شناسایی رفتارهای خشونت آمیز در ویدئوهای نظارتی با YOLOv۱۱ بهبود یافته با STN و بهینه سازی ماژول های استخراج ویژگی

با افزایش چالش های امنیتی در محیط های نظارتی و فضاهای پرتراکم، نیاز به سامانه های هوشمند برای تشخیص سریع و دقیق رفتارهای خشونت آمیز بیش از پیش احساس می شود. یکی از کاربردهای بالقوه چنین سامانه هایی، محیط های کنترل شده ای مانند زندان ها است که تشخیص به موقع درگیری ها اهمیت بالایی دارد. در پژوهش حاضر، یک نسخه بهبودیافته از مدل تشخیص شیء YOLOv۱۱ برای شناسایی رفتارهای خشونت آمیز ارائه شده است. در معماری پیشنهادی، از یک شبکه تبدیل مکانی برای افزایش تمرکز مدل بر نواحی مهم تصویر استفاده شده و همچنین با بهینه سازی بخش استخراج ویژگی ها و تقویت نمایش اطلاعات زمینه ای، توانایی مدل در تشخیص صحنه های پیچیده و پرتراکم بهبود یافته است. با توجه به محرمانه بودن داده های واقعی زندان، ارزیابی روش پیشنهادی بر روی مجموعه داده های عمومی انجام شد تا امکان مقایسه منصفانه با پژوهش های پیشین فراهم گردد. نتایج تجربی نشان داد مدل پیشنهادی به دقت متوسط ۹۲.۸ درصد در آستانه همپوشانی ۰.۵ و ۷۶.۱ درصد در بازه آستانه های همپوشانی ۰.۵ تا ۰.۹۵ دست یافته است که نسبت به مدل پایه بهبود قابل توجهی را نشان می دهد. همچنین ارزیابی بر روی مجموعه داده های نظارتی عمومی بیانگر پایداری مناسب روش پیشنهادی در شرایط مختلف تصویربرداری است. نتایج به دست آمده نشان می دهد که روش پیشنهادی ظرفیت مناسبی برای استفاده به عنوان یک راهکار پایه و قابل انتقال به سناریوهای نظارتی واقعی، از جمله محیط های زندان، پس از تنظیم و ارزیابی تکمیلی بر داده های همان دامنه دارد.

کلیدواژه ها:

تشخیص خشونت ، تشخیص شیء ، YOLOv۱۱ ، یادگیری عمیق ، سامانه های نظارتی