Hoe wetshandhavingsinstanties personen van interesse kunnen traceren zonder te vertrouwen op gezichtsherkenning

Het enorme volume aan videobewijs dat beschikbaar is voor onderzoeksteams heeft ongekende niveaus bereikt. Volgens het Bureau of Justice Assistance, zijn ongeveer 80% van de misdrijven verbonden met enige vorm van videobewijs, en deze trend toont geen tekenen van vertraging.

Verschillende bronnen dragen bij aan deze toevloed van videobewijs, variërend van beveiligingscamera’s en verkeersbeelden tot bodycams, dashcams en handheld apparaten. Met 97% van de Amerikanen die een mobiel apparaat bezitten, is de beschikbaarheid van dergelijke beelden alomtegenwoordig in zowel de publieke als de private sector. Bovendien versterkt de wijdverbreide inzet van body-worn cameras door lokale politieafdelingen en sheriffkantoren de prevalentie van videobewijs verder: meer dan 47% van de algemene doelstellingen van wetshandhavingsinstanties en 80% van de grote politieafdelingen gebruiken body-worn cameras.

Het gebruik van AI bij de beoordeling van videobewijs

Traditioneel vereiste het analyseren van videobeelden arbeidsintensieve handmatige beoordelingsprocessen, maar de vooruitgang in AI-technologie heeft automatisering en versnelde analyse van videobewijs mogelijk gemaakt.

Bijvoorbeeld kan een 10-minuten durende video nu binnen enkele minuten worden geanalyseerd in plaats van uren die besteed worden aan handmatige beoordeling. Bovendien kunnen AI-algoritmes personen van interesse volgen over meerdere videobestanden en -formaten, waarbij potentiële overeenkomsten worden geïdentificeerd op basis van specifieke kenmerken van personen.

Een belangrijk voordeel van AI in openbare veiligheid ligt in de mogelijkheid om uitgebreide gegevenssets in real-time snel te analyseren. Met behulp van machine learning-algoritmen excelleren AI-platforms in het detecteren van patronen, het opsporen van afwijkingen en het voorspellen van potentiële bedreigingen met verhoogde precisie.

Deze capaciteit stelt wetshandhavingsinstanties (LEA’s) – onder andere eerste hulpverleners en andere belanghebbenden in de openbare veiligheid – in staat om effectief veiligheidsproblemen aan te pakken en middelen proactief en efficiënt te alloceren, terwijl mensen in de lus van het automatiseringsproces worden gehouden en deze teamleden in staat worden gesteld om met betere gegevens in een snellere tijdlijn te werken.

Door bepaalde AI-oplossingen te gebruiken, kunnen LEA’s de analyse van videobewijs stroomlijnen door afbeeldingen over verschillende bestanden te verbinden om een alomvattend verhaal van personen, gebeurtenissen en tijdslijnen te construeren. Dit verhoogt aanzienlijk de efficiëntie en effectiviteit van onderzoeken, zowel binnen als buiten het juridische domein.

Desalniettemin heeft het gebruik van AI in onderzoeken zorgen opgeroepen met betrekking tot privacywetten en de bescherming van persoonlijk identificeerbare informatie (PII), met name met betrekking tot hoe gezichtsherkenningstechnologie kan worden gebruikt zonder inbreuk te maken op deze rechten.

Gelukkig is er, met de opkomst van baanbrekende AI-technologieën, nu een alternatieve aanpak om personen van interesse over videobestanden te traceren zonder te vertrouwen op gezichtsherkenning.

AI die PII beschermt

Er zijn alternatieve AI-modellen die de integriteit van PII prioriteren, waardoor onderzoekers relevante informatie kunnen identificeren zonder te vertrouwen op gezichtsherkenning of andere biometrische markers die persoonlijke privacy kunnen schenden. Deze aanpak versnelt niet alleen het analytische proces, maar vermindert ook de privacyrisico’s die verbonden zijn aan videosurveillance.

Prioriteit geven aan privacy zonder snelheid op te offeren

Het belang van tijd kan niet worden overschat. In gevallen waarin personen vermist worden, zijn de eerste 48 uur cruciaal, omdat bewijs nog vers is en de kans om de persoon te lokaliseren hoger is. Door AI te gebruiken om de beoordeling van videobewijs te versnellen, kunnen LEA’s de kans om vermiste personen te vinden en personen van interesse te identificeren, vergroten.

In situaties waarin gezichtsherkenning niet praktisch of ethisch is, wordt human-like object (HLO) detectietechnologie onmisbaar. Met HLO-detectie identificeert een AI-motor personen op basis van specifieke kenmerken waarop het is getraind, zoals kleding, piercings of schoeisel. Door instanties te identificeren waar deze kenmerken verschijnen, stroomlijnt de AI het proces van het beoordelen van uitgebreide videobeelden, waardoor de tijdefficiëntie wordt verbeterd.

Use cases voor HLO-detectie omvatten slachtofferidentificatie, verdachte identificatie en aanhouding, getuigenidentificatie en meer.

Andere manieren waarop AI wetshandhavingsinstanties helpen om personen in videobeelden te lokaliseren

Naast het identificeren van personen zonder het gebruik van gezichtsherkenning, biedt AI andere methoden die menselijke analisten en onderzoekers kunnen helpen om personen te traceren, belangrijke tijdslijnen te vestigen en belangrijke informatie te verzamelen – waardoor ze worden bevrijd van saaie taken zodat ze meer tijd kunnen besteden aan hun gemeenschappen.

Grote gegevens en predictieve analyse

In het domein van zoekmogelijkheden revolutioneert AI grote gegevens en predictieve analyse, waarbij cruciale vooruitgang wordt geboekt:

• Uitgebreide datasets, bestaande uit sociale media-inhoud en openbare records, worden gebruikt om iemands potentiële locaties en gedragspatronen te voorspellen.
• Predictieve modellering stelt onderzoekers in staat om zoekparameters te verfijnen, waardoor middelen worden gericht op gebieden waar ze het grootste effect kunnen hebben.
• Natuurlijke taalverwerkingstechnieken (NLP) worden gebruikt om sociale media-berichten te doorzoeken, waardevolle inzichten te extraheren die inspanningen om personen van interesse te lokaliseren, verhogen.

Georuimtelijke analyse

Het gebruik van Geografische Informatiesystemen (GIS), terreinmapping en -analyse spelen een cruciale rol bij het ondersteunen van zoek- en reddingsoperaties. Met AI-integratie worden deze processen geautomatiseerd, waardoor de precisie van georuimtelijke gegevensanalyses wordt verbeterd. Deze automatisering stelt onderzoekers in staat om snel grote datasets te verwerken, patronen te identificeren die kunnen worden gemist bij het gebruik van conventionele methoden.

Voertuigvolging

Het volgen van personen over videobeelden werkt alleen als ze zichtbaar zijn voor de camera, wat een probleem kan worden als ze in een voertuig stappen. Om hierop te reageren, zijn er AI-tracksoplossingen die naadloos kunnen overschakelen van het volgen van personen naar het volgen van voertuigen. Op deze manier kunnen de politie personen nog steeds lokaliseren en de integriteit van de tijdslijn van het geval behouden.

Toekomstige trends en toepassingen van AI in onderzoeken naar vermiste personen

De trajectorie van AI in openbare veiligheid is gericht op samenwerking tussen wetshandhavingsinstanties en technologiebedrijven. Door middel van dit soort partnerschap is de ontwikkeling van krachtigere en efficiëntere AI-gedreven tools mogelijk, waardoor de effectiviteit van zoek- en reddingsinspanningen wordt verhoogd en wordt uitgebreid naar andere relevante toepassingen. Een van deze vooruitzichten omvat het gebruik van AI voor vroege identificatie- en interventiestrategieën om verdwijningen te voorkomen door robuuste monitoring en analyse.

Naarmate technologische vooruitgang voortduurt, kunnen we de opkomst van nieuwe AI-gedreven tools en methoden verwachten die mogelijk verhoogde biometrische herkenningscapaciteiten en verfijnde predictieve modelleringstechnieken omvatten.

Voor openbare veiligheidsorganisaties blijft toegang tot de juiste tools van cruciaal belang bij het navigeren van evoluerende onderzoekslandschappen – en het adopteren van AI die LEA’s effectiever, nauwkeuriger en meer beschikbaar kan maken om te dienen, is een sterke stap voorwaarts.

Slotgedachten: AI helpt om een balans te behouden tussen privacy en openbare veiligheid

Met de toenemende integratie van AI in wetshandhaving, wordt het vinden van een balans tussen het beschermen van privacy en het waarborgen van openbare veiligheid een belangrijke zorg. Terwijl AI de belofte inhoudt om openbare veiligheidsmaatregelen te versterken, houdt het ook het potentieel voor privacy-inbreuken en het misbruik van autoriteit in.

Het is cruciaal dat organisaties ethische en juridische kaders ontwikkelen om het gebruik van AI te reguleren en privacyrechten te beschermen. Dit vereist de ontwikkeling van wetgevingsinitiatieven en richtlijnen die zijn gericht op het bevorderen van transparantie, verantwoordingsplicht en toezicht op AI-gedreven systemen.

Het is ook belangrijk om best practices te implementeren, zoals gegevensanonymisatie en strikte beveiligingsprotocollen, die helpen om de inherente risico’s die verbonden zijn aan AI-technologieën te mitigeren. Uiteindelijk zal het prioriteren van privacy een fundamentele pijler van openbare veiligheidsinitiatieven blijven, waardoor het vertrouwen van het publiek in wetshandhaving wordt versterkt.