以鏡頭為基礎的的視覺監視系統，理論上能保證社會環境更安全。但是，即使經過了幾十年的發展，它們依然無法完全處理現實生活中的情況。例如，在2011年倫敦騷亂期間，面部識別軟體工具只識別出4962個嫌疑人中的一個，並對其完成了逮捕。
這一技術的失敗意味著，視覺監控仍然主要依靠坐在黑暗房間裡的監控人員觀看數小時的相機鏡頭，這完全不足以保護一個城市的人們。但最近的研究表明，影片分析軟體工具可能會得到極大的改進，這要歸功於一個完全不同領域的軟體工具進步:DNA 序列分析。將 DNA 的進化方式匹配到影片上，這些軟體工具和技術可以轉變成自動的視覺監控。
自從1960年倫敦警察廳在倫敦安裝了第一批閉路電視鏡頭以來，多達600萬的鏡頭已經被部署在英國各個地方。現在，前線的警官們每個人身上都有體戴式相機，不僅可以拍攝到更多的影片來分析，還可以提取到更複雜的數據。
然而，自動化的視覺監控仍然侷限於相對可控的環境中的任務。可以檢測某一特定財產的非法侵入，計算出經過某一扇門的人數，或者可以非常精確地識別數字車牌。但僅僅分析特定的一組人群或在公共街道上辨認個人的鏡頭是不可靠的，因為戶外環境畫面的變化很大、變化速度也很快。
為了改進自動化影片分析，我們需要能夠處理這種變化的軟體，而不是因為它的不方便就放棄改進——這是一個根本性的改變。一個可以用於處理大量可變資料的領域是基因組學。
自從2001年第一個人類基因組的30億個 DNA 序列(人類的全部基因數據)被測序以來，這種基因組數據的產量呈指數級增長。這些數據的龐大數量及其變化的程度意味著，我們需要大量資金和資源來開發專門的軟體工具和計算裝置來處理這些資料。
今天，科學家們可以相對輕鬆地針對基因組分析服務，研究各種各樣的東西，從如何對抗疾病，設計個性化醫療服務，到人類歷史的奧秘。
基因組分析包括透過研究已經發生的基因突變來研究基因的進化過程。這與視覺監控領域的挑戰驚人地相似，視覺監控依賴於對一段時間的演變進行分析，以發現和追蹤移動的行人。透過處理構成影片的圖像之間的差異，我們可以把用於基因組分析的技術應用到影片中。
對這種「影片組學」原理的早期測試已經證明了它的潛力。Kingston University 的研究小組首次發現，即使是在一個自由移動的相機拍攝的時候，影片也可以被分析。將相機的移動識別為突變過程，透過特殊的操作，這樣一個場景就像被靜態相機拍攝下來一樣。
與此同時，University of Verona 的研究人員已經證明，影像處理任務可以被編碼成標準基因組學工具被利用的方式。這一點尤其重要，因為這種方法大大降低了軟體工具開發的成本和時間。
將這一技術與我們的戰略相結合，最終可能會帶來多年前承諾的影片監視革命。如果要採用「影片組學」原則，未來十年可能會發明出更智慧的鏡頭。在這種情況下，我們要做好更頻繁地出現在監控影片中的準備。
from T客邦 http://ift.tt/2iGIS5l
沒有留言:
張貼留言