| ชื่อบทความ | INTERNET OF THING (IoT) USING NEURAL NETWORK MODEL FOR IDENTIFYING ANTI-SOCIAL ACTIVITIES IN SURVEILLANCE MONITORING |
|---|---|
| ประเภทการตีพิมพ์ | วารสารวิชาการระดับนานาชาติ |
| ชื่องานประชุมวิชาการ/วารสาร | Journal of Data Acquisition and Processing |
| ผู้แต่ง |
สุรเชษฐ์ จันทร์งาม ต่วนนูรีซันน์ สุกิจจานันท์ เสกสรร ชะนะ ธภัทร ชัยชูโชค ธภัทร ชัยชูโชค เสกสรร ชะนะ |
| วันที่ตีพิมพ์/นำเสนอ | 7 เม.ย. 2566 |
| ปีที่ | 38 |
| ฉบับที่ | 2 |
| หมายเลขหน้า | 2483-2495 |
| ลักษณะบทความ | |
| Abstract | Sensors or electronic devices are used for remote monitoring. Real-time traffic, forest, military, commerce, and medical remote monitoring detects abnormalities. The computational complexity of computer vision-based video processing systems is substantial. This research develops a Slow-Fast Convolution Neural Network (SF-CNN) to detect and classify anomalous behaviour in surveillance videos. The suggested CNN architecture automatically learns video frames and selects the best object behavior attributes from a wide sample of films. SF-CNN learns slowly or quickly. When the frame rate is low, slow learning is enabled, and when high, rapid learning is enabled. The input video teaches both both spatial and temporal information. Actions identify humans, vehicles, and animals. All movies contain normal and aberrant activities in different circumstances. The SF-CNN architecture solves numerous limitations anomalous motions end-to-end. SF-CNN performance is tested on many benchmark datasets. The proposed method had 99.6% accuracy, higher than prior methods. |