Hvordan retshåndhævelse kan spore personer af interesse uden at stole på ansigtsgenkendelse

Den store mængde af videobeviser, der er tilgængelig for efterforskningshold, har nået hidtil usete niveauer. Ifølge Bureau of Justice Assistance80 % af forbrydelserne involverer en form for videobeviser, og denne tendens viser ingen tegn på aftagende fart.

Forskellige kilder bidrager til denne tilstrømning af videobeviser, lige fra sikkerhedskameraer og trafikoptagelser til kropskameraer, dashcams og håndholdte enheder. Med 97% af amerikanerne ejer en mobilenhed, tilgængeligheden af ​​sådanne optagelser er blevet allestedsnærværende i både den offentlige og den private sektor. Desuden forstærker den udbredte implementering af kropsbårne kameraer af lokale politiafdelinger og sheriffkontorer yderligere udbredelsen af ​​videobeviser: over 47 % af de almindelige retshåndhævende myndigheder og 80 % af de store politiafdelinger bruger kropsbårne kameraer.

Brug af AI i videobevisgennemgang

Traditionelt krævede analyse af videooptagelser arbejdskrævende manuelle gennemgangsprocesser, men fremskridt inden for AI-teknologi har muliggjort automatisering og fremskyndet analyse af videobeviser.

For eksempel kan en 10-minutters video nu analyseres inden for få minutter i stedet for timer brugt på manuel gennemgang. På samme måde kan AI-algoritmer spore personer af interesse på tværs af flere videofiler og formater og identificere potentielle matches baseret på individuelle egenskaber.

En afgørende fordel ved kunstig intelligens i offentlig sikkerhed ligger i dens evne til hurtigt at analysere omfattende datasæt i realtid. Gennem brugen af ​​maskinlæringsalgoritmer udmærker AI-platforme sig i at opdage mønstre, spotte anomalier og forudsige potentielle trusler med øget præcision.

Denne evne giver retshåndhævende myndigheder (LEA) - blandt førstehjælpere og andre interessenter i offentlig sikkerhed - mulighed for effektivt at tackle sikkerhedsproblemer og optimere ressourceallokering proaktivt og effektivt, alt imens de holder mennesker i løkken af ​​automatiseringsprocessen og giver disse teammedlemmer mulighed for at arbejde med bedre data i en hurtigere tidsramme.

Ved at udnytte visse AI-løsninger kan LEA'er strømline videobevisanalyse ved at forbinde billeder på tværs af forskellige filer for at konstruere en omfattende fortælling om individer, begivenheder og tidslinjer. Dette øger effektiviteten og effektiviteten af ​​undersøgelser betydeligt, både inden for og uden for det juridiske område.

Ikke desto mindre har brugen af ​​kunstig intelligens i undersøgelser givet anledning til bekymringer vedrørende privatlivslovgivning og beskyttelse af personligt identificerbar information (PII), med særligt fokus på, hvordan ansigtsgenkendelsesteknologi kan anvendes uden at krænke disse rettigheder.

Heldigvis findes der med fremkomsten af ​​banebrydende AI-teknologier nu en alternativ tilgang til at spore interessante personer på tværs af videofiler, der ikke er afhængig af ansigtsgenkendelse.

AI, der beskytter PII

Der er alternative AI-modeller, der prioriterer integriteten af ​​PII, hvilket giver efterforskere mulighed for at identificere relevant information uden at stole på ansigtsgenkendelse eller andre biometriske markører, der kan kompromittere det personlige privatliv. Denne tilgang fremskynder ikke kun analyseprocessen, men mindsker også privatlivsrisici forbundet med videoovervågning.

Prioritering af privatlivets fred uden at ofre hastighed

Betydningen af ​​tid kan ikke overvurderes. I sager, der involverer forsvundne personer, er de første 48 timer afgørende, da beviserne forbliver friske, og sandsynligheden for at lokalisere personen er højere. Ved at udnytte AI til at fremskynde gennemgangen af ​​videobeviser, kan LEA'er øge sandsynligheden for at finde forsvundne personer og identificere personer af interesse.

I situationer, hvor ansigtsgenkendelse ikke er praktisk eller etisk, bliver human-like object (HLO) detektionsteknologi uundværlig. Med HLO-detektion identificerer en AI-motor personer baseret på specifikke funktioner, den er blevet trænet i at genkende, såsom tøj, piercinger eller fodtøj. Ved at lokalisere tilfælde, hvor disse funktioner vises, strømliner AI processen med at gennemgå omfattende videooptagelser og forbedrer dermed tidseffektiviteten.

Brugssager til HLO-detektion omfatter identifikation af offer, mistænkt identifikation og pågribelse, vidneidentifikation og mere.

Andre måder AI hjælper retshåndhævelsen med at lokalisere enkeltpersoner i videooptagelser

Udover at identificere individer uden brug af ansigtsgenkendelse tilbyder kunstig intelligens andre metoder, der kan hjælpe menneskelige analytikere og efterforskere med at spore mennesker, etablere vigtige tidslinjer og indsamle vigtig information – frigøre dem fra kedelige opgaver, så de kan dedikere mere af deres tid til deres fællesskaber.

Big data og prædiktiv analyse

Inden for søgefunktioner revolutionerer AI big data og forudsigelig analyse og tilbyder afgørende fremskridt:

• Omfattende datasæt, der omfatter indhold på sociale medier og offentlige optegnelser, udnyttes til at forudse en persons potentielle placeringer og adfærdsmønstre.
• Forudsigende modellering giver efterforskere mulighed for at forfine søgeparametre og dirigere ressourcer til områder, hvor de er klar til at give den største effekt.
• Naturlige sprogbehandlingsteknikker (NLP) udnyttes til at gennemsøge indlæg på sociale medier og udvinde værdifuld indsigt, der forbedrer indsatsen for at lokalisere personer af interesse.

Geospatial analyse

Ved at bruge Geografiske Informationssystemer (GIS) spiller terrænkortlægning og -analyse en afgørende rolle i at hjælpe eftersøgnings- og redningsoperationer. Med AI-integration er disse processer automatiserede, hvilket forbedrer præcisionen af ​​geospatiale dataanalyser. Denne automatisering gør det muligt for efterforskere hurtigt at behandle store datasæt og lokalisere mønstre, der kan overses, når de bruger konventionelle metoder.

Sporing af køretøjer

Sporing af personer på tværs af videooptagelser fungerer kun, hvis de er synlige for kameraet, hvilket kan blive et problem, hvis de kommer ind i et køretøj. For at reagere på dette er der AI-sporingsløsninger, der problemfrit kan skifte fra sporing af mennesker til sporing af køretøjer. På denne måde kan politiet stadig lokalisere enkeltpersoner og bevare integriteten af ​​sagens tidslinje.

Fremtidige tendenser og anvendelser af kunstig intelligens i efterforskning af savnede personer

AI's bane i offentlig sikkerhed er klar til samarbejde mellem LEA'er og teknologivirksomheder. Gennem denne type partnerskab er udviklingen af ​​mere kraftfulde og effektive AI-drevne værktøjer mulig, hvilket forstærker effektiviteten af ​​eftersøgnings- og redningsbestræbelser og udvider til andre relevante applikationer. Et sådant perspektiv involverer at udnytte AI til tidlig identifikation og interventionsstrategier for at forebygge forsvindinger gennem robust overvågning og analyse.

Efterhånden som teknologiske fremskridt fortsætter med at udfolde sig, kan vi forudse fremkomsten af ​​nye AI-drevne værktøjer og metoder, der kan omfatte øgede biometriske genkendelsesfunktioner og raffinerede prædiktive modelleringsteknikker.

For offentlige sikkerhedsagenturer er tilgængelighed til de rigtige værktøjer stadig afgørende for at navigere i udviklende efterforskningslandskaber - og at indføre AI, der kan gøre LEA'er mere effektive, nøjagtige og lettere tilgængelige at betjene, er et stærkt skridt fremad.

Afsluttende tanker: AI hjælper med at opretholde en balance mellem privatliv og offentlig sikkerhed

Med den stigende integration af kunstig intelligens i retshåndhævelsen, er det at finde en balance mellem sikring af privatlivets fred og sikring af offentlig sikkerhed, som en altafgørende bekymring. Mens AI har løftet om at styrke offentlige sikkerhedsforanstaltninger, rummer det også potentialet for krænkelse af privatlivets fred og misbrug af autoritet. Med de rette sikkerhedsforanstaltninger og praksis kan AI bruges til at tjene og støtte det større gode.

Det vil være afgørende for organisationer at etablere etiske og juridiske rammer til at styre brugen af ​​kunstig intelligens og beskytte privatlivets fred. Dette nødvendiggør udvikling af lovgivningsmæssige initiativer og retningslinjer, der har til formål at fremme gennemsigtighed, ansvarlighed og tilsyn over AI-drevne systemer.

Det vil også være vigtigt at implementere bedste praksis, såsom dataanonymisering og strenge sikkerhedsprotokoller, som vil hjælpe med at mindske de iboende risici forbundet med AI-teknologier. I sidste ende vil prioritering af privatlivets fred fortsat stå som en grundlæggende søjle i initiativer til offentlig sikkerhed, der fremmer offentlighedens tillid til retshåndhævelse.