Visual Timelines of Police Encounters in Body-Worn Camera Footage: Operational Context and Activity Cataloging for Training and Analysis in OpenBWC
تقدم هذه الورقة نظاماً يراعي الخصوصية يقوم بتحويل لقطات كاميرات الجسم إلى جداول زمنية مرئية من خلال تصنيف نوافذ مدتها 10 ثوانٍ للسياق العملياتي وكثافة الحركة، مما يسرع مراجعة الحوادث ويعزز سير عمل تدريب الضباط.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل كاميرا الجسم الخاصة بضابط الشرطة كفيلم مستمر وغير محرر يستمر لعدة ساعات. بالنسبة لمدرب أو مراجع يحاول العثور على لحظة معينة — مثل اللحظة التي يخرج فيها الضابط من سيارته أو عندما تبدأ مطاردة — فإن مشاهدة كل دقيقة من هذا الفيلم تشبه محاولة العثور على إبرة في كومة قش عبر التحديق في كومة القش بأكملها لأيام. إنها عملية بطيئة، ومملة، وغير فعالة.
تقدم هذه الورقة البحثية طريقة جديدة لتنظيم هذه الفيديوهات، حيث تحول فيلماً طويلاً وضبابياً إلى جدول زمني مرئي يعمل بمثابة "جدول محتويات" للأحداث.
إليك كيف فعلوا ذلك، مقسماً إلى مفاهيم بسيطة:
1. طريقة "لقطة الـ 10 ثوانٍ"
بدلاً من مشاهدة الفيديو بأكم، قام الباحثون بتقطيع كل مواجهة شرطية إلى قطع صغيرة غير متداخلة مدة كل منها 10 ثوانٍ (مثل تقطيع رغيف خبز إلى شرائح متساوية).
- الهدف: أرادوا تسمية كل شريحة بمعلومتين بسيطتين:
- أين نحن؟ ("السياق"): هل الضابط في سيارة دورية، أم في الخارج في الشارع، أم داخل منزل، أم أن الوقت مظلم جداً بحيث لا يمكن الرؤية؟
- ما هو مستوى الطاقة؟ ("النشاط"): هل كل شيء هادئ وروتيني، أم أن هناك مطاردة راجلة، أم أن هناك حركة فوضوية وعالية الكثافة؟
2. "الخصوصية أولاً" في التصنيف
لحماية خصوصية الناس، لا يحاول النظام أبداً التعرف على الوجوه أو تحديد هويات أشخاص معينين. الأمر يشبه النظر إلى فيديو من خلال نافذة ضبابية؛ يمكنك رؤية الأشكال، والإضاءة، ومدى سرعة حركة الأشياء، لكن لا يمكنك معرفة من هو من.
- إذا كان الفيديو مظلماً جداً، أو ضبابياً، أو محجوباً بيد، فإن النظام لا يخمن. بل يقوم ببساطة بتصنيف تلك الشريحة على أنها "أدلة منخفضة" (أو "لا يمكنني رؤية ما يكفي للتمييز"). هذا يمنع الكمبيوتر من اختلاق قصص عما يعتقد أنه يراه.
3. تعليم الكمبيوتر كيف "يرى"
علم الباحثون نموذجاً حاسوبياً كيف ينظر إلى هذه الشرائح ذات الـ 10 ثوانٍ ويخمن التصنيفات. لقد استخدموا "عينين" مختلفتين للكمبيوتر:
- "عين الصورة" (CLIP): تنظر إلى الصور الثابتة داخل الفيديو لفهم الإعداد (على سبيل المثال: "هذا يبدو كلوحة قيادة" أو "هذا يبدو كممر").
- "عين الحركة" (Optical Flow): تتبع كيفية تحرك البكسلات من إطار إلى آخر لقياس الكثافة (على سبيل المثال: "كل شيء يتلاشى لأن الكاميرا تهتز بسرعة" مقابل "المشهد ساكن جداً").
وقد وجدوا أن الجمع بين هاتين "العينين" أعطى أفضل النتائج.
4. النتائج: صورة أوضح
عندما اختبروا هذا النظام، إليكم ما حدث:
- الموقع (السياق): كان الكمبيوتر جيداً جداً في تخمين مكان تواجد الضابط (بدقة بلغت حوالي 79%). استطاع بسهولة التمييز بين التواجد في سيارة، أو في الخارج، أو في الداخل.
- الحدث (النشاط): كان أيضاً جيداً في رصد الحركة الروتينية (بدقة بلغت حوالي 88%). ومع ذلك، كان رصد أكثر اللحظات كثافة وفوضوية أمراً أصعب؛ حيث خلط الكمبيوتر أحياناً بين "الفيديو غير الواضح" وبين "النشاط العالي"، ويرجع ذلك غالباً إلى أنه عندما تكون الرؤية ضبابية، يصعب التمييز بين ما إذا كان السبب هو سوء الإضاءة أم وجود عراك حقيقي.
- شبكة الأمان لـ "الثقة المنخفضة": عندما لم يكن الكمبيوتر متأكداً من إجابته، فإنه يقوم بتمييز الفيديو. ومن المثير للاهتمام أن هذه اللحظات "غير المتأكدة" كانت هي نفسها اللحظات التي وجد المراجعون البشريون صعوبة في تصنيفها أيضاً. وهذا يعني أن الكمبيوتر صادق بشأن ارتباكه الخاص.
5. لماذا يهم هذا؟
تجادل الورقة بأن هذه الطريقة تخلق فهرساً قابلاً لإعادة الإنتاج والتدقيق. فكر في الأمر كأنه مشغل موسيقى لا يكتفي بإظهار عنوان الأغنية فحسب، بل يعطيك شريطاً مرئياً يوضح لك أين توجد الأجزاء الهادئة وأين توجد الأجزاء الصاخبة والمكثفة.
- للمراجعين: بدلاً من مشاهدة 45 دقيقة من اللقطات، يمكنهم مسح الجدول الزمني للانتقال مباشرة إلى أقسام "النشاط العالي" أو "المطاردة الراجلة".
- للتدريب: يمكن للمدربين استخراج أمثلة لمواقف محددة بسرعة (مثل "المواجهات داخل المباني") دون البحث في ساعات من الفيديو غير ذي الصلة.
ملخص
لا تدعي هذه الورقة أن هذا النظام يمكنه حل الجرائم أو استبدال الحكم البشري. بدلاً من ذلك، هي تقدم أداة عملية لتنظيم كميات هائلة من بيانات الفيديو. إنها تحول تدفقاً فوضوياً من اللقطات التي تستمر لساعات إلى خريطة مهيكلة وسهلة القراءة تسلط الضوء على أين حدثت الأمور و مدى شدتها، مع الحفاظ على خصوصية هويات الأشخاص المعنيين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.