Улучшение систем видеонаблюдения в банках с использованием методов глубокого обучения

Nov 17, 2023

Том 13 научных докладов, номер статьи: 7911 (2023) Цитировать эту статью

500 доступов

1 Альтметрика

Подробности о метриках

В современном мире безопасность и безопасность являются серьезной проблемой для любой страны, которая хочет добиться успеха в туризме, привлечении инвесторов и экономике. Ручной круглосуточный мониторинг охранников на предмет грабежей или преступлений становится утомительной задачей, а реагирование в режиме реального времени имеет важное значение и полезно для предотвращения вооруженных ограблений в банках, казино, домах и банкоматах. В данной статье представлено исследование, основанное на системах обнаружения объектов в реальном времени для автоматического обнаружения оружия в системах видеонаблюдения. Мы предлагаем систему раннего обнаружения оружия с использованием современных систем обнаружения объектов в реальном времени, таких как YOLO и SSD (Single Shot Multi-Box Detector). Кроме того, мы рассмотрели возможность значительного сокращения количества ложных срабатываний, чтобы использовать модель в реальных приложениях. Модель подходит для внутренних камер наблюдения в банках, супермаркетах, торговых центрах, заправочных станциях и т. д. Модель можно использовать в качестве системы предосторожности для предотвращения ограблений, включив ее в камеры наружного наблюдения.

За последние несколько лет автоматизированное наблюдение выросло благодаря технологическим достижениям и развитию интеллектуальных методов обработки видео. Однако широкое использование огнестрельного оружия привело к росту уровня преступности во всем мире. По данным исследования Small Arms Survey 2017, около одного миллиарда единиц огнестрельного оружия находится в мировом обращении, а 857 миллионов находятся в руках гражданских лиц1. Безопасная окружающая среда является одним из девяти столпов процветания2. Поэтому крайне важно обеспечить безопасность всех институтов для достижения большего процветания.

Достижения в области камер, датчиков и робототехнических технологий привели к созданию более совершенных инструментов безопасности и, как следствие, к увеличению их использования для защиты частных домов, коммерческих зданий и общественных мест. Использование датчиков с камерами сверхвысокого разрешения во многих проектах искусственного интеллекта позволяет активировать их, увидев конкретный предмет, а не просто движение. Например, системы безопасности могут идентифицировать лица людей, которые живут или работают в доме или офисе. Если камера видеонаблюдения обнаружит лицо злоумышленника, она может активировать систему оповещения.

Помимо захвата изображения, конкретные системы видеонаблюдения имеют множество других функций. Например, некоторые системы могут считывать и анализировать данные, включая номерные знаки, и сравнивать их с базой данных. Они также могут составить карту передвижения людей и автомобилей и сообщить об этом полиции или патрулю безопасности. Кроме того, все большее число роботов теперь оснащено встроенным программным обеспечением искусственного интеллекта, которое настроено на сканирование или «патрулирование» маршрутов, проверку окружения, обнаружение опасностей несанкционированного проникновения людей или транспортных средств и отправку предупреждений.

Глубокое обучение играет решающую роль в совершенствовании систем контроля безопасности3. Глубокое обучение использует слои элементов нелинейной обработки для извлечения и преобразования признаков4. Например, пиксель изображения можно рассматривать как вектор значений плотности; пиксели образуют объект, где объект представляет собой группу произвольных форм, таких как углы, края и округлости5. Простая конструкция модели глубокого обучения представляет собой сверточную нейронную сеть (CNN), которая включает в себя фильтры свертки, объединение, функцию активации, уровни исключения, полносвязные и классификационные слои6. Кроме того, существуют различные методы обнаружения объектов с использованием глубокого обучения, в том числе Faster R-CNN, You Only Look Once (YOLO) и Single Shot Detection (SSD).

В настоящее время большинство грабителей для совершения преступлений используют огнестрельное оружие7. Несколько исследований показали, что огнестрельное оружие является наиболее популярным преступным инструментом, используемым для совершения преступлений8, таких как грабеж, незаконная охота и терроризм. Предлагаемое решение по прекращению такой незаконной деятельности заключается в установке систем видеонаблюдения, включающих в себя методы искусственного интеллекта9,10. Таким образом, охранники могут принять оперативные меры на ранних стадиях7.