Mit der Zensors-App können Sie Live-Kameraüberwachung per Crowdsource durchführen

Wenn Sie das Gefühl haben, Augen im Hinterkopf zu brauchen, gibt es dafür eine Crowdsourcing-App.

Zensors ist eine Smartphone-Anwendung, die mithilfe einer Kamera, Crowdsourcing-Mitarbeitern und künstlicher Intelligenz einen Bereich von Interesse überwachen kann.

Die Idee von Zensors, die von Forschern der Carnegie Mellon University und der University of Rochester entwickelt wurde, besteht darin, mit jeder Kamera an einem festen Ort Änderungen an der Überwachung zu erkennen, z. B. ob die Futterschale eines Haustieres leer ist, und Benutzer automatisch zu benachrichtigen.

Die Entwickler sagen, dass dies eine kostengünstige und leicht zugängliche Möglichkeit ist, der Umgebung Sensoren hinzuzufügen. Dies ist Teil des Schrittes zum Bau von Smart Homes und Smart Cities.

Das Projekt, das diese Woche auf der Computer-Human Interaction Conference (CHI) 2015 in Seoul vorgestellt wurde, basiert auf einfachen Benutzerfragen, die in der Alltagssprache über den überwachten Bereich geschrieben wurden.

Eine Frage könnte zum Beispiel sein: Befindet sich ein Auto auf dem Parkplatz? Das Vorhandensein eines Autos würde eine positive Antwort in der Warnung an den Benutzer auslösen, die per E-Mail oder SMS gesendet werden könnte.

Die Kamera kann der Bildsensor in jedem mobilen Gerät sein, vorausgesetzt, sie wurde zur Überwachung von etwas eingerichtet, oder eine Webcam, eine Überwachungskamera oder eine andere angeschlossene Kamera. Es werden Bilder in einem vom Benutzer festgelegten Intervall aufgenommen.

Benutzer wählen zunächst einen Bereich aus, der für die Ansicht der Kamera von Interesse ist, indem sie ihn mit einem Finger auf einem Touchscreen umkreisen. Dies soll die Überwachung einschränken und die Privatsphäre von Personen schützen, die möglicherweise in einen Teil des Rahmens eintreten.

Als Nächstes wird eine Frage in die Zensors-App eingegeben und die Überwachung der Bilder wird ins Internet übertragen. Redundante Bilder, bei denen sich nichts geändert hat, werden automatisch ignoriert.

Die Personen, die die Erstüberwachung durchführen, können Mitarbeiter eines Callcenters oder eines Outsourcing-Dienstes wie Amazon Mechanical Turk sein, der in der CMU-Studie verwendet wurde. Wenn die Monitore entscheiden, dass die Frage eine positive Antwort hat, ändert sich bald ein Diagramm in der App. Es kann auch Warnungen an Benutzer ausgeben.

Zensoren werden jedoch interessant, wenn der Prozess automatisch wird. Nach einer bestimmten Zeit der menschlichen Überwachung können Algorithmen für maschinelles Lernen in der Software lernen, wenn eine bestimmte Bedingung erfüllt ist. Zum Beispiel könnten sie lernen zu erkennen, dass die Futternapf eines Haustieres leer ist.

Um die Genauigkeit der Algorithmen sicherzustellen, wird das System regelmäßig von den Mitarbeitern überprüft, was eine praktischere Rolle spielen könnte, wenn sich der überwachte Bereich unerwartet ändert.

Der Datenverarbeitung können auch Computer-Vision-Tools hinzugefügt werden, mit denen das System Aufgaben wie das Zählen von Autos oder Personen in einem bestimmten Bereich ausführen kann.

In einer Demonstration wurde ein Smartphone mit Zensoren offen auf einen Tisch gelegt. Eine Frage wurde eingegeben: "Gibt es eine Hand?" Nachdem sie eine Hand über die Kamera des Telefons gehalten hatten, änderte sich die Grafik der App und zeigte, dass die Mitarbeiter von Mechanical Turk aus der Ferne geantwortet hatten. Die Forscher machten die Netzwerklatenz dafür verantwortlich, dass die Antwort etwa 30 Sekunden dauerte.

Mit einer besseren Reaktionsfähigkeit können Zensoren in einer Vielzahl von Geschäfts- und Heimanwendungen eingesetzt werden. Ein Restaurantmanager könnte damit lernen, wann die Gläser der Kunden nachgefüllt werden müssen, und Sicherheitsunternehmen könnten es zur automatischen Überwachung verwenden.

"Soweit ich weiß, sind wir die Ersten, die die Menge mit maschinellem Lernen verbinden und es tatsächlich tun", sagte Gierad Laput, Doktorand am Human-Computer Interaction Institute von Carnegie Mellon, der auch neue Smartphone-Schnittstellen vorstellte bei CHI.

Die Kosten für die Überwachung durch den Menschen betragen laut den Forschern 2 Cent pro Bild. Es kostet etwa 15 US-Dollar an von Menschen überprüften Daten, die Algorithmen zu trainieren, damit sie übernehmen können.

Im Gegensatz dazu kann es über einen Monat dauern, wenn ein Programmierer eine Computer-Vision-Software für einen Sensor schreibt, der eine grundlegende Ja- oder Nein-Frage beantwortet, und Tausende von Dollar kosten.

"Die Verarbeitung natürlicher Sprache, maschinelles Lernen und Computer Vision sind drei der schwierigsten Probleme in der Informatik", sagte Chris Harrison, Assistenzprofessor für Mensch-Computer-Interaktion an der CMU. „Die Menge lässt uns im Grunde genommen viel davon umgehen. Aber wir lassen einfach die Menge das Bootstrapping erledigen und profitieren trotzdem von maschinellem Lernen. “

Die Forscher planen, die Zensors-App, die sich jetzt in der Beta-Phase befindet, weiter zu verbessern und sie dann der Öffentlichkeit zugänglich zu machen.

Treten Sie den Network World-Communitys auf Facebook und LinkedIn bei, um Kommentare zu Themen abzugeben, die im Vordergrund stehen.