تشخیص رفتارهای خشونت آمیز در دوربینهای نظارتی به کمک شبکههای عصبی پیچشی و حافظهدار
نویسندگان
1 پژوهشگر، دانشگاه جامع علوم انتظامی امین، تهران، ایران
2 دانشجوی دکتری،دانشگاه تهران،تهران، ایران
3 کارشناسی ارشد ، دانشگاه جامع علوم انتظامی امین،تهران، ایران
4 استادیار، دانشگاه جامع علوم انتظامی امین، تهران، ایران
doi
چکیده
وجود امنیت در هر جامعهای الزامی میباشد و زمینه ساز پیشرفت و توسعه هر چه راحت تر و سریع تر یک کشور است لذا تمامی کشورها سعی در برقراری امنیتی پایدار از طریق کنترل میزان خشونت و نزاع در سطح جامعه دارند. از طرفی به دلیل محدودیت نیرو انسانی نمیتوان تمامی فرایند تامین امنیت را از طریق روشهای سنتی و متداول گذشته انجام داد و باید در این راستا از تجهیزات و تکنولوژی های جدید و بروز دنیا استفاده کرد یکی از این فناوری که اخیرا بسیار مورد توجه جامعه بین الملل و کشورهای پیشرفته دنیا قرار گرفته است استفاده از دوربین های مدار بسته و نظارتی در اماکن عمومی می باشد در این پژوهش سیستمی خبره بر اساس دو مجموعه شبکهی عصبیResNet101 و حافظهدارLSTM با هدف کاهش حجم محاسباتی در عین حفظ دقت مناسب، ارائه شده است که شبکه ResNet101 با مجموع 347 لایه و از طریق روش یادگیری انتقال ویژگیهای فضا-زمانی فریمهای متوالی ویدیو را استخراج نموده و سپس شبکه LSTM با مجموع 9 لایه، وظیفه تشخیص رفتار خشونت آمیز در ویدیو را بر عهده دارد. این دو مجموعه از نظر نوع چینش لایه، نحوه اتصال و تعداد سلول در هر لایه بهگونه ای بهینه شدهاند که بتوانند در تمامی شرایط ویدیویی اعم از کیفیت پایین، وجود نویز و کوتاهی ویدیو و... بهترین عملکرد را داشته باشند. در نتیجه این سامانه هوشمند میتوانند با دقت %28/86 به صورت بلادرنگ و لحظهای در تصاویر ویدیویی با کیفیت پایین 3*224*224 پیکسلی به تشخیص رفتارهای خشونت آمیز در دوربینهای مدار بسته بپردازند و در صورت وقوع خشونت مراتب آن را به افراد ذیربط اطلاع دهند. در انتها باید اشاره داشت که سیستم طراحی شده با کاهش حجم محاسباتی در کنار حفظ میزان دقت توانسته است فقط با استفاده از 22 فریم در هر 5 ثانیه از ویدیو، پایش کارا و مناسبی را به صورت برخط در دوربینهای نظارتی با کیفیتی پایین انجام دهد.