L'application Zensors vous permet de surveiller en direct les caméras en direct

Si vous sentez que vous avez besoin d'yeux à l'arrière de votre tête, il existe une application de crowdsourcing pour cela.

Zensors est une application pour smartphone qui peut surveiller une zone d'intérêt en utilisant une caméra, des travailleurs en crowdsourcing et de l'intelligence artificielle.

Développé par des chercheurs de l'Université Carnegie Mellon et de l'Université de Rochester, l'idée derrière Zensors est d'utiliser n'importe quelle caméra dans un emplacement fixe pour détecter les changements dans ce qui est surveillé - par exemple si le bol de nourriture d'un animal de compagnie est vide - et informer automatiquement les utilisateurs.

Les développeurs disent que c'est un moyen abordable et accessible d'ajouter des capteurs à l'environnement, ce qui s'inscrit dans le mouvement vers la construction de maisons intelligentes et de villes intelligentes.

Le projet, présenté à la Conférence 2015 sur l'interaction ordinateur-humain (CHI) à Séoul cette semaine, est basé sur des questions simples des utilisateurs écrites dans un langage courant sur la zone surveillée.

Par exemple, une question pourrait être: y a-t-il une voiture dans le parking? La présence d'une voiture déclencherait une réponse positive dans l'alerte à l'utilisateur, qui pourrait être envoyée par e-mail ou SMS..

La caméra peut être le capteur d'image de n'importe quel appareil mobile, à condition qu'elle soit configurée pour surveiller quelque chose, ou une webcam, une caméra de sécurité ou toute autre caméra connectée. Il capturera des images à un intervalle défini par l'utilisateur.

Les utilisateurs sélectionnent d'abord une région d'intérêt dans la vue de la caméra en l'entourant avec un doigt sur un écran tactile, ce qui vise à limiter la surveillance et à protéger la vie privée des personnes qui pourraient entrer dans une partie du cadre..

Ensuite, une question est entrée dans l'application Zensors, et le travail de surveillance des images est transféré sur Internet. Les images redondantes dans lesquelles rien n'a changé sont automatiquement ignorées.

Les personnes qui effectuent la surveillance initiale pourraient être le personnel d'un centre d'appels ou d'un service d'externalisation tel que Mechanical Turk d'Amazon, qui a été utilisé dans l'étude CMU. Lorsque les moniteurs décident que la question a une réponse affirmative, un graphique dans l'application change rapidement; il pourrait également émettre des alertes aux utilisateurs.

Zensors devient cependant intéressant lorsque le processus devient automatique. Après une certaine période de surveillance humaine, les algorithmes d'apprentissage automatique du logiciel peuvent apprendre lorsqu'une certaine condition est remplie. Par exemple, ils pourraient apprendre à reconnaître que le bol de nourriture d'un animal de compagnie est vide.

Pour garantir la précision des algorithmes, le système serait vérifié périodiquement par des travailleurs, qui pourraient jouer un rôle plus pratique si la zone surveillée subissait un changement inattendu..

Des outils de vision par ordinateur peuvent également être ajoutés au traitement des données, permettant au système d'effectuer des tâches telles que le comptage de voitures ou de personnes dans une certaine zone.

Lors d'une démonstration, un smartphone exécutant Zensors a été placé face visible sur une table. Une question a été introduite: "Y a-t-il une main?" Après avoir posé la main sur la caméra du téléphone, le graphique de l'application a changé, montrant que les travailleurs de Mechanical Turk avaient répondu de loin. Les chercheurs ont accusé la latence du réseau du fait que la réponse prenait environ 30 secondes.

Avec une meilleure réactivité, Zensors pourrait être utilisé dans une variété d'applications professionnelles et domestiques. Un directeur de restaurant pourrait l'utiliser pour savoir quand les verres des clients doivent être remplis, et les sociétés de sécurité pourraient l'utiliser pour une surveillance automatique.

"Nous sommes les premiers, pour autant que je sache, à fusionner la foule avec une formation en apprentissage automatique et à le faire", a déclaré Gierad Laput, doctorant à l'Institut d'interaction homme-machine de Carnegie Mellon, qui a également présenté de nouvelles interfaces pour smartphone. à CHI.

Le coût de la surveillance humaine est de 2 cents par image, selon les chercheurs. Il en coûte environ 15 $ US de données contrôlées par l'homme pour former les algorithmes afin qu'ils puissent prendre le relais.

En revanche, demander à un programmeur d'écrire un logiciel de vision par ordinateur pour un capteur qui répond à une question de base oui ou non pourrait prendre plus d'un mois et coûter des milliers de dollars..

"Le traitement du langage naturel, l'apprentissage automatique et la vision par ordinateur sont trois des problèmes les plus difficiles en informatique", a déclaré Chris Harrison, professeur adjoint d'interaction homme-machine à la CMU. «La foule nous permet essentiellement de contourner beaucoup de cela. Mais nous laissons simplement la foule faire le travail d'amorçage et nous bénéficions toujours des avantages de l'apprentissage automatique. »

Les chercheurs prévoient de continuer à améliorer l'application Zensors, maintenant en version bêta, puis de la diffuser au public.

Rejoignez les communautés Network World sur Facebook et LinkedIn pour commenter des sujets qui vous tiennent à cœur.