Aplikace Zensors umožňuje crowdsource živé sledování kamer

Pokud máte pocit, že potřebujete oči v zadní části hlavy, je tu aplikace crowdsourcingu.

Zensors je aplikace pro chytré telefony, která může monitorovat oblast zájmu pomocí fotoaparátu, dělníků a umělé inteligence.

Zensors, vyvinutý vědci z Carnegie Mellon University a University of Rochester, spočívá v použití jakékoli kamery na pevném místě k detekci změn v tom, co je monitorováno - například zda je misa s jídlem pro domácí mazlíčky prázdná - a automaticky upozorní uživatele.

Vývojáři říkají, že se jedná o levný a přístupný způsob, jak přidat senzory do životního prostředí, což je součást přechodu k budování inteligentních domů a inteligentních měst.

Projekt, který byl tento týden představen na konferenci Computer-Human Interaction Conference (CHI) 2015 v Soulu, vychází z jednoduchých uživatelských otázek psaných v každodenním jazyce o sledované oblasti..

Například by mohla být otázka: je na parkovacím místě auto? Přítomnost automobilu by v upozornění uživatele vyvolala pozitivní odpověď, která by mohla být zaslána e-mailem nebo textovou zprávou.

Kamera by mohla být obrazovým senzorem v jakémkoli mobilním zařízení za předpokladu, že byla nastavena na monitorování něčeho, nebo webkamery, bezpečnostní kamery nebo jakékoli jiné připojené kamery. Snímá snímky v intervalu, který nastavil uživatel.

Uživatelé nejprve vyberou oblast zájmu z pohledu kamery kroužením prstem na dotykové obrazovce - to má za cíl omezit dohled a chránit soukromí lidí, kteří by mohli vstoupit do části rámu.

Dále je v aplikaci Zensors vložena otázka a úloha sledování obrázků je zpracovávána na internetu. Redundantní obrázky, u nichž se nic nezměnilo, jsou automaticky ignorovány.

Lidé, kteří provádějí počáteční monitorování, by mohli být zaměstnanci call centra nebo outsourcingové služby, jako je Amazon's Mechanical Turk, která byla použita ve studii CMU. Když se monitory rozhodnou, že otázka má kladnou odpověď, graf v aplikaci se brzy změní; může také vydávat upozornění uživatelům.

Zensors se však stane zajímavým, když se proces stane automatickým. Po určité době lidského sledování se mohou algoritmy strojového učení v softwaru naučit, když byla splněna určitá podmínka. Mohli se například naučit rozpoznat, že mísa s jídlem pro domácí mazlíčky je prázdná.

Aby byla zajištěna přesnost algoritmů, systém by byl pravidelně kontrolován pracovníky, což by mohlo mít větší roli, pokud by sledovaná oblast měla neočekávanou změnu..

Do zpracování dat lze také přidat nástroje pro počítačové vidění, které systému umožňují provádět úkoly, jako je počítání automobilů nebo lidí v určité oblasti..

V demonstraci byl smartphone, na kterém běží Zensors, položen lícem nahoru na stůl. Byla zadána otázka: „Existuje ruka?“ Poté, co držel ruku nad fotoaparátem telefonu, se graf aplikace změnil, což ukazuje, že pracovníci mechanického turku odpověděli z dálky. Vědci obviňovali latenci sítě z toho, že odpověď trvala asi 30 sekund.

Díky lepší odezvě lze Zensors použít v různých obchodních a domácích aplikacích. Správce restaurace by jej mohl použít k tomu, aby zjistil, kdy je třeba doplnit brýle zákazníků, a bezpečnostní společnosti by je mohly použít k automatickému sledování.

"Pokud vím, jsme první, kdo spojil dav s výcvikem strojového učení a ve skutečnosti to dělám," řekl Gierad Laput, student PhD na Institutu interakce člověka a počítače Carnegie Mellona, ​​který také předváděl nová rozhraní smartphonů ve společnosti CHI.

Náklady na lidské sledování jsou podle vědců 2 centy na obraz. Trénovat algoritmy tak, aby je mohly převzít, stojí přibližně 15 USD za lidsky prověřená data.

Naopak, mít programátora, který bude psát software počítačového vidění pro senzor, který odpovídá na základní otázku ano nebo ne, může trvat měsíc a stát tisíce dolarů.

"Zpracování přirozeného jazyka, strojové učení a počítačové vidění jsou tři z nejtěžších problémů v oblasti informatiky," řekl Chris Harrison, pomocný profesor interakce člověk-počítač na CMU. "Dav nás v podstatě hodně obchází." Ale my jsme jen nechali dav dělat bootstrapping práci a my stále dostáváme výhody strojového učení. “

Vědci plánují nadále vylepšovat aplikaci Zensors, nyní ve verzi beta, a poté ji zveřejnit.

Připojte se ke komunitám World World na Facebooku a LinkedIn a přidávejte komentáře k tématům, která jsou na prvním místě.