System til droneovervågning:Hvordan vold er bokset

Tre forskere, Amarjot Singh (University of Cambridge), Devendra Patil (NIT Warangal Indien), og SN Omkar (IISc Bangalore) arbejder på brugen af ​​en drone og kunstig intelligens til at spotte kæmpende mennesker i en mængde.

Deres papir "Eye in the Sky:Real-time Drone Surveillance System (DSS) for Violent Individual Identification using ScatterNet Hybrid Deep Learning Network" er på arXiv. En video viser, hvordan deres system fungerer.

DroneDJ opsummerede deres tilgang, siger, at de bruger en "forbrugerdrone fra hylden, der fylder den med AI og får den til at overvåge et overfyldt område som f.eks. et sportsstadion eller en protest og kigge efter voldshandlinger såsom stansning, sparker, kvælning, skyder eller stikker. "

Hvorfor bekymre sig? Er standard CCTV -kameraer ikke tilstrækkelige? Standard CCTV -kameraer gør ikke det bedste stykke arbejde med at overvåge voldelige kriminelle i store offentlige områder. Indtast droner.

Papiret vises i en workshop på IEEE Computer Vision and Pattern Recognition (CVPR) 2018 denne måned. Systemet registrerer voldelige personer i realtid ved at behandle dronebillederne i skyen.

De behandlede fem voldelige typer handlinger i deres papir:stansning, sparker, kvælning, skyderi eller stikker.

Deres forskning introducerede det, de omtaler som "det individuelle datasæt i luften, der bruges til træning af det dybe netværk." Forhåbentlig kan det opmuntre andre forskere, der er interesseret i at bruge dyb læring til luftovervågning, de sagde.

James Vincent i Randen forklarede, at en algoritme, der er uddannet ved hjælp af dyb læring, estimerer menneskers stillinger i videoen og matcher dem med stillinger, forskerne har betegnet som voldelige. Videoen bemærkede, at voldelige mennesker er markeret med afgrænsningsbokse.

Hvor effektivt er deres system? Nøjagtigheden falder, når flere mennesker kommer ind på scenen. James Vincent:"Dog, forskningen skal tages med en knivspids salt, især med hensyn til dens påstande om nøjagtighed. Singh og hans kolleger rapporterer, at deres system var 94 procent nøjagtigt til at identificere 'voldelige' stillinger, men de bemærker, at jo flere mennesker der vises i ramme, jo lavere dette tal. (Det faldt til 79 procent nøjagtighed, når man kiggede på 10 personer.) "

Deres arbejde afspejler en forskningsinteresse i at undersøge måder at bruge maskinlæring til at analysere live videooptagelser. De planlægger at teste det under to kommende festivaler i Indien, sagde DroneDJ .

Papiret introducerede også datasættet Aerial Violent Individual (AVI), som kan gavne andre forskere, der sigter mod at bruge dyb læring til luftovervågningsapplikationer.

I det større billede, det er indlysende nu, at ordet "overvågning" i sig selv er et belastet begreb, og man tænker på undertrykkende regeringer, der er ivrige efter at dæmpe demonstranter ved at sætte dem i lås og nøgle af spinkle årsager. På den anden side, samfund håndterer vandaler, hadgrupper og kidnapninger.

"Alt kan bruges til det gode. Alt kan bruges til det dårlige, sagde Singh, hovedforsker, i Randen .

© 2018 Tech Xplore