Hvordan ansigtsgenkendelsesteknologi hjælper politiet

Politibetjentes evne til at genkende og lokalisere personer med en historie med at begå kriminalitet er afgørende for deres arbejde. Faktisk, det er så vigtigt, at betjentene mener, at besiddelse af det er grundlæggende for håndværket med effektiv gadepoliti, kriminalitetsforebyggelse og efterforskning. Imidlertid, hvor den samlede politiarbejdsstyrke er faldet med næsten 20 procent siden 2010 og registreret stigende kriminalitet, politistyrker henvender sig til nye teknologiske løsninger for at hjælpe med at forbedre deres kapacitet og kapacitet til at overvåge og spore personer, som de har bekymringer om.

En sådan teknologi er automatiseret ansigtsgenkendelse (kendt som AFR). Dette virker ved at analysere centrale ansigtstræk, generere en matematisk repræsentation af dem, og derefter sammenligne dem med kendte ansigter i en database, at bestemme mulige matcher. Mens en række britiske og internationale politistyrker entusiastisk har udforsket potentialet i AFR, nogle grupper har talt om dens juridiske og etiske status. De er bekymrede over, at teknologien udvider rækkevidden og dybden af ​​statens overvågning betydeligt.

Indtil nu, imidlertid, der har ikke været nogen solid dokumentation for, hvad AFR-systemer kan og ikke kan levere til politiarbejde. Selvom AFR er blevet mere og mere kendt for offentligheden gennem dets brug i lufthavne til at hjælpe med at håndtere paskontrol, miljøet i sådanne indstillinger er ret kontrolleret. Det er langt mere komplekst at anvende lignende procedurer for gadepoliti. Personer på gaden vil bevæge sig og kigger muligvis ikke direkte mod kameraet. Niveauer af belysning ændrer sig, også, og systemet bliver nødt til at klare det britiske vejrs luner.

AFR i den virkelige verden

For at skabe et billede af, hvordan britisk politi bruger den nuværende AFR-teknologi, sidste år fik vi til opgave at evaluere et South Wales Police-projekt, som var designet til at teste nytten af ​​AFR på tværs af forskellige dagligdags politisituationer. Startende med UEFA Champions League-finalen 2017, afholdt i Cardiff, vores team observerede officerer, der brugte teknologien og analyserede de data, der blev genereret af systemet. Vi ønskede at samle en forståelse af, hvordan politiets personale interagerede med systemet, og hvilke resultater det satte dem i stand til at opnå, samt de udfordringer de oplevede ved brugen af ​​det.

De sydlige Wales politibetjente bruger AFR i to tilstande. "AFR Locate" bruger live-feeds fra kameraer af CCTV-typen, der normalt er monteret på mærkede politivogne til at sammenligne detaljerede målinger af folks ansigtstræk med en database med billeder af politiets varetægt. Disse billeder var alle af personer, der blev anset for at være personer af interesse. Typisk, denne database indeholdt 600-800 billeder.

Den anden tilstand, "AFR Identificer, "er noget anderledes. Her, Billeder af uidentificerede mistænkte fra tidligere gerningssteder sammenlignes med styrkens database over politiets varetægtsbilleder. Denne database består af omkring 450, 000 billeder.

Samlet set, Evalueringen konkluderede, at det at have AFR gjorde det muligt for politiet at identificere mistænkte, som de sandsynligvis ellers ikke ville have været i stand til. I løbet af undersøgelsens 12 måneders periode, over 100 anholdelser og sigtelser blev – i hvert fald delvist – assisteret af AFR.

Men dette er ikke et plug and play-system. Politiet måtte tilpasse en række af deres standarddriftsprocedurer for at få det til at fungere effektivt. For eksempel, ved at opdage den betydelige indvirkning af billedkvalitet på systemet, identificere operatører, der er indført i varetægtsfængslets uddannelse, for at sikre, at alle fremtidige billeder ville fungere effektivt.

Hjælpeværktøj

Først med tiden lærte betjentene at konfigurere og bruge systemet bedre. Dette blev understøttet af teknologisk udvikling i form af en mere sofistikeret algoritme, der blev introduceret halvvejs gennem forsøget, også. Denne forbedring var betydelig. I den oprindelige Champion's League-installation, kun 3 procent af de matches, som systemet foreslår, blev vurderet til at være nøjagtige af operatørerne. Inden marts 2018, imidlertid, dette tal var omkring 46 procent.

Som med alle innovative polititeknologier er der vigtige juridiske og etiske bekymringer og spørgsmål, der stadig skal overvejes. Men for at disse kan blive meningsfuldt debatteret og vurderet af borgerne, regulatorer og lovgivere, vi har brug for en detaljeret forståelse af præcist, hvad teknologien realistisk kan udrette. Sunde beviser, snarere end referencer til science fiction-teknologi – som det ses i film som Minority Report – er afgørende.

Med det i tankerne, en af ​​vores konklusioner er, at med hensyn til at beskrive, hvordan AFR anvendes i politiarbejdet i øjeblikket, det er mere præcist at tænke på det som "assisteret ansigtsgenkendelse, " i modsætning til et fuldt automatiseret system. I modsætning til grænsekontrolfunktioner – hvor ansigtsgenkendelse er mere af et automatiseret system – når man understøtter gadepoliti, Algoritmen afgør ikke, om der er et match mellem en person og det, der er gemt i databasen. Hellere, systemet giver forslag til en politioperatør om mulige ligheder. Det er derefter op til operatøren at bekræfte eller afkræfte dem.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.