Singapur ulepszył sztuczną inteligencję, której używa do wykrywania palaczy zapalających papierosy w wielu miejscach na całym wyspie, gdzie praktyka ta jest zabroniona, aby pomóc lokalnym organom ścigania skuteczniej eliminować przestępców.

Sztuczna inteligencja nazywa się Balefire i tak niedawno wyjaśnione autorstwa Pye Sone Kyawa – inżyniera AI w singapurskiej agencji transformacji cyfrowej GovTech – osiągnięto już wersję 3.0.

„Głównym celem Balefire… jest pomoc NEA [Krajowej Agencji Środowiska] w wykrywaniu palaczy w miejscach objętych zakazem palenia” – napisał. NEA pomocna wykazy te miejsca zabronione: większość obszarów zamkniętych, parki, instytucje edukacyjne, baseny, a nawet napowietrzne kładki dla pieszych. Za palenie w niewłaściwym miejscu może zostać nałożona kara w wysokości 200 dolarów australijskich (148 dolarów), a skazanie może skutkować karą grzywny w wysokości pięciokrotności tej kwoty.

Poprzednie wersje Balefire uznano za wersje demonstracyjne koncepcji. Wersja 3.0 traktowana jest jako „rozszerzony pilotaż”, który działa w 20 lokalizacjach.

Kyaw skarżył się, że dostrzeżenie papierosów nie jest łatwe – są małe i łatwo je pomylić z innymi przedmiotami. Wspomniał o „słomkach, błyszczących krawędziach telefonów, ułożonych w określony sposób palcach, a nawet określonych rodzajach żywności” jako o obiektach, które komputerowe systemy wizyjne wykorzystujące kamery zewnętrzne mogą błędnie zidentyfikować jako kij nowotworowy.

Próbował wykryć dym lub żarzącą się końcówkę papierosa, ale wysiłki te spełzły na niczym, ponieważ generowały zbyt wiele błędów. Podobnie było z „patrzeniem na całą osobę, na przykład poprzez ocenę pozy”.

Te niepowodzenia doprowadziły Kyawa do wniosku, że „kompleksowy model wykrywania nie jest wykonalny, szczególnie w kontekście brzegowej sztucznej inteligencji z jej nieodłącznymi ograniczeniami obliczeniowymi i stosunkowo małymi rozmiarami modeli w połączeniu z potrzebą niemal natychmiastowego wykrywania”.

Szukał gotowych systemów, które można by ulepszyć w Balefire, ale nie mógł znaleźć żadnego, który spełniałby potrzeby NEA w zakresie systemu zdolnego do identyfikacji jak największej liczby palaczy w całym polu widzenia kamery i robiącego to prawie momentalnie.

Dlatego GovTech zbudował własny, niestandardowy potok przetwarzania, który napisał Kyaw. Obejmuje pięć następujących kroków:

1. Wykrywanie i przetwarzanie głowy: Rurociąg rozpoczyna się od wprowadzenia ramek kamer do detektora głowicy, który identyfikuje współrzędne wszystkich głowic w ramce.
2. Filtrowanie oparte na heurystyce: Po wykryciu głowice te przechodzą szereg filtrów heurystycznych mających na celu wyeliminowanie potencjalnych błędnych głowic. Filtry te są wynikiem zgromadzonych wniosków i szczegółowej analizy danych dotyczących wdrożenia.
3. Śledzenie głowy: Następnie moduł śledzący obiekty podąża za wykrytymi głowami w kolejnych klatkach, łącząc je z wcześniej wykrytymi głowami, jeśli to możliwe. Dzięki temu w przypadku zidentyfikowanych palaczy nie będą uruchamiane powtarzające się alerty za każdym razem, gdy zostaną rozpoznani w nowej ramce.
4. Klasyfikacja dymu/zakazu palenia: Głowy, które wcześniej nie były klasyfikowane jako należące do palaczy, są następnie przetwarzane przez binarny klasyfikator głów. Klasyfikator ten określa, czy dana osoba pali, czy nie.
5. Moduł ponownej identyfikacji: Jeśli klasyfikator wskazuje aktywność związaną z paleniem, moduł ponownej identyfikacji próbuje dopasować wykrytego palacza do listy obserwowanych niedawnych palaczy. Jeśli nie nastąpi ponowna identyfikacja, zostanie uruchomiony alert. Lista obserwowanych jest aktualizowana o najnowszy wygląd palacza i inne istotne informacje.

Wersja 3.0 wykorzystuje wiele modeli czerpiących z materiału filmowego przechwyconego z bieżących i poprzednich wersji Balefire.

„Mówiąc najprościej, wykorzystaliśmy nasze istniejące modele, aby dodać adnotacje do nowych danych i skorygować wszelkie błędy powstałe w tym procesie” – napisał Kyaw. „Iteratywnie dodaliśmy określone profile obrazów, w których istniejące modele były podatne na błędy, np. osoby w kaskach lub osoby jedzące lub pijące. Pomogło to znacząco poprawić wydajność modeli w trakcie realizacji projektu”.

Oczekuje się, że nowy system nie tylko wykryje więcej palaczy, ale także pozwoli uniknąć fałszywych alarmów, „ułatwiając NEA optymalizację przydzielania funkcjonariuszy odpowiedzialnych za egzekwowanie prawa do zidentyfikowanych gorących punktów”.

Innymi słowy, celem Balefire jest zapewnienie, że gdy NEA zaatakuje palaczy, jej wysiłki nie pójdą na marne. ®

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/