De uitvinding van AI is vergelijkbaar met de ontdekking van elektriciteit: iedereen in de wereld wordt gebruik het voor alles en nog wat. Uiteraard zijn aanvragen voor controle man zijn al verder gevorderd dan wat de geschiedenis ooit heeft geopenbaard. ⁃ TN Editor
Een team van AI onderzoekers uit India een tool ontwikkeld om te zoeken naar mensen in bewakingsbeelden door de hoogte, kleding kleur en geslacht. Het is als een zoekmachine die mensen in een video kan vinden.
De wetenschappers gebruikten diep leren (en Microsoft's COCO dataset) een convolutionele neuraal netwerk (CNN) te trainen hoe je bepaalde menselijke trekken, de zogenaamde soft biometrie te herkennen, met behulp computer visie.
In principe kun je dit vertellen AI wat details over de persoon die u zoekt en het zal schuren welke video je het geeft. Bijvoorbeeld, een verzoek om “vrouwen het dragen van rode shirts die 153 cm hoog” zou, in potentie, een beperking van een hele video clip om gewoon frames met mensen die voldoen aan die criteria.
Volgens onderzoekers "herstelt het algoritme" 28-personen correct uit 41 in een zeer uitdagende dataset met zachte biometrische kenmerken. "Momenteel zoekt het alleen op lengte, romp (kleding) kleur en geslacht.
Op het eerste gezicht het idee van het identificeren van mensen in video's die voldoen aan relatief vage beschrijvingen en nauwkeurig dat is een beetje beter dan de helft, klinkt niet als een belangrijke technologische vooruitgang. Maar dit vroege werk biedt veel potentieel. Het is de moeite waard om te vragen wat het zou betekenen als de nauwkeurigheid zou kunnen worden verbeterd buiten menselijke mogelijkheden.
Er zijn scenario's waarin geïnteresseerde partijen niet in realtime weten waarnaar ze op zoek zijn in bewakingsgegevens. Dit experimentele CNN zou perfect geschikt zijn voor gebruikssituaties waarbij we een tijdlijn moeten samenstellen rond een specifiek individu, op basis van beschikbare historische bewakingsbeelden.
Stel je een situatie voor waarin een persoon na twee dagen als vermist wordt opgegeven. Je zou kunnen vragen om beeldmateriaal van camera's op locaties waar het individu waarschijnlijk in de buurt was - zoals een vaak bezocht tankstation of campus waar de persoon aanwezig was. Maar daarna, zonder enige aanknopingspunten, is het vrijwel onmogelijk om te bepalen naar welk beeld vervolgens te kijken. Er kunnen miljoenen uren video-opnames worden gemaakt gedurende twee dagen binnen de grenzen van een bepaalde reeks stadsblokken.
Als we echter video naar een neuraal netwerk en laten we het beperken tot een paar uur gecompileerde beelden, het zou mogelijk zijn om mensen nauwkeurig te volgen via meerdere bewakingsfeeds.
Dit is spannend om verschillende redenen. Ten eerste zijn de gevolgen voor het vinden van vermiste personen of het volgen van verdachte criminelen natuurlijk ongelooflijk. Maar misschien net zo belangrijk is het feit dat dit een legitiem antwoord is op het probleem van alomtegenwoordige surveillance.
wpDiscuz