طراحی یک سیستم نظارت بر رفتار مجرمانه بلادرنگ با استفاده از تکنیک های یادگیری عمیق

هدف اصلی سیستم های عدالت کیفری، حفظ امنیت عمومی و محافظت از جامعه در برابر جرم و جنایت است . تشخیص جرم به مقامات ذیصلاح اجازه می دهد تا مجرمان را شناسایی و دستگیر کنند و از ارتکاب جرایم بیشتر توسط آنها جلوگیری نمایند تشخیص جرم برای اطمینان از اینکه مجرمان به جرایم خود به طور عادلانه پاسخگو باشند، ضروری است . این امر شامل محاکمه عادلانه و مجازات متناسب با جرم ارتکابی می شود. در عصر حاضر، هوش مصنوعی به طور فزاینده ای در زمینه های مختلف ، از جمله سیستم های عدالت کیفری، به کار گرفته می شود. مدلهای عمیق پتانسیل قابل توجهی برای ارتقای عملکرد سیستم های تشخیص جرم را دارند. این مقاله به بررسی کاربرد مدلهای عمیق در پیشگیری و کشف جرم می پردازد. در این مقاله یک سیستم نظارت بر جرایم بلادرنگ با استفاده از تکنیک های یادگیری عمیق مبتنی بر CNN، RNN، و VGG۱۶ بررسی می شوند. به منظور تشخیص نوع رفتار مجرمانه محیطی ، از مجموعه داده UCF مبتنی بر تصاویر ۱۳ کلاس فعالیت مجرمانه و یک فعالیت عادی مختلف استفاده شده است . نتایج شبیه سازیها با معیارهای مختلف نشان می دهد که مدل عمیق طراحی شده مبتنی بر VGG۱۶ در ترکیب با یادگیری انتقالی می تواند به طور موثرتری به منظور تشخیص نوع فعالیت های مجرمانه مورد استفاده قرار گیرد. توانایی چشمگیر این مدل در تشخیص با رسیدن به دقت ۱۵/۸۶%، گامی بلند در جهت جایگزینی روشهای سنتی در این حوزه پردازشی به شمار می رود.

Keywords:

هوش مصنوعی , یادگیری عمیق , تشخیص جرم , پیشگیری از جرم , مدلهای عمیق