Ин таҳқиқот барои ба таври худкор муайян кардани фаъолияти ғайримуқаррарии инсон дар видеоҳои назоратӣ меъмории гибридиро пешниҳод мекунад, ки YOLOv8, ResNet50, шабакаи хотираи дарозмуддат-кӯтоҳмуддати дуҷониба ва системаи мутобиқшавандаи хулосабарории нейро-фазиро муттаҳид месозад. Модел дар маҷмӯаи додаҳои AVENUE, ки гуфта мешавад 16 видеои омӯзишӣ ва 21 видеои санҷиширо дар бар мегирад, арзёбӣ шудааст; муҳаққиқон 98 фоиз дақиқӣ, 97,6 фоиз precision, 97,2 фоиз recall, 97,4 фоиз F1 score, 0,99 ROC-AUC ва 2,1 фоиз сатҳи ҳушдори бардурӯғро гузориш кардаанд. Бо вуҷуди ин, таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта мебошад; бинобар камбудиҳои протоколи таҷрибавӣ ва номувофиқатиҳои байни нишондиҳандаҳои гузоришшудаи короӣ ва матритсаи иштибоҳ, натиҷаҳо бояд ҳамчун бозёфтҳои муқаддамотӣ арзёбӣ шаванд.

Дар системаи пешниҳодшуда YOLOv8 одамонро дар ҳар кадри видео пайдо карда, онҳоро бо қуттиҳои марзӣ ҷойгир мекунад, ResNet50 хусусиятҳои фазоӣ, аз ҷумла ҳолати бадан ва контексти саҳнаро истихроҷ менамояд, шабакаи хотираи дарозмуддат-кӯтоҳмуддати дуҷониба тағйироти ин хусусиятҳоро дар тӯли вақт таҳлил мекунад ва системаи мутобиқшавандаи хулосабарории нейро-фазӣ суръати ҳаракат, давомнокии фаъолият, тағйири самт ва холҳои эътимоди шабакаҳоро якҷоя арзёбӣ карда, фаъолиятро ҳамчун муқаррарӣ, шубҳанок ё ғайримуқаррарӣ тасниф мекунад. Андешаи асосии равиш аз он иборат аст, ки номуайянии байни рафторҳои ба ҳам монанд, аз қабили зуд роҳ рафтан, давидан, интизор шудан ва ғайримуқаррарӣ тағйир додани самт, ба ҷойи як остонаи қатъӣ бо дараҷаҳои ҳампӯши узвияти фазӣ идора карда шавад.

Арзёбӣ аз нуқтаи назари Туркия: Ин меъморӣ чаҳорчӯбаи методиро пешниҳод мекунад, ки метавонад барои барномаҳои тадқиқотии камераҳои зеҳнӣ дар марказҳои нақлиётии шаҳрдорӣ, кампусҳои донишгоҳӣ, истгоҳҳо, атрофи беморхонаҳо, шаҳракҳои мактабӣ ва иншооти саноатии Туркия мутобиқ карда шавад. Аммо барои ин бояд маҷмӯаҳои маҳаллии додаҳо таҳия шаванд, ки кунҷҳои камера, шароити рӯшноӣ, зичии издиҳом ва намунаҳои ҳаракати ҳаррӯзаро дар Туркия намояндагӣ кунанд; синфҳои муқаррарӣ, шубҳанок ва ғайримуқаррарӣ бояд бо меъёрҳои равшан нишонагузорӣ шаванд; дар санҷишҳои мустақил ҳушдори бардурӯғ, ҳодисаҳои аз дастрафта, таъхир ва суръати коркарди вақти воқеӣ чен карда шаванд. Аз ин таҳқиқот наметавон мустақиман хулоса кард, ки дар Туркия муваффақияти саҳроӣ, мутобиқати ҳуқуқӣ, кори вақти воқеӣ, иҷрои баробар дар гурӯҳҳои гуногуни иҷтимоӣ ё сатҳи ҳушдори бардурӯғи 2,1 фоиз таъмин мешавад.

Саволи асосии таҳқиқот чист?

Саволи асосии таҳқиқот ин аст, ки оё якҷоя кардани намуди фазоии ҳаракатҳои инсон дар видеоҳои назоратӣ, рушди онҳо дар тӯли вақт ва сарҳадҳои номуайяни рафтор дар дохили як модел метавонад ошкорсозии фаъолияти ғайримуқаррариро беҳтар кунад. Муҳаққиқон махсусан таъкид мекунанд, ки байни роҳравии муқаррарӣ ва ҳаракати босуръат, интизории кӯтоҳмуддат ва оворагардии шубҳанок, инчунин тағйири муқаррарии самт ва ҳаракати номунтазам сарҳадҳои қатъӣ вуҷуд надоранд.

Таҳқиқот мехоҳад ба ин савол бо меъмории чоркомпонентӣ посух диҳад: YOLOv8 одамонро муайян мекунад, ResNet50 хусусиятҳои тасвирро истихроҷ мекунад, Bi-LSTM намунаҳои ҳаракатро дар кадрҳои пайдарпай меомӯзад ва ANFIS номуайяниро бо қоидаҳои фазӣ арзёбӣ намуда, таснифи ниҳоиро ба вуҷуд меорад.

Чаро таҳқиқот муҳим аст?

Азбаски камераҳои назоратӣ ҷараёнҳои сершумори ҳамзамони видеоӣ тавлид мекунанд, назорати пайвастаи ҳамаи тасвирҳо аз ҷониби одамон хавфи коҳиши диққат, хастагӣ ва аз назар гузаштани рӯйдодҳои муҳимро ба миён меорад. Муҳаққиқон муайянсозии худкори рӯйдодҳоеро, ба монанди занозанӣ, давидан дар минтақаи мамнӯъ, муддати тӯлонӣ оворагардӣ кардан, партофтани ашё, ҳаракат ба самти муқобил ва намунаҳои ғайриодии ҳаракат, яке аз масъалаҳои асосии системаҳои назоратии зеҳнӣ мешуморанд.

Усулҳои анъанавӣ метавонанд ба ҷараёни оптикӣ, траекторияи ҳаракат, гистограммаи градиентҳои самтдор ва дигар хусусиятҳои дастӣ тарҳрезишуда такя кунанд. Тибқи таҳқиқот, чунин равишҳо ҳангоми тағйири рӯшноӣ, издиҳом, пӯшиш, кунҷҳои гуногуни камера ва заминаи ҳаракаткунанда метавонанд дар умумисозӣ мушкилӣ дошта бошанд. Моделҳои омӯзиши амиқ метавонанд аз тасвир хусусият омӯзанд, аммо ҳамеша номуайянии байни рафторҳои шабеҳро ба таври равшан идора карда наметавонанд. Холигие, ки модели пешниҳодшуда ҳадаф дорад пур кунад, якҷоя кардани истихроҷи пурқуввати хусусиятҳои визуалӣ ва замонӣ бо механизми қабули қарори нейро-фазӣ дар як занҷири коркард мебошад.

Меъмории пешниҳодшуда чӣ гуна кор мекунад?

1. Омода кардани кадрҳои видео

Видеои воридотӣ аввал ба кадрҳои пайдарпайи тасвирӣ ҷудо карда мешавад:

\[ V = \{F_1, F_2, F_3, \ldots, F_n\} \]

Дар ин ҷо V видеои воридотиро ва F_i кадри рақами i-ро, ки аз видео гирифта шудааст, нишон медиҳад. Шумораи кадрҳо миқдори беандоза мебошад. Матни усули таҳқиқот мегӯяд, ки кадрҳо барои вуруди ResNet50 ба 224 × 224 пиксел оварда мешаванд. Дар муқоиса, дар схемаи умумии меъморӣ тағйири андоза ба 640 × 640 нишон дода шудааст. Ба таври равшан шарҳ дода нашудааст, ки оё инҳо барои YOLOv8 ва ResNet50 андозаҳои ҷудогона мебошанд.

Қиматҳои пиксел ба фосилаи аз 0 то 1 гузаронда мешаванд:

\[ X_{\mathrm{norm}} = \frac{X}{255} \]

X шиддати аслии пикселро аз 0 то 255; X_norm бошад қимати нормализатсияшудаи беандозаро ифода мекунад. Ин табдил барои он пешбинӣ шудааст, ки шабака бо миқёсҳои гуногуни пиксел мутавозинтар кор кунад.

Гуфта мешавад, ки барои кам кардани садои сенсор ва рӯшноӣ филтри Гаусс истифода шудааст:

\[ G(x,y)=\frac{1}{2\pi\sigma^2}\exp\left(-\frac{x^2+y^2}{2\sigma^2}\right) \]

Дар ин формула x ва y мавқеъро нисбат ба пиксели марказӣ, σ паҳнои паҳншавии филтр ва G(x,y) вазнро дар мавқеи дахлдор нишон медиҳанд. Интизор меравад, ки мавқеъҳо бо воҳиди пиксел арзёбӣ шаванд, аммо андозаи ядро ва қимати σ-и истифодашуда дар таҳқиқот гузориш нашудаанд. Схемаи умумӣ инчунин амалиёти афзоиши додаҳо, аз қабили гардиш ва ҷойивазкуниро нишон медиҳад, вале таносуб ва параметрҳои онҳо шарҳ дода нашудаанд.

2. Муайян кардани инсон бо YOLOv8

YOLOv8 минтақаҳоеро, ки дар ҳар кадр инсон мешуморад, бо нишонаи синф, холи эътимод ва қуттии марзӣ нишон медиҳад:

[ B = (x,y,w,h) ]

Дар ин ҷо x ва y мавқеи қуттӣ, w паҳно ва h баландиро ифода мекунанд. Нишон дода нашудааст, ки координатаҳо бо пиксел ё дар шакли нормализатсияшуда нигоҳ дошта мешаванд. Минтақаи инсон бурида шуда ба ResNet50 дода мешавад ва холи эътимоди YOLOv8 баъдтар ба яке аз вурудҳои қабати қарори ANFIS табдил меёбад.

Ҳадафи ин марҳила аз он иборат аст, ки ба ҷойи таҳлили тамоми саҳна бо вазни баробар, модел ба минтақаҳое тамаркуз кунад, ки дар онҳо инсон мавҷуд аст. Аммо таҳқиқот версияи вазнҳои YOLOv8, аз нав омӯзонида шудан ё нашудани он, остонаи эътимод ва иҷрои муайянсозии инсонро алоҳида гузориш намекунад.

3. Истихроҷи хусусиятҳои фазоӣ бо ResNet50

Минтақаҳои инсон, ки YOLOv8 муайян кардааст, ба шабакаи нейронии 50-қабатаи дорои пайвастҳои боқимонда ResNet50 дода мешаванд. Муносибати асосии омӯзиши боқимонда чунин пешниҳод шудааст:

[ y = F(x,W) + x ]

x харитаи хусусиятҳои вурудӣ, F(x,W) табдили боқимонда бо параметрҳои омӯзишшавандаи W ва y харитаи хусусиятҳои баромадиро ифода мекунад. Иловаи мустақими иттилои вурудӣ ба натиҷаи табдил интиқоли иттилоъро тавассути қабатҳои шабакаҳои амиқ осон мекунад.

Гуфта мешавад, ки пас аз global average pooling барои ҳар минтақаи инсон вектори хусусиятҳои 2048-компонентӣ сохта мешавад:

\[ f = [f_1,f_2,f_3,\ldots,f_{2048}] \]

Ин вектор барои ифодаи намунаҳои аз тасвир омӯхташуда, аз ҷумла ҳолати инсон, шакли бадан, ҳамкорӣ бо ашёи атроф ва контексти саҳна пешбинӣ шудааст. Компонентҳо воҳиди физикии ҷудогона надоранд; онҳо хусусиятҳои ададие мебошанд, ки шабака омӯхтааст.

4. Моделсозии замонии ҳаракат бо Bi-LSTM

Як кадр метавонад барои фаҳмондани он ки шахс медавад, ногаҳон самтро иваз мекунад ё муддати тӯлонӣ дар як минтақа мемонад, кофӣ набошад. Аз ин рӯ, векторҳои 2048-андозае, ки аз кадрҳои пайдарпай гирифта шудаанд, ҳамчун силсилаи вақтӣ ба шабакаи хотираи дарозмуддат-кӯтоҳмуддати дуҷониба дода мешаванд.

Дар таҳқиқот барои ҳолати пинҳонӣ дар қадами вақтӣ муносибати содакардашудаи зерин оварда шудааст:

\[ h_t = f(Wx_t + Uh_{t-1} + b) \]

x_t вектори вурудӣ дар вақти t, h_t-1 ҳолати пинҳонии қаблӣ, W ва U матритсаҳои вазнии омӯзишшаванда, b ҳади bias ва f табдили ғайрихаттиро ифода мекунанд. Ин ифода ҳамаи муодилаҳои дарвозаҳои вуруд, фаромӯшкунӣ ва баромади сохтори пурраи LSTM-ро дар бар намегирад; танҳо навсозии умумии ҳолати вақтро ҷамъбаст мекунад.

Ҳолатҳои самтҳои пеш ва қафо чунин якҷоя мешаванд:

\[ H_t = [\overrightarrow{h_t};\overleftarrow{h_t}] \]

Дар ин навишт, нуқтавергул якҷоя шудани хусусиятҳои ду самтро ифода мекунад. Ҳамин тавр, модел на танҳо гузаштаи як кадр, балки кадрҳои баъдии порчаи видеои мушоҳидашавандаро низ истифода мебарад. Ин хусусият метавонад барои таҳлили офлайнии видео муфид бошад; аммо ниёз ба кадрҳои оянда метавонад ба таъхири ҳушдори вақти воқеӣ таъсир расонад. Таҳқиқот ин таъхирро чен накардааст.

5. Қабули қарор бар асоси номуайянӣ бо ANFIS

Системаи мутобиқшавандаи хулосабарории нейро-фазӣ қобилияти шабакаҳои нейронӣ барои омӯхтан аз додаҳоро бо функсияҳои узвият ва қоидаҳои “агар-онгоҳ”-и мантиқи фазӣ муттаҳид мекунад. Панҷ вуруде, ки дар таҳқиқот ба ANFIS дода мешаванд, чунинанд:

• Суръати ҳаракат,
• Давомнокии фаъолият,
• Тағйир дар самти ҳаракат,
• Холи эътимоди муайянсозии инсон аз YOLOv8,
• Эҳтимоли фаъолияти ғайримуқаррарӣ аз Bi-LSTM.

Суръати ҳаракат бо маҷмӯаҳои забонӣ, ба монанди суст, миёна ва тез ифода мешавад. Азбаски як ҳаракат метавонад ҳамзамон бо дараҷаҳои муайян ба маҷмӯаҳои “миёна” ва “тез” тааллуқ дошта бошад, мақсад ин аст, ки ба ҷойи тағйири ногаҳонии қарор дар остонаи қатъӣ гузариши мулоимтар таъмин шавад. Дар қоидаҳои намунавӣ суръати баланд бо тағйири номунтазами самт ғайримуқаррарӣ, суръати паст бо траекторияи ҳамвор муқаррарӣ ва суръати миёна бо фаъолияти тӯлонӣ шубҳанок арзёбӣ мешавад.

Натиҷаҳои қоидаҳои фаъол якҷоя карда шуда, бо усули defuzzification-и маркази вазн як холи ягонаи аномалия истеҳсол мешавад. Таҳқиқот мегӯяд, ки хол ба синфҳои муқаррарӣ, шубҳанок ва ғайримуқаррарӣ табдил дода мешавад. Аммо сарҳадҳои ададии ҳамаи функсияҳои узвият, пойгоҳи пурраи қоидаҳо, усули омӯзиши қоидаҳо ва параметрҳои омӯзиши ANFIS оварда нашудаанд.

Маҷмӯаи додаҳо чӣ хусусиятҳо дорад?

Таҳқиқот хабар медиҳад, ки маҷмӯаи додаҳои AVENUE-ро, ки аз тасвирҳои назоратии кампуси берунӣ иборат аст, истифода кардааст. Гуфта мешавад, ки маҷмӯа рӯйдодҳое, аз қабили давидан, партофтани ашё, ҳаракат ба самти ғайриодӣ ва муддати тӯлонӣ оворагардӣ карданро дар бар мегирад; кадрҳои ғайримуқаррарӣ дастӣ нишонагузорӣ шуда, барои санҷиш ҳамчун эталони ҳақиқӣ истифода шудаанд.

Гуфта мешавад, ки рӯйдодҳои ғайримуқаррарӣ танҳо қисми хурди видеоҳо мебошанд ва метавонанд аз ҷиҳати визуалӣ бо фаъолияти муқаррарӣ ҳампӯшӣ дошта бошанд. Аммо шарҳ дода нашудааст, ки се синфи муқаррарӣ, шубҳанок ва ғайримуқаррарӣ аз нишонаҳои AVENUE чӣ гуна сохта шудаанд.

Шаклҳо ва графикҳо чиро нишон медиҳанд?

Схемаи умумии меъморӣ

Шакли 1 тамоми ҷараёни маълумотро аз маҷмӯаи додаҳо то коркарди пешакӣ, муайянсозии инсон бо YOLOv8, истихроҷи хусусият бо ResNet50, моделсозии замонӣ бо Bi-LSTM, қабули қарор бо ANFIS ва баромади муқаррарӣ-шубҳанок-ғайримуқаррарӣ нишон медиҳад. Дар схема инчунин дақиқӣ, precision, recall, F1 score, ROC-AUC ва сатҳи ҳушдори бардурӯғ ҳамчун меъёрҳои арзёбӣ нишон дода шудаанд.

Бартарии схема дар он аст, ки вазифаҳои модулҳоро равшан ҷудо мекунад. Аммо схема маҷмӯаҳои омӯзишӣ ва санҷиширо ҳамчун “муқаррарӣ ва ғайримуқаррарӣ” нишон медиҳад, дар ҳоле ки матн аз се синфи баромад сухан мегӯяд. Манбаи нишонаи синфи шубҳанок шарҳ дода нашудааст.

Графики дақиқӣ ва талафоти омӯзиш

Дар Шакли 2 дақиқии омӯзиш дар тӯли 10 давр тақрибан аз 0,70 то 0,98 боло меравад, дар ҳоле ки талафоти омӯзиш тақрибан аз 0,90 то 0,12 поён меравад. Ин график нишон медиҳад, ки модел ба додаҳои омӯзишӣ торафт беҳтар мутобиқ мешавад. Аммо танҳо каҷҳои омӯзишӣ оварда шудаанд; азбаски дақиқӣ ва талафоти validation дода нашудаанд, аз ин график муайян кардан мумкин нест, ки overfitting вуҷуд дорад ё не.

Функсияҳои узвияти суръат

Дар Шакли 3 меҳвари уфуқӣ суръати ҳаракатро аз 0-10, меҳвари амудӣ бошад дараҷаи узвияти фазиро аз 0-1 нишон медиҳад. Маҷмӯаи суст дар атрофи 0 баландтарин узвият дорад ва дар атрофи 5 ба сифр мерасад. Маҷмӯаи миёна тақрибан байни 3 ва 7 шакли секунҷа дорад ва дар атрофи 5 ба баландтарин узвият мерасад. Маҷмӯаи тез дар атрофи 5 оғоз шуда, дар 10 ба баландтарин узвият мерасад. Воҳиди физикии меҳвари суръат ва он ки ин сарҳадҳо аз додаҳо гирифта шудаанд ё бо интихоби коршинос муайян шудаанд, шарҳ дода нашудааст.

Графике, ки “функсияи узвияти давомнокӣ” ном гирифтааст

Ҳарчанд сарлавҳаи Шакли 4 функсияи узвияти давомнокии фаъолиятро ифода мекунад, тасвир графики сутунии холи хавф аст, ки барои муқаррарӣ 20, барои шубҳанок 40 ва барои ғайримуқаррарӣ тақрибан 84 қимат нишон медиҳад. График меҳвари давомнокӣ, маҷмӯаҳои узвияти кӯтоҳ-миёна-дароз ё каҷҳои ҳампӯши узвият надорад. Аз ин рӯ, байни сарлавҳаи шакл ва муҳтавои визуалӣ номувофиқати ошкор вуҷуд дорад.

Графики холи аномалия

Дар Шакли 5 дида мешавад, ки холи аномалия дар тӯли 20 кадр тақрибан аз 15 то 96 пайваста боло меравад ва хатти остонаи ғайримуқаррарӣ дар сатҳи 70 мавҷуд аст. Хол тақрибан дар кадри 14 ба сатҳи остона мерасад ва дар кадрҳои баъдӣ аз он боло меравад. Муҳаққиқон ин афзоишро бо давидани ногаҳонӣ, тағйири тезу тези самт ва ҳаракатҳои ғайриодӣ мепайванданд.

Бо вуҷуди ин, дар график кадри воқеии видео, аломатҳои оғозу анҷоми ҳодиса, нишонаҳои эталони ҳақиқӣ ё намунаҳои гуногуни видеои муқаррарӣ ва ғайримуқаррарӣ нишон дода нашудаанд. Инчунин шарҳ дода нашудааст, ки холи аномалия чӣ гуна ба фосилаи 0-100 миқёсбандӣ шудааст ва остонаи 70 чӣ гуна интихоб шудааст.

Матритсаи иштибоҳ

Матритсаи иштибоҳ дар Шакли 6 аз ду сатр ва ду сутун иборат аст. Қиматҳои ҳуҷайраҳо 4, 1, 0 ва 5 мебошанд. Ҳамин тавр, аз 10 намуна 9-тои он дар диагонали асосӣ дуруст ва 1-то нодуруст тасниф шудааст. Дақиқие, ки ин матритса бевосита нишон медиҳад, 90 фоиз аст:

\[ \mathrm{Doğruluk} = \frac{4+5}{4+1+0+5} = \frac{9}{10} = 0{,}90 \]

Ин натиҷа бо дақиқии 98 фоизе, ки дар матн гузориш шудааст, мувофиқат намекунад. Илова бар ин, гарчанде баромади модел ҳамчун се синфи муқаррарӣ, шубҳанок ва ғайримуқаррарӣ таъриф шудааст, матритсаи иштибоҳ танҳо ду синфро нишон медиҳад. Дар меҳварҳо ба ҷойи номи синфҳо нишонаҳои 0 ва 1 истифода шудаанд.

Муқоиса бо усулҳои мавҷуда

Дар Шакли 7 ва Ҷадвали 2 барои CNN 87 фоиз, барои CNN-LSTM 90 фоиз, барои ConvLSTM 92 фоиз, барои омезиши YOLO ва Bi-LSTM 94 фоиз ва барои модели пешниҳодшуда 98 фоиз дақиқӣ гузориш шудааст. Муҳаққиқон афзоишро ба истифодаи якҷояи ҷойгиркунии инсон, истихроҷи хусусиятҳои фазоӣ, моделсозии замонӣ ва қабули қарори фазӣ нисбат медиҳанд.

Аммо шарҳ дода нашудааст, ки моделҳои муқоисашуда бо ҳамон тақсимоти омӯзиш-санҷиш аз нав иҷро шудаанд ё не, қиматҳо аз нашрияҳои қаблӣ гирифта шудаанд ё не, гиперпараметрҳои моделҳо чӣ будаанд ва таҷрибаҳо чанд маротиба такрор шудаанд. Аз ин рӯ, фарқиятҳои фоизӣ наметавонанд ҳамчун муқоисаи тасдиқшуда дар шароити баробар арзёбӣ шаванд.

Графики ҷамъбастии короӣ

Дар Шакли 8 дақиқӣ 98 фоиз, precision 97,6 фоиз, recall 97,2 фоиз, F1 score 97,4 фоиз, ROC-AUC 99 фоиз ва сатҳи ҳушдори бардурӯғ 2,1 фоиз нишон дода шудааст. Дар як қисми матн ROC-AUC ба шакли “0,99%” навишта шудааст, дар ҳоле ки дар бахши натиҷаҳо 0,99 дода шудааст. Барои ROC-AUC нишондиҳии аз ҷиҳати математикӣ маънодор 0,99 ё 99 фоиз буда метавонад; аммо нишондиҳандаҳои гуногуни дохили таҳқиқот набояд бе шарҳ ба як қимат табдил дода шаванд.

Таҳқиқот кадом натиҷаҳоро дастгирӣ мекунад?

• Муҳаққиқон меъмории модулӣеро тавсиф кардаанд, ки муайянсозии инсон, истихроҷи хусусияти тасвир, таҳлили силсилаи вақтӣ ва қабули қарори фазиро муттаҳид мекунад.
• Меъморӣ барои арзёбӣ дар маҷмӯаи додаҳои AVENUE тарҳрезӣ шудааст.
• Нишон дода шудааст, ки суръати ҳаракат, давомнокии фаъолият, тағйири самт ва холҳои эътимоди шабака метавонанд ҳамчун вурудҳои ANFIS истифода шаванд.
• Таҳқиқот идеяи идора кардани номуайянии байни ҳаракатҳои шабеҳ бо узвияти фазӣ ба ҷойи остонаҳои собитро пешниҳод мекунад.
• Муҳаққиқон дақиқии баланд ва сатҳи пасти ҳушдори бардурӯғро гузориш мекунанд.

Таҳқиқот чиро исбот намекунад?

• Таҳқиқот исбот намекунад, ки модел дар системаҳои воқеии назорати шаҳрӣ бо 98 фоиз дақиқӣ кор мекунад.
• Матритсаи иштибоҳи пешниҳодшуда дақиқии гузоришшудаи 98 фоизро тасдиқ намекунад.
• Таҳлили баровардан ё аблятсияи компонент, ки нишон диҳад ANFIS танҳо чӣ қадар ба афзоиши короӣ саҳм гузоштааст, пешниҳод нашудааст.
• Нишон дода нашудааст, ки модел дар кишварҳои гуногун, кунҷҳои гуногуни камера, шароити шабона ё издиҳоми зич умумисозӣ мешавад.
• Суръати кори вақти воқеӣ, қимати кадр/сония, таъхир, истеъмоли хотира ва иҷрои дастгоҳи edge чен карда нашудаанд.
• Шарҳ дода нашудааст, ки синфи “шубҳанок” аз кадом нишонаҳои эталони ҳақиқӣ сохта шудааст.
• Таъсири ҳушдорҳои бардурӯғи модел ба кормандони амният, шахсони назоратшаванда ё равандҳои қабули қарор арзёбӣ нашудааст.
• Натиҷаҳо аз ҷониби гурӯҳи мустақили тадқиқотӣ такрор нашудаанд ва аз арзёбии ҳамтоён нагузаштаанд.

Ҷанбаҳои қавии таҳқиқот кадомҳоянд?

Ҷанбаи асосии қавии таҳқиқот ин аст, ки ошкорсозии фаъолияти ғайримуқаррариро ба ҷойи як таснифгари «қуттии сиёҳ» ҳамчун занҷири коркарде пешниҳод мекунад, ки вазифаҳо ба модулҳои равшан тақсим шудаанд. YOLOv8 ба минтақаи инсон тамаркуз мекунад, ResNet50 муҳтавои тасвирро ифода мекунад, Bi-LSTM робитаи замониро таҳлил мекунад ва ANFIS номуайяниро дар қарори ниҳоӣ идора мекунад. Ин сохтор метавонад барои таҷрибаҳои муфассалтари оянда чаҳорчӯбаи тадқиқотие фароҳам оварад, ки ҳар компонентро ҷудогона санҷидан мумкин аст.

Истифодаи маҷмӯаи додаҳои нишонагузоришудаи назоратӣ, ба монанди AVENUE, ва дар баробари дақиқӣ ворид кардани меъёрҳои гуногун, аз қабили precision, recall, F1 score, ROC-AUC ва сатҳи ҳушдори бардурӯғ низ ҷанбаҳои мусбати таҳқиқот дар сатҳи ҳадаф мебошанд. Илова бар ин, функсияи узвияти суръат мантиқи таснифи фазиро аз ҷиҳати визуалӣ фаҳмо мекунад.

Маҳдудиятҳои асосӣ ва масъалаҳои мутобиқати дохилӣ кадомҳоянд?

• Таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта мебошад.
• Дар файли боршуда муҳтавои 15 саҳифаи аввал дар 15 саҳифаи дуюм асосан такрор мешавад.
• Гарчанде баромади се-синфӣ тавсиф шудааст, матритсаи иштибоҳи ду-синфӣ дода шудааст.
• Қиматҳои матритсаи иштибоҳ 90 фоиз дақиқиро нишон медиҳанд, дар ҳоле ки 98 фоиз дақиқии умумӣ гузориш шудааст.
• Дақиқии омӯзиш нишон дода шудааст, аммо каҷҳои алоҳидаи validation ва test пешниҳод нашудаанд.
• Тарзи ҷудо кардани намунаҳои омӯзиш, validation ва test муфассал шарҳ дода нашудааст.
• Дарозии пайдарпаии Bi-LSTM, шумораи қабатҳо, шумораи воҳидҳои пинҳонӣ, алгоритми оптимизатор, суръати омӯзиш ва андозаи batch гузориш нашудаанд.
• Версияи YOLOv8, остонаи эътимод, усули аз нав омӯзонидан ва меъёрҳои муайянсозии инсон оварда нашудаанд.
• Пойгоҳи қоидаҳои ANFIS, ҳамаи функсияҳои узвият, усули омӯзиш ва даври омӯзиш шарҳ дода нашудаанд.
• Сарлавҳаи Шакли 4 бо графики нишон додааш мувофиқат намекунад.
• Қимати ROC-AUC ба шаклҳои 0,99, 99 фоиз ва 0,99 фоиз номувофиқ нишон дода шудааст.
• Нишон дода нашудааст, ки усулҳои муқоисавӣ дар шароити якхелаи таҷрибавӣ иҷро шудаанд.
• Фосилаи эътимод, инҳирофи стандартӣ, шумораи такрорҳо ё таҳлили аҳамияти оморӣ пешниҳод нашудааст.
• Барои дастгирии даъвои кори вақти воқеӣ ченаки таъхир ё кадр/сония мавҷуд нест.
• Коди модел, вазнҳои омӯзонидашуда ва конфигуратсияи муфассали таҷрибавӣ, ки барои такроршавӣ зарур аст, дар таҳқиқот ҷой надорад.

Маънои он аз нуқтаи назари гузашта, имрӯз ва оянда чист?

Дар гузашта таҳлили видеоҳои назоратӣ асосан бо ҷараёни оптикӣ, траектория ва тавсифгарҳои ҳаракати дастӣ сохташуда анҷом мешуд. Равиши пешниҳодшуда гузариш аз ин хат ба шабакаҳои амиқе, ки хусусиятҳоро ба таври худкор меомӯзанд, ва системаҳои нейро-фазие, ки мекӯшанд номуайяниро ошкоро модел кунанд, ифода мекунад.

Саҳми имрӯзаи он пешниҳод кардани меъмории консептуалӣ ва амалӣ мебошад, ки нишон медиҳад ҷузъҳои гуногуни зеҳни сунъӣ бо кадом тартиб метавонанд якҷоя карда шаванд. Аммо тасдиқ нашудани нишондиҳандаҳои баланди короӣ бо шакли кунунии гузориш арзиши ҷории таҳқиқотро на ҳамчун ҳалли омодаи саҳроӣ, балки дар сатҳи прототипи тадқиқотие нигоҳ медорад, ки бояд аз нав санҷида шавад.

Дар оянда ин меъморӣ бояд дар якчанд маҷмӯаи додаҳо, муҳитҳои гуногуни камера ва маҷмӯаҳои мустақили санҷишӣ арзёбӣ шавад; саҳми ANFIS бо таҷрибаҳои хориҷ кардани компонентҳо чен карда шавад; шарҳ дода шавад, ки функсияҳои узвият аз додаҳо чӣ гуна омӯхта мешаванд ва таъхири вақти воқеӣ гузориш карда шавад. Муҳаққиқон низ ҳамчун кори оянда edge computing, моделсозии замонии ба transformer асосёфта ва арзёбӣ дар маҷмӯаҳои гуногуни додаҳои назоратиро пешниҳод мекунанд.

Усул ва натиҷаҳои таҳқиқот

Хулосаи техникии усул

Вурудҳои ANFIS ва тафсири онҳо

Меъёрҳои короӣ

Меъёрҳои асосии тасниф, ки дар схемаи умумии меъморӣ истифода мешаванд, чунин оварда шудаанд:

\[ \mathrm{Doğruluk} = \frac{TP+TN}{TP+TN+FP+FN} \]

\[ \mathrm{Kesinlik} = \frac{TP}{TP+FP} \]

\[ \mathrm{Duyarlılık} = \frac{TP}{TP+FN} \]

\[ F1 = 2 \times \frac{\mathrm{Kesinlik}\times\mathrm{Duyarlılık}}{\mathrm{Kesinlik}+\mathrm{Duyarlılık}} \]

\[ \mathrm{Yanlış\ Alarm\ Oranı} = \frac{FP}{FP+TN} \]

Дар ин ҷо TP шумораи true positive, TN true negative, FP false positive ва FN false negative-ро нишон медиҳад. ROC-AUC бошад қобилияти ҷудокуниро байни сатҳҳои true positive ва false positive дар остонаҳои гуногуни қарор ҷамъбаст мекунад.

Натиҷаҳои гузоришкардаи муҳаққиқон

Натиҷаҳои муқоисавии дақиқӣ

Ҷадвал нишон медиҳад, ки муҳаққиқон модели пешниҳодшударо ҳамчун равиши дорои баландтарин дақиқӣ пешниҳод кардаанд. Бо вуҷуди ин, азбаски шарҳ дода нашудааст, ки ҳамон тақсимоти додаҳо, ҳамон буҷети омӯзиш ва ҳамон протоколи арзёбӣ барои ҳамаи усулҳо татбиқ шудаанд ё не, ин муқоиса далели тасдиқшудаи бартарӣ нест.

Муҳити сахтафзор ва нармафзор

Таҳқиқот мегӯяд, ки сахтафзор барои омӯзиш ва санҷиш кофӣ буд; аммо қиматҳои иҷро, ба монанди вақти омӯзиш, таъхири inference, шумораи кадрҳои коркардшуда дар як сония ва истифодаи GPU-ро гузориш намекунад.

Эзоҳи манбаъ ва усул

Ин таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта аст; натиҷаҳои он бояд бо дарназардошти ин маҳдудият хонда шаванд. Маълумоти DOI дар саҳифаи унвони матни боршуда чоп нашудааст; он тавассути саҳифаи расмии сабти SSRN тасдиқ шудааст. DOI бештар сабти таҳқиқоти SSRN-ро, на мақолаи маҷаллаи тафсиршударо, муайян мекунад.

Мундариҷаи илмии ин мақолаи Verianla танҳо бар асоси таҳқиқоти боршуда омода шудааст. Манбаъҳои беруна танҳо барои санҷиши маълумоти ҳувияти библиографӣ, аз қабили тартиби муаллифон, муаллифи тамос, DOI, платформа ва санаи боргузорӣ истифода шудаанд. Натиҷаи илмӣ, таҷрибаи иловагӣ ё бозёфти иҷроие, ки дар таҳқиқоти боршуда вуҷуд надорад, ба мақола илова нашудааст.

Маҳдудиятҳои асосии методологии таҳқиқот номувофиқати байни тавсифи модели се-синфӣ ва матритсаи иштибоҳи ду-синфӣ, матритсаи иштибоҳ 90 фоиз дақиқиро нишон доданаш дар ҳоле ки 98 фоиз дақиқӣ гузориш шудааст, шарҳ дода нашудани протоколи validation, дода нашудани қоидаҳо ва параметрҳои узвияти ANFIS, номуайянии шароити муқоиса ва набудани ченакҳои кори вақти воқеӣ мебошанд. Дар файли 30-саҳифагии боршуда муҳтавои илмӣ ду маротиба ҷой гирифтааст.

Таҳқиқот далели истифодаи воқеии саҳроӣ, эътимоднокии дарозмуддат, кафолати амният ё қобилияти истифодаи мустақим дар Туркияро пешниҳод намекунад. Нишондиҳандаҳои гузоришшудаи короӣ бояд дар маҷмӯаҳои мустақили додаҳо, бо протоколҳои кушодаи таҷрибавӣ ва коди такроршаванда тасдиқ карда шаванд.