Singapur hat die KI verbessert, die es verwendet, um Raucher zu erkennen, die sich an den vielen Orten im Inselstaat, an denen diese Praxis verboten ist, Raucher anzünden, um den örtlichen Strafverfolgungsbehörden dabei zu helfen, Straftäter effizienter auszuschalten.

Die KI heißt Balefire, und zwar seit kurzem erklärt von Pye Sone Kyaw – einem KI-Ingenieur bei Singapurs Agentur für digitale Transformation GovTech – es hat bereits Version 3.0 erreicht.

„Das Hauptziel von Balefire … besteht darin, NEA [die Nationale Umweltbehörde] bei der Erkennung von Rauchern an Orten zu unterstützen, an denen das Rauchen verboten ist“, schrieb er. Die NEA hilfreich Listen Diese verbotenen Orte: die meisten Innenbereiche, Parks, Bildungseinrichtungen, Schwimmbäder und sogar Fußgängerbrücken. Für das Rauchen am falschen Ort können Geldstrafen in Höhe von 200 S$ (148 $) verhängt werden, bei einer Verurteilung kann eine Geldstrafe in Höhe des Fünffachen dieser Summe verhängt werden.

Frühere Versionen von Balefire galten als Proof-of-Concept-Demos. Version 3.0 gilt als „erweiterter Pilot“, der an 20 Standorten betrieben wird.

Kyaw beklagte, dass es nicht einfach sei, Zigaretten zu erkennen – sie seien klein und könnten leicht mit anderen Gegenständen verwechselt werden. Er erwähnte „Strohhalme, glänzende Telefonkanten, auf bestimmte Weise positionierte Finger und sogar bestimmte Arten von Lebensmitteln“ als Objekte, die Computer-Vision-Systeme, die auf Außenkameras basieren, fälschlicherweise als Krebsstäbchen identifizieren können.

Er versuchte, Rauch oder die glühende Spitze einer Zigarette zu erkennen, aber diese Versuche scheiterten, weil sie zu viele Fehler verursachten. Das gilt auch für die „Betrachtung der gesamten Person, beispielsweise durch Poseneinschätzung“.

Diese Fehler führten Kyaw zu dem Schluss, dass „ein End-to-End-Erkennungsmodell nicht realisierbar ist, insbesondere in einem Edge-KI-Kontext mit seinen inhärenten Recheneinschränkungen und relativ kleinen Modellgrößen, gepaart mit der Notwendigkeit einer nahezu sofortigen Erkennung.“

Er suchte nach Standardsystemen, die Balefire verbessern könnten, konnte jedoch keines finden, das den Bedarf der NEA an einem System erfüllte, das in der Lage ist, so viele Raucher wie möglich über die gesamte Spanne des Sichtfelds einer Kamera zu identifizieren und dies auch nur annähernd zu erreichen sofort.

GovTech baute daher eine eigene maßgeschneiderte Verarbeitungspipeline auf, die Kyaw geschrieben hatte. Es umfasst die folgenden fünf Schritte:

1. Kopferkennung und -verarbeitung: Die Pipeline beginnt damit, dass die Kamerabilder in einen Kopfdetektor eingespeist werden, der die Koordinaten aller Köpfe innerhalb des Bildes identifiziert.
2. Heuristische Filterung: Nach der Erkennung werden diese Köpfe einer Reihe heuristischer Filter unterzogen, um potenziell fehlerhafte Köpfe zu eliminieren. Diese Filter sind das Produkt gesammelter Erkenntnisse und detaillierter Analysen von Bereitstellungsdaten.
3. Kopfverfolgung: Ein Objekttracker folgt dann den erkannten Köpfen über aufeinanderfolgende Bilder hinweg und verknüpft sie, wo immer möglich, mit zuvor erkannten Köpfen. Dadurch wird sichergestellt, dass bei identifizierten Rauchern nicht jedes Mal, wenn sie in einem neuen Frame erkannt werden, wiederholte Alarme ausgelöst werden.
4. Rauch-/Nichtrauch-Klassifizierung: Köpfe, die zuvor nicht als zu Rauchern gehörend klassifiziert wurden, werden dann durch einen binären Kopfklassifizierer verarbeitet. Dieser Klassifikator bestimmt, ob die Person raucht oder nicht.
5. Reidentifizierungsmodul: Wenn der Klassifikator eine Raucheraktivität anzeigt, versucht ein Neuidentifizierungsmodul, den erkannten Raucher mit einer Beobachtungsliste neuer Raucher abzugleichen. Erfolgt keine Neuidentifizierung, wird eine Warnung ausgelöst. Die Beobachtungsliste wird mit dem neuesten Auftritt des Rauchers und anderen relevanten Informationen aktualisiert.

Version 3.0 verwendet mehrere Modelle, die auf Filmmaterial basieren, das aus der aktuellen und früheren Iterationen von Balefire aufgenommen wurde.

„Einfach ausgedrückt: Wir haben unsere vorhandenen Modelle verwendet, um die neuen Daten für uns zu kommentieren, und alle Fehler aus diesem Prozess korrigiert“, schrieb Kyaw. „Wir haben schrittweise spezifische Bildprofile hinzugefügt, bei denen die vorhandenen Modelle fehleranfällig waren, etwa bei Personen, die Helme trugen oder Personen, die essen oder trinken. Dies trug dazu bei, die Leistung der Modelle im Laufe des Projekts deutlich zu verbessern.“

Das neue System soll nicht nur mehr Raucher erkennen, sondern auch Fehlalarme vermeiden – um „der NEA die Optimierung der Zuweisung von Polizeibeamten zu diesen identifizierten Hotspots zu erleichtern“.

Mit anderen Worten: Balefire möchte sicherstellen, dass seine Bemühungen nicht zunichte gemacht werden, wenn die NEA auf Raucher losgeht. ®

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/