Singapore cải thiện AI sử dụng để phát hiện người hút thuốc

Singapore cải thiện AI sử dụng để phát hiện người hút thuốc

Dấu thời gian: Ngày 28 tháng 2024 năm 12 51:XNUMX CH
Singapore cải thiện AI mà họ sử dụng để phát hiện những người hút thuốc PlatoBlockchain Data Intelligence. Tìm kiếm dọc. Ái.

Singapore đã cải tiến AI mà nước này sử dụng để phát hiện những người hút thuốc hút thuốc ở nhiều nơi bị cấm trên khắp quốc đảo, nhằm giúp cơ quan thực thi pháp luật địa phương ngăn chặn những kẻ phạm tội một cách hiệu quả hơn.

AI được gọi là Balefire và gần đây Giải thích bởi Pye Sone Kyaw – kỹ sư AI tại cơ quan chuyển đổi kỹ thuật số GovTech của Singapore – nó đã đạt đến phiên bản 3.0.

Ông viết: “Mục đích chính của Balefire… là hỗ trợ NEA [Cơ quan Môi trường Quốc gia] phát hiện những người hút thuốc ở những nơi cấm hút thuốc. NEA hữu ích danh sách những địa điểm bị cấm đó: hầu hết các khu vực trong nhà, công viên, cơ sở giáo dục, bể bơi và thậm chí cả cầu vượt dành cho người đi bộ. Có thể bị phạt 200 đô la Singapore (148 đô la) nếu hút thuốc không đúng nơi và bị kết án có thể bị phạt gấp XNUMX lần số tiền đó.

Các phiên bản trước của Balefire được coi là bằng chứng về bản demo khái niệm. Phiên bản 3.0 được coi là “thí điểm mở rộng” hoạt động tại 20 địa điểm.

Kyaw phàn nàn rằng việc phát hiện thuốc lá không hề dễ dàng - chúng rất nhỏ và dễ bị nhầm lẫn với các đồ vật khác. Ông đề cập đến “ống hút, cạnh điện thoại sáng bóng, ngón tay đặt theo những cách nhất định và thậm chí cả một số loại thực phẩm nhất định” là những đồ vật mà hệ thống thị giác máy tính dựa vào camera ngoài trời có thể xác định sai là que ung thư.

Anh ấy đã cố gắng phát hiện khói hoặc đầu điếu thuốc đang phát sáng, nhưng những nỗ lực đó đều thất bại vì chúng tạo ra quá nhiều lỗi. “Nhìn toàn bộ con người, chẳng hạn như thông qua ước tính tư thế” cũng vậy.

Những thất bại đó đã khiến Kyaw kết luận “một mô hình phát hiện toàn diện là không khả thi, đặc biệt là trong bối cảnh AI biên với những hạn chế tính toán cố hữu và kích thước mô hình tương đối nhỏ, cùng với nhu cầu phát hiện gần như tức thời”.

Anh ấy đã tìm kiếm các hệ thống có sẵn có thể cải thiện Balefire, nhưng không thể tìm thấy bất kỳ hệ thống nào đáp ứng nhu cầu của NEA về một hệ thống có khả năng xác định càng nhiều người hút thuốc càng tốt trong toàn bộ phạm vi tầm nhìn của máy ảnh và gần như làm như vậy. ngay lập tức.

Do đó, GovTech đã xây dựng quy trình xử lý tùy chỉnh của riêng mình mà Kyaw đã viết. Nó bao gồm năm bước sau:

  1. Phát hiện và xử lý đầu: Quy trình bắt đầu bằng việc các khung camera được đưa vào máy dò đầu, xác định tọa độ của tất cả các đầu trong khung.
  2. Lọc dựa trên heuristic: Sau khi phát hiện, những phần đầu này trải qua một loạt các bộ lọc heuristic được thiết kế để loại bỏ những phần đầu có khả năng bị lỗi. Các bộ lọc này là sản phẩm của quá trình học hỏi tích lũy và phân tích chi tiết dữ liệu triển khai.
  3. Theo dõi đầu: Sau đó, trình theo dõi đối tượng sẽ theo dõi các đầu được phát hiện qua các khung liên tiếp, liên kết chúng với các đầu được phát hiện trước đó bất cứ khi nào có thể. Điều này đảm bảo rằng, đối với những người hút thuốc đã được xác định, các cảnh báo lặp lại sẽ không được kích hoạt mỗi khi họ được nhận dạng trong khung mới.
  4. Phân loại khói/không khói: Những cái đầu trước đây không được phân loại là thuộc về người hút thuốc sẽ được xử lý thông qua bộ phân loại đầu nhị phân. Bộ phân loại này xác định xem cá nhân có hút thuốc hay không.
  5. Mô-đun tái nhận dạng: Nếu bộ phân loại chỉ ra hoạt động hút thuốc, mô-đun tái nhận dạng sẽ cố gắng so khớp người hút thuốc được phát hiện với danh sách theo dõi những người hút thuốc gần đây. Nếu không có sự xác định lại, một cảnh báo sẽ được kích hoạt. Danh sách theo dõi được cập nhật với sự xuất hiện mới nhất của người hút thuốc và các thông tin liên quan khác.

Phiên bản 3.0 sử dụng nhiều mô hình dựa trên cảnh quay được ghi lại từ các phiên bản Balefire hiện tại và trước đây.

Kyaw viết: “Nói một cách đơn giản, chúng tôi đã sử dụng các mô hình hiện có để chú thích dữ liệu mới cho mình và sửa bất kỳ lỗi nào từ quy trình đó”. “Chúng tôi liên tục thêm vào các hồ sơ hình ảnh cụ thể mà các mô hình hiện có dễ mắc lỗi, chẳng hạn như người đội mũ bảo hiểm hoặc người đang ăn uống. Điều này đã giúp cải thiện đáng kể hiệu suất của các mô hình trong suốt quá trình thực hiện dự án.”

Hệ thống mới hy vọng không chỉ phát hiện được nhiều người hút thuốc hơn mà còn tránh được các kết quả dương tính giả - để “tạo điều kiện thuận lợi cho NEA trong việc tối ưu hóa việc phân bổ lực lượng thực thi pháp luật cho các điểm nóng đã được xác định này”.

Nói cách khác, Balefire nhằm mục đích đảm bảo rằng khi NEA tấn công những người hút thuốc, những nỗ lực của họ sẽ không trở thành tro bụi. ®

Dấu thời gian:

Thêm từ Đăng ký