新加坡改進了人工智慧，用於檢測在島國許多禁止吸煙的地方吸煙的人，以幫助當地執法部門更有效地消滅違法者。
這個人工智慧被稱為“Balefire”，最近 解釋 作者：Pye Sone Kyaw——新加坡數位轉型機構 GovTech 的人工智慧工程師——它已經達到了 3.0 版本。
「Balefire 的主要目標……是協助 NEA（國家環境局）檢測禁止吸煙場所的吸煙者，」他寫道。 NEA 提供協助 名單 那些禁止的地方：大多數室內區域、公園、教育機構、游泳池，甚至人行天橋。在錯誤地點吸煙可處以 200 新元（148 美元）的罰款，一旦定罪，可處以該金額五倍的罰款。
Balefire 的早期版本被認為是概念驗證演示。 3.0 版本被視為“擴大試點”，在 20 個地點運行。
Kyaw 抱怨說，發現香菸並不容易——它們很小，很容易被誤認為是其他物體。他提到“吸管、閃亮的手機邊緣、以某種方式放置的手指，甚至某些類型的食物”，依賴室外攝像頭的計算機視覺系統可能會錯誤地將其識別為癌症棒。
他嘗試偵測煙霧或香菸的發光尖端，但這些努力都失敗了，因為它們產生了太多錯誤。 「觀察整個人，例如透過姿勢估計」也是如此。
這些失敗導致 Kyaw 得出結論：“端到端檢測模型是不可行的，特別是在邊緣 AI 環境中，其固有的計算限制和相對較小的模型大小，再加上近乎即時檢測的需求。”
他尋找可以改進 Balefire 的現成系統，但找不到任何能夠滿足 NEA 需求的系統，該系統能夠在攝影機的整個視野範圍內識別盡可能多的吸煙者，並且幾乎可以做到這一點瞬間。
因此，GovTech 建立了 Kyaw 編寫的自己的自訂處理管道。它包括以下五個步驟：
- 頭部檢測和處理： 該管道首先將相機幀輸入頭部檢測器，該檢測器識別幀內所有頭部的座標。
- 基於啟發式的過濾： 檢測後，這些磁頭會經過一系列啟發式過濾器，旨在消除潛在的錯誤磁頭。這些過濾器是累積的知識和對部署資料的詳細分析的產物。
- 頭部追踪： 然後，物件追蹤器在連續影格中追蹤偵測到的頭部，盡可能將它們與先前偵測到的頭部連結。這確保了對於已識別的吸煙者，每次在新框架中識別出他們時都不會觸發重複警報。
- 煙/無菸分類： 先前未分類為屬於吸煙者的頭部隨後通過二元頭部分類器進行處理。此分類器確定個人是否吸煙。
- 重新識別模組： 如果分類器指示吸菸活動，則重新識別模組會嘗試將偵測到的吸菸者與最近吸菸者的觀察清單進行配對。如果沒有重新識別，則會觸發警報。監視清單會更新吸菸者的最新外觀和其他相關資訊。
3.0 版本使用多個模型，這些模型利用了從 Balefire 當前和過去的迭代中捕獲的鏡頭。
「簡單地說，我們使用現有模型來註釋新數據，並糾正該過程中的任何錯誤，」Kyaw 寫道。 「我們反覆添加現有模型容易出錯的特定影像輪廓，例如戴頭盔的人或正在吃喝的人。這有助於在專案過程中顯著提高模型的性能。”
希望新系統不僅能偵測到更多的吸菸者，還能避免誤報—「促進國家環境局優化執法人員在這些已發現的熱點地區的分配」。
換句話說，Balefire 的目標是確保當 NEA 打擊吸煙者時，其努力不會化為灰燼。 ®
