人工智能计算机视觉突破ID偷猎者不到半秒钟

每年都有成千上万的动物，包括大象，老虎，犀牛和大猩猩。南加州大学人类智能社会中心的研究人员长期以来一直在应用AI来保护野生动物。最初，计算机科学家正在使用人工智能和博弈论来预测偷猎者的困扰，现在他们已经应用人工智能和深度学习来近乎实时地发现偷猎者。

偷猎者通常在晚上活跃。虽然使用诸如红外摄像机之类的工具来监视生物体，但是由于它们正在捕猎的偷猎者和动物都散发热量，因此整夜监视偷猎者的红外视频流是耗时且具有挑战性的。因此，由USC Viterbi工程学院博士生Elizabeth Bondi领导的计算机科学家团队在Milind Tambe教授的实验室中使用他们开发的标记工具在红外视频中标记了18万人和动物，以加快这一过程。研究人员使用这些标记图像并利用他们修改的现有深度学习算法(称为更快的RCNN)来教导计算机自动区分人类的红外图像和动物的红外图像。

接下来的挑战是使用现场基站的笔记本电脑，近乎实时地发现偷猎者，从那里用来巡逻津巴布韦和马拉维国家公园的无人机播放视频。该算法在准确运行的同时，需要10秒钟来处理每张图像 - 这对于移动的车辆来说太长了。然后我们的目标是进一步修改算法，以便普通笔记本电脑可以使用它。研究人员随后将算法更改为与Microsoft Azure一起使用 - 利用云的强大功能构建可以加快处理速度的虚拟计算机。研究人员还为农村地区的斑点互联开发了一种替代解决方案，因此该软件可以在笔记本电脑上运行。

该算法现在名为“SPOT”或Systematic POacher deTector，将在博茨瓦纳大规模部署。

南加州大学计算机科学博士候选人伊丽莎白邦迪说：“SPOT将通过自动检测红外图像中的人和动物以及近乎实时地提供检测来减轻使用无人机进行反偷猎的负担。”