Identificarea și localizarea armelor ascunse din imagini și secvențe video cu tehnologii Data Science

Abstract

Teza de master “Identificarea și localizarea armelor ascunse în imagini și secvențe video cu tehnologii Data Science” are ca obiectiv validarea unui sistem de tip prototip (Proof of Concept) pentru implementarea unui sistem de detecție a armelor în timp real, utilizând tehnici avansate de viziune computerizată și știința datelor. Se urmărește testarea fezabilității utilizării modelelor YOLO (You Only Look Once) pentru identificarea armelor, inclusiv a celor ascunse, în imagini și secvențe video, prin integrarea procesării vizuale multispectrale (RGB, infraroșu). Sistemul va fi supus testării într-un scenariu practic, iar modelul va fi ajustat prin fine-tuning pentru a crește eficiența și precizia în raport cu un caz de utilizare specific. Capitolul 1 “FUNDAMENTE TEORETICE ȘI DOMENIUL DE STUDIU” oferă cadrul general al cercetării, introducând conceptele de bază din Știința Datelor, viziune computerizată și rețele neuronale convoluționale. Sunt evidențiate aplicațiile relevante ale acestor tehnologii în contextul securității publice și detecției automate a armelor ascunse. Capitolul 2 “ANALIZA COMPARATIVĂ ȘI INOVAȚIA SOLUȚIEI PROPUSE” analizează comparativ versiunile ale arhitecturii YOLO, precum și alte modele CNN relevante, explicând criteriile de selecție a celei mai potrivite soluții pentru scenariul vizat. Capitolul include descrierea arhitecturii, algoritmilor utilizați și justificarea alegerii finale. Capitolul 3 “IMPLEMENTAREA ȘI TESTAREA SISTEMULUI DEMONSTRATIV” prezintă construcția sistemului demonstrativ, datele utilizate, tehnologiile aplicate, precum și procesul de antrenare și testare a modelului. Rezultatele experimentale sunt interpretate în vederea evaluării performanței într-un context practic.

The scope of the thesis “Identification and Localization of Concealed Weapons in Images and Video Sequences Using Data Science Technologies” is the validation of a prototype system (Proof of Concept) for the implementation of a real-time weapon detection system, using advanced techniques of computer vision and data science. The aim is to test the feasibility of using YOLO (You Only Look Once) models for identifying weapons, including concealed ones, in images and video sequences, by integrating multispectral visual processing (RGB, infrared). The system will be tested in a practical scenario, and the model will be adjusted through fine-tuning to increase efficiency and accuracy in relation to a specific use case. Chapter 1: “THEORETICAL FOUNDATIONS AND FIELD OF STUDY” provides the general research framework, introducing the basic concepts of Data Science, computer vision, and convolutional neural networks. Relevant applications of these technologies are highlighted in the context of public safety and automatic concealed weapon detection. Chapter 2: “COMPARATIVE ANALYSIS AND INNOVATION OF THE PROPOSED SOLUTION” offers a comparative analysis of the YOLO architecture versions, as well as other relevant CNN models, explaining the selection criteria for the most appropriate solution for the targeted scenario. The chapter includes a description of the architecture, the algorithms used, and the justification of the final choice. Chapter 3: “IMPLEMENTATION AND TESTING OF THE DEMONSTRATIVE SYSTEM” presents the construction of the demonstrative system, the data used, the applied technologies, as well as the training and testing process of the model. The experimental results are interpreted in order to evaluate performance in a practical context.