Виявлення озброєних людей у відеопотоці з використанням згорткових нейронних мереж

Автор(и)

  • О. К. Колесницький Вінницький національний технічний університет
  • Є. В. Янковський Вінницький національний технічний університет
  • І. К. Денисов Вінницький національний технічний університет
  • І. Р. Арсенюк Вінницький національний технічний університет

DOI:

https://doi.org/10.31649/1681-7893-2023-46-2-76-83

Ключові слова:

виявлення, відеопотік, зброя, згорткова нейронна мережа

Анотація

Запропоновано інформаційну технологію виявлення озброєних людей та досліджено її програмну реалізацію. Для виявлення об’єктів в реальному часі використовувалася згорткова нейронна мережа YOLO. Для розробки нейронної мережі було використано мову програмування Python та бібліотеку PyTorch. Створено програму, призначену для виявлення озброєних людей у відеопотоці, функціональні можливості якої дозволяють класифікувати тип розпізнаної зброї.

Біографії авторів

О. К. Колесницький, Вінницький національний технічний університет

доцент, канд. техн. наук, професор кафедри комп’ютерних наук

Є. В. Янковський, Вінницький національний технічний університет

магістрант кафедри комп’ютерних наук

І. К. Денисов, Вінницький національний технічний університет

викладач кафедри комп’ютерних наук

І. Р. Арсенюк, Вінницький національний технічний університет

доцент, канд. техн. наук, доцент кафедри комп’ютерних наук

Посилання

The Ministry of Internal Affairs will make maximum efforts to develop a high-quality legislative framework in the field of arms circulation and its effective law enforcement - Bohdan Drapyaty [Electronic resource] - Access mode: https://mvs.gov.ua/uk/press-center/news/mvs-oklade-maksimalnix-zusil-zadlya-napracyuvannya-yakisnoyi-zakonodavcoyi-bazi-u-sferi-obigu-zbroyi-ta-yiyi-efektivnogo-pravozastosuvannya-bogdan-drapyatii.

Convolutional Neural Network – A simple explanation of CNN and its application [Electronic resource]. - Access mode: https://evergreens.com.ua/ua/articles/cnn.html.

Weapon Detection [Електронний ресурс] – Режим доступу до ресурсу: https://github.com/Manish8798/Weapon-Detection-with-yolov3

Understanding YOLOv8 Architecture, Applications & Features [Electronic resource]. - Access mode: https://arxiv.org/abs/1409.1556.

Improving Detection Capabilities of YOLOv8-n for Small Objects in Remote Sensing Imagery: Towards Better Precision with Simplified Model Complexity [Electronic resource] / V. Sineglazov, O. Chumachenko. - Access mode: https://sightmachine.com/.

UAV-YOLOv8: A Small-Object-Detection Model Based on Improved YOLOv8 for UAV Aerial Photography Scenarios [Electronic resource]. - Access mode: https://www.mdpi.com/1424-8220/23/16/7190.

Pistol Detection [Electronic resource] - Access mode: https://www.kaggle.com/datasets/vaibhavtalekar/pistol-classification.

Weapon Detection Dataset [Electronic resource] - Access mode: https://www.kaggle.com/datasets/snehilsanyal/weapon-detection-test.

V.F. Bardachenko, O.K. Kolesnitsky, S.A. Vasiletsky. Prospects for the use of pulsed neural networks with timer representation of information for dynamic pattern recognition // USiM.-2003-№6.- P. 73-82.

O.K. Kolesnitsky. Analytical review of hardware realizations of spike neural networks / OK Kolesnitsky // Mathematical Machines and Systems. - 2015. - №1, P.3-19. ISSN 1028-9763 [Electronic resource]. Access Mode - http://www.immsp.kiev.ua/publications/articles/2015/2015_1/01_2015_Kolesnytskyy.pdf

Neurocomputer architecture based on spiking neural network and its optoelectronic implementation / Oleh K. Kolesnytskyj; Vladislav V. Kutsman; Krzysztof Skorupski; Mukaddas Arshidinova, Proc. SPIE 11176, Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019, 1117609 (6 November 2019); doi: 10.1117 / 12.2536607

##submission.downloads##

Переглядів анотації: 48

Опубліковано

2023-12-13

Як цитувати

[1]
О. К. Колесницький, Є. В. Янковський, І. К. Денисов, і І. Р. Арсенюк, «Виявлення озброєних людей у відеопотоці з використанням згорткових нейронних мереж», Опт-ел. інф-енерг. техн., вип. 46, вип. 2, с. 76–83, Груд 2023.

Номер

Розділ

Системи технічного зору і штучного інтелекту з обробкою та розпізнаванням зображень

Метрики

Завантаження

Дані завантаження ще не доступні.

Статті цього автора (авторів), які найбільше читають