Une approche de recherche spéciale vous permet de trouver des personnes dans la vidéo de surveillance uniquement en fonction de leur description. Le titre de RT disait, "L'algorithme d'IA peut vous trouver dans les séquences de vidéosurveillance sans utiliser la reconnaissance faciale." Mais comment? Hauteur, genre, Vêtements, pas les traits du visage, sont les cadeaux, via un algorithme d'intelligence artificielle.

Le travail reflète le potentiel des techniques d'apprentissage en profondeur. RT fait un point utile pour ceux qui peuvent encore brouiller le concept d'apprentissage en profondeur avec l'apprentissage automatique.

RT a écrit que dans les efforts des chercheurs, l'apprentissage en profondeur a voyagé "au-delà de l'apprentissage automatique (où les modèles sont définis dans des algorithmes et nécessitent une supervision) en incorporant" l'auto-apprentissage "- pour former un réseau de neurones convolutifs (CNN) à reconnaître la biométrie douce à l'aide de la vision par ordinateur."

RT et d'autres sites ont rendu compte de l'équipe de chercheurs qui a créé l'outil qui trouve des personnes dans les images de vidéosurveillance.

Hiren Galiyawala, Kenil Shah, Vandit Gajjar et Mehul S. Raval ont décrit leur travail dans leur article, "Récupération de personne dans la vidéo de surveillance à l'aide de la hauteur, Couleur et genre, " soumis en septembre et maintenant sur arXiv. Les affiliations des auteurs incluent la School of Engineering and Applied Science, Université d'Ahmedabad et L. D. College of Engineering, les deux en Inde.

Des attributs comme ceux-ci—hauteur, construire, vêtements—couleur du tissu, le type de tissu et le sexe sont appelés biométrie douce. "La tâche de récupération de la personne dans la vidéo est très difficile en raison de l'occlusion, état de luminosité, qualité de la caméra, pose, et zoomer. Cependant, attributs comme la hauteur, couleur de tissu, le sexe peut être déduit d'une vidéo de surveillance de mauvaise qualité à distance sans coopération du sujet. Ces attributs sont connus sous le nom de biométrie douce, " ont écrit les auteurs.

Tristan Greene, TNW, a offert un exemple, cela étant une demande pour les femmes portant des chemises rouges qui mesurent 153 cm. Le résultat serait un clip vidéo qui a été réduit à des images mettant en vedette des personnes répondant à ces critères.

Quels ont été les résultats ? RT et d'autres sites ont déclaré que l'algorithme avait correctement identifié 28 personnes sur 41 dans un ensemble de données avec des attributs biométriques souples et que les chercheurs ont déclaré - avec seulement quelques ajustements mineurs - la précision pourrait être considérablement améliorée.

Les auteurs du résumé ont déclaré que les modèles de couleur et de genre ont été affinés à l'aide d'AlexNet. Ce dernier est un réseau de neurones convolutifs (CNN) qui tire son nom de son concepteur, Alex Krijevsky. L'AlexNet est formé sur plus d'un million d'images de la base de données ImageNet, dit MathWorks.

"Le réseau est profond de 8 couches et peut classer les images en 1000 catégories d'objets, comme le clavier, Souris, crayon, et de nombreux animaux. Par conséquent, le réseau a appris de riches représentations de caractéristiques pour un large éventail d'images."

Tristan Greene dans TNW ont expliqué pourquoi leurs recherches sont importantes.

Greene a trouvé leur travail passionnant pour ses implications sur la recherche de personnes disparues ou le suivi de criminels présumés.

Mais, il ajouta, "Peut-être tout aussi important est le fait qu'il s'agit d'une réponse légitime au problème de la surveillance omniprésente." Une alternative à « omniprésent » serait uniquement celle qui est pertinente.

Greene a déclaré que "ce paradigme impliquerait l'utilisation d'ordinateurs pour parcourir les images d'archives uniquement pour les données qui sont au moins quelque peu pertinentes. C'est une distinction mineure, mais qui pourrait faire la différence entre le voyeurisme du gouvernement et la protection des citoyens. »

Greene pensait aussi, « si nous pouvions alimenter un réseau de neurones en vidéo et le laisser réduire à quelques heures de séquences compilées, il serait possible de suivre avec précision les humains à travers plusieurs flux de surveillance. »

© 2018 Réseau Science X