تشخیص و ره گیری سلاح گرم و سرد با استفاده از شبکه های یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 179

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ADST-13-4_001

تاریخ نمایه سازی: 25 مرداد 1402

چکیده مقاله:

تامین و افزایش امنیت در مکان های خاص و عمومی همیشه موردتوجه همه افراد در زمینه های مختلف بوده است. به منظور تامین و افزایش امنیت در مکان هایی عمومی همانند مدارس، دانشگاه ها، دفاتر و... اقدامات زیادی ازجمله نصب دوربین های نظارتی و قراردادن مامور در محل صورت گرفته است. ازآنجایی که این دوربین ها توسط اپراتورهای انسانی فعالیت های مشکوک را رصد می کنند، عواملی مانند حواس پرتی، عدم آگاهی، خستگی و بسیاری از عوامل دیگر می تواند روی کیفیت نظارت تاثیر بگذارد، سیستم تشخیص سلاح های گرم و سرد به صورت خودکار در صورت تشخیص و شناسایی سلاح های تعریف شده برای آن می توانند به سرعت به مامورین نظامی و امنیتی پیام های خاص را اطلاع دهد. در این مقاله به منظور تشخیص و ره گیری سلاح گرم (اسلحه کمری) و سلاح سرد (چاقو) از الگوریتم Yolo نسخه ۵ برای تشخیص شیء و از الگوریتم Deepsort برای ره گیری استفاده شده است که عملکرد این سیستم در مقاله مورد بررسی قرار گرفته است. درنهایت سیستم پیشنهادی پس از آموزش به وسیله مجموعه داده اختصاصی متشکل از سلاح های گرم و سرد عملیات تشخیص سلاح گرم و سرد را بادقت ۹۹.۵۰% انجام می دهد همچنین سیستم پیشنهادی ازنظر مقیاس، چرخش، انسداد دقت مناسبی ارائه داده است.

نویسندگان

علی فیضی

دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر، تهران، ایران

کوروش داداش تبار احمدی

استادیار دانشگاه صنعتی مالک اشتر، تهران، ایران

امین توحیدی فر

دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Tiwari, R. K.; Verma, G. K. “A Computer Vision based ...
  • Lim, J.; Al Jobayer, M. I.; Baskaran, V. M.; Lim, ...
  • Mehta, P.; Kumar, A.; Bhattacharjee, S. “Fire and Gun Violence ...
  • Warsi, A.; Abdullah, M.; Husen, M. N.; Yahya, M.; Khan, ...
  • Redmon, J.; Divvala, S.; Girshick, R.; Farhadi, A. “You Only ...
  • Girshick, R.; Donahue, J.; Darrell, T.; Malik, J. “Rich Feature ...
  • Deng, J.; Dong, W.; Socher, R.; Li, L.-J.; Li, K.; ...
  • Egiazarov, A.; Mavroeidis, V.; Zennaro, F. M.; Vishi, K. “Firearm ...
  • Wu, J. “Introduction to Convolutional Neural Networks”; National Key Lab ...
  • Agarwal, N.; Sondhi, A.; Chopra, K.; Singh,G. “Transfer Learning: Survey ...
  • Yilmaz, A.; Javed, O.; Shah, M. “Object Tracking: A Survey”; ...
  • Veeramani, B.; Raymond, J. W.; Chanda, P. “DeepSort: Deep Convolutional ...
  • Bochkovskiy, A.; Wang, C.-Y.; Liao, H.-Y. Mark Liao “Yolov۴: Optimal ...
  • Huang, G.; Liu, Z.; Van Der Maaten, L.; Weinberger, K. ...
  • He, K.; Zhang, X.; Ren, S.; Sun, J. “Deep Residual ...
  • Lin, T.-Y. “Microsoft Coco: Common Objects in Context”; European Conf. ...
  • Li, X. “Weighted Feature Pyramid Networks for Object Detection”; IEEE ...
  • Liu, S.; Qi, L.; Qin, H.; Shi, J.; Jia, J. ...
  • Tan, M.; Pang, R.; Le, Q. V. “Efficientdet: Scalable and ...
  • Vanholder, H. “Efficient Inference with Tensorrt”; GPU Technology Conference, ۲۰۱۶ ...
  • Tohidifar, A.; Dadashtabar Ahmadi, K.; Kiyaee Khosh Rudbari A. K. ...
  • نمایش کامل مراجع