试想这样一个场景:孩子走失后,街头摄像机最后一刻记录下的已是三小时前的影像。除了心急如焚在火车站围堵,还可以做些什么?在儿童走失后的黄金搜索时间里,如果有一个算法能调用遍布城市的摄像头对拐卖嫌犯进行辨认,并暗暗记住体貌特征。由计算机根据沿路车辆摄像头上传的实时影像,锁定目标,绘制出运动轨迹,然后投射到救援人员的电子设备上实时显现。室内外摄像头的配合加上一个好的算法,或许在这场争分夺秒的追踪中,科技就能赛过时间。 这项技术是通过一个计算机算法实现的,由华盛顿大学电子工程教授Jenq-Neng Hwang所在团队开发的。它的原理是从摄像头收集的视图中提取体表颜色、质地和运动状况等参数,在处理器进行分析和运算后,就可以在不同摄像机视图中比较同一个人的影像,或是在多个摄像机视图里识别出同一个个体。他们还设想,当整个识别系统达到一定规模后,就可以在一张虚拟地图上绘制出追踪行人的交通线路(硬件条件允许的话还可以显示在车内GPS屏幕上),或者协助警察利用多个监控摄像视图轻而易举地抓到在逃嫌犯。 “我们的想法是实现一种动态影像,反映真实世界中人们在街道行走轨迹。最终人们可以在平台上看到一个类似谷歌地图的城市实时街景动态图。”Jenq-Neng Hwang在一个新闻发布会上说道。 Hwang所在团队的研究者使用安装在行驶状态汽车上的摄像头对这个算法进行了测试。他们让很多摄像头在一组测试路段上两两协同工作。这个测试取得的新进展在IEEE青岛的智能交通系统大会上进行了展示。 但是,这项技术可以借助的硬件来源并不限于车载摄像头装置。这一点已经被团队验证,这个算法在无人机摄像头也同样奏效。此外,扩展到纽约和伦敦这样大城市的现存监控摄像系统,这个算法也没什么问题。 通过遍布整个城市的监控摄像机,算法也能为执法追捕助一臂之力。这项技术本可在去年美国侦探搜素波士顿马拉松爆炸案件嫌疑人时派上用场。 Hwang介绍,算法甚至可以让零售商店追踪每位随意走动的客户,推断他们的购买行为——这样商店就可以迅速给消费者的智能手机发送一张这个产品的优惠券。 可被这个算法所用的摄像机数量很可能在不远的将来不断攀升。这些增量来自无人机的升空,安装车载摄像头的车不断上路,以及越来越多的行人携带智能手机或智能眼镜随意行走于室外。 科技使摄像头更易追踪到某个人的同时,也带来了人们关于隐私问题的热议。Hwang在华盛顿大学的一个视频中承认隐私焦虑确实存在,但是他也强调这项技术为公共安全带来诸多裨益。在部署这一技术时,人类社会该如何权衡利弊,这也是今后要面对的问题。 |