توضیحات
ABSTRACT
Safety has, for a long time, been one big thing everyone is concerned about. Security breach of private locations has become a threat that everyone intends to eliminate. The traditional security systems trigger alarms when they detect a security breach. However, the usage of image processing coupled with deep learning using convolutional neural networks for image identification and classification helps in identifying a breach in an enhanced fashion thereby increasing security furthermore to agreat extent. This is due to its capability to extract complex features from the images using accurate and advanced face andbody detection algorithms. The rate at which machine learning, especially deep learning, is transitioning is very high. The use of such technology in taking the existing systems and models to thenext level would be a great step towards advancements in every field of science and technology. The same goes with computer vision. These two coupled and brought together to be used in the field of security results in achieving a lot more than what is imagined to be possible and this paper aims to do the same.
INTRODUCTION
Technology used in securing highly important places has changed a lot since the last few years and will continue to change in the coming years. Security is very important when it comes down to smart applications. The new and emergingconcept of smart security offers a convenient, comfortable, and safe way for securing highly sensitive areas . Security systems used conventionally aim to protect a place from abreach by sending a notification in the form of a triggered alarm at the time of breach. However, the proposed security system offers many more benefits when compared to the conventional systems which are discussed in detail as we go further ahead into the implementation and working of this system. This paper focuses on how security at locations considered very sensitive and private such as a location where highly valuable or sensitive data is stored can be made much more effective by deploying intelligent systems that are capable of performing with efficiency levels that cannot be achieved by a human or even other traditional security systems.
چکیده
ایمنی برای مدت طولانی، یکی از بزرگترین چیزهایی است که همه از آن نگران هستند. نقض امنیت مکان های خصوصی به یک تهدید تبدیل شده است که هر کس قصد دارد از بین برود. سیستم های امنیتی سنتی هنگامی که یک نقص امنیتی را شناسایی می کنند، آلارم ها را هدایت می کنند. با این وجود، استفاده از پردازش تصویر همراه با یادگیری عمیق با استفاده از شبکه های عصبی کانولوشن برای شناسایی و دسته بندی عکس کمک می کند تا شناسایی نقص در حالت پیشرفته را افزایش داده و در نتیجه افزایش امنیت را افزایش دهد. این به خاطر قابلیت آن برای استخراج ویژگی های پیچیده از تصاویر با استفاده از الگوریتم های تشخیص دقیق و پیشرفته چهره و بدن است. میزان یادگیری ماشین، به خصوص آموزش عمیق، انتقال است بسیار زیاد است. استفاده از چنین تکنولوژی در در نظر گرفتن سیستم های و مدل های موجود در سطح بعدی، یک گام بزرگ برای پیشرفت در هر زمینه علمی و فناوری خواهد بود. همینطور با دید کامپیوتر هم می آید این دو در کنار هم قرار گرفته و در زمینه نتایج امنیتی در دستیابی به اهدافی بسیار بیشتر از آنچه تصور می شود امکان پذیر است و این مقاله قصد دارد همان کار را انجام دهد.
مقدمه
تکنولوژی مورد استفاده در تأمین مکان های بسیار مهم از چند سال گذشته تغییر کرده است و در سال های آینده نیز تغییر خواهد کرد. امنیت هنگامی که به برنامه های هوشمند می آید بسیار مهم است. مفاهیم جدید و ظهور امنیت هوشمند، راهی مناسب، راحت و ایمن برای امنیت مناطق بسیار حساس ارائه می دهد. سیستم های امنیتی به طور معمول استفاده می شود، هدف از حفاظت از یک مکان از طریق ایمیل، با ارسال یک اعلان به صورت زنگ هشدار در زمان نقض. با این حال، سیستم پیشنهادی ارائه شده در مقایسه با سیستم های معمولی که به طور دقیق مورد بحث قرار می گیرند، مزایای بیشتری را در اختیار شما می گذارد، همانطور که پیشتر به پیاده سازی و کار این سیستم ادامه می دهیم. این مقاله بر این نکته تمرکز دارد که چگونه امنیت در مکان هایی که بسیار حساس و خصوصی هستند مانند موقعیت مکانی که اطلاعات بسیار ارزشمند یا حساس آن ذخیره می شود، می تواند با استفاده از سیستم های هوشمند که قادر به انجام کارایی با سطوح کارایی هستند که توسط یک انسان قابل دستیابی نیست، یا حتی سایر سیستم های امنیتی سنتی.
Year: 2018
Publisher : IEEE
By : Goutham Reddy Kotapalle,Sachin Kotni
File Information: English Language/ 6 Page / size: 765 KB
سال : 1396
ناشر : IEEE
کاری از : گوتام ردی کتاپال، ساچین کوتنی
اطلاعات فایل : زبان انگلیسی / 6 صفحه / حجم : KB 765
نقد و بررسیها
هنوز بررسیای ثبت نشده است.