Huszár Viktor et al. Live Spoofing Detection for Automatic Human Activity Recognition Applications. (2021) SENSORS 1424-8220 21 21, 32479400
Szakcikk (Folyóiratcikk) | Tudományos[32479400]
  1. Hidayat Fadhil et al. Face Recognition for Automatic Border Control: A Systematic Literature Review. (2024) IEEE ACCESS 2169-3536 2169-3536 12 37288-37309
    Szakcikk (Folyóiratcikk) | Tudományos[35002047] [Egyeztetett]
    Független, Idéző: 35002047, Kapcsolat: 34559013
  2. Neelima Medikonda et al. Optimized deep network based spoof detection in automatic speaker verification system. (2023) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721
    Szakcikk (Folyóiratcikk) | Tudományos[34358441] [Egyeztetett]
    Független, Idéző: 34358441, Kapcsolat: 33594419
  3. Barua Prabal Datta et al. Novel automated detection of sports activities using shadow videos. (2023) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721
    Szakcikk (Folyóiratcikk) | Tudományos[34358439] [Egyeztetett]
    Független, Idéző: 34358439, Kapcsolat: 33594417
  4. Hafeez Sadaf et al. Multi-Sensor-Based Action Monitoring and Recognition via Hybrid Descriptors and Logistic Regression. (2023) IEEE ACCESS 2169-3536 2169-3536 11 48145-48157
    Szakcikk (Folyóiratcikk) | Tudományos[34358442] [Egyeztetett]
    Független, Idéző: 34358442, Kapcsolat: 33594420
  5. Diraco Giovanni et al. Human Action Recognition in Smart Living Services and Applications: Context Awareness, Data Availability, Personalization, and Privacy. (2023) SENSORS 1424-8220 23 13
    Összefoglaló cikk (Folyóiratcikk) | Tudományos[34358440] [Egyeztetett]
    Független, Idéző: 34358440, Kapcsolat: 33594418
  6. Mamchur Dmytro et al. The Use of Terrestrial and Maritime Autonomous Vehicles in Nonintrusive Object Inspection. (2022) SENSORS 1424-8220 22 20
    Összefoglaló cikk (Folyóiratcikk) | Tudományos[33415777] [Egyeztetett]
    Független, Idéző: 33415777, Kapcsolat: 32161711
  7. Benlamoudi Azeddine et al. Face Presentation Attack Detection Using Deep Background Subtraction. (2022) SENSORS 1424-8220 1424-8220 22 10
    Szakcikk (Folyóiratcikk) | Tudományos[33415779] [Egyeztetett]
    Független, Idéző: 33415779, Kapcsolat: 32161714
  8. Huang Heqing et al. Design of Citrus Fruit Detection System Based on Mobile Platform and Edge Computer Device. (2022) SENSORS 1424-8220 22 1
    Szakcikk (Folyóiratcikk) | Tudományos[33415781] [Egyeztetett]
    Független, Idéző: 33415781, Kapcsolat: 32161716
  9. Hnoohom Narit et al. ACF: An Armed CCTV Footage Dataset for Enhancing Weapon Detection. (2022) SENSORS 1424-8220 1424-8220 22 19
    Szakcikk (Folyóiratcikk) | Tudományos[33415778] [Egyeztetett]
    Független, Idéző: 33415778, Kapcsolat: 32161713
Huszar Viktor Denes et al. Towards Fast and Accurate Violence Detection for Automated Video Surveillance Applications. (2023) IEEE ACCESS 2169-3536 2169-3536 11 18772-18793, 33646713
Szakcikk (Folyóiratcikk) | Tudományos[33646713]
  1. Tu Yueh-Shen et al. Violent Video Recognition by Using Sequential Image Collage. (2024) SENSORS 1424-8220 24 6 p. 1844
    Szakcikk (Folyóiratcikk) | Tudományos[34744507] [Egyeztetett]
    Független, Idéző: 34744507, Kapcsolat: 34188955
  2. Honarjoo Narges et al. Violence detection in compressed video. (2024) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 67. 3. 1232.-1246.
    Szakcikk (Folyóiratcikk) | Tudományos[34966844] [Nyilvános]
    Független, Idéző: 34966844, Kapcsolat: 34498692
  3. Chakraborty Sovon et al. Violence Detection: A Multi-Model Approach Towards Automated Video Surveillance and Public Safety. (2024) Megjelent: 2024 International Conference on Advances in Computing, Communication, Electrical, and Smart Systems (iCACCESS) pp. 1-6
    Szaktanulmány (Könyvrészlet) | Tudományos[34823677] [Nyilvános]
    Független, Idéző: 34823677, Kapcsolat: 34297694
  4. Pablo Negre et al. Systematic mapping study on violence detection in video by means of trustworthy artificial intelligence. (2024) SOCIAL SCIENCE RESEARCH NETWORK: SSRN 1556-5068 2024 1 p. 67
    Szakcikk (Folyóiratcikk) | Tudományos[34779268] [Nyilvános]
    Független, Idéző: 34779268, Kapcsolat: 34232584
  5. Amiket Elinje et al. Pleksus: Inspect the suspect. (2024) INTERNATIONAL JOURNAL OF PROGRESSIVE RESEARCH IN ENGINEERING MANAGEMENT AND SCIENCE (IJPREMS) 2583-1062 4. 4. 856.-870.
    Szakcikk (Folyóiratcikk) | Tudományos[35075234] [Nyilvános]
    Független, Idéző: 35075234, Kapcsolat: 34676230
  6. Negre Pablo et al. Literature Review of Deep-Learning-Based Detection of Violence in Video. (2024) SENSORS 1424-8220 24 12 p. 4016
    Szakcikk (Folyóiratcikk) | Tudományos[35074970] [Nyilvános]
    Független, Idéző: 35074970, Kapcsolat: 34675889
  7. Karlsson Kalle et al. Exploring the surveillance technology discourse: a bibliometric analysis and topic modeling approach. (2024) FRONTIERS IN ARTIFICIAL INTELLIGENCE 2624-8212 7 2024 1.-15.
    Szakcikk (Folyóiratcikk) | Tudományos[35012067] [Nyilvános]
    Független, Idéző: 35012067, Kapcsolat: 34577235
  8. Pankaj Thakur et al. Edge AI Enabled IoT Framework for Secure Smart Home Infrastucture. (2024) PROCEDIA COMPUTER SCIENCE 1877-0509 235. 2. 3369.-3378.
    Szakcikk (Folyóiratcikk) | Tudományos[34900530] [Nyilvános]
    Független, Idéző: 34900530, Kapcsolat: 34394305
  9. Jennifer D et al. Automated vigilence system for physical clash detection in localized environments. (2024) Megjelent: 2024 10th International Conference on Communication and Signal Processing (ICCSP) pp. 359-364
    Könyvfejezet (Könyvrészlet) | Tudományos[34966902] [Nyilvános]
    Független, Idéző: 34966902, Kapcsolat: 34498787
  10. Manjari Gupta et al. A Reliable People Tracking in Nuclear Power Plant Control Room Monitoring System Using Particle Filter. (2024) IEEE TRANSACTIONS ON RELIABILITY 0018-9529 1558-1721 2024 1. 1.-15.
    Szakcikk (Folyóiratcikk) | Tudományos[34856909] [Nyilvános]
    Független, Idéző: 34856909, Kapcsolat: 34339561
  11. Chaubey Mrityunjay et al. A Reliable People Tracking in Nuclear Power Plant Control Room Monitoring System Using Particle Filter. (2024) IEEE TRANSACTIONS ON RELIABILITY 0018-9529 1558-1721
    Szakcikk (Folyóiratcikk) | Tudományos[35019206] [Egyeztetett]
    Független, Idéző: 35019206, Kapcsolat: 34592312
  12. Kaur Gurmeet et al. An ensemble based approach for violence detection in videos using deep transfer learning. (2024) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 2024. 20 May p. 1.
    Szakcikk (Folyóiratcikk) | Tudományos[34872991] [Nyilvános]
    Független, Idéző: 34872991, Kapcsolat: 34359751
  13. Pathirannahalage Iroshan et al. A comprehensive analysis of real-time video anomaly detection methods for human and vehicular movement. (2024) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 83. 14. p. 1.
    Szakcikk (Folyóiratcikk) | Tudományos[34823676] [Nyilvános]
    Független, Idéző: 34823676, Kapcsolat: 34297693
  14. Kumari Pratibha et al. Multimedia datasets for anomaly detection: a review. (2023) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 2023. 1.-51.
    Szakcikk (Folyóiratcikk) | Tudományos[34440479] [Egyeztetett]
    Független, Idéző: 34440479, Kapcsolat: 33749597
  15. Mohammed Mohammed Sultan et al. Motion Pattern-Based Scene Classification Using Adaptive Synthetic Oversampling and Fully Connected Deep Neural Network. (2023) IEEE ACCESS 2169-3536 2169-3536 11 119659-119675
    Szakcikk (Folyóiratcikk) | Tudományos[34673725] [Nyilvános]
    Független, Idéző: 34673725, Kapcsolat: 34114159
  16. Viswanatha V. et al. Motion and Object Recognition for Crime Prediction and Forecasting: A Review. (2023) QUADERNS: REVISTA DE TRADUCCIO 1138-5790 2014-9735 11. 9. 162.-177.
    Szakcikk (Folyóiratcikk) | Tudományos[34170236] [Nyilvános]
    Független, Idéző: 34170236, Kapcsolat: 33301325
  17. Donia Manar M. et al. Impulsive Aggression Break, Based on Early Recognition Using Spatiotemporal Features. (2023) BIG DATA AND COGNITIVE COMPUTING 2504-2289 7 3 p. 150
    Szakcikk (Folyóiratcikk) | Tudományos[34146653] [Egyeztetett]
    Független, Idéző: 34146653, Kapcsolat: 33272458
  18. Sahithi Ambati et al. Enhancing Object Detection and Tracking from Surveillance Video Camera Using YOLOv8. (2023) Megjelent: 2023 International Conference on Recent Advances in Information Technology for Sustainable Development (ICRAIS) pp. 228-233
    Konferenciaközlemény (Könyvrészlet) | Tudományos[34472945] [Nyilvános]
    Független, Idéző: 34472945, Kapcsolat: 33807235
  19. Khan Mustaqeem et al. An Efficient Violence Detection Approach for Smart Cities Surveillance System. (2023) Megjelent: 2023 IEEE International Smart Cities Conference (ISC2) pp. 1-5
    Szaktanulmány (Könyvrészlet) | Tudományos[34279765] [Nyilvános]
    Független, Idéző: 34279765, Kapcsolat: 33456584
  20. Babiyola A. et al. A hybrid learning frame work for recognition abnormal events intended from surveillance videos. (2023) JOURNAL OF INTELLIGENT & FUZZY SYSTEMS 1064-1246 1875-8967 45 1 1089-1102
    Szakcikk (Folyóiratcikk) | Tudományos[34374555] [Nyilvános]
    Említések száma: 2
    Független, Idéző: 34374555, Kapcsolat: 33628422
  21. Shen Yu-Shian et al. Aggregated Spatio-temporal MLP-Mixer for Violence Recognition in Video Clips. (2023) Megjelent: 2023 Sixth International Symposium on Computer, Consumer and Control (IS3C) pp. 44-47
    Könyvfejezet (Könyvrészlet) | Tudományos[34110958] [Nyilvános]
    Független, Idéző: 34110958, Kapcsolat: 33234872
2024-07-14 05:49