Drie onderzoekers, Amarjot Singh (Universiteit van Cambridge), Devendra Patil (NIT Warangal India), en SN Omkar (IISc Bangalore) werken aan het gebruik van een drone en kunstmatige intelligentie om vechtende mensen in een menigte te spotten.

Hun paper "Eye in the Sky:Real-time Drone Surveillance System (DSS) for Violent Individuals Identification using ScatterNet Hybrid Deep Learning Network" staat op arXiv. Een video laat zien hoe hun systeem werkt.

DroneDJ hun aanpak samengevat, zeggen dat ze een "kant-en-klare consumentendrone gebruiken die deze met AI laadt en deze een druk gebied zoals een sportstadion of een protest laat bewaken en op zoek gaat naar gewelddaden zoals ponsen, schoppen, wurgen, schieten of steken."

Waarom zou je je drukmaken? Zijn standaard CCTV-camera's niet voldoende? Standaard CCTV-camera's doen niet het beste werk bij het bewaken van gewelddadige criminelen in grote openbare ruimtes. Betreed drones.

De paper zal deze maand verschijnen in een workshop op IEEE Computer Vision and Pattern Recognition (CVPR) 2018. Het systeem detecteert gewelddadige personen in realtime door de dronebeelden in de cloud te verwerken.

Ze bespraken vijf gewelddadige soorten handelingen in hun paper:ponsen, schoppen, wurgen, schieten of steken.

Hun onderzoek introduceerde wat ze 'de gewelddadige individuele dataset vanuit de lucht die wordt gebruikt voor het trainen van het diepe netwerk' noemen. Hopelijk kan het andere onderzoekers aanmoedigen die geïnteresseerd zijn in het gebruik van deep learning voor bewaking vanuit de lucht, ze zeiden.

James Vincent in De rand legde uit dat een algoritme dat is getraind met behulp van deep learning de houdingen van mensen in de video schat en deze koppelt aan houdingen die de onderzoekers als gewelddadig hebben bestempeld. De video merkte op dat gewelddadige mensen zijn gemarkeerd met selectiekaders.

Hoe effectief is hun systeem? Het nauwkeurigheidsniveau neemt af naarmate er meer mensen op het toneel verschijnen. James Vincent:"Echter, het onderzoek moet met een korreltje zout genomen worden, in het bijzonder met betrekking tot zijn beweringen van nauwkeurigheid. Singh en zijn collega's melden dat hun systeem voor 94 procent nauwkeurig was in het identificeren van 'gewelddadige' houdingen, maar ze merken op dat hoe meer mensen in beeld verschijnen, hoe lager dit cijfer. (Het daalde tot 79 procent nauwkeurigheid bij het kijken naar 10 personen.)"

Hun werk weerspiegelt een onderzoeksinteresse in het verkennen van manieren om machine learning te gebruiken om live videobeelden te analyseren. Ze zijn van plan het te testen tijdens twee aankomende festivals in India, zei DroneDJ .

De paper introduceerde ook de Aerial Violent Individual (AVI) -dataset die andere onderzoekers kan helpen die deep learning willen gebruiken voor bewakingstoepassingen vanuit de lucht.

In het grotere geheel, het is inmiddels duidelijk dat het woord "surveillance" op zichzelf een beladen term is, en men denkt aan repressieve regeringen die demonstranten het zwijgen willen opleggen door ze om zwakke redenen achter slot en grendel te stoppen. Anderzijds, samenlevingen hebben te maken met vandalen, haatgroepen en ontvoeringen.

"Alles kan ten goede worden gebruikt. Alles kan ten kwade worden gebruikt, " zei Singh, hoofd onderzoeker, in De rand .

© 2018 Tech Xplore