TRUONG ĐẠI HỌC SU PHAM TPHCM KHOA CÔNG NGHỆ THONG TIN LE TAN LOC HUYNH THANH PHONG XAY DUNG MO HINH PHAT HIEN BAO LUC TRONG HOC DUONG KHOA LUAN TOT NGHIEP THÀNH PHO HO CHÍ MINH - NAM 2023 TRUONG ĐẠI HỌC SU PHAM TPHCM KHOA CÔNG NGHỆ THONG TIN LE TAN LOC HUYNH THANH PHONG XAY DUNG MO HINH PHAT HIEN BAO LUC TRONG HOC DUONG CHUYEN NGHANH: KHOA HỌC MAY TÍNH KHOA LUAN TOT NGHIEP NGUOI HUONG DAN KHOA HOC: TS. NGUYEN VIET HUNG THS. TRAN THANH NHA THÀNH PHO HO CHÍ MINH - NAM 2023 LỜI CAM ĐOAN Tôi xin cam đoan luận văn "Xây dựng mô hình phát hiện bạo lực trong học đường" là công trình nghiên cứu của nhóm chúng tôi, được thực hiện dưới sự hướng dan của Tiến sĩ Nguyên Viết Hưng và Thạc sĩ Tran Thanh Nhã. Các kết quả nêu trong luận văn là trung thực và nội dung luận văn không có sự sao chép từ các tài liệu hay công trình nghiên cứu khác mà không ghi rõ nguồn trong phan tải liệu tham khảo. Tôi xin chịu trách nhiệm về lời cam đoan nảy. Thành phố Hé Chí Minh, ngày § tháng 5 năm 2023 LỜI CÁM ƠN Trước tiên, chúng em xin cảm ơn và biết ơn sâu sắc đến TS. Nguyễn Viết Hưng và ThS. Tran Thanh Nhã người đã tận tình hướng dẫn, chi bảo, giúp đỡ chúng em trong suốt thời gian nghiên cứu khóa luận. Và cũng là người đưa ra những ý tưởng, kiểm tra sự phù hợp của luận vän. Chúng em cũng xin gửi lời cam ơn đến toàn thé các thay cô trường Đại học Sư phạm Thành phô Hỗ Chi Minh đã giảng day, và tạo điều kiện cho chúng em trong qua trình học tập và nghiên cứu tại trường. Những kiến thức mà chúng em nhận được sẽ là hanh trang giúp chúng em vững bước trong tương lai. Cuối cùng, chúng em xin cảm ơn gia đình, bạn bè, người thân đã luôn ở bên để động viên và là nguồn cô vũ lớn lao, là động lực giúp chúng em hoàn thành luận văn này. Mặc dù đã cô gắng hoàn thành luận văn trong phạm vi và kha năng có thé. Tuy nhiên sẽ không tránh khỏi những thiểu sót. Chúng em rất mong nhận được sự cảm thông và tận tình chỉ bảo của quý thầy cô và toàn thé các bạn Thành pho Hồ Chí Minh, ngày 8 tháng 5 năm 2023 tk MỤC LỤC LỜI CAM ĐOAN 1 LOI CẢM ON 2 MUC LUC 3 DANH MUC KY HIEU VA CHU VIET TAT 6 DANH MUC BANG BIEU 7 DANH MUC HINH VE 8 MO DAU 10 Lý do chọn đề tai. occsccceccssccssesssessesseesseesvsssessecavesesersesscsacisseussecssecaneesersess 10 Mii6ili6dinigiT6Nñ:GÚỮỦ:,.::-:::::¡:2i:csi2ii:sict200021102200021161106411661361431431554461403345885354 1] Déi tượng và phạm vinghiÊn CU ccciscsssesiscssscssssasssasssosssasssossscesssesssasssaaasaass I1 Phương,phúp nghiÊn'CỨ:¡:coccocccciaiiiaiic2i002100210120102012211221142214ã21143138532146154538 1] Y nghĩa khoa học va thực TT n 11 CU tre LWA0vlclỉ:aadđđid 12 CHUONG 1. TONG QUAN TINH HÌNH NGHIÊN CỨU 14 | Tổng qƯANG. Các phương pháp áp dung cho bài toán phát hiện bạo lực. 16 WZ: Machine learning sccsiscaiscssssasscesscesiscssscasssasssassesacsoasesazssacesasssaassasis 16 12:2: ID6€€BIGSTHHHE::::cicciooiioiiiaoiiooiiaotiiitiiatiiiitistdisiii851105112512511561ã83818 18 13. Cae bộ dữ liệu tiêu chuân.-2--5-2222E2EESxccserzzrrrcrrrcred 20 CHƯƠNG2. Phuong pháp phát hiện đối tượng. Region-based Convolutional Neural Networks (RNN).12, IEASEIRSCNNiiioioaouiaiainiiiniitiiiiiiiiiioiiiai01411021113110253432163338338833584 26 DUS: (ASCENT RROGININ sescasssasseassnaassacscoacssasseaszeaasecsseacssaassoasssarssavasasneasesasie 27 2. You Only Look Once (ÝOLO). Exceeding YOLO Series in 2021 (ÝOLOX). Phương pháp ước lượng tư thé - trích xuất khung xương. Phương pháp nhận dạng hành động dựa trên khung xương. Phương pháp phát hiện bao lực dựa trên chuỗi khung hình. Two Stream Seperate Convoluuonal LSTM based skeleton. Các mô mang huan luyện trước (pre-trained model). TIGEDUHOISVỔ::::::s:siiictiic2i:i2222201252112311221253112211691253313633583352308683353512 37 CHUONG 3. PHƯƠNG PHÁP PHÁT HIEN HANH VI BAO LỰC QUA VIDEO CAMERA GIAM SAT 38 3. Phuong pháp tiền xử lý dữ liệu. Dữ liệu đầu vào (Pre-processing). Trích xuất đặc (HE ::¿:::22::2x2010111531535053116532555964353555125752595235855558sa58 45 3. Tông hợp đặc trưng. THỰC NGHIEM VÀ DANH GIA 47 4. Môi trường thực nghiệm. Thiết bị huấn layér o. Thiết bị thực nghiệm .3; Ngôn ngữ lÊB(ÌBÏ:::::::::cnocoiinoiiioiaaiaiaasagaanaaaani 47 4. — Dữ liệu đầu vào. HH nh TH HH 211 21 cá,47 43: [Phuong phap:Ganli S14 siscssisssssasssssscassccasssasscasscaassasscoasscssssasssassezszvers: 49 QS, ACCURACY siscsscassiscssssssscrsearseesaresssasssnesisarseesarasssassvasssearseesseaiacaiaressd 49 l2, FAV SSG ssc ccscecsssaessescccssscsesseaasessacsssessssasscasscsassassecssousssascasesseasseese: 49 44. ec cre 50 CHUONG 5. KET LUAN VA HUONG PHAP TRIEN 54 `. 54 57: TH HD EfffEDbL.casaoaaaoanaaosraonpnuannnnasentintirnonaunanl 55 TÀI LIỆU THAM KHẢO 56 1. Tiếng ViGt occ cecccssssesssssssssessseesseessssssssessseassrteneeesssissisermeneaeaseanean SO P Ting Ami nh. 56 DANH MỤC KÝ HIỆU VÀ CHỮ VIET TAT CNN Convolutional Neural Networks HRNet Deep High-Resolution Representation iDTs Improved Dense Trajectories PoseC3D Pose Convolution 3D. GCN Graph Convolutional Networks GNN Graph Neural Network LSTM Long Short-Term Memory LTC Long-range Temporal structure R-CNN Region-based Convolutional Neural Networks ResNet Residual Network Rol Region of Interest RPN Region Proposal Network ST-GCN Spatial Temporal Graph Convolutional Networks STIPs Space-Time Interest Points SVM Support Vector Machine VGG Visual Geometry Group YOLO You Only Look One YOLOX Exceeding YOLO Series in 2021 DANH MỤC BANG BIEU Bang 1.1 Các bộ dữ liệu được sử dụng trong bai toán Violence Detection.1 Thống kê số lượng video của các bộ dữ liệu .2 So sánh kết quả giữa hai mô hình.3 So sánh kết quả giữa các pretrained-model.4 So sánh kết quả kiêm thir của các mô hình trên tập test tổng hgp.5 So sánh kết quả huấn luyện của các mô hình trên bộ Hockey. 52 DANH MỤC HÌNH VE Hình 1.1 Thống kê số bài báo về bài toán phát hiện bạo lực 2015 — 2022 [21][25] sauaasuassnsaansssessssassasdsuasasnasnasusnesvaciyeassunssanalassazaiiasisaassenasnesuscusnasdscussesisansacsunsaiaes 14 Hình 1.2 Thống kê các phương pháp đã sử dụng cho bài toán phát hiện bạo lực [DI li5266250220211016310453163141240433190314135145111634593893538358483834319353545138339333512514335113181281852 15 Hình 1.3 Hình minh họa ý tưởng trích xuất STACOG feature [7].4 Hinh minh họa biểu diễn theo chiều dọc từ trai sang là khung hình, optical flow, MBHx và MBHYy [9}. - -G- 525 SSsS S2 rreeerreerree 17 Hình 1.5 Hình minh họa tông quan phương pháp của Peng và các cộng sự [34] l5 5)15191303133131111131193013510150105101350429192191391153013131321411114213233125191201851815341528403102391953035: 18 Hình 1.6 Hình minh họa mô hình 3D Convolutional Neural Networks [18].7 Hình minh họa mô hình CNN-BiLSTM [13].8 Một số hình anh trong bộ dữ liệu Hockey Fight [2].9 Một số hình ảnh trong bộ dữ liệu Violence in Movies [2].10 Một số hình ảnh trong bộ dữ liệu Real life violence situations [29].11 Một số hình ảnh trong bộ dữ liệu RWF-2000 [5].12 Mot s6 hinh anh trong bộ dữ liệu Violence detection [3] .1 Hình minh họa phát hiện đối ¡| 22 .2 Kiến trúc mô hình R-CNN [I]].3 Kiến trúc mô hình Fast R-CNN {12}].4 Kiến trúc mô hình Faster R-CNN [24].5 Minh hoa mô hình YOLO [23].6 Kiến trúc mô hình YOLO [23].7 Kiến trúc mô hình YOLOX [10] .8 Vi dụ ước lượng tư thế của một người (khung xương của một người) IHDIE.9 Kiến trúc của mô hình HRNet [30].10 (a) Ví dụ về hướng chuyền động của một bộ phận. (b) Ví dụ về các khớp di chuyền khác nhau khi thực hiện một hành động.--¿--<sc<<ec<excee 33 Hình 2:10 M6 hinh |Pose3D [SÏli:c:ssecciosioiesiieioieeiicioeiriieiiiiiiiiiiiiiioeboatradooasoose 33 Hình 2.12 Minh hoa mô hình Two Stream Seperate Convolutional LSTM [15] 38i888838860588883385393833088388818858982902848S148683888188536890083839198633886188389689988358615893688818858381 36 Hình 2.13 Minh họa kiến trúc MobileNetV2 [26].----©--¿ecc5sccc 37 Hình 2.14 Minh họa kiến trúc Inception-V3 [14].------cs--cc-c-37 Hình 3.1 Kiên túc mổ hình đề xuất,.2 Minh họa cho 3D heatmap volume, bên trái là khung hình ban đầu, bên phải là khung hình của 3D heatmap volume từ bộ dữ liệu Real life violence SïIBEOH: ¿::::::::::222222122122212123522285231325323345222525385358235362355522ã25348325253525255 1223352325340 Hình 3.3 Giảm hiện tượng trùng lắp của mô hình họ YOLO (bên phải) so với mô Binh R=eCNNi (DENA): .4 Minh họa chỉ tiết cho 17 Limb Pseudo Heatmap.5 Minh hoa mô hình dé xuất dựa trên mô hình của Zahidul [15] .6 Minh hoa cho 3D Heatmap HH. - 5 S5 SS+S<keeereerereree 44 Hình 3.7 Minh họa cho Differences Heatmap Hdi.1 Minh hoa cho kỹ thuật lay mẫu Uniform Sampling.2 Két quả thu được với các tình hudng bao lực (cột trai), không bạo lực (COU PAI): ¿2iii2151420035035016526428)35310353133193531363385353833843538368853838638538388934388953133538531383 53 Hình 4.3 Các tình huống mô hình bị nhằm lẫn. 22-22222522 53 MO DAU Ly do chon dé tai. Giáo dục luôn là van dé được quan tâm hang đầu ở trong tất ca các quốc gia. Trong giáo duc, van dé bạo lực học đường vẫn diễn ra vô cùng phức tạp và phô biến gây nhức nhôi không chỉ ở Việt nam ma các nước phát triển cũng đối mặt vẻ van đề nan giải này. Đây là mối quan tâm của mỗi gia đình có con em trong giai đoạn cắp sách đến trường, của các cap lãnh đạo va cũng như toàn xã hội. Theo khoản 5 Điều 2 Nghị định 80/2017/NĐ-CP thi bạo lực học đường là hành vì hành hạ, ngược đãi, đánh dap; xam hại thân thể, sức khỏe; lăng mạ, xúc phạm danh dự, nhân phẩm; có lập, xua đuổi và các hành vì cô ý khác gây ton hại về thé chất, tinh than của người học xảy ra trong cơ sở giáo due hoặc lớp độc lap [1] .Tuy nhiên, trong phạm vi của đề tài, bạo lực là những hành vi gây tôn hại về mặt thé chất trong trường hợp ít người (dưới 7 người). Trong thời gian gần đây, trên các phương tiện truyền thông đang xuất hiện nhiều thông tin về hành vi bạo lực của học sinh, bao gồm việc sử dụng vũ lực để đánh nhau, thậm chí có những trường hợp sử dụng vũ khí và tan công nhóm ở trong và ngoài trường học, dẫn đến việc phải có sự can thiệp của cảnh sát. Tình trạng bạo lực học đường không chỉ xuất hiện ở học sinh nam ma còn ngảy càng gia tăng ở học sinh nữ với mức độ không thẻ dự đoán. Nguyên nhân của van dé này là do ý thức của học sinh chưa được nâng cao, các em chưa thực sự hiểu rõ về hậu quả của hành vi bạo lực trong học đường. Ngoài ra, việc kiêm soát hành vi của học sinh cũng chưa được quản lý chặt chẽ, chỉ cân vài lời kích động là có thẻ dan đến những cuộc đánh nhau đáng tiếc. Dé giải quyết van dé đó, nhiều nhà trường đã lắp đặt các camera dé có thé quan sát và xử lý kịp thời. Như một lẽ dĩ nhiên số lượng camera tăng dẫn tới số người giám sat các camera này tăng theo. Việc giám sát một cách thủ công như vậy sẽ tiêu tốn nhiều chỉ phí và cũng không thẻ đảm bảo những vụ bạo lực đều được phát hiện kịp thời. Vì lý do như trên, luận văn xây dựng mô hình phát hiện bạo lực trong học đường dựa trên dữ liệu video được ghi từ các camera giám sát. 10 Mục tiêu nghiên cứu Xây dựng một mô hình phát hiện bạo lực. Thực nghiệm mô hình trên nhiều bộ dữ liệu: Hockey Fight, Violence in Movies, Real life violence situations, RWF-2000 va Violence detection. Đối tượng và phạm vi nghiên cứu Đối tượng người trong các video thu được tir camera giám sát. Phát hiện có bạo lực hoặc không bạo lực trong các video thu được từ camera giám sat. Phương pháp nghiên cứu Phương pháp nghiên cứu lý thuyết ° Tìm hiểu tông quan các công trình nghiên cứu về phát hiện các hành vi bạo lực thông qua video camera giám sát, e Nghiên cứu cơ sở lý thuyết liên quan đến đề tai. e Nghiên cứu kỹ thuật trích xuất đặc trưng trên dữ liệu video sử dụng mô hình học sâu. e Nghiên cứu kỹ thuật phát hiện bao lực. @ Đề xuất hướng phát triển trong tương lai.
Xây Dựng Mô Hình Phát Hiện Bạo Lực Trong Học Đường
Khóa luận trình bày mô hình phát hiện bạo lực trong học đường, ứng dụng công nghệ khoa học máy tính nhằm nâng cao an toàn cho học sinh.
Trường đại học
Trường Đại Học Sư Phạm TPHCMChuyên ngành
Khoa Học Máy TínhNgười đăng
Ẩn danhThể loại
Luận Văn Tốt NghiệpPhí lưu trữ
30 PointMục lục chi tiết
THÔNG TIN CHI TIẾT
Tác giả: Lê Tấn Lộc
Người hướng dẫn: TS. Nguyễn Viết Hưng
Trường học: Trường Đại Học Sư Phạm TPHCM
Chuyên ngành: Khoa Học Máy Tính
Đề tài: Mô Hình Phát Hiện Bạo Lực Trong Học Đường
Loại tài liệu: Luận Văn Tốt Nghiệp
Năm xuất bản: 2023
Địa điểm: Thành Phố Hồ Chí Minh
Tài liệu "Mô Hình Phát Hiện Bạo Lực Trong Học Đường: Nghiên Cứu Tại Trường Đại Học Sư Phạm TPHCM" cung cấp cái nhìn sâu sắc về vấn đề bạo lực học đường, một hiện tượng đang ngày càng trở nên nghiêm trọng trong môi trường giáo dục. Nghiên cứu này không chỉ phân tích nguyên nhân và hệ quả của bạo lực trong học đường mà còn đề xuất các mô hình phát hiện và can thiệp hiệu quả. Độc giả sẽ nhận được những thông tin quý giá về cách thức nhận diện và xử lý tình huống bạo lực, từ đó góp phần tạo ra một môi trường học tập an toàn và tích cực hơn cho học sinh.
Để mở rộng thêm kiến thức về các phương pháp giáo dục và ứng dụng công nghệ trong dạy học, bạn có thể tham khảo tài liệu Ứng dụng sơ đồ tư duy trong dạy học chủ đề tam giác bằng nhau theo hướng phát triển năng lực giao tiếp toán học cho học sinh lớp 7 luận văn thạc sĩ sư phạm toán học, nơi trình bày cách thức sử dụng sơ đồ tư duy để nâng cao khả năng giao tiếp toán học của học sinh.
Ngoài ra, tài liệu Luận văn vận dụng quan điểm giao tiếp vào dạy học ngữ pháp ở bậc trung học phổ thông cũng sẽ giúp bạn hiểu rõ hơn về vai trò của giao tiếp trong việc dạy học ngữ pháp, từ đó có thể áp dụng vào việc giảm thiểu bạo lực thông qua việc cải thiện kỹ năng giao tiếp của học sinh.
Cuối cùng, tài liệu Luận văn thạc sĩ quản lý giáo dục quản lý hoạt động ứng dụng công nghệ thông tin trong dạy học ở các trường trung học cơ sở huyện phong điền thành phố cần thơ sẽ cung cấp cái nhìn về việc ứng dụng công nghệ thông tin trong giáo dục, một yếu tố quan trọng trong việc tạo ra môi trường học tập an toàn và hiệu quả.
Những tài liệu này không chỉ giúp bạn mở rộng kiến thức mà còn cung cấp các phương pháp và giải pháp hữu ích trong việc giáo dục và phòng ngừa bạo lực học đường.
Trích đoạn nội dung tài liệu
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ