تقدير كثافة الحشود بالمسجد الحرام باستخدام الشبكة العصبية الالتفافية

Abstract

مع الزيادة الهائلة في عدد سكان العالم ، هناك زيادة مباشرة في عدد المشاركين في المناسبات المختلفة ، سواء كانت رياضية أو اجتماعية أو دينية. وهذا يتطلب رعاية أكبر لسلامة وأمن أولئك المتواجودين في مثل هذه الأحداث. هناك عدد من الجوانب التي يجب مراعاتها عند تنظيم وإدارة الأحداث المختلفة من أجل ضمان سلامة الحاضرين مثل تقدير كثافة الحشد. يعد تقدير كثافة الحشود مكونًا مهمًا للمراقبة المرئية ويلعب دورًا رئيسيًا في مراقبة وإدارة الحشود. نظرًا لأهميته ، فقد تم إجراء الكثير من الأبحاث لتقدير كثافة الحشود في مشاهد المراقبة المرئية المختلفة. في هذه الدراسة ، تم بناء وتدريب شبكة شبكة عصبية التفافية (convolutional neural network) لتقدير كثافة الحشود للمسجد الحرام في مكة المكرمة والتي تعتبر من بين الأماكن الدينية التي تجذب أعداداً هائلة من الناس من جميع أنحاء العالم باستخدام مجموعة من البيانات التي قدمتها الرئاسة العامة لشؤون المسجد الحرام والمسجد النبوي . على الرغم من أن دقة تقدير كثافة الحشود التي تم الحصول عليها من الشبكة العصبية التلافيفية المدربة ليست عالية بما يكفي (70%) لتكون موثوقًا بها في مكان مثل المسجد الحرام ولكن يمكن اعتبارها نتيجة مرضية مقارنة بعدد البيانات التي تم العمل عليها. وتعتبر هذه النتيجة مؤشرا جيدا على أنه يمكن أن تكون النتائج أكثر دقة إذا تم العمل على حجم بيانات أكبر.

With the huge increase in the population of the globe, there is a direct increase in the number of participants and attendance of various events, whether sports, social or religious. This requires greater care for the safety and security of those present in such events. There is a number of aspects that must be taken into account when organize and manage the various events in order to ensure the safety of those present such as crowd density estimation. Crowd density estimation is an important component of visual surveillance and plays a key role in crowd monitoring and management. Because of its importance, much research has been done to estimate the density of crowds in visual surveillance scenes. In this study, a convolutional neural network for crowd density estimation for the Holy Masjed in Makkah which considered among the religious places that attract the huge number of people across the world has been built and trained by using images provided by The General Presidency of the Holy Masjed and Prophet Masjed Affairs (GPH). Although the accuracy of crowd density estimation that obtained from the trained convolutional neural network is not high enough (70%) to be trusted in a place like the Holy Masjed but it can be considered as a satisfactory result compared to the number of data that have been worked on. This result is considered a good indicator that it could get more accurate if the convolutional neural network trained on large images.