新加坡改进了人工智能，用于检测在岛国许多禁止吸烟的地方吸烟的人，以帮助当地执法部门更有效地消灭违法者。
这个人工智能被称为“Balefire”，最近 解释 作者：Pye Sone Kyaw——新加坡数字化转型机构 GovTech 的人工智能工程师——它已经达到了 3.0 版本。
“Balefire 的主要目标……是协助 NEA（国家环境局）检测禁止吸烟场所的吸烟者，”他写道。 NEA 提供帮助 名单 那些禁止的地方：大多数室内区域、公园、教育机构、游泳池，甚至人行天桥。在错误地点吸烟可处以 200 新元（148 美元）的罚款，一旦定罪，可处以该金额五倍的罚款。
Balefire 的早期版本被认为是概念验证演示。 3.0 版本被视为“扩大试点”，在 20 个地点运行。
Kyaw 抱怨说，发现香烟并不容易——它们很小，很容易被误认为是其他物体。他提到“吸管、闪亮的手机边缘、以某种方式放置的手指，甚至某些类型的食物”，依赖室外摄像头的计算机视觉系统可能会错误地将其识别为癌症棒。
他尝试检测烟雾或香烟的发光尖端，但这些努力都失败了，因为它们产生了太多错误。 “观察整个人，例如通过姿势估计”也是如此。
这些失败导致 Kyaw 得出结论：“端到端检测模型是不可行的，特别是在边缘 AI 环境中，因为其固有的计算限制和相对较小的模型大小，再加上近乎即时检测的需求。”
他寻找可以改进 Balefire 的现成系统，但找不到任何能够满足 NEA 需求的系统，该系统能够在摄像机的整个视野范围内识别尽可能多的吸烟者，并且几乎可以做到这一点瞬间。
因此，GovTech 构建了 Kyaw 编写的自己的自定义处理管道。它包括以下五个步骤：
- 头部检测和处理： 该管道首先将相机帧输入头部检测器，该检测器识别帧内所有头部的坐标。
- 基于启发式的过滤： 检测后，这些磁头会经过一系列启发式过滤器，旨在消除潜在的错误磁头。这些过滤器是积累的知识和对部署数据的详细分析的产物。
- 头部追踪： 然后，对象跟踪器在连续帧中跟踪检测到的头部，尽可能将它们与先前检测到的头部链接起来。这确保了对于已识别的吸烟者，每次在新框架中识别出他们时都不会触发重复警报。
- 烟/无烟分类： 先前未分类为属于吸烟者的头部随后通过二元头部分类器进行处理。该分类器确定个人是否吸烟。
- 重新识别模块： 如果分类器指示吸烟活动，则重新识别模块会尝试将检测到的吸烟者与最近吸烟者的观察列表进行匹配。如果没有重新识别，则会触发警报。监视列表会更新吸烟者的最新外观和其他相关信息。
3.0 版本使用多个模型，这些模型利用了从 Balefire 当前和过去的迭代中捕获的镜头。
“简单地说，我们使用现有模型来注释新数据，并纠正该过程中的任何错误，”Kyaw 写道。 “我们反复添加现有模型容易出错的特定图像轮廓，例如戴头盔的人或正在吃喝的人。这有助于在项目过程中显着提高模型的性能。”
希望新系统不仅能够检测到更多的吸烟者，还能避免误报——“促进国家环境局优化执法人员在这些已发现的热点地区的分配”。
换句话说，Balefire 的目标是确保当 NEA 打击吸烟者时，其努力不会化为灰烬。 ®
