Inovação

Como os algoritmos de vigilância urbana e reconhecimento facial rastreiam o COVID-19

Como os algoritmos de vigilância urbana e reconhecimento facial rastreiam o COVID-19


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

No filme de ficção científica de 2002 "The Minority Report", câmeras escondidas nos corredores movimentados de um shopping futurista identificam o rosto do fugitivo John Anderton na multidão e reproduzem anúncios com um apelo estranhamente específico para sua personalidade, vida social e status. Embora ninguém estivesse no shopping em 2020, a vigilância urbana está se expandindo rapidamente em uma tentativa de ajudar nas medidas de distanciamento social contra a doença COVID-19.

Em todo o mundo, as empresas estão trazendo câmeras de vigilância urbana - processando streams de vídeo CCTV ao vivo com algoritmos de reconhecimento de rosto - para enfrentar os novos desafios da pandemia. Não apenas os algoritmos de reconhecimento facial precisam analisar e identificar pessoas em risco em centros movimentados da China, Rússia, Reino Unido e EUA, mas esses algoritmos também estão passando por testes avançados para identificar rostos obscurecidos por máscaras médicas.

E em algumas cidades, está ajudando as autoridades a interceptar e deter as pessoas em maior perigo de infecção, criando experiências não muito diferentes do corredor fictício de John Anderton.

RELACIONADO: OS LÍDERES DE TECNOLOGIA TÊM FORTES OPINIÕES SOBRE INTELIGÊNCIA ARTIFICIAL

Vigilância urbana e direitos de privacidade

Se formos pelos números, cerca de 89% dos adultos apoiam os direitos de privacidade pessoal - com 65% mantendo um forte apoio - de acordo com uma pesquisa de abril de 2020 com 1.255 americanos feita pela SurveyMonkey, uma empresa com credenciamento do Better Business Bureau.

Na época do COVID-19, 52% dos adultos norte-americanos acham a privacidade pessoal mais atraente do que medidas de segurança que possam questioná-la - mesmo em meio a uma pandemia global, quando grandes potências tecnológicas como Google e Apple estão oferecendo aplicativos gratuitos para monitorar o rastreamento de contatos - um sistema de distanciamento social que rastreia pontos de potencial contração do vírus de pessoa para pessoa.

Logo após o anúncio conjunto das empresas em abril, eles acrescentaram que os governos não terão voz na decisão dos cidadãos de usar esses aplicativos, ou não.

Embora o recurso opt-in de aplicativos seja ostensivamente uma forma de preservar os direitos de privacidade - ele também cria camadas de visibilidade dentro da crise do coronavírus: conforme os aplicativos avaliam a saúde dos usuários de iPhone e Android que optam, aqueles que não venceram não seja visível neste sistema, seja para os usuários ou para o sistema de rastreamento de contatos da Apple e do Google.

"Eu penso na ideia de camadas de visibilidade - tecnologia que fornece uma camada de invisibilidade sobre o mundo real", disse o criador do aplicativo Mo Saha à Interesting Engineering. Saha é uma das mentes por trás do Antidate, um aplicativo dos vinte adolescentes que trabalhou para dar às mulheres mais controle sobre a experiência de namoro online.

Semelhante ao recurso opcional de aplicativos de rastreamento de contato, o aplicativo conceitual de namoro da Saha proporcionou aos usuários "uma experiência assimétrica - [como] um vidro unilateral entre homens e mulheres, onde as mulheres podem ver os homens, mas os homens não podem ver as mulheres até que o último fez um movimento. "

Pessoas que não optam por entrar em contato com aplicativos de rastreamento não necessariamente saberão quem o fez, o que remove o "desequilíbrio em termos de exposição" do aplicativo de namoro da Saha, a menos que os participantes digam. Dentro do sistema de rastreamento de contatos, nenhum usuário verá outro sem também ser visto. Mas com a vigilância de reconhecimento de rosto de fluxos de vídeo CCTV, a ideia de camadas de visibilidade volta ao jogo.

Vigilância interna versus externa

Se os aplicativos de rastreamento de contatos são uma função de vigilância interna e centrada no usuário, a outra metade da equação de vigilância urbana são os algoritmos de reconhecimento facial. Conectados a fluxos de vídeo de CCTVs e outros dispositivos, eles trabalham para identificar e rastrear pessoas em ambientes variados.

Existem "duas maneiras de processar streaming de vídeo [...] proveniente de câmeras - na [...] borda, ou enviá-lo de volta para um servidor central e processá-lo lá - e há diferentes pontos fortes e fracos para os dois abordagens ", disse o Dr. Patrick Grother, cientista do Instituto Nacional de Padrões e Tecnologia dos EUA (NIST), para a Interesting Engineering. Para identificar rostos em uma imagem, "você deve executar um algoritmo de reconhecimento de rosto, que pode ver quadros únicos ou todos os quadros de vídeo".

Reconhecimento facial e poder computacional

À medida que as operações de vigilância se expandem para abranger uma população maior, também aumenta a necessidade de mais câmeras e hardware mais poderoso. "Os requisitos de hardware devem exceder [o] número de câmeras vezes o número de pessoas vezes a taxa de quadros do vídeo - qualquer sistema em ambientes urbanos ocupados precisaria lançar hardware suficiente para resolver esse problema."

Um simples assalto a banco requer apenas um vídeo gravado para ser resolvido, o que não precisa acontecer imediatamente, disse Grother. Mas monitorando em escalas metropolitanas, o feed de vídeo nunca para - e cresce e se multiplica tão rápido quanto a taxa de quadros de cada câmera na cidade. A "[d] ifferência aqui é o aspecto em tempo real - você tem que continuar ingerindo vídeo e acompanhá-lo", acrescentou Grother.

Notavelmente, nem todos os algoritmos de reconhecimento de rosto irão processar e identificar rostos em uma imagem de vídeo na mesma taxa. "[S] ome vai em um décimo de segundo, cerca de 10 vezes mais lento - ponto em que você precisa fazer algumas concessões de engenharia", disse Grother.

Vigilância em tempo real durante a crise do coronavírus

Embora o NIST não desenvolva ou implante algoritmos em cenários do mundo real, no momento eles estão convidando os desenvolvedores da indústria a enviar para testar novos algoritmos projetados para reconhecer rostos obscurecidos por máscaras médicas.

E, de acordo com um estudo de março encomendado pelo Departamento de Comércio dos EUA, alguns desses algoritmos são de uma empresa chamada VisionLabs - uma empresa russa de visão computacional e aprendizado de máquina. "Quando um rosto é detectado no quadro, um recurso de modelo biométrico é extraído", disse o pesquisador sênior do VisionLabs Daniil Kireev, em uma troca de e-mail com a Interesting Engineering.

O reconhecimento facial procura características faciais únicas e identificáveis ​​em câmeras de vigilância, com base em um "modelo biométrico" fornecido a partir de uma imagem anterior de uma pessoa. Usando CCTVs distribuídos por toda a cidade de Moscou, o VisionLabs implementa vigilância de reconhecimento facial que pode filtrar "uma comparação rápida com bancos de dados de vários milhões de itens", disse Kireev.

Facilitando o distanciamento social, reconhecimento facial, máscaras médicas

Três meses atrás, pessoas em grandes cidades como Nova York ou Chicago caminhavam em espaços urbanos sem se preocupar com a doença COVID-19. Agora, enquanto os EUA se preparam para amenizar as medidas de distanciamento social, muitas pessoas retornarão às movimentadas áreas de negócios e comércio, apenas com máscaras médicas, que obscurecem rostos e deixam mais espaço para erros no processamento de reconhecimento de rostos.

Quando nossos polegares encharcados de água não desbloqueiam nossos smartphones, isso é um falso negativo - temos o polegar correto, mas a impressão digital não pode ser registrada através da camada de água.

O mesmo pode acontecer com o reconhecimento de rosto e pessoas com máscaras médicas: se uma câmera CCTV detectar um rosto que está quase todo coberto, há uma chance maior de ela não identificar a pessoa por trás da máscara.

"Tradicionalmente, o reconhecimento de rostos cobertos por máscaras ou roupas é uma tarefa tecnicamente desafiadora", disse Andrey Khrulev, gerente de desenvolvimento de negócios do Speech Technology Center, em uma troca de e-mail com a Interesting Engineering.

No entanto, sistemas de reconhecimento de rosto em todo o mundo foram usados ​​em transportes e centros de cidades. Além desses, os sistemas do Speech Technology Center estão até mesmo implantados no Estádio Petrovsky em São Petersburgo - que é equipado para processar dados biométricos.

Khrulev acrescentou: "muitas vezes acontece que parte do rosto [é] escondida por um capuz ou lenço de leque (faz frio em São Petersburgo)". De acordo com Khrulev e seus colegas, a necessidade de vigilância urbana para identificar pessoas obscurecidas por máscaras médicas estava lá desde o início, e os algoritmos estão se adaptando.

Interceptação em tempo real de pessoas em risco de COVID-19

Conforme a vigilância urbana e o processamento de reconhecimento facial ficam melhores na identificação de pessoas potencialmente infectadas em tempo real em massa, novas possibilidades surgem não apenas para monitoramento social e rastreamento de contato, mas também para a capacidade de interceptar pessoas com risco de infecção potencial por coronavírus. Mas é importante notar que nem todos os países interpretam que tipo de ação tomar da mesma maneira.

Cidadãos russos adicionados a uma lista de quarentena por seu governo também são colocados em um banco de dados de sistemas biométricos. “Se as pessoas [desta] lista forem descobertas em gravações de vídeo das câmeras da rua, na entrada de uma casa, em um shopping center, o sistema automaticamente envia [s] um alerta ou notificação para a polícia”, disse Khrulev.

Exceto por uma segunda onda muito séria de COVID-19, é muito improvável que esse tipo de interceptação policial aconteça nos Estados Unidos. Os aplicativos da Apple e do Google não compartilham o estado de saúde daqueles que optam por seus aplicativos de rastreamento de contatos, e os departamentos governamentais dos EUA que lidam com algoritmos de reconhecimento de rosto como o NIST apenas os testam, de acordo com Grother.

No entanto, é importante notar que, à medida que a arquitetura da vigilância urbana se transforma em torno de nós para corresponder à tarefa de derrotar COVID-19, as camadas familiares de (in) visibilidade visual - seja de lenços, máscaras ou moletons - podem ainda funcionar em outros pessoas, mas nem sempre nas câmeras.


Assista o vídeo: China exporta modelo de vigilância na internet para o mundo (Junho 2022).


Comentários:

  1. Kagan

    Esta é a moeda muito preciosa

  2. Alexander

    O caminhante vencerá a estrada. Desejo que você nunca pare e seja uma pessoa criativa - para sempre!

  3. Dolkree

    Eu aconselho você.

  4. Tegrel

    As propriedades folhas



Escreve uma mensagem