
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Betzek, Nelson Miguel | - |
| Autor(es): dc.contributor | Paula Filho, Pedro Luiz de | - |
| Autor(es): dc.contributor | Betzek, Nelson Miguel | - |
| Autor(es): dc.contributor | Silva, Hamilton Pereira da | - |
| Autor(es): dc.contributor | Lamb, Juliano Rodrigo | - |
| Autor(es): dc.creator | Lupschinski, Lucas Gustavo Golfetto | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:12:18Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:12:18Z | - |
| Data de envio: dc.date.issued | 2023-09-26 | - |
| Data de envio: dc.date.issued | 2023-09-26 | - |
| Data de envio: dc.date.issued | 2023-06-20 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/32508 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1109126 | - |
| Descrição: dc.description | The number of actions considered violent in recent years has grown exponentially. In the most serious situations, the use of some artifact to further threaten the victim is used, making it difficult for someone to get out of the situation unharmed. Thinking about reducing this problem, public and private spaces choose to apply actions that help to promote security, among them is remote surveillance through strategically placed cameras. Bearing in mind that only cameras alone cannot be effective, methods to support remote surveillance are necessary, among them the objective of the work, which is the application of an artificial neural network (or ANN), in order to help security agents, those who operate surveillance systems, both internal and external. In general, the neural network must recognize violent contact between individuals. This detection aims to reduce the response time that a professional would have to move to the event. To achieve the proposed result, a comparison was made between two approaches - processing the video from a neural network that analyzes the video frame by frame, and also using a mix between the concepts of convolutional neural networks and longterm memory architecture. term, known as LSTM, which plays a crucial role in processing temporal information. The results obtained by the frame-by-frame neural network provided an accuracy rate of 87.61% in the detection of violent actions, while the convolutional network together with the LSTM architecture returned 90.02%, validating both approaches. | - |
| Descrição: dc.description | O número de ações consideradas violentas nos últimos anos vem crescendo de forma exponencial. Nas situações mais graves, o uso de algum artefato para ameaçar ainda mais a vítima é utilizado, dificultando alguém conseguir sair ileso da situação. Para diminuir esse problema, espaços públicos e privados optam por aplicar ações que ajudam a promover a segurança, entre eles está a vigilância remota por meio de câmeras estrategicamente posicionadas. Levando em consideração que apenas as câmeras por si não conseguem ser efetivas, métodos para apoiar a vigilância remota são necessários, entre eles consta o objetivo do trabalho, que é a aplicação de uma rede neural artificial (ou RNA), com o intuito de auxiliar agentes de segurança, estes que operam sistemas de vigilância, tanto internos quanto externos. De forma geral, a rede neural deve reconhecer o contato violento entre indivíduos. Essa detecção tem como objetivo de diminuir o tempo de resposta que um profissional teria para se deslocar até o acontecido. Para alcançar resultado proposto, foi realizada a comparação entre duas abordagens – processando o vídeo a partir de uma rede neural que analisa o vídeo de quadro a quadro, e também utilizando uma mescla entre os conceitos de redes neurais convolucionais e a arquitetura de memória de longo prazo, conhecida como LSTM (ou Long Short-Term Memory, em inglês), que desempenha um papel crucial no processamento de informações temporais. Os resultados obtidos pela rede neural quadro a quadro forneceu uma taxa de acerto de 87,61% na detecção de ações violentas, enquanto a rede convolucional junto com a arquitetura LSTM retornou 90,02%, validando as duas abordagens. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Medianeira | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Ciência da Computação | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | https://creativecommons.org/licenses/by-nc-sa/4.0 | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Sistemas de segurança | - |
| Palavras-chave: dc.subject | Violência urbana | - |
| Palavras-chave: dc.subject | Artificial intelligence | - |
| Palavras-chave: dc.subject | Security systems | - |
| Palavras-chave: dc.subject | Urban violence | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS | - |
| Título: dc.title | Detecção de ações de violência em vídeos por meio de redes neurais artificiais | - |
| Título: dc.title | Detection of violence actions in videos using artificial neural networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: