference of, Seiten 213–218. IEEE, 2013.  [37] I. Laptev. Über raumzeitliche Interessenpunkte. International Journal of Computer Vision, 64(2-3):107–123, 2005.  [38] J. Lin und W. Wang. Schwach überwachte Gewalterkennung in Filmen mit Audio- und Video-basiertem Co-Training. In Advances in Multimedia Information ProcessingPCM 2009, Seiten 930–935. Springer, 2009.  [39] DG Lowe. Markante Bildmerkmale aus skaleninvarianten Schlüsselpunkten. International Journal of Computer Vision, 60(2):91–110, 2004.  [40] KJ Mitchell, D. Finkelhor und J. Wolak. Die Belastung von Jugendlichen mit unerwünschtem sexuellem Material im Internet – eine nationale Untersuchung zu Risiken, Auswirkungen und Prävention. Youth & Society, 34(3):330–358, 2003.  [41] J. Nam, M. Alghoniemy und AH Tewfik. Audiovisuelle inhaltsbasierte Charakterisierung von Gewaltszenen. In Image Processing, 1998. ICIP 98. Proceedings. 1998 International Conference on, Band 1, Seiten 353–357. IEEE, 1998.  [42] EB Nievas, OD Suarez, GB Garc´ıa und R. Sukthankar. Gewalterkennung in Videos mit Computer-Vision-Techniken. In Computer Analysis of Images and Patterns, Seiten 332–339. Springer, 2011.  [43] D. OpticalFlow. Optische Flussimplementierung, 2015. URL http: //docs.opencv.org/modules/video/doc/motion_analysis_and_object_ tracking.html#calcopticalflowfarneback. Online: abgerufen am 21. Oktober 2015.  [44] C. Parker. Eine Analyse von Leistungsmaßen für binäre Klassifikatoren. In Data Mining (ICDM), 2011 IEEE 11th International Conference on, Seiten 517–526. IEEE, 2011.  [45] F. Pedregosa, G. Varoquaux, A. Gramfort, V. Michel, B. Thirion, O. Grisel, M. Blondel, P. Prettenhofer, R. Weiss, V. Dubourg, J. Vanderplas, A. Passos, D. Cournapeau, M. Brucher, M. Perrot und E. Duchesnay. Scikit-learn: Maschinelles Lernen in Python. Journal of Machine Learning Research, 12:2825–2830, 2011.  [46] J. Platt et al. Probabilistische Ausgaben für Support Vector Machines und Vergleiche mit regularisierten Likelihood-Methoden. Advances in large margin classifiers, 10(3):61–74, 1999.  [47] M. Pogrebnyak, D. Timoshenko, I. Burcev und A. Kulinkin. Erkennung von Erwachseneninhalten in Videos mithilfe einer Nvidia-GPU. 2015.  [48] L. Richardson. Schöne Suppe. Crummy: The Site, 2013. URL http://www. crummy.com/software/BeautifulSoup/.  [49] CJV Rijsbergen. Butterworth-Heinemann, Newton, MA, USA, 2. Auflage, 1979. ISBN 0408709294.  [50] M. Saerbeck und C. Bartneck. Wahrnehmung von Affekten, die durch Roboterbewegungen hervorgerufen werden. In Proceedings der 5. internationalen ACM/IEEE-Konferenz zur Mensch-Roboter-Interaktion, Seiten 53–60. IEEE Press, 2010.  [51] M. Schedl, M. Sj¨oberg, I. Mironica, B. Ionescu, VL Quang und Y.-G. Jiang. Vsd2014: Ein Datensatz zur Erkennung von Gewaltszenen in Hollywoodfilmen und Webvideos. Sixth Sense, 6(2.00):12–40.  [52] C. Schulze, D. Henter, D. Borth und A. Dengel. Automatische Erkennung von CSA-Medien durch multimodale Merkmalsfusion zur Unterstützung der Strafverfolgung. In Proceedings of International Conference on Multimedia Retrieval, Seite 353. ACM, 2014.  [53] M. Sokolova und G. Lapalme. Eine systematische Analyse von Leistungsmaßen für Klassifizierungsaufgaben. Information Processing & Management, 45(4):427–437, 2009.  [54] G. Sparks. Medienwirkungsforschung: Ein grundlegender Überblick. Cengage Learning, 2015.  [55] A. Tompkins. Die psychologischen Auswirkungen gewalttätiger Medien auf Kinder. AllPsych Journal, 14, 2003.  [56] M. Wesch. Youtube-Statistiken, 2008. URL http://mediatedcultures.net/ thoughts/youtube-statistics/. Online: abgerufen am 08.01.2016.  [57] Wikipedia. Optischer Fluss, 2015. URL https://en.wikipedia.org/wiki/Optischer_ Fluss. Online: abgerufen am 21. Oktober 2015.  Dieses Dokument ist   . auf Arxiv unter der CC 4.0-Lizenz verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Boost your HackerNoon story @ $159.99! 🚀

Gewalterkennung in Videos: Bibliographie

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Management Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps