在过去的几十年里,监控摄像机,也被称为闭路电视(CCTV)摄像机,已被政府、执法人员和公民个人广泛用于监控公共场所,防止犯罪和识别罪犯。虽然全世界安装的数百万台监控摄像头在防止犯罪和帮助警方调查方面可以发挥关键作用,但它们也会大大限制公民的隐私。


当与新兴的面部识别技术相结合时,监控摄像头会变得更加具有侵入性,因为它们能够识别、监控和跟踪个人。此外,先进的监控系统可能会阻碍言论自由,因为人们害怕被识别和迫害而不敢参加公共集会或抗议活动。

斯坦福大学通过街景图像估算出全球大城市中闭路电视摄像机的普及率

虽然一些研究估计了全世界城市中安装的闭路电视摄像机的数量,但只有少数研究确定了它们的确切位置。这使得评估大规模监控系统的影响以及它们可能侵犯公民隐私的程度变得更加困难。


斯坦福大学的研究人员最近进行了一项研究,旨在调查美国和世界其他国家的大城市中监控摄像头的普遍性和位置。他们在AAAI/ACM人工智能、伦理和社会会议上发表的论文,介绍了一种计算机视觉算法,该算法可以通过分析谷歌街景和其他街景图像来估计监控摄像头的空间分布。


"我们的主要目标是了解世界各地大城市的监控摄像头的数量和位置。"进行这项研究的研究人员之一郝胜解释道。由于人工收集这类数据往往费用高昂,我们试图开发出可以轻松扩大规模的方法。由于近年来城市景观的数字文件和计算机视觉技术都有很大的进步,我们认为将计算机视觉算法应用于现有的街景图像是可能的。


在他们的研究中,Sheng和他的同事遵循三个关键步骤。首先,他们提取了他们所研究的每个城市中随机抽样的10万个地点的街景图像。他们特别关注美国的10个大城市(洛杉矶、纽约、芝加哥、费城、西雅图、密尔沃基、巴尔的摩、华盛顿特区、旧金山和波士顿)和全球其他6个城市(东京、曼谷、伦敦、首尔、新加坡和巴黎)。

斯坦福大学通过街景图像估算出全球大城市中闭路电视摄像机的普及率

随后,研究人员在他们提取的街景图像上运行计算机视觉算法,以自动检测其中拍摄的监控摄像头。最后,他们要求人类参与者浏览这些图像,并验证算法所收集的结果的有效性(即确认它是否准确地发现了摄像头)。


"我们的方法结合了计算机视觉模型(可以快速部署在数百万张图像上)和人类(可以以更高的精度视觉识别相机)的优点。因此,即使相机只占街景图像的一小部分,我们仍然可以有效和准确地识别它们。"Sheng解释说。


盛和他的同事进行的分析产生了几个有趣的结果。首先,研究人员发现,城市中摄像头的密度与特定地点的具体用途和社区的种族概况高度相关。例如,他们发现摄像头更有可能被安装在城市的商业、工业和混合区,而不是公共或住宅区。


Sheng说:"即使在控制了土地使用后,我们发现在大多数少数民族聚居区的摄像头密度远远高于以白人为主的社区。我们仍在努力了解驱动这些模式的机制,但我们的发现表明,有色人种社区受到了不成比例的监视。"


这个研究小组收集的结果可能对未来在城市环境中安装闭路电视摄像机产生重要影响。例如,它们可能会引发关于对少数种族进行严密监控的原因的道德辩论,或关于大规模监控对公民隐私的影响的一般性讨论。


在接下来的研究中,Sheng和他的同事们计划使用他们开发的计算机视觉算法来研究其他类型摄像头的普遍性,例如门铃摄像头。门铃摄像头,如谷歌Nest和亚马逊Ring,允许人们看到是否有人在门口,并通过他们的智能手机与访客进行远程交流。近年来,这些智能门铃系统已经变得特别流行,尤其是在住宅区。


一些研究估计,门铃摄像机的数量可能已经超过了传统的监控摄像机,因此,测量它们的普及率将进一步促进我们对社区内监控程度的了解。我们还怀疑,它们可能是一个社区中社会信任的良好代理。当然,门铃摄像机通常较小,因此更难从街景图像中识别出来,这可能会给我们的摄像机检测过程带来新的挑战。



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~