Med Zensors-appen kan du skaffa dig övervakning av livekameror

Om du känner att du behöver ögon på baksidan av huvudet finns det en crowddsourcing-app för det.

Zensors är en smarttelefonapplikation som kan övervaka ett område av intresse med hjälp av en kamera, folkmassor och artificiell intelligens.

Tanken bakom Zensors är utvecklad av forskare från Carnegie Mellon University och University of Rochester att använda vilken kamera som helst på en fast plats för att upptäcka förändringar i vad som övervakas - till exempel om ett husdjurs matskål är tom - och automatiskt meddela användare.

Utvecklarna säger att det är ett billigt, tillgängligt sätt att lägga till sensorer i miljön, en del av utvecklingen mot att bygga smarta hem och smarta städer.

Projektet, som presenterades vid Computer-Human Interaction Conference (CHI) 2015 i Seoul denna vecka, är baserat på enkla användarfrågor skrivna på vardagsspråk om det område som övervakas..

Till exempel kan en fråga vara: finns det en bil på parkeringsplatsen? Närvaron av en bil skulle utlösa ett positivt svar i varningen till användaren, vilket kan skickas via e-post eller textmeddelande.

Kameran kan vara bildsensorn i valfri mobil enhet, förutsatt att den har konfigurerats för att övervaka något, eller en webbkamera, säkerhetskamera eller någon annan ansluten kamera. Det kommer att fånga bilder med ett intervall som ställts in av användaren.

Användare väljer först ett område av intresse i kamerans vy genom att cirkla den med ett finger på en pekskärm - som är avsett att begränsa övervakningen och skydda integriteten för personer som kan gå in i en del av ramen.

Därefter matas in en fråga i Zensors-appen och jobbet med att övervaka bilderna odlas ut till Internet. Redundanta bilder där ingenting har förändrats ignoreras automatiskt.

De personer som utför den första övervakningen kan vara personal vid ett callcenter eller en outsourcingtjänst som Amazons Mechanical Turk, som användes i CMU-studien. När bildskärmarna bestämmer att frågan har ett bekräftande svar ändras snart en graf i appen; det kan också utfärda varningar till användare.

Zensors blir dock intressanta när processen blir automatisk. Efter en viss period av mänsklig övervakning kan maskininlärningsalgoritmer i programvaran lära sig när ett visst villkor har uppfyllts. Till exempel kan de lära sig att inse att ett husdjurs matskål är tom.

För att säkerställa algoritmernas noggrannhet skulle systemet regelbundet kontrolleras av arbetare, vilket kan ta en mer praktisk roll om det övervakade området har en oväntad förändring.

Datorvisionsverktyg kan också läggas till databehandlingen, vilket gör att systemet kan utföra uppgifter som att räkna bilar eller personer i ett visst område.

I en demonstration placerades en smartphone som kör Zensors med framsidan upp på ett bord. En fråga sattes in: "Finns det en hand?" Efter att ha hållit en hand över telefonens kamera ändrades appens graf, vilket visade att mekaniska Turkarbetare hade svarat på avstånd. Forskarna skyllde nätets latens för att svaret tog cirka 30 sekunder.

Med bättre lyhördhet kan Zensors användas i en mängd olika affärs- och hemmaprogram. En restaurangchef kan använda den för att lära sig när kundernas glasögon behöver fyllas på och säkerhetsföretag kan använda det för automatisk övervakning.

"Vi är de första, så vitt jag vet, som smälter publiken med maskinutbildning och faktiskt gör det," sade Gierad Laput, doktorand vid Carnegie Mellons Human-Computer Interaction Institute, som också visade upp nya smarttelefongränssnitt vid CHI.

Kostnaden för mänsklig övervakning är 2 cent per bild, enligt forskarna. Det kostar ungefär 15 USD i mänsklig kontroll av data för att träna algoritmerna så att de kan ta över.

Däremot kan det att ta över en månad och kosta tusentals dollar att ha en programmerare skriva datorsynsprogramvara för en sensor som svarar på en grundläggande ja eller ingen fråga..

"Naturligt språkbearbetning, maskininlärning och datorsyn är tre av de svåraste problemen inom datavetenskap," sa Chris Harrison, biträdande professor i samverkan mellan mänskliga och datorer vid CMU. ”Publiken låter oss i princip kringgå mycket av det. Men vi låter bara publiken göra startskottet och vi får fortfarande fördelarna med maskininlärning. ”

Forskarna planerar att fortsätta förbättra Zensors-appen, nu i beta, och sedan släppa den till allmänheten.

Gå med i nätverkets världssamhällen på Facebook och LinkedIn för att kommentera ämnen som är övertygade.