Vrienden, het is bijna zover! De laatste stap naar een OCP-goedgekeurde Ed-209-compatibele toekomst: «Automatisch pistooldetectiealarm in video's met behulp van deep learning» (PDF)…
De huidige bewakings- en controlesystemen vereisen nog steeds menselijk toezicht en tussenkomst. Dit werk presenteert een nieuw automatisch pistooldetectiesysteem in video's die geschikt zijn voor zowel bewakings- als controledoeleinden. We herformuleren dit detectieprobleem in het probleem van het minimaliseren van valse positieven en lossen het op door de belangrijkste trainingsdataset te bouwen, geleid door de resultaten van een diepe Convolutional Neural Networks (CNN) classificator, en vervolgens het beste classificatiemodel te beoordelen onder twee benaderingen, het glijdende venster aanpak en regiovoorstel aanpak.
De meest veelbelovende resultaten worden verkregen door een op Faster R-CNN gebaseerd model dat is getraind op onze nieuwe database. De beste detector vertoont een hoog potentieel, zelfs in YouTube-video's van lage kwaliteit en biedt bevredigende resultaten als automatisch alarmsysteem. Onder 30 scènes activeert het met succes het alarm na vijf opeenvolgende echte positieven in minder dan 0.2 seconden, in 27 scènes. We definiëren ook een nieuwe statistiek, Alarmactivering per interval (AApI), om de prestaties van een detectiemodel als automatisch detectiesysteem in video's te beoordelen.
En mocht er iets mis gaan: