An acoustic scene classification approach involving domestic violence using machine learning

Souto, Helton; Mello, Rafael Ferreira; Furtado, Ana Paula

doi:10.5753/eniac.2019.9327

Cited by 8 publications

(3 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em 2019, Souto et al [6] propôs a classificac ¸ão e detecc ¸ão de cenas acústicas de violência doméstica utilizando o classificador SVM. Foram selecionados três parâmetros de sinais de áudio nos domínios de frequência e tempo: Coeficientes Mel-Cepstrais -MFCC, energia dos sinais no domínio da frequência e taxa de cruzamento por zero -ZCR no domínio do tempo.…”

Section: A Abordagem Acústica Na Detecc ¸ãO De Violênciaunclassified

Multi-Classificação de Cenários de Violência utilizando Extração de Atributos Acústicos e Redes Neurais Convolucionais

Santos,

Fernandes Júnior

2023

Anais Do XVI Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

O presente trabalho aborda a necessidade urgente de desenvolver tecnologias que visem reduzir a incidencia de eventos violentos em nossa sociedade, particularmente no contexto brasileiro, onde populações marginalizadas como jovens negros enfrentam temores constantes de violencia letal. Nesse contexto, a abordagem acústica surge como uma vertente promissora devido as suas vantagens intrínsecas, como a capacidade de detecção automatizada e a não oclusão do ambiente. Este trabalho tem como objetivo principal contribuir para o problema da identificação de cenários de violência treinando um modelo de aprendizado de máquina capaz de identificar e classificar cenários tais como gritos, violencia física e disparos de armas de fogo. Foram testadas arquiteturas de redes neurais convolucionais, em particular as redes ResNet152 e MobileNet. Os resultados demonstram que ambos os modelos alcançaram precisões similares na tarefa de multi-classificação, com precis oes de 84,9% e 84,1%, respectivamente. Esses achados destacam a viabilidade e eficacia da abordagem proposta, mostrando o potencial das redes neurais convolucionais na classificação de cenários violentos utilizando apenas o audio.

show abstract

Section: A Abordagem Acústica Na Detecc ¸ãO De Violênciaunclassified

Multi-Classificação de Cenários de Violência utilizando Extração de Atributos Acústicos e Redes Neurais Convolucionais

Santos,

Fernandes Júnior

2023

Anais Do XVI Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

show abstract

“…Souto, Mello and Furtado [24] present, an acoustic scene classification approach involving domestic violence using machine learning. The methodology specifies the parameters used (MFCC, Energy and ZCR), parameter extraction (medium-term parameter sequence processing and short-term processing), and classification (SVM technique).…”

Section: Audio Approachmentioning

confidence: 99%

Detection Violent Behaviors: A Survey

Durães

Marcondes

Gonçalves

et al. 2021

Advances in Intelligent Systems and Computing

View full text Add to dashboard Cite

Violence detection behavior is a particular problem regarding the great problem action recognition. In recent years, the detection and recognition of violence has been studied for several applications, namely in surveillance. In this paper, we conducted a recent systematic review of the literature on this subject, covering a selection of various researched papers. The selected works were classified into three main approaches for violence detection: video, audio, and multimodal audio and video. Our analysis provides a roadmap to guide future research to design automatic violence detection systems. Techniques related to the extraction and description of resources to represent behavior are also reviewed. Classification methods and structures for behavior modelling are also provided.

show abstract

“…Em [Souto et al 2019] foram consideradas as características MFCC, Energia e zero-crossing rate (ZCR) extraídas dos áudios por meio de um sequenciamento de janelas de tempo de curta durac ¸ão, posteriormente agrupadas por média e desvio-padrão em janelas de tempo maiores. Essas características foram então utilizadas em um classificador SVM.…”

Section: Trabalhos Relacionadosunclassified

Deep Learning and Mel-spectrograms for Physica Violence Detection in Audio

Lacerda

Miranda

Câmara

et al. 2021

Anais Do XVIII Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2021)

View full text Add to dashboard Cite

Há um crescente interesse em sistemas de detecção de violência de forma automática por meio do áudio ambiente. Neste trabalho, construímos e avaliamos 4 classificadores com essa proposta. Porém, em vez de processar diretamente os sinais de áudio, nós os convertemos para imagens, conhecidas como mel-spectrograms, e em seguida utilizamos Redes Neurais Convolucionais (CNN) para tratar como um problema de classificação de imagens utilizando-se de redes pre-treinadas neste contexto. Testou-se as arquiteturas Inception v3, VGG-16, MobileNet v2 e ResNet152 v2, tendo o classificador oriundo da arquitetura MobileNet obtido os melhores resultados de classificação, quando avaliado no HEAR Dataset, criado para a realização desta pesquisa.

show abstract

An acoustic scene classification approach involving domestic violence using machine learning

Cited by 8 publications

References 15 publications

Multi-Classificação de Cenários de Violência utilizando Extração de Atributos Acústicos e Redes Neurais Convolucionais

Multi-Classificação de Cenários de Violência utilizando Extração de Atributos Acústicos e Redes Neurais Convolucionais

Detection Violent Behaviors: A Survey

Deep Learning and Mel-spectrograms for Physica Violence Detection in Audio

Contact Info

Product

Resources

About