FUSED-A: MÔ HÌNH ĐA LUỒNG DỰA TRÊN CƠ CHẾ CHÚ Ý ĐỂ PHÁT HIỆN SỚM BẠO LỰC HỌC ĐƯỜNG
Nội dung chính của bài viết
Tóm tắt
Bạo lực học đường là một vấn đề nghiêm trọng, ảnh hưởng đến sức khỏe học sinh và chất lượng môi trường giáo dục. Tuy nhiên, hầu hết nghiên cứu hiện tại tập trung vào bạo lực trong bối cảnh công cộng hoặc điện ảnh, vốn khác biệt đáng kể với hành vi bạo lực học đường – thường tinh vi và khó quan sát. Bên cạnh đó, sự thiếu hụt dữ liệu chuyên biệt cũng là rào cản lớn trong việc phát triển hệ thống giám sát hiệu quả. Để khắc phục những hạn chế này, nghiên cứu đề xuất FUSED-A, một kiến trúc học sâu đa luồng tích hợp đặc trưng không gian–thời gian từ chuỗi ảnh RGB và dữ liệu khung xương 2D thông qua cơ chế Guided Dot-Product Attention. Mô hình cho phép học tương quan giữa chuyển động cơ thể và ngữ cảnh hình ảnh, giúp tăng cường độ chính xác trong nhận diện hành vi. Đồng thời, bộ dữ liệu EduSafe-Early được xây dựng với 10 lớp hành động nhằm phục vụ phát hiện sớm hành vi bất thường. Các thực nghiệm cho thấy FUSED-A vượt trội so với nhiều phương pháp hiện đại, mở ra hướng tiếp cận hiệu quả cho các hệ thống giám sát bạo lực học đường thông minh và ứng dụng thực tiễn cao.
Từ khóa
bạo lực học đường, nhận dạng hành vi, phát hiện hành vi bất thường, thị giác máy tính, tiền bạo lực, YOLO
Chi tiết bài viết
Tài liệu tham khảo
Government of Vietnam. (2017). Decree No. 80/2017/ND-CP dated July 17, 2017 on a safe, healthy and friendly education environment which prevents and stops school violence. Government Portal of Vietnam.
Dündar, N., Keçeli, A. S., Kaya, A., & Sever, H. (2024). A shallow 3D convolutional neural network for violence detection in videos. Egyptian Informatics Journal, 26, 100455. https://doi.org/10.1016/j.eij.2024.100455
Haque, M., Nyeem, H., & Afsha, S. (2024). BrutNet: A novel approach for violence detection and classification using DCNN with GRU. The Journal of Engineering, 2024(4), e12375. https://doi.org/10.1049/tje2.12375
Islam, Z., Rukonuzzaman, M., Ahmed, R., Kabir, M. H., & Farazi, M. (2021). Efficient two-stream network for violence detection using separable convolutional LSTM. In 2021 International Joint Conference on Neural Networks (IJCNN) (pp. 1-8). IEEE. https://doi.org/10.1109/IJCNN52387.2021.9533633
Nguyen, L. (2023). Trên .600 vụ bạo lực học đường có tính chất phức tạp, chuyên gia đề xuất giải pháp [Over 2,600 Violent School Incidents of a Complex Nature, Experts Propose Solutions]. People's Representative Newspaper. https://daibieunhandan.vn/giao-duc--y-te1/tren-2-600-vu-bao-luc-hoc-duong-co-tinh-chat-phuc-tap-chuyen-gia-de-xuat-giai-phap-i331004/
Mishra, S., Jain, V., Saraf, Y. A., Kandasamy, I., & WB, V. (2025). Deep neuro-fuzzy system for violence detection. Neurocomputing, 619, 129007. https://doi.org/10.1016/j.neucom.2024.129007
Nguyen, V. H., Ta, C. P., Le, T. L., Ngo, Q. K., & Tran, T. N. (2025). C-ViDNet: a model for supporting violence detection in schools. Ho Chi Minh City University of Education Journal of Science, 22(5), 801-813. https://doi.org/10.54607/hcmue.js.22.5.4699(2025)
Omarov, B., Narynov, S., Zhumanov, Z., Gumar, A., & Khassanova, M. (2022). A skeleton-based approach for campus violence detection. Computers, Materials & Continua, 72(1). https://doi.org/10.32604/cmc.2022.024566
Perseghin, E., & Foresti, G. L. (2023). A shallow system prototype for violent action detection in Italian public schools. Information, 14(4), 240. https://doi.org/10.3390/info14040240
Ta, P., Tran, N., Nguyen, H., & Nguyen, H. D. (2025). Detecting signs of depression on social media: A machine learning analysis and evaluation. Sustainable Futures, 100827. https://doi.org/10.1016/j.sftr.2025.100827
Tang, Y., Chen, Y., Sharifuzzaman, S. A., & Li, T. (2024). An automatic fine-grained violence detection system for animation based on modified faster R-CNN. Expert Systems with Applications, 237, 121691. https://doi.org/10.1016/j.eswa.2023.121691
Tran, N., Nguyen, H., Ly, D., & Nguyen, H. D. (2024). Violence detection using skeleton data with graph convolutional networks. In International Conference on Intelligent Systems and Data Science (pp. 86–97). Springer. https://doi.org/10.1007/978-981-97-9616-8_7
Tran, N., Nguyen, H., Ly, D., Ngo, K., & Nguyen, H. D. (2025b). Advancing violence detection with graph-based skeleton motion analysis. SN Computer Science, 6(6), 1-18. Springer. https://doi.org/10.1007/s42979-025-04118-7
Tran, N., Ta, P., Nguyen, H., Nguyen, H. D., & Le, A.-C. (2025a). Hybrid contextual and sentiment-based machine learning model for identifying depression risk in social media. Expert Systems with Applications, 291, 128505. https://doi.org/10.1016/j.eswa.2025.128505
UNICEF Vietnam. (2018, September 6). More than 150 million adolescents worldwide are subjected to school violence [Press release]. UNICEF. Retrieved July 22, 2025, from https://www.unicef.org/vietnam/vi/thông-cáo-báo-chí/hơn-150-triệu-thanh-thiếu-niên-trên-thế-giới-bị-bạo-lực-học-đường
Ye, L., Wang, L., Ferdinando, H., Seppänen, T., & Alasaarela, E. (2020). A video-based DT–SVM school violence detecting algorithm. Sensors, 20(7), 2018. https://doi.org/10.3390/s20072018