Singapura melhorou a IA que utiliza para detectar fumadores que acendem cigarros nos muitos locais onde a prática é proibida em todo o país insular, para ajudar as autoridades locais a reprimir os infractores de forma mais eficiente.

A IA é chamada Balefire e, recentemente explicado por Pye Sone Kyaw – engenheiro de IA da agência de transformação digital GovTech de Cingapura – já atingiu a versão 3.0.

“O principal objetivo da Balefire… é ajudar a NEA [Agência Nacional do Meio Ambiente] na detecção de fumantes em locais proibidos de fumar”, escreveu ele. A NEA prestativamente listas aqueles locais proibidos: a maioria das áreas internas, parques, instituições educacionais, piscinas e até pontes aéreas para pedestres. Multas de S$ 200 (US$ 148) podem ser cobradas por fumar no lugar errado, e uma condenação pode resultar em multa cinco vezes maior.

Versões anteriores do Balefire foram consideradas demonstrações de prova de conceito. A versão 3.0 é considerada um “piloto expandido” que opera em 20 localidades.

Kyaw reclamou que não é fácil detectar cigarros – eles são pequenos e facilmente confundidos com outros objetos. Ele mencionou “canudos, bordas brilhantes de telefones, dedos posicionados de certas maneiras e até mesmo certos tipos de comida” como objetos que os sistemas de visão computacional que dependem de câmeras externas podem identificar falsamente como um bastão cancerígeno.

Ele tentou detectar fumaça ou a ponta acesa de um cigarro, mas esses esforços fracassaram porque produziram muitos erros. O mesmo aconteceu com “olhar para a pessoa inteira, por exemplo, por meio da estimativa de pose”.

Essas falhas levaram Kyaw a concluir que “um modelo de detecção ponta a ponta não é viável, especialmente em um contexto de IA de ponta com suas limitações computacionais inerentes e tamanhos de modelo relativamente pequenos, juntamente com a necessidade de detecção quase instantânea”.

Ele procurou por sistemas prontos para uso que pudessem melhorar o Balefire, mas não conseguiu encontrar nenhum que atendesse à necessidade da NEA de um sistema capaz de identificar o maior número possível de fumantes em todo o campo de visão de uma câmera e fazê-lo quase instantaneamente.

A GovTech, portanto, construiu seu próprio pipeline de processamento personalizado escrito por Kyaw. Inclui as cinco etapas a seguir:

1. Detecção e processamento de cabeça: O pipeline começa com os quadros da câmera sendo alimentados em um detector de cabeça, que identifica as coordenadas de todas as cabeças dentro do quadro.
2. Filtragem Baseada em Heurística: Após a detecção, esses cabeçotes passam por uma série de filtros heurísticos projetados para eliminar possíveis cabeçotes errôneos. Esses filtros são o produto do aprendizado acumulado e da análise detalhada dos dados de implantação.
3. Rastreamento de cabeça: Um rastreador de objetos segue então as cabeças detectadas em quadros sucessivos, vinculando-as às cabeças detectadas anteriormente sempre que possível. Isso garante que, para fumantes identificados, alertas repetidos não sejam acionados cada vez que forem reconhecidos em um novo quadro.
4. Classificação de fumo/não fumo: Cabeças não classificadas anteriormente como pertencentes a fumantes são então processadas através de um classificador binário de cabeças. Este classificador determina se o indivíduo fuma ou não.
5. Módulo de Reidentificação: Se o classificador indicar atividade tabágica, um módulo de reidentificação tenta comparar o fumante detectado com uma lista de observação de fumantes recentes. Se não houver reidentificação, um alerta será acionado. A lista de observação é atualizada com as últimas aparições do fumante e outras informações relevantes.

A versão 3.0 usa vários modelos baseados em imagens capturadas das iterações atuais e anteriores do Balefire.

“Simplificando, usamos nossos modelos existentes para anotar os novos dados e corrigir quaisquer erros desse processo”, escreveu Kyaw. “Adicionamos iterativamente perfis específicos de imagens nos quais os modelos existentes eram propensos a erros, como pessoas usando capacetes ou pessoas que estão comendo ou bebendo. Isso ajudou a melhorar significativamente o desempenho dos modelos ao longo do projeto.”

Espera-se que o novo sistema não só detecte mais fumadores, mas também evite falsos positivos – para “facilitar a NEA na optimização da atribuição de agentes de fiscalização a estes pontos críticos identificados”.

Por outras palavras, Balefire pretende garantir que, quando a NEA atacar os fumadores, os seus esforços não se transformem em cinzas. ®

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://go.theregister.com/feed/www.theregister.com/2024/03/28/singapore_balefire_smoking_detection_ai/