2016-2020年期间美国10个大城市中经过验证的摄像头的位置。信用:盛、姚、高。在过去的几十年里，监控摄像机，也称为闭路电视摄像机，已经被政府、执法人员和普通公民广泛用于监控公共空间、预防犯罪和识别罪犯。尽管全球安装的数百万监控摄像头可以在预防犯罪和协助警方调查方面发挥至关重要的作用，但它们也可能在很大程度上限制公民的隐私。当与新兴的面部识别技术相结合时，监控摄像头会变得更加侵入性，因为它们能够识别、监控和跟踪个人。此外，先进的监控系统可能会阻止人们参加公共集会或抗议活动，以免被认出来并受到迫害，从而阻碍言论自由。
虽然一些研究估计了世界各地城市安装的闭路电视摄像机的数量，但只有少数研究确定了它们的确切位置。这使得评估大规模监控系统的影响以及它们可能侵犯公民隐私的程度变得更加困难。
斯坦福大学的研究人员最近开展了一项研究，旨在调查美国和世界其他国家大型城市监控摄像头的普及程度和位置。他们在AAAI/ACM人工智能、伦理和社会会议上发表的论文介绍了一种计算机视觉算法，该算法可以通过分析谷歌街景和其他街景图像来估计监控摄像头的空间分布。
“我们的主要目标是了解全球大城市监控摄像头的数量和位置，”开展这项研究的研究人员之一郝胜告诉TechXplore。“因为手动收集这些数据通常非常昂贵，所以我们寻求开发易于推广的方法。由于近年来城市景观的数字记录和计算机视觉技术都有了很大的发展，我们认为将计算机视觉算法应用于现有的街景图像是可能的。”
在他们的研究中，盛和他的同事遵循了三个关键步骤。首先，他们提取了他们调查的每个城市中10万个随机抽样地点的街景图像。他们特别关注了美国的10个大城市(洛杉矶、纽约、芝加哥、费城、西雅图、密尔沃基、巴尔的摩、华盛顿特区、旧金山和波士顿)和全球其他6个城市(东京、曼谷、伦敦、首尔、新加坡和巴黎)。
2016–2020年期间美国10个大城市和6个其他主要城市的估计摄像头密度(每公里摄像头数)。信用:盛、姚、高。随后，研究人员对他们提取的街景图像运行计算机视觉算法，以自动检测其中捕获的监控摄像头。最后，他们要求人类参与者浏览图像，并验证算法收集的结果的有效性(即确认它是否准确地发现了摄像头)。
“我们的方法结合了计算机视觉模型(可以在数百万幅图像上快速部署)和人类(可以以更高的精度在视觉上识别相机)的优点，”盛解释说。“因此，即使摄像头只包含一小部分街景图像，我们仍然可以高效、准确地识别它们。”
盛和他的同事进行的分析得出了几个有趣的结果。首先，研究人员发现，城市中摄像头的密度与特定地点的特定用途和社区的种族分布高度相关。例如，他们发现摄像头更有可能安装在城市的商业、工业和混合区域，而不是公共或住宅区。
“即使在控制了土地使用后，我们发现多数族裔社区的摄像头密度也比白人为主的社区高得多，”盛说。“我们仍在试图理解驱动这些模式的机制，但我们的发现表明，有色人种社区受到了不成比例的监督。”
这组研究人员收集的发现可能会对未来在城市环境中安装闭路电视摄像机产生重要影响。例如，它们可能引发关于对少数民族进行严密监控的原因的伦理辩论，或者关于大规模监控对公民隐私影响的一般性讨论。
在接下来的研究中，盛和他的同事计划使用他们开发的计算机视觉算法来检查其他类型相机的普及程度，例如门铃相机。门铃摄像头，如谷歌巢和亚马逊铃声，可以让人们看到是否有人在门口，并通过智能手机与访客远程交流。近年来，这些智能门铃系统变得特别流行，尤其是在住宅区。
“一些研究估计门铃摄像头的数量可能已经超过了传统的监控摄像头，”盛说。“因此，衡量其流行程度将有助于我们进一步了解我们社区的监测范围。我们也怀疑他们可能是邻里间社会信任的良好代表。当然，门铃摄像头通常更小，因此更难从街景图像中识别，这可能会给我们的摄像头检测过程带来新的挑战。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
