تشخیص رفتارهای هنجارشکن به کمک الگوریتم YOLO و پروتکل جریان بلادرنگ

باتوجه به گسترش روزافزون سامانه های مبتنی بر بینایی ماشین و اهمیت امنیت در دنیای امروز، در این پژوهش با استفاده از الگوریتم YOLO به شناسایی تهدیدهای مخاطره آمیز و رفتارهای هنجارشکن پرداخته شده است. همچنین استفاده از پروتکل RTSP و فناوری اینترنت اشیا، امکان اتصال به دوربین های مداربسته و مدیریت بر خط سامانه از طریق شبکه WiFi و اینترنت را ممکن ساخته است تا در صورت مواجه شدن با خطرات، تصاویر را به پنل مدیریتی ارسال کند. سامانه نظارتی و امنیتی مورد بررسی در این مقاله، قادر به شناسایی و اعلام هشدار در مورد سیگارکشیدن، تشخیص وضعیت افراد، اسلحه و چاقو به عنوان نمونه هایی از عوامل هنجارشکن و تهدید با سلاح گرم و سرد است. لذا الگوریتم YOLOv۸ برای آموزش اشیاء به کاررفته است تا از ویژگی هایی مانند رابط کاربری ساده، توانایی شناسایی اشیا، تقسیم بندی نمونه ها و دسته بندی تصاویر بهره مند شود. مدل بهینه سازی شده به کمک برد رزبری پای ۴ پیاده سازی می شود. برای بهبود سرعت مدل در شناسایی اشیا، از روش صادرکردن وزن های آموزشی استفاده شده است. تحلیل وزن های جدید نشان می دهد که این روش به افزایش سرعت پردازش کمک کرده است، هرچند ممکن است دقت را کمی کاهش دهد؛ لذا با استفاده از روش بهبودیافته، مدل آموزشی به دقت متوسط mAP ≅ ۰.۸۴۷ و تعداد فریم های تصویر در ثانیه FPS ≅ ۴.۱ می تواند برسد. درنهایت، مقایسه سامانه پیشنهادی نسبت به سامانه های پیشین امنیتی، کارایی و اعتمادپذیری بالاتری را ارائه می دهد.

تشخیص رفتارهای هنجارشکن به کمک الگوریتم YOLO و پروتکل جریان بلادرنگ Keywords:

سامانه نظارتی و امنیتی , الگوریتم YOLO , پروتکل جریان بلادرنگ , شناسایی حملات خصمانه و هنجارشکن , اینترنت اشیا , شی خطرآفرین