Empfohlen, 2019

Tipp Der Redaktion

Mit der Zensors-App können Sie Live-Kameraüberwachung crowdsourcen

Wenn Sie möchten Sie brauchen Augen im Hinterkopf, dafür gibt es eine Crowdsourcing-App.

Zensors ist eine Smartphone-Anwendung, die mit Hilfe einer Kamera, Crowdsourcing-Mitarbeitern und künstlicher Intelligenz ein Interessensgebiet überwachen kann.

Entwickelt von Forschern von Carnegie Mellon Universität und Universität von Rochester, die Idee hinter Zensors ist es, jede Kamera an einem festen Ort zu verwenden, um Änderungen in der überwachten Umgebung zu erkennen - z. B. ob die Futterschale eines Haustiers leer ist - und den Benutzer automatisch zu benachrichtigen.

[Weitere Informationen : Die besten Android-Handys für jedes Budget. ]

Die Entwickler sagen, dass es eine billige, zugängliche Möglichkeit ist, Sensoren in die Umgebung zu integrieren, Teil der Entwicklung intelligenter Häuser und intelligenter Städte.

Das Projekt wurde auf der Computer-Human Interaction Conference (CHI) 2015 vorgestellt. In Seoul basiert diese Woche auf einfachen Benutzerfragen, die in der Alltagssprache über den überwachten Bereich geschrieben wurden.

Zum Beispiel könnte eine Frage lauten: Gibt es ein Auto auf dem Parkplatz? Die Anwesenheit eines Autos würde eine positive Antwort in der Warnung an den Benutzer auslösen, die per E-Mail oder Textnachricht gesendet werden könnte.

Die Kamera könnte der Bildsensor in jedem mobilen Gerät sein, vorausgesetzt, sie wurde für die Überwachung eingerichtet etwas oder eine Webcam, Überwachungskamera oder eine andere verbundene Kamera. Bilder werden in einem vom Benutzer festgelegten Intervall aufgenommen.

Benutzer wählen zunächst in der Ansicht der Kamera eine Region aus, indem sie sie mit einem Finger auf einem Touchscreen umkreisen. Dies soll die Überwachung einschränken und die Privatsphäre von Personen schützen gehe in einen Teil des Rahmens.

Als nächstes wird eine Frage in die Zensors-App eingegeben und die Aufgabe, die Bilder zu überwachen, wird ins Internet exportiert. Redundante Bilder, in denen sich nichts geändert hat, werden automatisch ignoriert.

Die Personen, die die anfängliche Überwachung durchführen, können Mitarbeiter in einem Call-Center oder ein Outsourcing-Service wie Amazon Mechanical Turk sein, der in der CMU-Studie verwendet wurde. Wenn die Monitore entscheiden, dass die Frage eine bejahende Antwort hat, ändert sich schnell eine Grafik in der App; Es könnte auch Warnungen an Benutzer ausgeben.

Zensors wird jedoch interessant, wenn der Prozess automatisch wird. Nach einer gewissen Zeit der menschlichen Überwachung können Maschinenlernalgorithmen in der Software lernen, wenn eine bestimmte Bedingung erfüllt ist. Zum Beispiel könnten sie lernen zu erkennen, dass die Futterschale eines Haustiers leer ist.

Um die Genauigkeit der Algorithmen zu gewährleisten, wird das System regelmäßig von Arbeitern überprüft, die eine aktivere Rolle spielen könnten, wenn das überwachte Gebiet einen hat unerwartete Änderung.

Computer-Vision-Tools können ebenfalls zur Datenverarbeitung hinzugefügt werden, sodass das System Aufgaben wie das Zählen von Autos oder Personen in einem bestimmten Bereich ausführen kann.

In einer Demonstration wurde ein Smartphone mit Zensors platziert. auf einem Tisch. Eine Frage wurde eingegeben: "Gibt es eine Hand?" Nachdem er eine Hand über die Kamera des Telefons gehalten hatte, änderte sich der Graph der App und zeigte, dass mechanische Türkenarbeiter von weitem geantwortet hatten. Die Forscher machten die Netzwerklatenz für die Tatsache verantwortlich, dass die Antwort etwa 30 Sekunden dauerte.

Mit besserer Reaktionsfähigkeit könnten Zensoren in einer Vielzahl von Geschäfts- und Heimanwendungen verwendet werden. Ein Restaurantmanager könnte damit lernen, wann die Gläser der Kunden aufgefüllt werden müssen, und Sicherheitsfirmen könnten sie für die automatische Überwachung nutzen.

"Wir sind die Ersten, soweit ich weiß, um das Publikum mit maschinellem Lernen zu fusionieren Ausbildung und tatsächlich tun ", sagte Gierad Laput, ein Doktorand am Carnegie Mellon Human-Computer Interaction Institute, die auch neue Smartphone-Schnittstellen bei CHI gezeigt.

Die Kosten für das menschliche Monitoring beträgt 2 Cent pro Bild, nach der Forscher. Es kostet etwa 15 US-Dollar von Menschen geprüfte Daten, um die Algorithmen so zu trainieren, dass sie übernehmen können.

Im Gegensatz dazu könnte ein Programmierer eine Computer-Vision-Software für einen Sensor schreiben, der eine grundlegende Ja- oder Nein-Frage beantworten könnte Monat und kostet Tausende von Dollar.

"Natürlichsprachliche Verarbeitung, maschinelles Lernen und Computer Vision sind drei der schwierigsten Probleme in der Informatik", sagte Chris Harrison, Assistant Professor für Mensch-Computer-Interaktion an der CMU. "Die Menge lässt uns vieles davon umgehen. Aber wir lassen die Leute einfach die Bootstrapping-Arbeit machen und wir profitieren immer noch vom maschinellen Lernen. "

Die Forscher planen, die Zensors-App, jetzt in der Beta-Version, weiter zu verbessern und veröffentlichen sie dann für die Öffentlichkeit.

Top