आई इन द स्काई: गश्ती भीड़ और सार्वजनिक स्थानों पर हिंसा की पहचान के साथ ड्रोन

बाईं ओर का चित्रण मानव शरीर पर 14 प्रमुख बिंदुओं को दर्शाता है जिसे मशीन विजन सिस्टम पहचानता है: सिर, गर्दन, कंधे, कोहनी, कलाई, कूल्हे, घुटने, टखने। सबसे ऊपर दाईं ओर तोता एआर ड्रोन है जिसमें हिंसा पहचान प्रणाली है। नीचे दाईं ओर, अलग-अलग फोटो तत्वों को प्रशिक्षण डेटासेट से मुख्य बिंदुओं के साथ

आजकल, यूएवी तेजी से कानून प्रवर्तन एजेंसियों और खुफिया एजेंसियों द्वारा उपयोग किए जाते हैं। आमतौर पर जासूसी, खुफिया, सीमा नियंत्रण आदि के लिए, पुलिस शहर की सड़कों पर गश्त करने के लिए ड्रोन का उपयोग बहुत सक्रिय रूप से नहीं करती है। लेकिन यहाँ एक बड़ी क्षमता निहित है। गश्ती दल कर्मचारियों के वेतन पर काफी बचत कर सकता है। वे बड़े क्षेत्रों को कवर करते हैं और पूरी तरह से अंधेरे में देखते हैं।

कई देशों में अपराध की वृद्धि और आतंकवाद के खतरे के संबंध में, अधिकारी नागरिक आबादी पर नियंत्रण को मजबूत करने में रुचि रखते हैं। हिंसा की स्वचालित मान्यता वाले स्वचालित ड्रोन नई पीढ़ी के सिस्टम हैं जो सड़क दंगों और गुंडागर्दी का जवाब देने के लिए और भी अधिक स्वायत्त और बुद्धिमान प्रणालियों के लिए दरवाजे खोलते हैं।

पहले, यूएवी का उपयोग मुख्य रूप से "मैनुअल" मोड में किया जाता था। इसलिए वे एक ऑपरेटर के नियंत्रण में हैं जो एक साथ कैमकॉर्डर से तस्वीर को ट्रैक करते हैं। लेकिन यह मोड ड्रोन के बड़े पैमाने पर उपयोग को सीमित करता है, क्योंकि प्रत्येक यूएवी को एक अलग ऑपरेटर की आवश्यकता होती है।

मशीन दृष्टि प्रणाली इस सीमा को हटा देती है। वे आपको निर्दिष्ट मार्गों के साथ सैकड़ों और हजारों ड्रोन भेजने की अनुमति देते हैं, और ऑपरेटर केवल उन अलार्मों पर ध्यान देता है जो कुछ संकेतों को पहचाने जाने पर चालू हो जाते हैं। इस तरह की प्रणालियों को आग का पता लगाने के लिए वस्तुओं की स्वचालित गश्त के लिए पहले से ही विकसित किया गया है, पाइप लाइन को नुकसान, आदि। 2010 में, "परित्यक्त वस्तुओं" की पहचान के साथ कानून प्रवर्तन एजेंसियों के लिए एक प्रणाली विकसित की गई थी, जो कि सार्वजनिक स्थानों पर छोड़े गए बैग और पैकेज हैं। हिंसा की स्वचालित मान्यता अगला तार्किक कदम है, जिससे आप भीड़ और सार्वजनिक स्थानों पर गश्त करने के लिए यूएवी का उपयोग कर सकते हैं।

2009 में, गति विश्लेषण का उपयोग करके सार्वजनिक स्थानों पर अपराधों को स्वचालित रूप से पहचानने के लिए एक मशीन विजन सिस्टम का वर्णन करते हुए एक वैज्ञानिक पत्र प्रकाशित किया गया था। वह लगभग 85% सटीकता के साथ निर्धारित करती है जैसे कि किसी राहगीर से बटुआ हथियाना, बच्चे का अपहरण करना आदि।

इस तरह की प्रणाली विभिन्न आपराधिक कृत्यों का पता लगाने में बहुत सफल हैं। प्रभावशाली सटीकता के बावजूद (कुछ मामलों में 90% से अधिक सटीकता के साथ) उनके पास बहुत सीमित गुंजाइश है।

2014 में, शोधकर्ताओं ने सार्वजनिक स्थानों में हिंसा को स्वचालित रूप से पहचानने के लिए पहली यूएवी प्रणाली का प्रस्ताव दिया, जो किसी व्यक्ति के आसन का मूल्यांकन करने के लिए विकृत भागों के एक मॉडल का उपयोग करने के लिए अपने पोज द्वारा आगे की पहचान के साथ पहला तरीका था। यह एक अत्यंत कठिन मशीन विज़न कार्य है क्योंकि ड्रोन फ़ोटो और वीडियो प्रकाश, छाया, कम विस्तार और धुंधला में परिवर्तन से पीड़ित हो सकते हैं। इसके अलावा, लोग फ्रेम के विभिन्न स्थानों में और विभिन्न पदों पर दिखाई देते हैं। प्रणाली ने लगभग 76% की सटीकता के साथ हिंसा का निर्धारण किया, जो कि ऊपर वर्णित अत्यधिक विशिष्ट प्रणालियों की तुलना में बहुत कम है।

कैम्ब्रिज यूनिवर्सिटी (ग्रेट ब्रिटेन), नेशनल इंस्टीट्यूट ऑफ टेक्नोलॉजी (इंडिया) और बैंगलोर में भारतीय विज्ञान संस्थान के वैज्ञानिकों का नया विकास फीचर पिरामिड नेटवर्क (एफपीएन), स्कैटरनेट हाइब्रिड डीप लर्निंग नेटवर्क (स्कैटरनेट) का उपयोग करके हिंसा की वास्तविक समय की स्वायत्त मान्यता के लिए एक बेहतर प्रणाली प्रस्तुत करता है। हाइब्रिड डीप लर्निंग (एसएचडीएल) और समर्थन वेक्टर मशीन (एसवीएम) का उपयोग करके गणना की गई मुद्रा के अंगों के बीच अभिविन्यास की गणना। मान्यता पाइपलाइन के संचालन को विस्तार से चित्रण में दिखाया गया है।


एक व्यक्ति के आसन की भविष्यवाणी करने वाला एक वाहक जिसका उपयोग भीड़ और सार्वजनिक स्थानों पर हिंसा की भविष्यवाणी करने के लिए किया जा सकता है। फ्रेम ड्रोन कैमरे द्वारा शूट किए गए फ्रेम में लोगों को सबसे पहले पहचानता है। लोगों की छवियों के साथ तस्वीरों के टुकड़े SHDL नेटवर्क के इनपुट के रूप में आते हैं, जहां ScatterNet इनपुट छवियों से मैन्युअल रूप से वर्णित संकेतों को निकालने के लिए सामने के छोर पर चल रही है। तीन परतों से निकाली गई विशेषताओं को संयुक्त किया जाता है और बैकएंड पर चलने वाले प्रतिगमन नेटवर्क के चार अवशिष्ट परतों के इनपुट को खिलाया जाता है।

नई प्रणाली में हिंसा को पहचानने की औसत सटीकता 88.8% है, जिसमें किक्स के लिए 89%, किक्स के लिए 94%, शूटिंग के लिए 82%, गला घोंटने के लिए 85% और छुरा घोंपने के लिए 92% शामिल हैं। यह 2014 में पिछली प्रणाली की तुलना में काफी अधिक है।


वैज्ञानिक लेख 3 जून, 2018 को arXiv.org प्रीप्रिंट साइट पर प्रकाशित किया गया था और इसे आईईईई कंप्यूटर विज़न एंड पैटर्न रिकॉग्निशन (सीवीपीआर) वर्कशॉप 2018 आईईईई सम्मेलन कंप्यूटर विज़न और पैटर्न रिकॉग्निशन में प्रस्तुत किया जाएगा।