دوره 20، شماره 2 - ( 6-1402 )                   جلد 20 شماره 2 صفحات 79-69 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Motamed S, Askari E. Detection of handgun using 3D convolutional neural network model (3DCNNs). JSDP 2023; 20 (2) : 5
URL: http://jsdp.rcisp.ac.ir/article-1-1262-fa.html
معتمد سارا، عسکری الهام. تشخیص اسلحه دستی بااستفاده از مدل شبکه‎‎های عصبی کانولوشنال سه بعدی. پردازش علائم و داده‌ها. 1402; 20 (2) :69-79

URL: http://jsdp.rcisp.ac.ir/article-1-1262-fa.html


دانشگاه آزاد اسلامی
چکیده:   (438 مشاهده)
از آنجاییکه رفتار افراد در ویدئوها بصورت سیگنالهای سه بعدی است و جستجوی یک عمل خاص بسیار دشوار می‎باشد، لذا نیاز به یک تکنیک مناسب جهت تشخیص خودکار دزدان مسلح در ویدئو‎های امنیتی در حال ضبط می‎باشد. در این مقاله روشی سریع و کارا جهت شناسایی موقعیت افراد و سپس تشخیص اسلحه در دست آنها، با استخراج فریم‌های تصاویر برگرفته از ویدئوها و بدون حذف نقاط اصلی، ارائه شده است. در مرحله نخست و بمنظور استخراج فریم‌های تصاویر برگرفته از ویدئوها، الگوریتم جداسازی با نرخ فریم مشخص اعمال خواهد شد و تمامی تصاویر در یک پوشه قرار می‎گیرند. سپس روی تمامی تصاویر بدست آمده طبقهبند(HC)  Haar Cascade اعمال شده تا نقاط کلیدی یا فریم‌های مربوط به تصاویر کل بدن استخراج شوند و باقی پسزمینهها از تصاویر حذف گردند. در انتها، نمونه‌های هر ویدئو در قالب ماتریس چهار بعدی شامل تعداد دنباله فریم‌های هر ویدئو، عرض، ارتفاع و تعداد کانال تصویر به شبکه 3DCNNs ارسال می‌شود تا سلاح در تصاویر شناسایی شوند. لذا نوآوری مقاله ترکیب طبقه‎بند HCو  3DCNNs بمنظور افزایش سرعت و کارایی تشخیص اسلحه می‎باشد. همچنین بمنظور بررسی دقت مدل پیشنهادی، از پارامترهای نرخ مثبت صحیح و مثبت کاذب، مقدار پیش بینی مثبت و نرخ تشخیص کاذب استفاده میشود.
 
شماره‌ی مقاله: 5
متن کامل [PDF 647 kb]   (201 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1400/5/24 | پذیرش: 1402/4/17 | انتشار: 1402/7/30 | انتشار الکترونیک: 1402/7/30

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.