Identificação de Objetos Ilícitos em Visitantes de Penitenciárias Utilizando Aprendizado Não Supervisionado

  • Bruno A. S. Oliveira Fundação para Inovações Tecnológicas - FITec, Belo Horizonte, MG
  • Hugo E. Ziviani VMI Sistemas de Segurança, Lagoa Santa, MG
  • Luana Gonçalves Fundação para Inovações Tecnológicas - FITec, Belo Horizonte, MG
  • Alan M. Viegas VMI Sistemas de Segurança, Lagoa Santa, MG
  • Daniel Calvo Fundação para Inovações Tecnológicas - FITec, Belo Horizonte, MG
Keywords: Deep Learning, Convolutional Autoencoder, Anomaly Detection, Identification, X-ray images, Monitoring, Illicit Objects, Security

Abstract

Com o objetivo de impedir a entrada de objetos ilícitos que comprometam a segurança de funcionários, visitantes e detentos em instalações penitenciárias, a inspeção a partir de imagens radiológicas é amplamente utilizada para o monitoramento de ingressantes a complexos carcerários. Atualmente essa fiscalização é realizada por um operador que analisa imagens obtidas por equipamentos de raio-x, buscando identificar algum objeto suspeito. No entanto, tal processo é lento, dispendioso e repetitivo. Nesse sentido, o objetivo desse trabalho é desenvolver uma solução baseada em aprendizado de maquina não supervisionado, denominada Autoencoder Convolucional, cuja finalidade é auxiliar o operador na identificação de objetos ilícitos em imagens de raio-x de corpo inteiro. Para isso, foram coletadas e classificadas por um especialista 2.621 de imagens sem indicações de objetos suspeitos e 130 imagens de com suspeita de objetos ilícitos. Em seguida, um Autoencoder Convolucional foi treinado e avaliado, para detecção de anomalias. Os resultados obtidos indicam que a solução é promissora e pode ser utilizada no auxílio à tomada de decisão do operador do equipamento de raio-x.
Published
2021-10-20
Section
Articles