Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2018 | OriginalPaper | Buchkapitel

Gun Identification Using Tensorflow

verfasst von : Mitchell Singleton, Benjamin Taylor, Jacob Taylor, Qingzhong Liu

Erschienen in: Machine Learning and Intelligent Communications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Automatic video surveillance can assist security personnel in the identification of threats. Generally, security personnel are monitoring multiple monitors and a system that would send an alert or warning could give the personnel extra time to scrutinize if a person is carrying a firearm. In this paper, we utilize Google’s Tensorflow API to create a digital framework that will identify handguns in real time video. By utilizing the MobileNetV1 Neural Network algorithm, our system is trained to identify handguns in various orientations, shapes, and sizes, then the intelligent gun identification system will automatically interpret if the subject is carrying a gun or other objects. Our experiments show the efficiency of implemented intelligent gun identification system.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Retraction Note to: A Method of Balanced Sleep Scheduling in Renewable Wireless Sensor Networks
Nächstes Kapitel A Research of Network Applications Classification Based on Deep Learning
Literatur
1.
2.
3.
Olmos, R., Tabik, S., Herrera, F.: Automatic Handgun Detection Alarm in Videos Using Deep Learning. arXiv:170205147 cs (2017)
4.
5.
Vajhala, R., Maddineni, R., Yeruva, P.R.: Weapon Detection in Surveillance Camera Images (2016)
6.
Kang, K., Ouyang, W., Li, H., Wang, X.: Object Detection from Video Tubelets with Convolutional Neural Networks. Presented at the June (2016)
7.
Ray, L., Miao, T.: Towards Real-Time Detection, Tracking and Classification of Natural Video. Presented at the June (2016)
8.
Abadi, M.: TensorFlow: learning functions at scale. In: Proceedings of the 21st ACM SIGPLAN International Conference on Functional Programming, p. 1. ACM, New York (2016)
9.
Angermueller, C., Pärnamaa, T., Parts, L., Stegle, O.: Deep learning for computational biology. Mol. Syst. Biol. 12, 878 (2016)CrossRef
10.
11.
Kaehler, A., Bradski, G.R.: Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library. O’Reilly Media, Sebastopol (2016)
12.
Howard, A.G., et al.: MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. arXiv:170404861 cs (2017)
13.
14.
Kadiyala, A., Kumar, A.: Applications of Python to evaluate environmental data science problems. Environ. Prog. Sustain. Energy 36, 1580 (2017)CrossRef
15.
16.
Shi, J., Tomasi, C.: Good Features to Track. Cornell University, Ithaca (1993)
17.
Xiao, J., Hays, J., Ehinger, K.A., Oliva, A., Torralba, A.: Sun database: large-scale scene recognition from abbey to zoo. In: 2010 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). pp. 3485–3492. IEEE (2010)
18.
19.
20.
Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., Fei-Fei, L.: Imagenet: a large-scale hierarchical image database. In: IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2009, pp. 248–255. IEEE (2009)
Metadaten
Titel
Gun Identification Using Tensorflow
verfasst von
Mitchell Singleton
Benjamin Taylor
Jacob Taylor
Qingzhong Liu
Copyright-Jahr
2018
Buch
Machine Learning and Intelligent Communications

Print ISBN: 978-3-030-00556-6

Electronic ISBN: 978-3-030-00557-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00557-3_1

Premium Partner

    Bildnachweise