犯罪情绪检测框架使用卷积神经网络用于公共安全
Jay Raval1, Nilesh Kumar Jadav2, Sudeep Tanwar3
1Department of Computer Science and Engineering, Institute of Technology, Nirma University, Ahmedabad, Gujarat, 382481, India.
Scientific reports
|May 1, 2025
概括
这项研究引入了一种新的AI方法,用于使用卷积神经网络 (CNN) 检测犯罪模式和犯罪情绪. 该系统在犯罪侦测和情感识别方面取得了高准确性,有助于司法决策.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 法医科学 法医科学 法医科学
背景情况:
- 现代社会变化和技术进步需要采取积极的公共安全措施.
- 了解犯罪模式和相关情绪对于有效的执法和司法程序至关重要.
研究的目的:
- 提出一个协作的人工智能框架,用于检测犯罪模式和犯罪情绪.
- 通过改进犯罪和情感分析来加强司法决策.
主要方法:
- 利用了两个数据集:一个犯罪数据集和一个有135个类别的情感数据集.
- 采用卷积神经网络 (CNN) 来进行图像分类,以检测犯罪并提取犯罪面孔.
- 应用各种CNN架构 (LeNet-5,VGGNet,RestNet-50,基本CNN) 来从面部数据中检测情绪.
主要成果:
- 在使用CNN模型的犯罪侦测中获得了92.45%的准确性.
- 在犯罪情绪检测方面,LeNet-5表现出卓越的性能,达到98.6%的准确性.
- 使用精度,损失,精度回忆曲线和推断时间等指标评估框架.
结论:
- 拟议的基于CNN的框架有效地检测犯罪并分析犯罪情绪.
- 这种以人工智能为驱动的方法显示出增强司法决策和公共安全应用的巨大潜力.
