¡Amigos, ya casi es hora! El paso final hacia un futuro compatible con Ed-209 aprobado por OCP: «Alarma de detección automática de armas de fuego en videos usando Deep Learning» (PDF)…
Los sistemas de vigilancia y control actuales aún requieren supervisión e intervención humanas. Este trabajo presenta un novedoso sistema automático de detección de armas de fuego en videos apropiados tanto para fines de vigilancia como de control. Reformulamos este problema de detección en el problema de minimizar los falsos positivos y lo resolvemos construyendo el conjunto de datos de entrenamiento clave guiados por los resultados de un clasificador profundo de Redes neuronales convolucionales (CNN), luego evaluando el mejor modelo de clasificación bajo dos enfoques, el deslizamiento enfoque de ventana y enfoque de propuesta de región.
Los resultados más prometedores se obtienen mediante el modelo basado en Faster R-CNN entrenado en nuestra nueva base de datos. El mejor detector muestra un alto potencial incluso en videos de youtube de baja calidad y proporciona resultados satisfactorios como sistema de alarma automática. Entre 30 escenas, activa con éxito la alarma después de cinco positivos verdaderos sucesivos en menos de 0.2 segundos, en 27 escenas. También definimos una nueva métrica, Activación de alarma por intervalo (AApI), para evaluar el desempeño de un modelo de detección como sistema de detección automática en videos.
Y si algo sale mal: