Using human pose information for handgun detection

La detección automática y rápida de pistolas puede ser muy útil para evitar o mitigar riesgos en espacios públicos. En la literatura se han propuesto detectores basados en métodos de aprendizaje profundo para activar una alarma si se detecta una pistola en la imagen. Sin embargo, esos detectores se...

Descripción completa

Detalles Bibliográficos
Autores: Velasco Mata, Alberto, Ruiz-Santaquiteria Alegre, Jesús, Vallez Enano, Noelia, Déniz Suárez, Óscar
Tipo de recurso: artículo
Fecha de publicación:2021
País:España
Institución:Universidad de Castilla-La Mancha
Repositorio:RUIdeRA. Repositorio Institucional de la UCLM
OAI Identifier:oai:ruidera.uclm.es:10578/41511
Acceso en línea:http://dx.doi.org/10.1007/s00521-021-06317-8
https://hdl.handle.net/10578/41511
Access Level:acceso abierto
Palabra clave:Deep learning
Handgun detection
id ES_033a3aa3616d429ffb5db78a4c18af49
oai_identifier_str oai:ruidera.uclm.es:10578/41511
network_acronym_str ES
network_name_str España
repository_id_str
spelling Using human pose information for handgun detectionVelasco Mata, AlbertoRuiz-Santaquiteria Alegre, JesúsVallez Enano, NoeliaDéniz Suárez, ÓscarDeep learningHandgun detectionLa detección automática y rápida de pistolas puede ser muy útil para evitar o mitigar riesgos en espacios públicos. En la literatura se han propuesto detectores basados en métodos de aprendizaje profundo para activar una alarma si se detecta una pistola en la imagen. Sin embargo, esos detectores se basan únicamente en la apariencia del arma en la imagen. En este trabajo, proponemos combinar el detector con la información de pose del individuo para mejorar el rendimiento general. Para ello, se propone un modelo que integra imágenes en escala de grises de la salida del detector de armas e imágenes tipo mapa de calor que representan la pose. Los resultados muestran una mejora con respecto al detector de armas original. La red propuesta proporciona una mejora máxima de un 17,5% en AP del modelo combinacional propuesto con respecto al detector de armas tomado de referencia.Springer202520252021info:eu-repo/semantics/articleapplication/pdfapplication/pdfhttp://dx.doi.org/10.1007/s00521-021-06317-8https://hdl.handle.net/10578/41511reponame:RUIdeRA. Repositorio Institucional de la UCLMinstname:Universidad de Castilla-La ManchaInglésinfo:eu-repo/semantics/openAccessoai:ruidera.uclm.es:10578/415112026-05-27T07:36:41Z
dc.title.none.fl_str_mv Using human pose information for handgun detection
title Using human pose information for handgun detection
spellingShingle Using human pose information for handgun detection
Velasco Mata, Alberto
Deep learning
Handgun detection
title_short Using human pose information for handgun detection
title_full Using human pose information for handgun detection
title_fullStr Using human pose information for handgun detection
title_full_unstemmed Using human pose information for handgun detection
title_sort Using human pose information for handgun detection
dc.creator.none.fl_str_mv Velasco Mata, Alberto
Ruiz-Santaquiteria Alegre, Jesús
Vallez Enano, Noelia
Déniz Suárez, Óscar
author Velasco Mata, Alberto
author_facet Velasco Mata, Alberto
Ruiz-Santaquiteria Alegre, Jesús
Vallez Enano, Noelia
Déniz Suárez, Óscar
author_role author
author2 Ruiz-Santaquiteria Alegre, Jesús
Vallez Enano, Noelia
Déniz Suárez, Óscar
author2_role author
author
author
dc.subject.none.fl_str_mv Deep learning
Handgun detection
topic Deep learning
Handgun detection
description La detección automática y rápida de pistolas puede ser muy útil para evitar o mitigar riesgos en espacios públicos. En la literatura se han propuesto detectores basados en métodos de aprendizaje profundo para activar una alarma si se detecta una pistola en la imagen. Sin embargo, esos detectores se basan únicamente en la apariencia del arma en la imagen. En este trabajo, proponemos combinar el detector con la información de pose del individuo para mejorar el rendimiento general. Para ello, se propone un modelo que integra imágenes en escala de grises de la salida del detector de armas e imágenes tipo mapa de calor que representan la pose. Los resultados muestran una mejora con respecto al detector de armas original. La red propuesta proporciona una mejora máxima de un 17,5% en AP del modelo combinacional propuesto con respecto al detector de armas tomado de referencia.
publishDate 2021
dc.date.none.fl_str_mv 2021
2025
2025
dc.type.none.fl_str_mv info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv http://dx.doi.org/10.1007/s00521-021-06317-8
https://hdl.handle.net/10578/41511
url http://dx.doi.org/10.1007/s00521-021-06317-8
https://hdl.handle.net/10578/41511
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Springer
publisher.none.fl_str_mv Springer
dc.source.none.fl_str_mv reponame:RUIdeRA. Repositorio Institucional de la UCLM
instname:Universidad de Castilla-La Mancha
instname_str Universidad de Castilla-La Mancha
reponame_str RUIdeRA. Repositorio Institucional de la UCLM
collection RUIdeRA. Repositorio Institucional de la UCLM
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869402711208755200
score 15.812429

Similares en LA Referencia