Новое исследование Стэнфордского университета оценило количество камер видеонаблюдения в городах по всему миру с использованием машинного зрения и функции просмотра улиц Google Street View.

Вы знаете, сколько камер видеонаблюдения имеется в Лондоне или в других крупных городах мира? Прежде уже были попытки оценить эти цифры, однако систематические исследования плотности камер видеонаблюдения провести трудно. Хотя в некоторых исследованиях была предпринята попытка оценить количество камер видеонаблюдения, установленных в городах, лишь некоторые из них определили точное местоположение данных устройств.

В новом инновационном исследовании, эксперты из Стэнфордского университета в Калифорнии использовали изображения улиц Google Street View и алгоритмы компьютерного зрения для подсчета количества и плотности уличных камер в 10 крупных городах США и шести других крупных городах по всему миру.

Исследование показало, что в Сеуле (Южная Корея) было наибольшее количество видеокамер на погонный километр (0,95), а в Сиэтле — самое низкое (0,07 камер на километр). Лондон, который долгое время рекламировался как мировая столица систем видеонаблюдения, оказался в середине таблицы с 0,45, что удивительно отстает от таких городов, как Париж (0,76), Бостон (0,63) и Сан-Франциско (0,52). Хотя, с точки зрения чистых цифр, в Лондоне по-прежнему насчитывается около 13000 камер видеонаблюдения, уступая в этом только Токио и Сеулу.

Просмотр улиц Google Street View

Google Street View состоит из миллионов панорам в 360 градусов, снятых видеокамерами и мобильными регистраторами, установленными на автомобилях Google, и охватывает более 16 миллионов км в 83 странах. Используя компьютерное зрение, команда Стэнфордского университета проанализировала 1,6 миллиона изображений улиц. Фактически, их метод исследования включал видеокамеры на трех уровнях: (i) использовалась камера машинного зрения для анализа изображений (ii) камер видеонаблюдения, полученных с (iii) установленных на автомобиле 360-градусных панорамных камер. Когда 10 городов США были изучены более подробно, исследователи обнаружили, что камеры, как правило, сосредоточены в коммерческих, промышленных и смешанных городских зонах, а не в жилых районах. Они также были более распространены в районах с более высокой долей темнокожего населения, что указывает на потенциальное воздействие технологий видеонаблюдения на цветные сообщества.

Чтобы произвести свои оценки, исследователи построили модель компьютерного зрения для обнаружения камер на изображениях улиц. Затем они применили алгоритм компьютерного зрения к случайной выборке из 100 000 изображений каждого города, чтобы отфильтровать те, что могут содержать камеры видеонаблюдения. Затем эти изображения были проверены людьми. Затем, объединив геометрию ракурса камеры, дорожную сеть и следы зданий, они смогли оценить распространенность и расположение видеокамер в каждом городе.

Предыдущие попытки оценить количество и положение уличных IP камер имели лишь ограниченный успех. Фонд Electronic Frontier Foundation (EFF), например, опубликовал расположение видеокамер, доступных прокурорам в Сан-Франциско, в то время как исследователи рынка оценили количество установленных камер, используя данные о поставках комплектов видеонаблюдения. Однако ни один из этих подходов не позволяет оценить распространенность и конкретное расположение общественных и частных видеокамер в масштабе.

При более подробном изучении 10 городов США исследователи обнаружили, что IP камеры видеонаблюдения, как правило, сосредоточены в коммерческих, промышленных и смешанных городских зонах, а не в жилых районах. Они также были более распространены в районах с более высокой долей темнокожих жителей, что указывает на потенциальное воздействие технологий видеонаблюдения на цветные сообщества. Интересно, что оценки камер существенно не различаются между двумя рассматриваемыми периодами времени (2011-2015 и 2016-2020), а это позволяет предположить, что установка камер в этих городах, возможно, достигла плато.

Команда из Стэнфорда создала наборы данных для обучения и оценки для своей модели обнаружения камер, взяв каждую из 2660 камер с геотегами в Сан-Франциско, идентифицированных EFF, и вытащив изображения ближайших улиц. Ручная маркировка полученных 13 240 изображений дала 861 положительный пример с 977 камерами. Многие из камер, перечисленных EFF, находились в помещении или иным образом не были видны с улицы.

Ограничения исследования

У исследования есть несколько ограничений. Во-первых, оно основано на камерах видеонаблюдения, которые снимаются с улицы на изображениях для просмотра улиц, поэтому внутренние камеры, а также уличные IP камеры, скрытые от обзора, не учитываются. Во-вторых, из-за ограничений на разрешение изображений для просмотра улиц маленькие видеокамеры трудно обнаружить алгоритмами и людьми, поэтому результаты, скорее всего, занижают количество видеокамер. В-третьих, ошибки в предполагаемом воспроизведении модели компьютерного зрения и ошибки в предполагаемом покрытии изображений могут искажать любые оценки.

Наконец, используемый метод не предоставляет дополнительной информации о камерах, кроме того факта, что они находятся на месте (например, работают ли они или являются муляжом). Также исследователи не могут сказать, кому принадлежат видеокамеры, у кого есть доступ к изображениям и хранятся ли кадры видеонаблюдения — факторы, которые имеют решающее значение для оценки последующих последствий мониторинга.

Несмотря на эти ограничения, исследователи считают, что их подход и результаты представляют собой важный шаг на пути к пониманию технологии видеонаблюдения во всем мире, и методология может быть расширена и применена к массе других аспектов городов, снятых на изображениях улиц.