تشخيص اشياء رها شده با استفاده از شبكه عصبي كانولوشني بهبود يافته

دوربين‌هاي نظارت تصويري مي‌توانند به عنوان يك ابزار قدرتمند براي خودكار‌سازي تشخيص موقعيت‌هاي مختلف و كمك در جهت تصميم‌گيري‌هاي مناسب به منظور افزايش سطح امنيتي و حفاظتي بكارگرفته شوند‌..يكي از مهمترين كاربردهاي سيستم‌هاي نظارت تصويري، تشخيص اشياء رها شده مانند چمدان‌هاي رها شده براي جلوگيري از بمب‌گذاري‌هاي خطرناك و ساير موارد است. در اين راستا، در اين مقاله يك مدل دومرحله‌اي مبتني بر يادگيري عميق جهت تشخيص اشياء رها شده معرفي شده است. هدف مرحله اول تشخيص همه اشياء ساكن در صحنه و مرحله دوم دسته‌يندي اشياء رها شده است. در مرحله اول از مدل‌ مخلوط گاوسي براي مدل‌سازي پس‌زمينه و تشخيص اجسام ساكن استفاده مي‌شود. در مرحله دوم نيز براي مشخص كردن اشياء رها شده از ميان كليه تصاوير استخراج شده از تركيب شبكه عصبي كانولوشني و الگوريتم آدابوست استفاده مي‌شود. بر اساس نتايج ارزيابي‌ها مدل پيشنهادي از دقت بالاتري در تشخيص اشياء رها شده نسبت به روش‌هاي پايه برخوردار است.