Нове дослідження Стенфордського університету оцінило кількість камер відеоспостереження в містах по всьому світу з використанням машинного зору та функції перегляду вулиць Google Street View.

Ви знаєте, скільки камер відеоспостереження є у Лондоні або в інших великих містах світу? Колись вже були спроби оцінити ці цифри, проте систематичні дослідження щільності камер відеоспостереження провести важко. Хоча в деяких дослідженнях була зроблена спроба оцінити кількість камер відеоспостереження, встановлених в містах, лише деякі з них визначили точне місце розташування даних пристроїв.

У новому інноваційному дослідженні, експерти зі Стенфордського університету в Каліфорнії використовували зображення вулиць Google Street View та алгоритми комп'ютерного зору для підрахунку кількості й щільності вуличних камер в 10 великих містах США та шести інших великих містах по всьому світу.

Дослідження показало, що в Сеулі (Південна Корея) була найбільша кількість відеокамер на погонний кілометр (0,95), а в Сіетлі — найнижча (0,07 камер на кілометр). Лондон, який довгий час рекламувався як світова столиця систем відеоспостереження, виявився в середині таблиці з 0,45, та дивно відстає від таких міст, як Париж (0,76), Бостон (0,63) і Сан-Франциско (0,52 ). Хоча, з точки зору чистих цифр, у Лондоні, як і раніше налічується понад 13000 камер відеоспостереження, поступаючись в цьому тільки Токіо та Сеулу.

Перегляд вулиць Google Street View

Google Street View складається з мільйонів панорам у 360 градусів, знятих відеокамерами та мобільними реєстраторами, встановленими на автомобілях Google, та охоплює більше 16 мільйонів км в 83 країнах. Використовуючи комп'ютерний зір, команда Стенфордського університету проаналізувала 1,6 мільйона зображень вулиць. Фактично, їх метод дослідження включав відеокамери на трьох рівнях: (i) використовувалася камера машинного зору для аналізу зображень (ii) камер відеоспостереження, отриманих з (iii) встановлених на автомобілі 360-градусних панорамних камер. Коли 10 міст США були вивчені більш детально, дослідники виявили, що камери, як правило, зосереджені в комерційних, промислових та змішаних міських зонах, а не в житлових районах. Вони також були більш поширені в районах з більш високою часткою темношкірого населення, що вказує на потенційний вплив технологій відеоспостереження на кольорові спільноти.

Щоб зробити свої оцінки, дослідники побудували модель комп'ютерного зору для виявлення камер на зображеннях вулиць. Потім вони застосували алгоритм комп'ютерного зору до випадкової вибірки з 100 000 зображень кожного міста, щоб відфільтрувати ті, що можуть містити камери відеоспостереження. Потім ці зображення були перевірені людьми. Потім, об'єднавши геометрію ракурсу камери, дорожню мережу та сліди будівель, вони змогли оцінити поширеність та розташування відеокамер в кожному місті.

Попередні спроби оцінити кількість та стан вуличних IP камер мали лише обмежений успіх. Фонд Electronic Frontier Foundation (EFF), наприклад, опублікував розташування відеокамер, доступних прокурорам в Сан-Франциско, в той час як дослідники ринку оцінили кількість встановлених камер, використовуючи дані про постачання комплектів відеоспостереження. Однак жоден з цих підходів не дозволяє оцінити поширеність та конкретне розташування громадських й приватних відеокамер в масштабі.

При більш детальному вивченні 10 міст США дослідники виявили, що IP камери відеоспостереження, як правило, зосереджені в комерційних, промислових та змішаних міських зонах, а не в житлових районах. Вони також були більш поширені в районах з більш високою часткою темношкірих жителів, що вказує на потенційний вплив технологій відеоспостереження на кольорові спільноти. Цікаво, що оцінки камер суттєво не різняться між двома розглянутими періодами часу (2011-2015 і 2016-2020), а це дозволяє припустити, що установка камер в цих містах, можливо, досягла плато.

Команда зі Стенфорда створила набори даних для навчання та оцінки для своєї моделі виявлення камер, взявши кожну з 2660 камер з геотегу в Сан-Франциско, ідентифікованих EFF, та витягнувши зображення найближчих вулиць. Ручне маркування отриманих 13 240 зображень дало 861 позитивний приклад з 977 камерами. Багато з камер, перерахованих EFF, перебували в приміщенні або іншим чином не були видні з вулиці.

Обмеження дослідження

У дослідження є кілька обмежень. По-перше, воно засноване на камерах відеоспостереження, які знімаються з вулиці на зображеннях для перегляду вулиць, тому внутрішні камери, а також вуличні IP камери, приховані від огляду, не враховуються. По-друге, через обмеження на роздільну здатність зображень для перегляду вулиць маленькі відеокамери важко виявити алгоритмами та людьми, тому результати, швидше за все, занижують кількість відеокамер. По-третє, помилки в передбачуваному відтворенні моделі комп'ютерного зору і помилки в передбачуваному покритті зображень можуть спотворювати будь-які оцінки.

Нарешті, використовуваний метод не надає додаткової інформації про камери, крім того факту, що вони знаходяться на місці (наприклад, працюють чи є муляжем). Також дослідники не можуть сказати, кому належать відеокамери, у кого є доступ до зображень і чи зберігаються кадри відеоспостереження — фактори, які мають вирішальне значення для оцінки наступних наслідків моніторингу.

Попри ці обмеження, дослідники вважають, що їх підхід та результати являють собою важливий крок на шляху до розуміння технології відеоспостереження у всьому світі, і методологія може бути розширена та застосована до маси інших аспектів міст, знятих на зображеннях вулиць.

Читайте інші цікаві статті про системи безпеки:

Що таке штучний інтелект у відеоспостереженні?

Способи, якими інтелектуальне відеоспостереження може підвищити продуктивність управління логістичним центром