Singapore har forbedret AI-en den bruker for å oppdage røykere som lyser opp på de mange stedene der praksisen er forbudt over hele øynasjonen, for å hjelpe lokal rettshåndhevelse mer effektivt å stoppe lovbrytere.

AI heter Balefire, og som nylig forklarte av Pye Sone Kyaw – en AI-ingeniør ved Singapores digitale transformasjonsbyrå GovTech – den har allerede nådd versjon 3.0.

"Hovedmålet med Balefire ... er å hjelpe NEA [National Environment Agency] med å oppdage røykere på røykeforbudte steder," skrev han. NEA hjelpsomt lister de forbudte stedene: de fleste innendørs områder, parker, utdanningsinstitusjoner, svømmebassenger og til og med fotgjengerbroer. Bøter på S$200 ($148) kan ilegges for røyking på feil sted, og en domfellelse kan resultere i bot fem ganger den summen.

Tidligere versjoner av Balefire ble ansett som proof of concept-demoer. Versjon 3.0 regnes som en "utvidet pilot" som opererer på 20 lokasjoner.

Kyaw klaget over at det ikke er lett å oppdage sigaretter – de er små og kan lett forveksles med andre gjenstander. Han nevnte "sugerør, skinnende telefonkanter, fingre plassert på bestemte måter, og til og med visse typer mat" som objekter som datasynssystemer som er avhengige av utendørskameraer, feilaktig kan identifisere som en kreftpinne.

Han prøvde å oppdage røyk eller en sigaretts glødende spiss, men denne innsatsen brant ut fordi de ga for mange feil. Det samme gjorde "å se på hele personen, for eksempel gjennom positurvurdering."

Disse feilene førte til at Kyaw konkluderte med at "en ende-til-ende-deteksjonsmodell ikke er gjennomførbar, spesielt i en edge AI-kontekst med dens iboende beregningsbegrensninger og relativt små modellstørrelser, kombinert med behovet for nesten øyeblikkelig deteksjon."

Han lette etter hyllesystemer som kunne forbedres på Balefire, men fant ingen som dekket NEAs behov for et system som er i stand til å identifisere så mange røykere som mulig over hele spekteret av et kameras synsfelt og gjør det nesten øyeblikkelig.

GovTech bygget derfor sin egen tilpassede prosesseringspipeline som Kyaw skrev. Den inkluderer følgende fem trinn:

1. Hodedeteksjon og -behandling: Rørledningen starter med at kamerarammene mates inn i en hodedetektor, som identifiserer koordinatene til alle hoder i rammen.
2. Heuristisk-basert filtrering: Etterdeteksjon gjennomgår disse hodene en serie heuristiske filtre designet for å eliminere potensielle feilaktige hoder. Disse filtrene er et produkt av akkumulert læring og detaljert analyse av distribusjonsdata.
3. Hodesporing: En objektsporing følger deretter de oppdagede hodene på tvers av påfølgende rammer, og kobler dem sammen med tidligere oppdagede hoder der det er mulig. Dette sikrer at gjentatte varsler for identifiserte røykere ikke utløses hver gang de gjenkjennes i en ny ramme.
4. Klassifisering for røyk/røyk: Hoder som ikke tidligere er klassifisert som tilhørende røykere, blir deretter behandlet gjennom en binær hodeklassifisering. Denne klassifikatoren bestemmer om personen røyker eller ikke.
5. Gjenidentifikasjonsmodul: Hvis klassifisereren indikerer røykeaktivitet, prøver en reidentifikasjonsmodul å matche den oppdagede røykeren mot en overvåkningsliste over nylige røykere. Hvis det ikke er reidentifikasjon, utløses et varsel. Overvåkningslisten er oppdatert med det siste utseendet til røykeren og annen relevant informasjon.

Versjon 3.0 bruker flere modeller som trekker på opptak tatt fra nåværende og tidligere iterasjoner av Balefire.

"Enkelt sagt, vi brukte våre eksisterende modeller til å kommentere de nye dataene for oss og korrigerte eventuelle feil fra den prosessen," skrev Kyaw. "Vi har iterativt lagt til spesifikke profiler av bilder som de eksisterende modellene var utsatt for feil i, for eksempel personer som bruker hjelm eller personer som spiser eller drikker. Dette bidro til å forbedre ytelsen til modellene betydelig i løpet av prosjektet.»

Det nye systemet håper ikke bare å oppdage flere røykere, men også å unngå falske positiver – for å "lette NEA i å optimalisere tildelingen av håndhevingsoffiserer til disse identifiserte hotspotene."

Med andre ord, Balefire har som mål å sikre at når NEA slår på røykere, går ikke innsatsen i aske. ®

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/