Systemy inwigilacji w dzisiejszych czasach stały się na tyle rozpowszechnione, że zapewne nie zauważamy już nawet ile kamer w ciągu dnia rejestruje nasz ruch. Na przestrzeni 70 lat technologia doszła do momentu, gdzie na rok 2021 na świecie było około 1 miliard kamer CCTV, co ciekawe aż 54% tych kamer znajduję się w Chinach. Czy tak duży nadzór nad otoczeniem jest niezbędny czy może już albo w bliskiej przyszłości uda nam się przekroczyć cienką granicę prywatności?

Początki inteligentnego monitorowania

Człowiek po 20 minutach oglądania nagrania z monitoringu traci około 95% swojego skupienia, z każdym dodatkowym ekranem czas skupienia o połowę się skraca. Potrzeba monitorowania otoczenia wymusiła powstanie kamer i sieci, które pozwalałyby na sprawne doglądanie wskazanego miejsca z lepszą skutecznością niż człowiek. Jednym z pierwszych rozwiązań były kamery wykrywające ruch, pomimo, że sprawdzały się one lepiej niż człowiek obserwujący ekran monitorów nadal zawierały bardzo dużo błędów. Kamery te można było postrzegać bardziej jako czujniki ruchu, ponieważ ich działanie opierało się na śledzeniu zmian w pikselach w czasie. Kamery wysyłały alerty, jednak większość z nich była fałszywa, ponieważ wykrywane były obiekty takie jak owady, psy, cienie lub liście spadające z drzew. Kolejnym krokiem było ręczne wprowadzenie jaki obiekt należy śledzić, kalibracja zajmowała dużo czasu a program nadal czasem wysyłał błędne alerty. W tych programach kamery rejestrowały zmieniający się obiekt, np. pojazd lub człowiek na tle stałego tła. Jednak w tym przypadku również występował problem z niestałym tłem, które sezonowo mogło się zmieniać. Jedynym zastosowaniem tych kamer zostały miejsca z niezmiennym tłem.

Jak działa sztuczna inteligencja w CCTV?

Wprowadzenie sztucznej inteligencji do obszaru monitorowania znacznie usprawniło działanie. Sztuczna inteligencja wykorzystuje programy komputerowe takie jak widzenie maszynowe, aby rozpoznawać osoby, pojazdy oraz wysyłać alerty, jeżeli jakaś sytuacja nie zgadza się z wyuczoną normą. Programy takie można nazwać rule-based, ponieważ potrzebna jest ingerencja człowieka, który musi wprowadzić szereg ograniczeń, do których maszyna musi się stosować. Istnieje też forma sztucznej inteligencji behavioral analytic, która jest w pełni samoucząca. Na podstawie danych wizualnych klasyfikuje i oznacza obiekty dodając do nich różne cechy, które są powtarzalne i można je uznać za wzór charakterystyczny dla danego przedmiotu. Potrafi też rozpoznać które zachowanie jest anomalią, np. samochód jadący w przeciwnym kierunku lub osoba wchodząca na terytorium o godzinie, gdzie zazwyczaj nie powinno być ruchu.

Fog computing

Kamery są kontrolowane i działają za pośrednictwem mgły obliczeniowej. Mgła obliczeniowa to alternatywny sposób na szybsze przetwarzania danych, informacje przetwarzane są w czasie rzeczywistym w pobliżu krawędzi sieci. Dzięki temu zmniejszone jest ryzyko awarii, ponieważ każde połączone uprzedzenie działa niezależnie i decyduje, które dane należy zachować lub na które zareagować a które zignorować. Chmura obliczeniowa zazwyczaj znajduje się zbyt daleko, aby móc zareagować w odpowiednim czasie. Korzystanie z mgły obliczeniowej daje też możliwość bezpiecznej i bardziej prywatnej analizy danych, ponieważ dane surowe nie są wysyłane bezpośrednio przez Internet do chmury. Urządzenia mgły obliczeniowej dostają dane z warstwy Edge zanim dotrą do chmury i wybierają które informacje są istotne a które można ominąć albo działają bezpośrednio na uzyskanych danych i zwracają je do urządzeń lokalnych.

Możliwości

• wykrywanie ruchu
• Ochrona obszaru
• Rozpoznawanie twarzy
• Zarzadzanie ilością osób
• Wykrywanie intruzów
• LPR – license plate recognition

Korzyści i zagrożenia

Bezpieczeństwo i ochrona

Jednym z ciekawych przykładów na wykorzystanie sztucznej inteligencji w monitoringu są projekty Dries Depoortera. Jest to belgijski artysta, który zajmuje się tematami takimi jak prywatność, AI i social media. Poprzez sztukę chce zwrócić uwagę jak często nie zdajemy sobie sprawy z tego jak wiele kamer rejestruje nasz ruch. Projekt, który ostatnio był popularny nosi nazwę „The Follower”. Wykorzystuje on zdjęcia z Instagrama, które posiadają zaznaczoną lokalizacje oraz obrazy przechwytywane przez niechronione kamery transmitujące na żywo przestrzenie publiczne z całego świata. Dzięki rozpoznawaniu twarzy możliwe jest wyszukanie dokładnego czasu, kiedy dana osoba znalazła się w danym miejscu. Bardzo podobnym projektem było też „Surveillance paparazzi”, 2018-2022. Instalacja może rozpoznać więcej niż 200 tysięcy celebrytów i z tymi informacjami przeszukuje niezabezpieczone kamery, żeby znaleźć publiczne rozpoznawalna osobę. Niestety w tym przypadku mierzymy się z bardzo dużym marginesem błędu, ponieważ osoby, które zazwyczaj są określane jako celebryci mają zgodność 50-70%.

Innym projektem, który również wykorzystuje face recognition jest „The flemish scrollers”. Jego zadaniem było automatyczne tagowanie na Twitterze belgijskich polityków, którzy zbyt długo patrzyli się w telefon. Program wykorzystywał rozpoznawanie twarzy i telefonu na streamach, które były udostępniane podczas posiedzeń. Jeżeli program rozpoznał, że dany polityk korzysta z telefonu za długo publikowany był tweet o treści „Dear distracted @xyz, pls stay focused!”

Depoorter wykorzystuje swoja sztukę również w dziedzinie bezpieczeństwa, instalacja „Jaywalking” automatycznie za pomocą kamer CCTV wyłapywała ludzi, którzy przechodzili przez ulicę nie zgodnie z prawem. Jednocześnie dając możliwość osobom, które uczestniczyły w wystawie możliwość zdecydowania czy zgłosić nieuważnego przechodnia na policje za pomocą krótkiego maila. Ten przypadek można porównać do bardziej drastycznej sytuacji jaka ma miejsce w Chinach, gdzie przechodnie nie stosujący się do prawa wyświetlani są na dużym bilbordzie razem z imieniem i identyfikującym numerem rządowym.

Sztuczna inteligencja i zmniejszenie przestępczości

Zarządzanie przestępczością to jedno z głównych i najbardziej popularnych zastosowań dla sztucznej inteligencji w CCTV. Sztuczna inteligencja jest w stanie zapobiegać napadom wykorzystując śledzenie obiektów i zauważanie nienormalnych zachowań takich jak chodzenie za kimś przez długi czas biorąc pod uwagę obszar na jakim dochodzi do zdarzenia i porę dnia. Jeżeli program wywnioskuje niebezpieczeństwo powiadomi o tym odpowiednie służby. Wykrywanie broni również stało się pomocną częścią ochrony publicznej w szkołach, na lotniskach lub w dużych budynkach korporacji. Jeżeli w obrębie kamery znajdzie się broń, która zostanie wyłapana przez AI, powiadomienie składające się ze zdjęcia podejrzanego zostanie wysłane do identyfikacji przez policjanta oraz do decyzji o dalszym działaniu. Korzyścią jest tutaj natychmiastowa wiedza na temat ilości osób w pomieszczeniu, ewentualnych zakładnikach oraz jak wygląda podejrzany. Mając takie dane możliwe jest wyśledzenie poszukiwanego na nagraniach z monitoringu, wykorzystując filtrowane szukanie. Programy mogą skompresować nagranie, aby w krótkim czasie pokazywały się osoby o zaznaczonych cechach, np. wyszukiwanie czerwonego samochodu osobowego. Katowice są jednym z miast w Polsce, które wykorzystują inteligentny system monitoringu, w tym system rozpoznawania tablic rejestracyjnych LPR i oprogramowanie do analizy twarzy. W mieście znajduje się około 300 kamer i rozmieszczone są w parunastu strefach do odpoczynku i rekreacji, wybranych dzielnicach i w centrum miasta. W miejscach rekreacyjnych system automatycznie wyłapuje, np. błąkające się zwierzęta. W przypadku aktów wandalizmu wykorzystywany jest system głośników, który ma na celu odstraszanie uczestników. Porównanie danych z 2016, czyli rok przed wprowadzeniem kamer do roku 2020 wskazuje na znaczny spadek skradzionych samochodów (2016r – 377, 2020r – 76) oraz wzrost wykrywanych przestępstw z 17% do 76% (WEB1).

Zarządzanie tłumem

Kamery CCTV ze sztuczną inteligencją przyczyniają się również do zwiększenia bezpieczeństwa w środowiskach pracy. W ostatnim czasie niezbędny stał się nadzór ilości osób oraz ich przepływu w budynkach pracy, aptekach czy sklepach. Kamery CCTV zawierają oprogramowanie do zautomatyzowanego liczenia osób w celu uniknięcia zatorów i ograniczenia rozprzestrzeniania się chorób.  Istotna jest możliwość używania wielu kamer i rejestrowanie wielu wejść jednocześnie. W połączeniu z automatycznymi bramkami lub innymi systemami barier możliwa jest bezobsługowa kontrola przepływu ruchu. Technologie sztucznej inteligencji pozwalają też zadbać o bezpieczeństwo pracowników działających w trudnych lub zagrażających warunkach. System jest w stanie identyfikować, czy pracownik ma odpowiednią ochronę – rękawiczki lub kask i w czasie rzeczywistym wyświetlać alerty.

Ryzyko i błędy

Jednak wykorzystanie sztucznej inteligencji niesie ze sobą pewne zagrożenia i problemy etyczne. Rozpoznawanie twarzy, które stało się bardzo rozpowszechnione nadal zawiera dużo błędów co pokazane jest na przykładzie projektu Depoortera – „Surveillance paparazzi” ale oprogramowanie może być również uprzedzone rasowo, wiekowo i płciowo. W badaniu prowadzonym przez Patrica Grothera oceniane były algorytmy w kwestii wykazywania różnic demograficznych. Sprawdzane były na zestawie 18milinionów zdjęć na których było ok 9 milionów osób. Badania wykazały, że niedokładności co prawda różnią się w zależności od algorytmu jednak wszystkie wykazywały się bardzo dużą nieprecyzyjnością w kwestii demograficznej. W szczególności Azjaci i Afroamerykanie byli znacznie bardziej narażeni na błędną identyfikacje w porównaniu do ludzi białych. Skutkiem tych problemów mogą być niepotrzebne przesłuchania, opóźnione loty, bezpodstawne aresztowania. W oprogramowaniu wykorzystującym behavioral analytic maszyna również może działać nieodpowiednio, jeżeli monitoruje w większości lub całkowicie obszary, które są zamieszkiwane przez białych ludzi wszystkich innych rozpoznawać będzie jako zagrożenie lub coś nie pasującego do normy. Przykładem błędu rozpoznawania twarzy jest przypadek Roberta Williama, który został mylnie rozpoznany przez program jako złodziej, którego szukała policja. Zostały pobrane od niego próbki DNA oraz został zatrzymany w areszcie, z którego jednak został zwolniony. Sytuacja pokazuje jak algorytm rozpoznawania twarzy może szkodzić społeczeństwu. Bardziej drastyczna sytuacja ma miejsce w Chinach, gdzie kamery wykorzystywane są do śledzenia Ujgurów, profilowanie rasowe pozwala rządowi umieszczać ich w  „ośrodków kształcenia i szkolenia zawodowego”. Jednak w rzeczywistości są to bardzo strzeżone więzienia, gdzie ludzie poddawani są torturom (WEB2). W tej sytuacji również przedstawione jest zagrożenie przechowywania i wykorzystania danych zebranych przez kamery.

Literatura:

1. Green, M. W. (1999). The appropriate and effective use of security technologies in US schools: A guide for schools and law enforcement agencies. US Department of Justice, Office of Justice Programs, National Institute of Justice.
2. Eldrandaly, K. A., Abdel-Basset, M., & Abdel-Fatah, L. (2019). PTZ-surveillance coverage based on artificial intelligence for smart cities. International Journal of Information Management, 49, 520-532.
3. WEB1: https://biznes.newseria.pl/biuro-prasowe/sztuczna-inteligencja,b1125002334
4. https://en.wikipedia.org/wiki/Artificial_intelligence_for_video_surveillance#cite_note-2
5. http://it-filolog.pl/mgla-fog-computing-to-tez-rodzaj-chmury-cloud-computing/
6. https://towardsdatascience.com/ethical-concerns-of-combating-crimes-with-artificial-intelligence-surveillance-and-facial-a5eb7a09abb1
7. WEB2: https://thebulletin.org/2022/10/chinas-high-tech-surveillance-drives-oppression-of-uyghurs/