Resumen

En la monitorización convencional de la protección forestal, los métodos de detección utilizan sensores ópticos o cámaras RGB que combinan características como humo, incendios y áreas forestales destruidas por humanos en bosques nacionales. Este artículo presenta un nuevo enfoque que utiliza el aprendizaje profundo integrado con el conjunto borroso de imágenes para el sistema de monitoreo de vigilancia que se activa para confirmar el comportamiento humano en tiempo real en la protección forestal. Los gráficos borrosos de imágenes (PFG) se aplican para resolver problemas complejos en problemas del mundo real. El artículo presenta un enfoque novedoso que utiliza el aprendizaje profundo con grafos de conocimiento para encontrar un perfil humano, incluida la detección de humanos en grandes conjuntos de datos. En el modelo propuesto, los perfiles humanos digitales se recopilan de bases de datos convencionales combinadas con redes sociales en tiempo real, y se crea un grafo de conocimiento para representar los atributos de perfil humano con complejas relaciones en grandes conjuntos de datos. El PFG se aplica para cuantificar la centralidad de los nodos. Para confirmar el modelo propuesto, se han realizado pruebas con conjuntos de datos a través de estudios de caso en un bosque. Los resultados experimentales demuestran que el modelo propuesto se ha validado en conjuntos de datos del mundo real para demostrar la efectividad de este método.

1. INTRODUCCIÓN

Recientemente, en la protección del medio ambiente, los bosques han cobrado importancia en todo el mundo. Para identificar el comportamiento humano utilizando tecnología avanzada, los investigadores tratan de mejorar las aplicaciones que vigilan la actividad humana en un bosque. La capacidad de los humanos, a través de cámaras en tiempo real, es esencial para determinar el nivel de actividad humana. La identificación del comportamiento humano es uno de los campos emergentes con el rápido avance de las tecnologías de detección para facilitar las operaciones analíticas sobre los comportamientos humanos, así como la actuación de la interacción ordenador-humano. Chi Yuan et. al [1][2] han propuesto vehículos aéreos no tripulados (UAV) con sistemas basados en visión por ordenador para la vigilancia y detección de incendios forestales. En áreas de investigación similares, S.Sudhakar et.al [3] han utilizado UAVs para capturar imágenes en color mediante reconocimiento humano y monitorización de humo, clasificando así el reconocimiento de incendios. Además, Luis Merino et. al [4] han propuesto la de-tección de incendios con monitorización de protección forestal, utilizando cámaras infrarrojas y visuales para analizar la zonificación geográfica. Estas técnicas se utilizan para monitorizar la detección de incendios forestales utilizando el mapa de Voronoi [5] y su información actualizada.

• Materias:Reconocimiento de patrones Gestión forestal Aprendizaje automático
• Subjects:Pattern recognition Forest management Machine learning
• Palabras claves:Aprendizaje profundo; Identificación del comportamiento humano; Protección forestal; Reconocimiento de acciones humanas
• Keywords:Deep learning; Identifying human behavior; Forest protection; Human action recognition