비디오 감시의 범위를 구글 스트리트 뷰 데이터를 통해 결정하기

구글 스트리트 뷰의 지속적인 세계의 도로_coverage는 가능한 가장 완전한, 일관된 및 일관된 시각적 기록을 나타내며, 구글의 데이터 수집 차량에 대한 금지국을 제외하고全球 사회의 시각적 기록입니다.

구글 맵의 인프라에 수익을 제공하는 구글 스트리트 뷰는 기계 학습 분석을 위한 풍부한 데이터입니다. 범죄 행위를 의도치 않게 캡처하는 것 외에도, 구글 스트리트 뷰 이미지를 사용하여 지역 소득을 추정하고, 도시 환경에서 녹지를 평가하고, 유틸리티 폴을 식별하고, 건물을 분류하고, 미국 지역의 인구 통계를 추정하는 등 다양한 이니셔티브에 사용되었습니다.

미국에서 감시 카메라 확산에 대한 제한된 통계

구글 맵의 데이터를 사용하여 사회적으로 의식 있는 기계 학습 이니셔티브에도 불구하고, 스트리트 뷰 기반 데이터 세트 중에는 레이블이 지정된 감시 카메라 예가 포함된 데이터 세트가 매우 적습니다. Mapillary Vistas 데이터 세트는 이러한 기능을 제공하는 소수의 데이터 세트 중 하나이며, 미국에는 20개 미만의 레이블이 지정된 공공 비디오 카메라가 포함되어 있습니다.

미국에서 많은 비디오 감시 인프라는 주에서 사건이 발생했을 때 당국이 증거를 요구할 때만 국가와 교차합니다. 지역 조례와 사적 감시를 다루지 않는 허가된 개인 정보 보호 법률의 맥락에서, 연방 행정 프레임워크는 미국의 공공용 카메라 수에 대한 硬 통계를 제공할 수 없습니다.

간접적인 데이터와 제한적인 설문조사에 따르면 미국의 비디오 카메라 확산은 중국과 비슷할 수 있지만, 이를 증명하기는 어렵습니다.

구글 스트리트 뷰 이미지에서 비디오 카메라 식별

이러한 데이터의 부족을 고려하여, 스탠퍼드 대학교의 연구자들은 연구를 통해 공공용 비디오 카메라의 빈도와 분포를 조사했습니다.

연구자들은 10개의 주요 미국 도시와 아시아 및 유럽의 6개 도시에서 1.6 백만개의 구글 스트리트 뷰 이미지를 평가하여 카메라 감지 프레임워크를 생성했습니다.

미국 도시에서 카메라 빈도, 출처: https://arxiv.org/pdf/2105.01764.pdf

미국 도시 중 보스턴이 가장 높은 카메라 밀도를 보였으며, 뉴욕시에는 10,100개의 카메라가 더 넓은 지역에 분산되어 있습니다. 아시아에서는 도쿄가 21,700개의 카메라를 보유하고 있으며, 서울에는 13,900개의 카메라가 더 집중적으로 분산되어 있습니다. 런던에서는 13,000개의 카메라가 확인되었으며, 파리는 카메라 수와 밀도 모두에서 앞서고 있습니다.

연구자들은 도시의 구역과 지역 사이에서 카메라 밀도가 크게 다르다고 관찰했습니다.

연구자들은 주거 지역의 카메라가 공원, 산업 지역 및 혼합 사용 지역의 카메라보다 3배 더 어려운 것을 발견했습니다.

서울은 가장 감시되는 도시 환경으로, 파리는 그 뒤를 따릅니다.

인구 통계적으로 다수 민족이나 소수 민족 거주 지역의 경우, 카메라 설치 빈도는 현저히 증가합니다.

소수 민족 지역에서 카메라 빈도 증가, 스탠퍼드 연구

이 연구는 2011-2015년과 2016-2020년의 두 기간 동안 수행되었습니다. 데이터는 9년 동안 일관된 성장과 때때로 이상한 성장 패턴을 보이지만, 연구자들은 감시 카메라의 확산이 일시적으로 정체에 도달했을 수 있다고 제안합니다.

방법론

연구자들은 두 개의 스트리트 뷰 이미지 데이터 세트를 생성하여 하나는 비디오 카메라를 포함하지 않도록 하였습니다. 이에 대한 세그멘테이션 마스크를 생성하고, 이를 검증 데이터 세트(샌프란시스코 – 아래 ‘제한 요인’ 참조)에 대해 세그멘테이션 모델을 훈련시켰습니다.

그런 다음 출력 모델을 랜덤하게 선택된 스트리트 뷰 이미지에 대해 실행하여 모든 양성 카메라 감지를 확인하고, 거짓 양성 오류를 제거했습니다.

왼쪽: 원본 구글 스트리트 뷰 이미지, 중간: 세그멘테이션 마스크, 오른쪽: 알고리즘으로 식별된 카메라

마지막으로, 프레임워크는 카메라 각도의 시야각을 계산하여 커버리지의 범위를 추정하고, 건물의 발자국과 도로 네트워크의 사양과 비교했습니다.

이 매트릭스에 기여하는 다른 데이터에는 OpenStreetMap의 건물 사양과 미국 인구 통계 지도가 포함되어 있으며, 각 도시의 행정 경계 내에서 연구를 제한하기 위해 사용되었습니다. 또한, 이 프로젝트는 샌프란시스코의 카메라 위치 데이터를 포함하는 전자 프론티어 재단(EFF)의 연구와, 구글 스트리트 뷰 이미지를 접근하기 위한 Static API를 사용했습니다.

연구자들은 구글 스트리트 뷰 카메라의 시야각을 OpenStreetMap 데이터와 비교하여 커버리지의 범위를 추정했습니다.

제한 요인

연구자들은 결과를 검토할 때 고려해야 할 몇 가지 제한 요인을 인정합니다.

첫째, 기계 학습 시스템에 의해 식별된 카메라는 모두 인간에 의해 검증되거나 부정되었으며, 이 검증은 오류가 있을 수 있는 과정입니다.

둘째, 연구는 스트리트 뷰 이미지의 사용 가능한 해상도로 제한되었습니다. 이는 연구자들이 30미터 이내에 있는 카메라만 식별할 수 있음을 의미하며, 일부 카메라는 제한된 해상도 때문에 ‘발명’될 수 있으며, 많은 카메라가 식별되지 않을 수 있습니다.

마지막으로, 도시별 모델 재현을 추정하는 것은 결과의 정확성에 있어 제한 요인이 될 수 있습니다. 이는 샌프란시스코에서 이미 레이블이 지정된 감시 카메라 빈도를 다른 관할구에 적용하여 연구를 수행했기 때문입니다.