เพลโต ดาต้า อินเทลลิเจนซ์
ค้นหาแนวตั้ง & Ai

สิงคโปร์ปรับปรุง AI ที่ใช้ในการตรวจจับผู้สูบบุหรี่

วันที่:

สิงคโปร์ได้ปรับปรุง AI ที่ใช้ในการตรวจจับผู้สูบบุหรี่ที่จุดไฟในหลายพื้นที่ซึ่งการกระทำดังกล่าวเป็นสิ่งต้องห้ามทั่วประเทศเกาะ เพื่อช่วยให้หน่วยงานบังคับใช้กฎหมายในท้องถิ่นปราบปรามผู้กระทำผิดได้อย่างมีประสิทธิภาพมากขึ้น

AI มีชื่อว่า Balefire และเมื่อไม่นานมานี้ อธิบาย โดย Pye Sone Kyaw วิศวกร AI จาก GovTech ซึ่งเป็นหน่วยงานด้านการเปลี่ยนแปลงทางดิจิทัลของสิงคโปร์ มาถึงเวอร์ชัน 3.0 แล้ว

“เป้าหมายหลักของ Balefire … คือการช่วยเหลือ NEA (สำนักงานสิ่งแวดล้อมแห่งชาติ) ในการตรวจจับผู้สูบบุหรี่ในสถานที่ห้ามสูบบุหรี่” เขาเขียน กฟภ. ที่เป็นประโยชน์ รายการ สถานที่ต้องห้ามเหล่านั้น: พื้นที่ในร่มส่วนใหญ่ สวนสาธารณะ สถาบันการศึกษา สระว่ายน้ำ และแม้แต่สะพานข้ามศีรษะสำหรับคนเดินเท้า สามารถเรียกเก็บค่าปรับ 200 ดอลลาร์สิงคโปร์ (148 ดอลลาร์) สำหรับการสูบบุหรี่ในสถานที่ที่ไม่ถูกต้อง และการพิพากษาลงโทษอาจส่งผลให้มีโทษปรับ XNUMX เท่าของจำนวนเงินนั้น

Balefire เวอร์ชันก่อนหน้านี้ถือเป็นข้อพิสูจน์ของการสาธิตแนวคิด เวอร์ชัน 3.0 ถือเป็น "โครงการนำร่องแบบขยาย" ซึ่งดำเนินงานใน 20 แห่ง

จ่อบ่นว่าการสังเกตบุหรี่ไม่ใช่เรื่องง่าย บุหรี่มีขนาดเล็กและเข้าใจผิดว่าเป็นวัตถุอื่นได้ง่าย เขากล่าวถึง “หลอด ขอบโทรศัพท์แวววาว การวางนิ้วในลักษณะใดลักษณะหนึ่ง และแม้แต่อาหารบางประเภท” ว่าเป็นวัตถุที่ระบบการมองเห็นด้วยคอมพิวเตอร์ที่ใช้กล้องกลางแจ้งสามารถระบุได้อย่างไม่ถูกต้องว่าเป็นแท่งมะเร็ง

เขาพยายามตรวจจับควันหรือปลายบุหรี่ที่เรืองแสงได้ แต่ความพยายามเหล่านั้นหมดลงเนื่องจากมีข้อผิดพลาดมากเกินไป “การมองดูบุคคลทั้งหมด เช่น ผ่านการประมาณท่าทาง” ก็เช่นกัน

ความล้มเหลวเหล่านั้นทำให้ Kyaw สรุปว่า “โมเดลการตรวจจับแบบ end-to-end ไม่สามารถทำได้ โดยเฉพาะในบริบท Edge AI ที่มีข้อจำกัดในการประมวลผลโดยธรรมชาติและขนาดโมเดลที่ค่อนข้างเล็ก ควบคู่ไปกับความจำเป็นในการตรวจจับแบบเกือบจะทันที”

เขามองหาระบบที่มีจำหน่ายทั่วไปซึ่งสามารถปรับปรุงใน Balefire ได้ แต่ไม่พบระบบใดที่ตรงกับความต้องการของ NEA สำหรับระบบที่สามารถระบุผู้สูบบุหรี่ได้มากที่สุดเท่าที่จะเป็นไปได้ตลอดช่วงการมองเห็นของกล้องทั้งหมด และดำเนินการดังกล่าวเกือบจะ ทันที

GovTech จึงสร้างขั้นตอนการประมวลผลแบบกำหนดเองของตัวเองตามที่ Kyaw เขียนไว้ ประกอบด้วยห้าขั้นตอนต่อไปนี้:

  1. การตรวจจับและการประมวลผลศีรษะ: ไปป์ไลน์เริ่มต้นด้วยการป้อนเฟรมของกล้องเข้าไปในเครื่องตรวจจับส่วนหัว ซึ่งระบุพิกัดของส่วนหัวทั้งหมดภายในเฟรม
  2. การกรองตามการศึกษาสำนึก: หลังการตรวจจับ หัวเหล่านี้ผ่านชุดตัวกรองการศึกษาสำนึกที่ออกแบบมาเพื่อกำจัดหัวที่อาจผิดพลาดได้ ตัวกรองเหล่านี้เป็นผลผลิตของการเรียนรู้ที่สะสมและการวิเคราะห์ข้อมูลการปรับใช้โดยละเอียด
  3. ติดตามหัวหน้า: ตัวติดตามวัตถุจะติดตามส่วนหัวที่ตรวจพบในเฟรมที่ต่อเนื่องกัน โดยเชื่อมโยงส่วนหัวเหล่านั้นกับส่วนหัวที่ตรวจพบก่อนหน้านี้ทุกครั้งที่เป็นไปได้ เพื่อให้แน่ใจว่าสำหรับผู้สูบบุหรี่ที่ระบุตัวได้ การแจ้งเตือนซ้ำจะไม่ถูกกระตุ้นทุกครั้งที่ตรวจพบพวกเขาในเฟรมใหม่
  4. การจำแนกประเภทควัน/ไม่สูบบุหรี่: หัวที่ไม่ได้จัดประเภทไว้ก่อนหน้านี้ว่าเป็นของผู้สูบบุหรี่จะถูกประมวลผลผ่านตัวแยกประเภทหัวแบบไบนารี ตัวแยกประเภทนี้จะกำหนดว่าบุคคลนั้นสูบบุหรี่หรือไม่
  5. โมดูลการระบุตัวตน: หากตัวแยกประเภทระบุกิจกรรมการสูบบุหรี่ โมดูลการระบุซ้ำจะพยายามจับคู่ผู้สูบบุหรี่ที่ตรวจพบกับรายการเฝ้าดูของผู้สูบบุหรี่ล่าสุด หากไม่มีการระบุตัวตนอีกครั้ง ระบบจะแจ้งเตือน รายการเฝ้าดูได้รับการอัปเดตด้วยรูปลักษณ์ล่าสุดของผู้สูบบุหรี่และข้อมูลอื่น ๆ ที่เกี่ยวข้อง

เวอร์ชัน 3.0 ใช้หลายโมเดลที่ดึงมาจากฟุตเทจที่บันทึกจาก Balefire ในปัจจุบันและในอดีต

“พูดง่ายๆ ก็คือ เราใช้โมเดลที่มีอยู่ของเราเพื่ออธิบายข้อมูลใหม่ให้เรา และแก้ไขข้อผิดพลาดใดๆ จากกระบวนการนั้น” Kyaw เขียน “เราได้เพิ่มโปรไฟล์เฉพาะของรูปภาพซ้ำแล้วซ้ำอีกซึ่งโมเดลที่มีอยู่มีแนวโน้มที่จะเกิดข้อผิดพลาด เช่น บุคคลที่สวมหมวกกันน็อค หรือบุคคลที่กำลังรับประทานอาหารหรือดื่ม สิ่งนี้ช่วยปรับปรุงประสิทธิภาพของโมเดลอย่างมีนัยสำคัญตลอดระยะเวลาของโครงการ”

หวังว่าระบบใหม่นี้ไม่เพียงแต่ตรวจจับผู้สูบบุหรี่ได้มากขึ้นเท่านั้น แต่ยังเพื่อหลีกเลี่ยงผลบวกลวงอีกด้วย เพื่อ “อำนวยความสะดวกให้กับ NEA ในการเพิ่มประสิทธิภาพการจัดสรรเจ้าหน้าที่บังคับใช้ไปยังจุดฮอตสปอตที่ระบุเหล่านี้”

กล่าวอีกนัยหนึ่ง Balefire มีเป้าหมายเพื่อให้แน่ใจว่าเมื่อ NEA โจมตีผู้สูบบุหรี่ ความพยายามจะไม่สูญเปล่า

จุด_img

ข่าวกรองล่าสุด

จุด_img

แชทกับเรา

สวัสดี! ฉันจะช่วยคุณได้อย่างไร?