저자:  (1) 센트럴 플로리다 대학교 Praveen Tirupattur.  링크 표   추상적인   감사의 말   1 장 소개   2장: 관련 작업   3장: 제안된 접근법   4장: 실험 및 결과   5장: 결론 및 향후 연구   서지  서지  [1] E. Acar, S. Spiegel, S. Albayrak 및 D. Labor. 중세 2011 영향 작업: 오디오 및 시각적 기능을 svm과 결합한 폭력 장면 감지. MediaEval, 2011.  [2] R. Blake와 M. Shiffrar. 인간의 움직임에 대한 인식. 아누. Rev. Psychol., 58: 47–73, 2007.  [3] 블로그-FB. Facebook 통계, 2015. URL http://media.fb.com/2015/01/07/what-the-shift-to-video-means-for-creators/. 온라인: 2016년 1월 8일 접속.  [4] D. Borth, R. Ji, T. Chen, T. Breuel 및 S.-F. 장. 형용사 명사 쌍을 이용한 대규모 시각적 감성 온톨로지 및 탐지기. 멀티미디어에 관한 제21차 ACM 국제 컨퍼런스 진행, 223~232페이지. ACM, 2013.  [5] G. 브래드스키. Opencv. Dobb 박사의 소프트웨어 도구 저널, 2000.  [6] BJ Bushman과 LR Huesmann. 폭력적인 매체가 어린이와 성인의 공격성에 미치는 단기 및 장기 영향. 소아과 및 청소년 의학 기록 보관소, 160(4):348–352, 2006.  [7] L.-H. 카이, L. 루, A. 한잘릭, H.-J. 장(Zhang), L.-H. 카이. 주요 오디오 효과 감지 및 청각적 맥락 추론을 위한 유연한 프레임워크입니다. 오디오, 음성 및 언어 처리, IEEE 트랜잭션, 14(3):1026–1039, 2006.  [8] Y. Chan, R. Harvey 및 D. Smith. 음란물을 차단하는 시스템 구축. 이미지 검색에 대한 도전, 컴퓨팅 시리즈의 BCS 전자 워크숍, 1999년 34~40페이지.  [9] C.-C. Chang과 C.-J. 린. LIBSVM: 지원 벡터 머신용 라이브러리입니다. 지능형 시스템 및 기술에 대한 ACM 거래, 2:27:1–27:27, 2011. 소프트웨어는 http://www.csie.ntu.edu.tw/~cjlin/libsvm에서 제공됩니다.  [10] M.-y. Chen과 A. Hauptmann. Mosift: 감시 영상에서 인간의 행동을 인식합니다. 2009.  [11] W.-H. 쳉, W.-T. 추, J.-L. 우. 계층적 오디오 모델을 기반으로 한 의미론적 컨텍스트 감지. 멀티미디어 정보 검색에 관한 제5회 ACM SIGMM 국제 워크숍 진행, 109~115페이지. ACM, 2003.  [12] C. Clarin, J. Dionisio, M. Echavez 및 P. Naval. Dove: 피부와 혈액의 움직임 강도 분석을 이용한 영화 폭력 탐지. PCSC, 6:150-156, 2005.  [13] TJ Clarke, MF Bradshaw, DT Field, SE Hampson, D. Rose 등. 대인 대화의 포인트 라이트 디스플레이에서 신체 움직임의 감정 인식. Perception-London, 34(10):1171–1180, 2005.  [14] A. Datta, M. Shah 및 NDV Lobo. 비디오 데이터에서 개인 간 폭력 감지. 패턴 인식, 2002. 절차. 제16차 국제회의, 1권, 433~438페이지. IEEE, 2002.  [15] C.-H. Demarty, C. Penet, G. Gravier 및 M. Soleymani. 중세 2011 영향 작업. 2010.  [16] C.-H. Demarty, C. Penet, G. Gravier 및 M. Soleymani. 영화 속 폭력 장면의 다중 모드 탐지를 위한 벤치마킹 캠페인. Computer Vision–ECCV 2012. 워크샵 및 데모, 416~425페이지. 스프링거, 2012.  [17] C.-H. Demarty, B. Ionescu, Y.-G. Jiang, VL Quang, M. Schedl 및 C. Penet. 영화 속 폭력 장면 감지 벤치마킹. 콘텐츠 기반 멀티미디어 색인화(CBMI), 2014년 제12차 국제 워크숍, 1~6페이지. IEEE, 2014.  [18] C.-H. Demarty, C. Penet, B. Ionescu, G. Gravier 및 M. Soleymani. 할리우드 영화의 다중 모드 폭력 탐지: 최첨단 및 벤치마킹. 컴퓨터 비전의 융합, 185~208페이지. 스프링거, 2014.  [19] C.-H. Demarty, C. Penet, M. Soleymani 및 G. Gravier. 영화의 폭력적인 장면을 감지하기 위한 공개 데이터 세트인 Vsd: 디자인, 주석, 분석 및 평가. 멀티미디어 도구 및 애플리케이션, 2014년 1~26페이지.  [20] AP Dempster, NM Laird 및 DB Rubin. em 알고리즘을 통한 불완전한 데이터의 최대 가능성. 왕립통계학회지. 시리즈 B(방법론), 1~38페이지, 1977.  [21] O. Deniz, I. Serrano, G. Bueno 및 T. Kim. 비디오에서 빠른 폭력 감지. 2014년 제9회 컴퓨터 비전 이론 및 응용에 관한 국제 컨퍼런스(VISAPP)에서.  [22] F. Eyben 및 B. Schuller. opensmile:): 뮌헨 오픈 소스 대규모 멀티미디어 기능 추출기입니다. ACM SIGMultimedia Records, 6(4):4–13, 2015.  [23] F. Eyben, F. Weninger, N. Lehment, B. Schuller 및 G. Rigoll. 정서적 비디오 검색: 대규모 세그먼트 특징 추출을 통한 할리우드 영화의 폭력 탐지. PloS 1, 8(12):e78506, 2013.  [24] G. Farneb¨ack. 다항식 확장을 기반으로 한 2프레임 모션 추정. 이미지 분석, 363~370페이지. 스프링거, 2003.  [25] M. 홍수. 어린이와 청소년의 음란물 노출로 인한 피해. 아동 학대 검토, 18(6):384-400, 2009.  [26] P. Gill, M. Arlitt, Z. Li 및 A. Mahanti. YouTube 트래픽 특성화: 가장자리에서 본 모습. 인터넷 측정에 관한 제7차 ACM SIGCOMM 컨퍼런스 진행, 15~28페이지. ACM, 2007.  [27] Y. Gong, W. Wang, S. Jiang, Q. Huang 및 W. Gao. 청각적, 시각적 신호를 통해 영화 속 폭력적인 장면을 감지합니다. 멀티미디어 정보 처리의 발전 - PCM 2008, 317~326페이지. 스프링거, 2008.  [28] T. Hassner, Y. Itcher 및 O. Kliper-Gross. 폭력적인 흐름: 폭력적인 군중 행동을 실시간으로 감지합니다. 컴퓨터 비전 및 패턴 인식 워크숍(CVPRW), 2012 IEEE 컴퓨터 학회 컨퍼런스, 1~6페이지. IEEE, 2012.  [29] S. 히다카. 행동 스타일 인식을 위한 운동학적 단서를 식별합니다. 인지과학학회, 2012.  [30] T. 호프만. 확률적 잠재 의미 분석을 통한 비지도 학습. 기계 학습, 42(1-2):177–196, 2001.  [31] LR Huesmann 및 LD Eron. 텔레비전과 공격적인 어린이: 국가 간 비교. 루트리지, 2013.  [32] LR Huesmann 및 LD Taylor. 폭력적인 행동에서 미디어 폭력의 역할. 아누. 공중 보건 목사, 27:393-415, 2006.  [33] Y.-G. Jiang, Q. Dai, CC Tan, X. Xue 및 C.-W. 응고. mediaeval2012의 상하이-홍콩 팀: 궤적 기반 기능을 사용한 폭력적인 장면 감지. MediaEval, 2012.  [34] Y.-G. Jiang, Q. Dai, X. Xue, W. Liu 및 C.-W. 응고. 모션 기준점을 사용한 인간 행동의 궤적 기반 모델링. Computer Vision–ECCV 2012, 425~438페이지. 스프링거, 2012.  [35] MJ 존스와 JM Rehg. 피부 감지에 적용되는 통계적 색상 모델. 국제 컴퓨터 비전 저널, 46(1):81–96, 2002.  [36] V. Lam, D.-D. Le, S. Phan, S. Satoh, DA Duong 및 TD Ngo. 동영상에서 폭력적인 장면을 감지하기 위한 저수준 기능 평가. 소프트 컴퓨팅 및 패턴 인식(SoCPaR), 2013년 국제 컨퍼런스, 213~218페이지. IEEE, 2013.  [37] I. Laptev. 시공간 관심 지점에 대해. 국제 컴퓨터 비전 저널, 64(2-3):107–123, 2005.  [38] J. Lin과 W. Wang. 오디오 및 비디오 기반 공동 훈련을 통해 영화에서 약한 감독으로 폭력을 탐지합니다. 멀티미디어 정보 처리 PCM 2009의 발전, 930~935페이지. 스프링거, 2009.  [39] DG 로우. 스케일 불변 키포인트의 독특한 이미지 특징. 컴퓨터 비전 국제 저널, 60(2):91–110, 2004.  [40] KJ Mitchell, D. Finkelhor 및 J. Wolak. 인터넷상의 원치 않는 성적 자료에 대한 청소년의 노출 위험, 영향 및 예방에 대한 전국 조사입니다. 청소년과 사회, 34(3):330–358, 2003.  [41] J. Nam, M. Alghoniemy 및 AH Tewfik. 시청각 콘텐츠 기반의 폭력 장면 특성화. 이미지 처리, 1998. ICIP 98. 절차. 1998년 국제 회의, 1권, 353~357페이지. IEEE, 1998.  [42] EB Nievas, OD Suarez, GB Garc'ıa 및 R. Sukthankar. 컴퓨터 비전 기술을 사용하여 비디오에서 폭력을 감지합니다. 이미지 및 패턴의 컴퓨터 분석, 332~339페이지. 스프링거, 2011.  [43] D. 광학 흐름. 광학 흐름 구현, 2015. URL http: //docs.opencv.org/modules/video/doc/motion_analytic_and_object_tracking.html#calcopticalflowfarneback. 온라인: 2015년 10월 21일 접속.  [44] C. 파커. 이진 분류기의 성능 측정 분석. 데이터 마이닝(ICDM), 2011 IEEE 11차 국제 컨퍼런스, 517~526페이지. 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 및 E. Duchesnay. Scikit-learn: Python의 기계 학습. 기계 학습 연구 저널, 12:2825–2830, 2011.  [46] J. Plattet al. 지원 벡터 머신에 대한 확률적 출력 및 정규화된 우도 방법과의 비교. 큰 마진 분류기의 발전, 10(3):61–74, 1999.  [47] M. Pogrebnyak, D. Timoshenko, I. Burcev 및 A. Kulinkin. NVIDIA GPU를 사용하여 비디오에서 성인 콘텐츠 감지. 2015.  [48] L. 리처드슨. 아름다운 수프. 크러미: 사이트, 2013. URL http://www. crummy.com/software/BeautifulSoup/.  [49] CJV 라이스베르겐. 정보 검색. Butterworth-Heinemann, 미국 매사추세츠주 뉴턴, 2판, 1979. ISBN 0408709294.  [50] M. Saerbeck 및 C. Bartneck. 로봇 동작으로 인한 영향에 대한 인식. 인간-로봇 상호 작용에 관한 제5차 ACM/IEEE 국제 컨퍼런스 진행 중, 53~60페이지. IEEE 출판사, 2010.  [51] M. Schedl, M. Sj¨oberg, I. Mironica, B. Ionescu, VL Quang 및 Y.-G. 장. Vsd2014: 할리우드 영화 및 웹 비디오에서 폭력적인 장면을 감지하기 위한 데이터세트입니다. 식스 센스, 6(2.00):12–40.  [52] C. Schulze, D. Henter, D. Borth 및 A. Dengel. 법 집행 지원을 위한 다중 모드 기능 융합을 통해 CSA 미디어를 자동으로 감지합니다. 멀티미디어 검색에 관한 국제 회의 진행, 353페이지. ACM, 2014.  [53] M. Sokolova 및 G. Lapalme. 분류 작업에 대한 성능 측정을 체계적으로 분석합니다. 정보 처리 및 관리, 45(4):427-437, 2009.  [54] G. 스파크스. 미디어 효과 연구: 기본 개요. 센게이지 학습, 2015.  [55] A. 톰킨스. 폭력적인 미디어가 아동에게 미치는 심리적 영향. AllPsych 저널, 14, 2003.  [56] M. Wesch. 유튜브 통계, 2008. URL http://mediacultures.net/thoughts/youtube-statistics/. 온라인: 2016년 1월 8일에 접속함.  [57] 위키피디아. 광학 흐름, 2015. URL https://en.wikipedia.org/wiki/Optical_flow. 온라인: 2015년 10월 21일 접속.  이 문서는 CC 4.0 라이선스에 따라   있습니다. arxiv에서 볼 수

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

Kinetopgraph.TECH

Read My Stories

kinetograph

이 오디오는 이야기의 원래 언어로 제작되었습니다!

너무 오래; 읽다

Boost your HackerNoon story @ $159.99! 🚀

동영상의 폭력 감지: 참고문헌

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

볼츠만 뇌 이론에 대한 간략한 소개

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

독특한 생태계를 강화하는 비트코인 UTXO 모델

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

볼츠만 뇌 이론에 대한 간략한 소개

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

독특한 생태계를 강화하는 비트코인 UTXO 모델

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps