
![image](/images/2022/22/01.jpg)

- โมเดลตรวจจับการใช้ความรุนแรงจากกล้องวงจรปิดด้วย action recognition ในแต่ละเฟรม,
- เทรนบนชุดข้อมูลที่รวบรวมจาก UCF101 (แยกวิดีโอ เช่น boxing, sumo เป็น violence), Real Life Violence Situations Dataset (1,000 violence, 1,000 non-violence), sparshdrolia/violence, Hockey Fight Videos,
- คัดเลือกเฟรมที่จะใช้เทรนด้วย feature engineering แบบเฉพาะที่ทำให้โมเดลทำงานได้ดีกว่าใช้ทุกเฟรม โดยแบ่งวิดีโอเป็นช่วงๆ s ช่วง โดยมากสุด m ช่วง แล้วในแต่ละช่วงเราจะดึง features ออกมาโดย และเราจะข้ามเฟรมทุกๆ k เฟรมในช่วงที่ s นั้น,
- เปลี่ยนรูปภาพในแต่ละเฟรมให้เป็น features ด้วย pretrained VGG16; เรียงตามลำดับเวลาในวิดีโอ,
- นำ features เหล่านั้นมาเป็น input ให้กับ LSTM โดยใช้ 20 เฟรมก่อนหน้าจนถึงเฟรมปัจจุบัน มาทายว่าเฟรมปัจจุบันมีการใช้ความรุนแรงหรือไม่,
- ความแม่นยำ (accuracy) ในระดับเฟรมอยู่ที่ 74.8% ใน test set

### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> "ถ้ามีโอกาสได้เข้ามาศึกษาหาความรู้ ผมจะเอาความรู้ที่ได้ไปลงแข่งขันในรายการ TH National Software Contest อย่างแน่นอน ซึ่งจะทำอย่างสุดความสามารถเพื่อเป็นเกียรติแก่ความรู้ทั้งหมดที่จะได้รับมากจากโครงการนี้ ผมจะไม่หยุดแค่ได้เข้ามาเรียนรู้แล้วรู้สึกว่ามันเปิดโลกมากมายแล้วจบไปแค่นั้น แต่หลังจากนั้นผมจะทำโครงการให้สำเร็จและ จะสร้างสรรค์ไอเดียใหม่ๆออกมาเรื่อยๆอย่างต่อเนื่องครับ  ตั้งใจไว้ว่าจะลงแข่งขัน NSC ในปีหน้า จึงต้องการความรู้เรื่อง Machine learning อย่างมาก เพื่อไปทำโปรเจคส่งเข้าประกวดการแข่งขัน NSC ซึ่งผ่านมาเห็นโครงการ AI Builder พอดี และส่วนตัวเองก็มีความรู้เรื่อง Python มาพอสมควรแล้ว แต่ยังไม่แน่นเรื่อง Machine learning จึงเป็นโอกาสดีที่จะส่งเข้ามาคัดเลือกในโครงการนี้  อยากทำ Action Recognition ประมวลผลท่าทางภาษามือแล้วแปลงเป็นข้อความ เพื่อเอาไว้เข้าใจผู้ที่ใช้ภาษามือในการสื่อสาร เพื่อให้สามารถเข้าใจภาษามือได้ง่ายและสามารถสื่อสารกับผู้ที่บกพร่องการสื่อสารได้ง่ายมากขึ้น โดยจะอิงข้อมูลจาก กองทุนส่งเสริมและพัฒนาคุณภาพชีวิตคนพิการ"

Violence Detection

โดย ชินวัตร นาไชยธง (ม่อน) •