A ilustração mostra o esqueleto correspondente aos humanos em uma imagem. Os ângulos (mostrados em verde para alguns membros) entre os vários membros nesta estrutura são usados pelo SVM para reconhecer os humanos envolvidos em atividades violentas. Crédito:arXiv:1806.00746 [cs.CV]
Três pesquisadores, Amarjot Singh (Universidade de Cambridge), Devendra Patil (NIT Warangal Índia), e SN Omkar (IISc Bangalore) estão trabalhando no uso de um drone e inteligência artificial para detectar pessoas lutando em uma multidão.
O artigo "Eye in the Sky:Sistema de vigilância de drones em tempo real (DSS) para identificação de indivíduos violentos usando ScatterNet Hybrid Deep Learning Network" está no arXiv. Um vídeo mostra como seu sistema funciona.
DroneDJ resumiu sua abordagem, dizendo que eles usam um "drone de consumo pronto para uso, carregue-o com IA e faça com que ele monitore uma área lotada, como um estádio esportivo ou um protesto, e procure atos de violência, como socos, chutando, estrangulando, atirar ou esfaquear. "
Porque se importar? As câmeras CCTV padrão não são adequadas? Câmeras de CFTV padrão não fazem o melhor trabalho no monitoramento de criminosos violentos em grandes áreas públicas. Digite drones.
O artigo aparecerá em um workshop no IEEE Computer Vision and Pattern Recognition (CVPR) 2018 este mês. O sistema detecta indivíduos violentos em tempo real, processando as imagens dos drones na nuvem.
Eles abordaram cinco tipos de atos violentos em seu jornal:socos, chutando, estrangulando, atirar ou esfaquear.
A pesquisa apresentou o que eles chamam de "conjunto de dados individuais violentos aéreos usado para treinar a rede profunda". Esperançosamente, isso pode encorajar outros pesquisadores interessados em usar o aprendizado profundo para vigilância aérea, eles disseram.
James Vincent em The Verge explicou que um algoritmo treinado com aprendizagem profunda estima as poses de humanos no vídeo e as combina com as posturas que os pesquisadores designaram como violentas. O vídeo observou que pessoas violentas são marcadas com caixas delimitadoras.
Quão eficaz é seu sistema? O nível de precisão diminui quando mais pessoas entram em cena. James Vincent:"No entanto, a pesquisa precisa ser feita com uma pitada de sal, particularmente no que diz respeito às suas reivindicações de precisão. Singh e seus colegas relatam que seu sistema foi 94 por cento preciso na identificação de poses "violentas", mas eles notam que quanto mais pessoas aparecem no quadro, quanto menor este valor. (Caiu para 79 por cento de precisão ao olhar para 10 indivíduos.) "
Seu trabalho reflete um interesse de pesquisa em explorar maneiras de usar o aprendizado de máquina para analisar imagens de vídeo ao vivo. Eles planejam testá-lo durante dois próximos festivais na Índia, disse DroneDJ .
O artigo também apresentou o Conjunto de Dados Indivíduo Violento Aéreo (AVI), que pode beneficiar outros pesquisadores que pretendem usar o aprendizado profundo para aplicações de vigilância aérea.
No quadro geral, é óbvio agora que a palavra "vigilância" em si é um termo carregado, e pode-se pensar em governos repressivos ávidos por silenciar os manifestantes, colocando-os trancados a sete chaves por motivos frágeis. Por outro lado, sociedades estão lidando com vândalos, odeio grupos e sequestros.
"Qualquer coisa pode ser usada para o bem. Qualquer coisa pode ser usada para o mal, "disse Singh, pesquisador principal, no The Verge .
© 2018 Tech Xplore
