Google स्ट्रीट व्यू डेटा के माध्यम से वीडियो निगरानी की सीमा निर्धारित करना

Google स्ट्रीट व्यू का दुनिया भर के मार्गों का निरंतर कवरेज संभवतः वैश्विक समाज के सबसे पूर्ण, सुसंगत और सुसंगत दृश्य रिकॉर्ड का प्रतिनिधित्व करता है, उन देशों को छोड़कर जो प्रतिबंध लगाओ खोज दिग्गज के घूमने वाले डेटा-एकत्रित करने वाले वाहनों पर।

Google मैप्स के बुनियादी ढांचे में राजस्व-वितरण योगदानकर्ता के रूप में, Google स्ट्रीट व्यू पैनोप्टीकॉन मशीन लर्निंग विश्लेषण के लिए एक समृद्ध डेटा सीम है। अनजाने में आपराधिक कृत्यों को पकड़ने की इसकी प्रवृत्ति के अलावा, इसका उपयोग किया गया है क्षेत्रीय आय का अनुमान लगाएं Google स्ट्रीट व्यू छवियों में कार की गुणवत्ता से, हरियाली का मूल्यांकन करें शहरी परिवेश में, उपयोगिता ध्रुवों की पहचान करें, इमारतों को वर्गीकृत करें और आकलन कई अन्य पहलों के बीच, अमेरिकी पड़ोस की जनसांख्यिकीय संरचना।

संयुक्त राज्य अमेरिका में निगरानी कैमरा प्रसार पर सीमित आँकड़े

सामाजिक रूप से जागरूक मशीन सीखने की पहल के लिए Google मैप्स के डेटा के व्यापक उपयोग के बावजूद, बहुत कम स्ट्रीट व्यू-आधारित डेटासेट हैं जिनमें निगरानी कैमरों के लेबल वाले उदाहरण शामिल हैं। मैपिलरी विस्टा डेटासेट उपलब्ध छोटी संख्या में से एक है जो इस कार्यक्षमता की पेशकश करती है, हालांकि इसमें संयुक्त राज्य अमेरिका में 20 से कम लेबल वाले सार्वजनिक वीडियो कैमरे शामिल हैं।

अमेरिका में अधिकांश वीडियो निगरानी अवसंरचना केवल राज्य को तब काटती है जब अधिकारी रिकॉर्ड की गई स्थानीय घटनाओं के बाद पुष्टि करने वाले फुटेज की मांग करते हैं। ज़ोनिंग नियमों से परे, और अनुमेय गोपनीयता कानूनों के संदर्भ में, जो सार्वजनिक स्थानों की निजी निगरानी को संबोधित करने के लिए बहुत कम करते हैं, वहाँ है कोई संघीय प्रशासनिक ढाँचा नहीं जो अमेरिका में सार्वजनिक-सामना करने वाले कैमरों की संख्या पर ठोस आँकड़े प्रदान कर सकता है।

वास्तविक डेटा और सीमित सर्वेक्षणों का तर्क है कि अमेरिका में वीडियो कैमरा का प्रसार हो सकता है चीन के बराबर, लेकिन इसे साबित करना आसान नहीं है।

Google स्ट्रीट व्यू छवियों में वीडियो कैमरे की पहचान करना

उपलब्ध आंकड़ों में इस कमी को ध्यान में रखते हुए, स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं ने कहा है एक अध्ययन आयोजित सार्वजनिक-सामना करने वाले वीडियो कैमरों की व्यापकता, आवृत्ति और वितरण में जिन्हें Google स्ट्रीट व्यू छवियों में पहचाना जा सकता है।

शोधकर्ताओं ने एक कैमरा डिटेक्शन फ्रेमवर्क बनाया, जिसने 1.6 प्रमुख अमेरिकी शहरों और एशिया और यूरोप के छह अन्य प्रमुख शहरों में 10 मिलियन Google स्ट्रीट व्यू छवियों का मूल्यांकन किया।

कैमरा घनत्व के घटते क्रम में, बोस्टन अनुसंधान में जांचे गए अमेरिकी शहरों की सूची में सबसे ऊपर है, जिसका हालिया या वर्तमान घनत्व 0.63 है और कैमरों की कुल संख्या 1,600 है। इसके बावजूद, न्यूयॉर्क शहर में कहीं अधिक कैमरे (10,100) बड़े क्षेत्र में फैले हुए हैं। स्रोत: https://arxiv.org/pdf/2105.01764.pdf

अमेरिकी शहरों में बोस्टन सबसे अधिक पाया गया घनत्व पहचाने गए कैमरों की संख्या, जबकि न्यूयॉर्क शहर में सबसे अधिक है संख्या 10,100 पर कैमरे, बड़ी दूरी पर फैले हुए हैं। एशिया में, टोक्यो में बड़े पैमाने पर अनुमानित 21,700 कैमरे हैं, लेकिन सियोल में बहुत कम संख्या में (13,900) कैमरे हैं जो कहीं अधिक सघनता से केंद्रित हैं। हालाँकि लंदन की स्ट्रीट व्यू छवियों के लिए 13,000 कैमरों की पहचान की गई थी, पेरिस ने पहचाने गए प्लेसमेंट (13,00) और कवरेज के घनत्व दोनों के मामले में इसे पीछे छोड़ दिया।

शोधकर्ताओं का मानना ​​है कि शहरों के पड़ोस और क्षेत्रों के बीच कैमरा घनत्व व्यापक रूप से भिन्न होता है।

सर्वेक्षण की सटीकता (जिस पर हम आएंगे) के लिए अन्य सीमित कारकों के बीच, शोधकर्ताओं का मानना ​​है कि आवासीय क्षेत्रों में लगे कैमरों को सार्वजनिक पार्कों, औद्योगिक क्षेत्रों और मिश्रित उपयोग वाले क्षेत्रों में लगे कैमरों की तुलना में पहचानना तीन गुना अधिक कठिन है - संभवतः क्योंकि आवासीय क्षेत्रों में 'निवारक' प्रभाव तेजी से आपत्तिजनक या विवादास्पद है, जिससे छद्म या विवेकपूर्ण प्लेसमेंट की संभावना अधिक हो गई है।

यूरोप और एशिया में अध्ययन किए गए शहरों को ध्यान में रखते हुए, सियोल सबसे अधिक निगरानी वाले शहरी वातावरण के रूप में शीर्ष स्थान पर है, पेरिस भी पीछे नहीं है।

जहां किसी क्षेत्र में जनगणना-परिभाषित बहुसंख्यक जातीय या अल्पसंख्यक निवासी हैं, वहां कैमरा प्लेसमेंट की आवृत्ति उल्लेखनीय रूप से बढ़ जाती है, यहां तक ​​कि स्टैनफोर्ड शोधकर्ताओं द्वारा सभी कम करने वाले कारकों को ध्यान में रखते हुए भी।

स्टैनफोर्ड शोध के अनुसार, निगरानी कैमरे की आवृत्ति पड़ोस में बढ़ी हुई अल्पसंख्यक जनसांख्यिकी के सीधे अनुपात में बढ़ती है।

शोध दो समयावधियों, 2011-2015 और 2016-2020 में आयोजित किया गया था। हालाँकि डेटा नौ साल की अवधि में निगरानी कैमरा प्लेसमेंट की लगातार और कभी-कभी असामान्य वृद्धि को दर्शाता है, शोधकर्ताओं का सुझाव है कि निगरानी कैमरों का यह प्रसार एक 'अस्थायी पठार' तक पहुंच गया है।

क्रियाविधि

शोधकर्ताओं ने शुरू में स्ट्रीट व्यू छवियों के दो डेटासेट संकलित किए, जिनमें से एक में वीडियो कैमरा प्लेसमेंट की सुविधा नहीं थी, और इनके लिए सेगमेंटेशन मास्क तैयार किए। इन डेटासेट पर एक सत्यापन डेटासेट (सैन फ्रांसिस्को के - नीचे 'सीमित कारक' देखें) के विरुद्ध एक विभाजन मॉडल को प्रशिक्षित किया गया था।

फिर आउटपुट मॉडल को यादृच्छिक स्ट्रीट व्यू छवियों के विरुद्ध चलाया गया, जिसमें सभी सकारात्मक कैमरा पहचान की मनुष्यों द्वारा पुष्टि की गई, और झूठी सकारात्मकता को हटा दिया गया।

बाईं ओर, Google स्ट्रीट व्यू से कच्ची छवि। अगला, अनुकूलित विभाजन मुखौटा। तीसरा, एल्गोरिथम-व्युत्पन्न कैमरा पहचान। ठीक है, एक मानव-सत्यापित प्लेसमेंट।

अंत में, फ्रेमवर्क ने कवरेज की सीमा का अनुमान लगाने के लिए शामिल कैमरा कोणों के दृश्य-क्षेत्र की गणना की, जिसमें शामिल इमारतों के पैरों के निशान और सड़क नेटवर्क की विशिष्टताओं का मिलान किया गया।

इस मैट्रिक्स के लिए योगदान देने वाले अन्य डेटा में OpenStreetMap से भवन विनिर्देश, और यह सुनिश्चित करने के लिए अमेरिकी जनगणना मानचित्रों का उपयोग शामिल है कि अध्ययन प्रत्येक शहर की प्रशासनिक सीमा तक ही सीमित था। इसके अतिरिक्त, प्रोजेक्ट में सैन फ्रांसिस्को कैमरा लोकेशन डेटा का उपयोग किया गया अध्ययन इलेक्ट्रॉनिक फ्रंटियर फ़ाउंडेशन (ईएफएफ) द्वारा, Google स्ट्रीट व्यू छवियों के माध्यम से एक्सेस किया गया स्टेटिक एपीआई.

शोधकर्ताओं ने OpenStreetMap के डेटा के आधार पर Google स्ट्रीट व्यू कैमरों के दृश्य क्षेत्र की गणना करके कवरेज का अनुमान लगाया।

सीमित करने वाले कारक

शोधकर्ताओं ने कई सीमित कारकों को स्वीकार किया है जिन पर परिणामों की समीक्षा करते समय विचार किया जाना चाहिए।

सबसे पहले, मशीन लर्निंग सिस्टम द्वारा पहचाने गए सभी कैमरों को बाद में मानव समीक्षा द्वारा सत्यापित या अस्वीकार कर दिया गया था, और यह समीक्षा एक गलत प्रक्रिया है।

दूसरे, अध्ययन स्ट्रीट व्यू छवियों के उपलब्ध रिज़ॉल्यूशन द्वारा सीमित था, जिसने शोधकर्ताओं को पीओवी के तीस मीटर के भीतर रखे गए कैमरों की पहचान करने तक सीमित कर दिया था। इसका मतलब न केवल यह है कि कुछ कैमरों का आविष्कार सीमित रिज़ॉल्यूशन के माध्यम से किया गया है, बल्कि यह भी है कि इस दायरे से बाहर के कई कैमरे (जैसे उच्च स्तरीय कैमरे, अस्पष्ट प्लेसमेंट और डोरबेल फिटिंग में माइक्रो-कैमरे) की पहचान नहीं की गई है।

अंत में, शहर-विशिष्ट मॉडल रिकॉल का अनुमान लगाना परिणामों की सटीकता में एक सीमित कारक हो सकता है, क्योंकि सैन फ्रांसिस्को शहर, जहां निगरानी कैमरे की आवृत्ति को पहले से ही ईएफएफ से पूर्व कार्य में लेबल किया गया था, को बनाने के लिए अन्य न्यायालयों में लागू किया गया था। अध्ययन संभव.