Blockdit Logo (Mobile)
MVIT Research LAB : Mahidol University
•
5 ธ.ค. เวลา 14:06 • วิทยาศาสตร์ & เทคโนโลยี
มหาวิทยาลัยมหิดล

เทคนิคAiและDataset การวิเคราะห์ลักษณะการเดิน เพือการสืบสวนอาชญากรรม, MVIT Research Lab คณะICTม.มหิดล

A comprehensive review of gait analysis using deep learning approaches in criminal investigation การวิเคราะห์เทคนิคและฐานข้อมูล ของ ท่าทางลักษณะการเดินที่ใช้แนวทางการเรียนรู้เชิงลึก Deep Learning ในการสืบสวนอาชญากรรม ที่ได้การรวบรวมงานวิจัยอย่างรอบด้านโดย MVIT Research Lab Team, Mahidol University, ICT
โดย Mr.Sai Thu Ya Aung, Assoc.Prof.Dr.Worapan Kusakunniran​
แม้จะมีความกังวลที่เพิ่มขึ้นโดยผู้สนับสนุน
จากการตระหนักถึงความเป็นส่วนตัว และการนําไบโอเมตริกซ์ ท่าทางลักษณะการเดินมาใช้งาน อย่างกว้างขวาง
การวิจัยในสาขานี้ก็ก้าวไปข้างหน้าอย่างรวดเร็ว การเรียนรู้เชิงลึก หรือ Deep Learning ซึ่งเป็นเทคโนโลยีอันทรงพลังที่ช่วยให้คอมพิวเตอร์เรียนรู้จากข้อมูล ได้นำไปสู่การสืบสวนสอบสวนทางอาญาวิทยาที่เกี่ยวข้องกับลักษณะการเดิน
งานวิจัยนี้ ได้ทำการศึกษา รวบรวม บทความและวิเคราะห์ลักษณะท่าทางการเดิน ที่เกี่ยวกับการสอบสวนทางอาญาวิทยา กล่าวถึงภาพรวมที่ครอบคลุมของการพัฒนาในการวิเคราะห์ท่าทางการเดินด้วย deep neural network
ประกอบไปด้วย คําศัพท์และปัจจัยเกี่ยวกับลักษณะการเดินของมนุษย์ที่มีสถานการณ์ที่เกี่ยวข้องกับอาชญากรรมที่ถูกกล่าวถึง
ต่อจากนั้นจะมีการหารือถึง การวิเคราะห์เกี่ยวกับพื้นที่และโดเมนที่สอดคล้องกับการสอบสวนทางอาญาวิทยาที่สามารถแก้ไขได้ด้วยการวิเคราะห์ลักษณะการเดิน
นอกจากนี้ยังมีการนําเสนอวิธีการประยุกต์การเรียนรู้เชิงลึก Deep Learning สําหรับการวิเคราะห์ลักษณะการเดินและวิธีการนําไปใช้ในการสอบสวนทางอาญาวิทยา
จากนั้นเป็นการกล่าวถึงเทคนิคและแนวทางการวิเคราะห์ลักษณะการเดินโดยใช้วิธีการเรียนรู้เชิงลึกรวมถึงชุดข้อมูล Dataset ที่มีอยู่ในปัจจุบัน
นอกจากนี้ ชุดข้อมูลวิดีโอที่เกี่ยวข้องกับอาชญากรรมยังนําเสนอด้วยบทความต่างๆ เกี่ยวกับการตรวจจับความผิดปกติตามการเรียนรู้เชิงลึกด้วยท่าทางของมนุษย์
สุดท้าย ได้รวบรวมและถกประเด็นการวิจัย เรื่องความท้าทายเกี่ยวกับการวิเคราะห์ลักษณะท่าทางการเดินในการสืบสวนอาชญากรรม ที่เราได้รวบรวม และกลั่นกรองออกเป็นผลงานการทบทวนวรรณกรรมชิ้นนี้
การวิเคราะห์ท่าทางลักษณะการเดิน ที่ใช้แนวทางการเรียนรู้เชิงลึก Deep Learning ในการสืบสวนอาชญากรรม ที่ได้การรวบรวมงานวิจัยอย่างรอบด้านโดย MVIT Research Lab
ในหัวข้อต่างๆจะประกอบด้วย
Introduction อธิบายข้อควรรู้พื้นฐานและความเป็นมาเป็นไป ตามด้วย Rationale and Intended Audience และ Review Methodology
Human Gait อธิบายในเรื่อง Gait cycle, Spatial and temporal gait parameters, Kinetic parameters, Soft biometrics parameters in gait, Inhabiting factors in gait, Normal and abnormal gait, Gait in crime scene videos
Deep Learning Architectures in Gait Analysis ประกอบไปด้วย Convolutional neural networks, Recurrent neural networks, Autoencoders, Generative adversarial networks
Impacted Areas Related to Criminal Investigation จะมีเนื้อหาเกี่ยวกับ Surveillance, Crime investigation, Forensic analysis, Violent behavior detection, Public safety, Crowd control, Emotion detection
Deep Learning Based Gait Analysis Approaches มีเรื่อง Gait recognition, Model free approaches for gait recognition, Silhouette based approaches in gait recognition, Model based approaches in gait recognition, Reidentification, Pose estimation, 2D human pose estimation, Top down approach, Bottom-up approach
Practical Applications and Researches on Gait Analysis for Criminal Investigation จะอธิบายในเรื่อง Anomaly activities detection from violent and crime scene videos, Gait analysis for surveillance, Human pose estimation in forensic and criminal investigation, Limitations on applicability on practical scenarios
Complexities and Challenges วิภาคในเรื่อง Developing deep learning models, Lack of standard, Lack of datasets, Presentation of likelihood calculation, Privacy and data protection
Feature Directions and Prospects
Multimodal inputs, Multitask learning, Explainable AI, Federated learning
จบด้วยบทสรุปของบทความ
Abstract: Despite the growing worries expressed by privacy supporters about the extensive adoption of gait biometrics, research in this field has been moving forward swiftly. Deep learning, a powerful technology that enables computers to learn from data, has found its way into criminal investigations involving gait.
In this survey, the literature of gait analysis concerning criminal investigation is discussed with a comprehensive overview of developments in gait analysis with deep neural networks. Firstly, terminologies and factors regarding human gait with scenarios related to crime are discussed. Subsequently, the areas and domains corresponding to criminal investigation that can be tackled by gait analysis are discussed.
Also, deep learning methods for gait analysis and how they can be applied in criminal investigations are presented. Then, gait analysis techniques and approaches using deep learning methods including currently available datasets are mentioned. Moreover, crime-related video datasets are presented with literature on deep learning-based anomaly detection with gait human poses. Finally, challenges regarding gait analysis in criminal investigations are presented with open research issues.
โฆษณา