Выявление преступлений и аномального поведения

Раннее выявление подозрительного поведения людей может помочь в предотвращении преступлений и сделать сообщество безопаснее. Существующие методы, ориентированные на выявление аномального поведения с помощью видеонаблюдения, основанные на компьютерном зрении, которые больше подходят для обнаружения текущего поведения.

• драки
• странное поведение
• падения
• нападения
• агрессия
• болезни
• опасное поведение у технических объектов

Методология

Подозрительное поведение относится к индивидуальным моделям поведения, которые кажутся необычными или неуместными, вероятно, являются предвестниками преступления.

Основываясь на принципах алгоритмов обнаружения, подозрительное поведение разделяются на три категории: необычные схемы передвижения, необычное поведение и необычные скопления людей.

• Необычные схемы передвижения - это движения, которые кажутся неуместными, состоящие из движущихся объектов (например, многократных изменений направления под большим углом) и поведения людей относительно местоположений (например, неоднократного слонения вокруг местоположений).
• Необычное поведение - это определенное поведение, которое не совпадает с исторической деятельностью этого человека, включая посещение необычных мест, путешествие в необычное время и необычные маршруты.
• Скопление нескольких человек на срок более определенного периода на небольшой территории определяется как скопление толпы, и участники могут входить в эту группу и выходить из нее в любое время.

Процесс обнаружения аномального поведения человека

Предлагаем соответствующий алгоритм обнаружения основных признаков каждого подозрительного поведения, а не метод глубокого обучения, который автоматически извлекает признаки. Основные причины заключаются в следующем:

• Интерпретируемость. Правоохранительным органам важно делать адекватные выводы из обнаруженных результатов и обеспечивать их правильное понимание для разработки соответствующих стратегий. Таким образом, мы характеризуем подозрительное поведение под руководством криминологической теории.
• Сложность обучения. Подозрительное поведение встречается гораздо реже, чем обычное поведение, поэтому обучать контролируемую модель машинного обучения сложно, особенно модель глубокого обучения.
• Эффективность. Алгоритмы, которые используются в полицейских системах, требуют небольшой временной сложности для эффективного предотвращения преступлений. Хотя это поведение не является абсолютным подтверждением преступлений, распознавание потенциальных преступлений на основе этого подозрительного поведения значительно снизит уровень преступности.

Сначала выполняется пространственно-временная сегментация видео для извлечения объектов, которые могут описывать характеристики целевой области. Затем, на этапе обучения, моделируются нормальные события. На этапе тестирования ненормальность тестовых функций вычисляется для обычной модели событий, которая была изучена.

Кроме того, оценивается, является ли данное поведение ненормальным в соответствии с установленным порогом ненормальности. Два этапа выделения признаков и обнаружения аномального поведения моделью оказывают большое влияние на эффект обнаружения аномального поведения.