Autores:  (1) Praveen Tirupattur, Universidad de Florida Central.  Tabla de enlaces   Abstracto   Agradecimientos   Capítulo 1 Introducción   Capítulo 2: Trabajo relacionado   Capítulo 3: Enfoque propuesto   Capítulo 4: Experimentos y resultados   Capítulo 5: Conclusiones y trabajo futuro   Bibliografía  Bibliografía  [1] E. Acar, S. Spiegel, S. Albayrak y D. Labor. Tarea de impacto medieval de 2011: detección de escenas violentas que combinan características visuales y de audio con svm. En MediaEval, 2011.  [2] R. Blake y M. Shiffrar. Percepción del movimiento humano. Año. Rev. Psychol., 58: 47–73, 2007.  [3] Blog-FB. Estadísticas de Facebook, 2015. URL http://media.fb.com/2015/01/07/ what-the-shift-to-video-means-for-creators/. En línea: consultado el 8 de enero de 2016.  [4] D. Borth, R. Ji, T. Chen, T. Breuel y S.-F. Chang. Ontología de sentimiento visual a gran escala y detectores que utilizan pares de adjetivos y sustantivos. En Actas de la 21ª conferencia internacional ACM sobre multimedia, páginas 223–232. ACM, 2013.  [5] G. Bradski. Opencv. Revista de herramientas de software del Dr. Dobb, 2000.  [6] BJ Bushman y LR Huesmann. Efectos a corto y largo plazo de los medios violentos sobre la agresión en niños y adultos. Archivos de Pediatría y Medicina del Adolescente, 160(4):348–352, 2006.  [7] L.-H. Cai, L. Lu, A. Hanjalic, H.-J. Zhang y L.-H. Cai. Un marco flexible para la detección de efectos de audio clave y la inferencia del contexto auditivo. Procesamiento de audio, voz y lenguaje, IEEE Transactions on, 14(3):1026–1039, 2006.  [8] Y. Chan, R. Harvey y D. Smith. Construyendo sistemas para bloquear la pornografía. En Challenge of Image Retrieval, serie BCS Electronic Workshops in Computing, páginas 34–40, 1999.  [9] C.-C. Chang y C.-J. Lin. LIBSVM: una biblioteca para máquinas de vectores de soporte. ACM Transactions on Intelligent Systems and Technology, 2:27:1–27:27, 2011. Software disponible en http://www.csie.ntu.edu.tw/~cjlin/libsvm.  [10] M.-y. Chen y A. Hauptmann. Mosift: Reconocimiento de acciones humanas en vídeos de vigilancia. 2009.  [11] W.-H. Cheng, W.-T. Chu y J.-L. Wu. Detección de contexto semántico basada en modelos de audio jerárquicos. En Actas del quinto taller internacional ACM SIGMM sobre recuperación de información multimedia, páginas 109-115. ACM, 2003.  [12] C. Clarín, J. Dionisio, M. Échavez y P. Naval. Dove: Detección de violencia cinematográfica mediante análisis de intensidad de movimiento en piel y sangre. PCSC, 6:150–156, 2005.  [13] TJ Clarke, MF Bradshaw, DT Field, SE Hampson, D. Rose, et al. La percepción de la emoción a partir del movimiento corporal en exhibiciones puntuales de diálogo interpersonal. Percepción-Londres, 34(10):1171–1180, 2005.  [14] A. Datta, M. Shah y NDV Lobo. Detección de violencia persona a persona en datos de vídeo. En Reconocimiento de patrones, 2002. Actas. 16ª Conferencia Internacional sobre, volumen 1, páginas 433–438. IEEE, 2002.  [15] C.-H. Demarty, C. Penet, G. Gravier y M. Soleymani. La tarea de influencia medieval de 2011. 2010.  [16] C.-H. Demarty, C. Penet, G. Gravier y M. Soleymani. Una campaña de benchmarking para la detección multimodal de escenas violentas en películas. En Computer Vision – ECCV 2012. Talleres y demostraciones, páginas 416–425. Saltador, 2012.  [17] C.-H. Demarty, B. Ionescu, Y.-G. Jiang, VL Quang, M. Schedl y C. Penet. Evaluación comparativa de la detección de escenas violentas en películas. En Indexación multimedia basada en contenido (CBMI), 12.º taller internacional de 2014, páginas 1 a 6. IEEE, 2014.  [18] C.-H. Demarty, C. Penet, B. Ionescu, G. Gravier y M. Soleymani. Detección de violencia multimodal en películas de Hollywood: estado del arte y evaluación comparativa. En Fusion in Computer Vision, páginas 185–208. Saltador, 2014.  [19] C.-H. Demarty, C. Penet, M. Soleymani y G. Gravier. Vsd, un conjunto de datos público para la detección de escenas violentas en películas: diseño, anotación, análisis y evaluación. Herramientas y aplicaciones multimedia, páginas 1 a 26, 2014.  [20] AP Dempster, NM Laird y DB Rubin. Máxima probabilidad de datos incompletos mediante el algoritmo em. Revista de la real sociedad estadística. Serie B (metodológica), páginas 1–38, 1977.  [21] O. Deniz, I. Serrano, G. Bueno y T. Kim. Detección rápida de violencia en vídeo. En la novena conferencia internacional sobre teoría y aplicaciones de la visión por computadora (VISAPP), 2014.  [22] F. Eyben y B. Schuller. opensmile:): el extractor de funciones multimedia a gran escala de código abierto de Munich. Registros multimedia ACM SIG, 6(4):4–13, 2015.  [23] F. Eyben, F. Weninger, N. Lehment, B. Schuller y G. Rigoll. Recuperación de vídeo afectiva: detección de violencia en películas de Hollywood mediante extracción de características segmentarias a gran escala. Más uno, 8(12):e78506, 2013.  [24] G. Farneback. Estimación de movimiento de dos cuadros basada en expansión polinomial. En Análisis de imágenes, páginas 363–370. Springer, 2003.  [25] M. Inundación. Los daños de la exposición a la pornografía entre niños y jóvenes. Revisión de abuso infantil, 18(6):384–400, 2009.  [26] P. Gill, M. Arlitt, Z. Li y A. Mahanti. Caracterización del tráfico de Youtube: una vista desde el borde. En Actas de la séptima conferencia ACM SIGCOMM sobre medición de Internet, páginas 15–28. ACM, 2007.  [27] Y. Gong, W. Wang, S. Jiang, Q. Huang y W. Gao. Detectar escenas violentas en películas mediante señales auditivas y visuales. En Avances en el procesamiento de información multimedia-PCM 2008, páginas 317–326. Saltador, 2008.  [28] T. Hassner, Y. Itcher y O. Kliper-Gross. Flujos violentos: detección en tiempo real de comportamientos violentos de multitudes. En Talleres de visión por computadora y reconocimiento de patrones (CVPRW), Conferencia de la IEEE Computer Society de 2012, páginas 1 a 6. IEEE, 2012.  [29] S. Hidaka. Identificar señales cinemáticas para el reconocimiento de estilos de acción. Sociedad de Ciencias Cognitivas, 2012.  [30] T. Hofmann. Aprendizaje no supervisado mediante análisis semántico latente probabilístico. Aprendizaje automático, 42(1-2):177–196, 2001.  [31] LR Huesmann y LD Eron. La televisión y el niño agresivo: una comparación transnacional. Routledge, 2013.  [32] LR Huesmann y LD Taylor. El papel de la violencia mediática en el comportamiento violento. Año. Rev. Salud Pública, 27:393–415, 2006.  [33] Y.-G. Jiang, Q. Dai, CC Tan, X. Xue y C.-W. ONG. El equipo de Shanghai-Hong Kong en medieval2012: Detección de escenas violentas mediante funciones basadas en trayectorias. En MediaEval, 2012.  [34] Y.-G. Jiang, Q. Dai, X. Xue, W. Liu y C.-W. ONG. Modelado basado en trayectorias de acciones humanas con puntos de referencia de movimiento. En Computer Vision – ECCV 2012, páginas 425–438. Saltador, 2012.  [35] MJ Jones y JM Rehg. Modelos estadísticos de color con aplicación a la detección de piel. Revista internacional de visión por computadora, 46(1):81–96, 2002.  [36] V. Lam, D.-D. Le, S. Phan, S. Satoh, DA Duong y TD Ngo. Evaluación de funciones de bajo nivel para detectar escenas violentas en vídeos. En Soft Computing and Pattern Recognition (SoCPaR), Conferencia Internacional de 2013, páginas 213–218. IEEE, 2013.  [37] I. Laptev. Sobre puntos de interés espacio-temporales. Revista internacional de visión por computadora, 64(2-3):107–123, 2005.  [38] J. Lin y W. Wang. Detección de violencia débilmente supervisada en películas con entrenamiento conjunto basado en audio y video. En Avances en el procesamiento de información multimediaPCM 2009, páginas 930–935. Saltador, 2009.  [39] Director General Lowe. Características de imagen distintivas a partir de puntos clave invariantes de escala. Revista internacional de visión por computadora, 60(2):91–110, 2004.  [40] KJ Mitchell, D. Finkelhor y J. Wolak. La exposición de los jóvenes a material sexual no deseado en Internet: una encuesta nacional de riesgo, impacto y prevención. Juventud y sociedad, 34(3):330–358, 2003.  [41] J. Nam, M. Alghoniemy y AH Tewfik. Caracterización de escenas de violencia basadas en contenidos audiovisuales. En Procesamiento de Imágenes, 1998. ICIP 98. Actas. Conferencia internacional de 1998, volumen 1, páginas 353–357. IEEE, 1998.  [42] EB Nievas, OD Suarez, GB García y R. Sukthankar. Detección de violencia en vídeo mediante técnicas de visión por ordenador. En Análisis informático de imágenes y patrones, páginas 332–339. Saltador, 2011.  [43] D. Flujo óptico. Implementación de flujo óptico, 2015. URL http: //docs.opencv.org/modules/video/doc/motion_analysis_and_object_tracking.html#calcopticalflowfarneback. En línea: consultado el 21 de octubre de 2015.  [44] C. Parker. Un análisis de medidas de rendimiento para clasificadores binarios. En Data Mining (ICDM), 11.ª Conferencia Internacional del IEEE de 2011, páginas 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 y E. Duchesnay. Scikit-learn: aprendizaje automático en Python. Revista de investigación sobre aprendizaje automático, 12:2825–2830, 2011.  [46] J. Platt y otros. Resultados probabilísticos para máquinas de vectores de soporte y comparaciones con métodos de probabilidad regularizados. Avances en clasificadores de gran margen, 10(3):61–74, 1999.  [47] M. Pogrebnyak, D. Timoshenko, I. Burcev y A. Kulinkin. Detección de contenido para adultos en vídeo con el uso de nvidia gpu. 2015.  [48] L. Richardson. Hermosa sopa. Crummy: El sitio, 2013. URL http://www. crummy.com/software/BeautifulSoup/.  [49] CJV Rijsbergen. Recuperación de información. Butterworth-Heinemann, Newton, MA, EE. UU., 2.ª edición, 1979. ISBN 0408709294.  [50] M. Saerbeck y C. Bartneck. Percepción del afecto provocado por el movimiento del robot. En Actas de la quinta conferencia internacional ACM/IEEE sobre interacción persona-robot, páginas 53–60. Prensa IEEE, 2010.  [51] M. Schedl, M. Sjöberg, I. Mironica, B. Ionescu, VL Quang y Y.-G. Jiang. Vsd2014: un conjunto de datos para la detección de escenas violentas en películas de Hollywood y vídeos web. Sexto sentido, 6 (2,00): 12–40.  [52] C. Schulze, D. Henter, D. Borth y A. Dengel. Detección automática de medios csa mediante fusión de funciones multimodal para apoyo a las fuerzas del orden. En Actas de la Conferencia Internacional sobre Recuperación Multimedia, página 353. ACM, 2014.  [53] M. Sokolova y G. Lapalme. Un análisis sistemático de medidas de desempeño para tareas de clasificación. Procesamiento y gestión de la información, 45(4):427–437, 2009.  [54] G. Chispas. Investigación de los efectos de los medios: una descripción básica. Aprendizaje Cengage, 2015.  [55] A. Tompkins. Los efectos psicológicos de los medios violentos en los niños. Diario AllPsych, 14, 2003.  [56] M. Wesch. Estadísticas de Youtube, 2008. URL http://mediatedcultures.net/thinks/youtube-statistics/. En línea: consultado el 8 de enero de 2016.  [57]Wikipedia. Flujo óptico, 2015. URL https://en.wikipedia.org/wiki/Optical_flow. En línea: consultado el 21 de octubre de 2015.  Este documento está   bajo licencia CC 4.0. disponible en arxiv

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

Kinetopgraph.TECH

Read My Stories

kinetograph

Este audio es producido en el idioma original de la historia!

Detección de Violencia en Videos: Bibliografía

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Una breve introducción a la teoría del cerebro de Boltzmann

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Telegram: el puente de Crypto Island hacia el continente

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Una breve introducción a la teoría del cerebro de Boltzmann

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Telegram: el puente de Crypto Island hacia el continente

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps