امین توحیدی فر - دانشجوی کارشناسی ارشد، گروه هوش مصنوعی و رباتیکیز دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران
کوروش داداش تبار احمدی - استادیار، گروه هوش مصنوعی و رباتیکیز دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران
علی اکبر کیایی خوش رودباری - استادیار، گروه هوش مصنوعی و رباتیکیز دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران

بدون شک مسئله افزایش امنیت در مکان های عمومی همواره موردتوجه محققان و مسئولین مربوطه بوده است. برای افزایش امنیت در مکان هایی مانند مترو، فرودگاه و مکان های زیارتی اقدامات قابل توجه ای ازجمله سامانه های بازرسی، نصب دوربین های نظارتی و قرار دادن مامور در محل صورت گرفته است. اما تمام موارد گفته شده توسط نیروی انسانی صورت می گیرد که عواملی مانند خستگی، حواس پرتی و بسیاری از عوامل دیگر روی کیفیت نظارت تاثیر می گذارند. یکی از اقدامات نقض امنیت، حمل سلاح و کشیدن اسلحه است، راهکار ارائه شده در این مقاله استفاده از الگوریتم های یادگیری عمیق در قالب تشخیص اسلحه در دوربین های نظارتی است سیستم پیشنهادی علاوه بر نظارت بر اماکن عمومی می تواند به امنیت هرچه بیشتر بانک ها، طلافروشی ها، فروشگاه های زنجیره ای و موارد مشابه کمک کند ازآنجایی که سارقان مسلح مانع اطلاع دادن کارکنان به پلیس می شوند، سیستم تشخیص سلاح به صورت خودکار در صورت تشخیص سلاح، به سرعت با مامورین امنیتی تماس می گیرد و اطلاع رسانی را انجام می دهد. در این تحقیق برای تشخیص سلاح کمری از دو نسخه ی بزرگ و کوچک شبکه عصبی عمیق YOLO_v۵ استفاده شده است و با توجه به اینکه این شبکه ها قبلا بر روی مجموعه داده COCO آموزش دیده اند تعداد لایه های متفاوتی از آن ها در طی آزمایش ها، آموزش داده شد و عملکرد این شبکه ها با یکدیگر مقایسه شد. درنهایت سیستم پیشنهادی تشخیص خودکار اسلحه کمری پس از آموزش به وسیله مجموعه داده Pishtaw عملیات تشخیص سلاح کمری را با دقت ۹۹.۰۱% انجام می دهد.

یادگیری عمیق, تشخیص شی, شبکه های عصبی عمیق, تشخیص اسلحه, بینایی کامپیوتر