Detail Cantuman

Riset ini menyajikan sistem deteksi kekerasan yang menggabungkan EfficientFormerV2 dan Attention-based Bidirectional LSTM untuk memungkinkan analisis video pengawasan berkinerja tinggi pada platform dengan sumber daya terbatas. Pendekatan berbasis transformator generasi awal memang efektif dalam menangkap pola spasial-temporal, tetapi cenderung memerlukan komputasi yang intensif sehingga membatasi penerapannya di dunia nyata. EfficientFormerV2 mengatasi tantangan ini dengan menawarkan inferensi ringan dan mengurangi kompleksitas parameter sambil tetap mempertahankan kapasitas representasional tingkat transformator, sementara modul BiLSTM yang ditingkatkan atensinya memperkuat pemodelan urutan temporal. Model yang diusulkan dievaluasi pada enam set data benchmark publik: Hockey Fight, Movie fight, Violent Crowd, A Dataset for Automatic Violence Detection in Videos, Surveilence Camera Fight Dataset, dan Real Life Violence Situations Dataset. Sistem ini mencapai akurasi hingga 100% pada Movie Fight dan rata-rata akurasi 90,93% serta AUC 0,944, menunjukkan generalisasi yang kuat di berbagai skenario. Hasil ini mengungguli atau menyamai garis dasar terkini dengan tetap menjaga kompleksitas komputasi yang rendah, memvalidasi kesesuaiannya untuk diterapkan dalam sistem pengawasan cerdas waktu nyata.

This research presents a violence detection system that combines EfficientFormerV2 and Attention-based Bidirectional LSTM to enable high-performance surveillance video analysis on platforms with limited resources. Early transformer-based approaches are indeed effective at capturing spatio-temporal patterns, but they tend to require intensive computation, limiting their real-world application. EfficientFormerV2 addresses this challenge by offering lightweight inference and reducing parameter complexity while maintaining transformer-level representational capacity, while the attention-enhanced BiLSTM module strengthens temporal sequence modeling. The proposed model was evaluated on six public benchmark datasets: Hockey Fight, Movie Fight, Violent Crowd, A Dataset for Automatic Violence Detection in Videos, Surveillance Camera Fight Dataset, and Real Life Violence Situations Dataset. The system achieves up to 100% accuracy on Movie Fight and an average accuracy of 90.93% and AUC of 0.944, demonstrating strong generalization across various scenarios. These results outperform or match state-of-the-art baselines while maintaining low computational complexity, validating its suitability for deployment in real-time intelligent surveillance systems.