Singapore har förbättrat den AI som används för att upptäcka rökare som tänds på de många platser där övningen är förbjuden över hela önationen, för att hjälpa lokala brottsbekämpande myndigheter att mer effektivt stoppa brottslingar.

AI heter Balefire, och som nyligen förklarade av Pye Sone Kyaw – en AI-ingenjör på Singapores digitala transformationsbyrå GovTech – den har redan nått version 3.0.

"Det huvudsakliga syftet med Balefire ... är att hjälpa NEA [National Environment Agency] att upptäcka rökare på rökförbjudna platser", skrev han. NEA hjälpsamt listor dessa förbjudna platser: de flesta inomhusområden, parker, utbildningsinstitutioner, simbassänger och till och med överliggande fotgängare. Böter på S$200 ($148) kan tas ut för rökning på fel ställe, och en fällande dom kan resultera i böter fem gånger den summan.

Tidigare versioner av Balefire ansågs vara proof of concept-demos. Version 3.0 anses vara en "utökad pilot" som verkar på 20 platser.

Kyaw klagade på att det inte är lätt att upptäcka cigaretter – de är små och kan lätt misstas för andra föremål. Han nämnde "halmstrån, glänsande telefonkanter, fingrar placerade på vissa sätt och till och med vissa typer av mat" som föremål som datorseendesystem som förlitar sig på utomhuskameror felaktigt kan identifiera som en cancersticka.

Han försökte upptäcka rök eller en cigaretts glödande spets, men dessa försök brände ut eftersom de gav för många fel. Det gjorde också "att titta på hela personen, till exempel genom uppskattning av pose."

Dessa misslyckanden ledde till att Kyaw drog slutsatsen att "en end-to-end-detektionsmodell inte är genomförbar, särskilt i en edge AI-kontext med dess inneboende beräkningsbegränsningar och relativt små modellstorlekar, tillsammans med behovet av nästan omedelbar detektering."

Han letade efter hyllsystem som kunde förbättras på Balefire, men kunde inte hitta några som mötte NEA:s behov av ett system som kan identifiera så många rökare som möjligt över hela kamerans synfält och göra det nästan ögonblickligen.

GovTech byggde därför sin egen anpassade processpipeline som Kyaw skrev. Den innehåller följande fem steg:

1. Huvuddetektion och bearbetning: Pipelinen initieras med att kameraramarna matas in i en huvuddetektor, som identifierar koordinaterna för alla huvuden inom ramen.
2. Heuristisk-baserad filtrering: Efter detektering genomgår dessa huvuden en serie heuristiska filter utformade för att eliminera potentiella felaktiga huvuden. Dessa filter är produkten av ackumulerade lärdomar och detaljerad analys av distributionsdata.
3. Huvudspårning: En objektspårare följer sedan de detekterade huvuden över på varandra följande ramar och länkar dem med tidigare detekterade huvuden där så är möjligt. Detta säkerställer att, för identifierade rökare, upprepade varningar inte utlöses varje gång de identifieras i en ny ram.
4. Rök/Rökfri klassificering: Huvuden som inte tidigare klassificerats som tillhörande rökare bearbetas sedan genom en binär huvudklassificerare. Denna klassificerare avgör om individen röker eller inte.
5. Återidentifieringsmodul: Om klassificeraren indikerar rökaktivitet, försöker en återidentifieringsmodul att matcha den upptäckta rökaren mot en bevakningslista över nyligen rökare. Om det inte finns någon återidentifikation utlöses en varning. Bevakningslistan är uppdaterad med det senaste utseendet på rökaren och annan relevant information.

Version 3.0 använder flera modeller som bygger på bilder som tagits från nuvarande och tidigare iterationer av Balefire.

"Förenklat uttryckt använde vi våra befintliga modeller för att kommentera den nya datan åt oss och korrigerade eventuella fel från den processen", skrev Kyaw. "Vi lade iterativt till i specifika profiler av bilder som de befintliga modellerna var felbenägna i, till exempel personer som bär hjälm eller personer som äter eller dricker. Detta bidrog till att förbättra modellernas prestanda avsevärt under projektets gång.”

Förhoppningen är att det nya systemet inte bara ska upptäcka fler rökare, utan också undvika falska positiva resultat – för att "underlätta NEA att optimera tilldelningen av tillsynsmyndigheter till dessa identifierade hotspots."

Med andra ord syftar Balefire till att se till att när NEA slår in på rökare så går dess ansträngningar inte i aska. ®

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/