Un approccio di ricerca speciale ti consente di trovare le persone nel video di sorveglianza solo in base alla loro descrizione. Il titolo di RT diceva, "L'algoritmo AI può trovarti nelle riprese CCTV senza utilizzare il riconoscimento facciale." Ma come? Altezza, Genere, capi di abbigliamento, non i tratti del viso, sono gli omaggi, tramite un algoritmo di intelligenza artificiale.

Il lavoro riflette le potenzialità delle tecniche di deep learning. RT è un punto utile per coloro che potrebbero ancora confondere il concetto di deep learning con l'apprendimento automatico.

RT ha scritto che negli sforzi dei ricercatori, l'apprendimento profondo ha viaggiato "oltre l'apprendimento automatico (in cui i modelli sono impostati in algoritmi e richiedono supervisione) incorporando l'"autoapprendimento" per addestrare una rete neurale convoluzionale (CNN) a riconoscere la biometria morbida utilizzando la visione artificiale".

RT e altri siti hanno riferito del team di ricercatori che ha creato lo strumento che trova le persone nelle riprese CCTV.

Hiren Galiyawala, Kenil Shah, Vandit Gajjar e Mehul S. Raval hanno descritto il loro lavoro nel loro articolo, "Recupero della persona nel video di sorveglianza utilizzando l'altezza, Colore e genere, " presentato a settembre e ora su arXiv. Le affiliazioni degli autori includono la School of Engineering and Applied Science, Ahmedabad University e L. D. College of Engineering, entrambi in India.

Attributi come questi:altezza, costruire, abbigliamento:colore del tessuto, tipo di tessuto e genere sono chiamati biometria morbida. "Il compito di recuperare la persona nel video è molto impegnativo a causa dell'occlusione, condizione di luce, qualità della fotocamera, posa, e zoomare. Però, attributi come altezza, colore del panno, il genere può essere dedotto da video di sorveglianza a distanza di bassa qualità senza la cooperazione del soggetto. Tali attributi sono noti come soft biometrics, " scrivono gli autori.

Tristan Greene, TNW, offerto un esempio, questa è una richiesta per le donne che indossano magliette rosse alte 153 cm. Il risultato sarebbe un video clip che è stato ristretto a fotogrammi con persone che soddisfano tali criteri.

Quali sono stati i risultati? RT e altri siti hanno affermato che l'algoritmo ha identificato correttamente 28 persone su 41 in un set di dati con attributi biometrici morbidi e che i ricercatori hanno affermato che, con solo alcune piccole modifiche, l'accuratezza potrebbe essere notevolmente migliorata.

Gli autori nell'abstract hanno affermato che i modelli di colore e genere sono stati perfezionati utilizzando AlexNet. Quest'ultima è una rete neurale convoluzionale (CNN) che prende il nome dal suo progettista, Alex Krizhevsky. L'AlexNet è addestrato su più di 1 milione di immagini dal database ImageNet, ha detto MathWorks.

"La rete è profonda 8 strati e può classificare le immagini in 1000 categorie di oggetti, come tastiera, topo, matita, e molti animali. Di conseguenza, la rete ha appreso rappresentazioni ricche di funzionalità per una vasta gamma di immagini."

Tristan Greene in TNW fatto un caso per il motivo per cui la loro ricerca è importante.

Greene ha trovato il loro lavoro entusiasmante per le sue implicazioni sulla ricerca di persone scomparse o sul rintracciamento di sospetti criminali.

Ma, Ha aggiunto, "forse altrettanto importante è il fatto che questa sia una risposta legittima al problema della sorveglianza ubiqua". Un'alternativa a "ubiquitario" sarebbe solo ciò che era rilevante.

Greene ha detto che "questo paradigma implicherebbe l'uso di computer per setacciare i filmati d'archivio solo per i dati che sono almeno in qualche modo rilevanti. È una distinzione minore, ma uno che potrebbe fare la differenza tra il voyeurismo del governo e la protezione dei cittadini".

Greene ha anche pensato, "se potessimo inviare video a una rete neurale e lasciare che restringano le cose a poche ore di filmati compilati, sarebbe possibile tracciare con precisione gli esseri umani attraverso più feed di sorveglianza".

© 2018 Science X Network