“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

  • A+
所属分类:人生八九
摘要

小早说:做一个面部识别系统追踪失踪人口,你也可以

7月25日,根据央视新闻报道,杭州来女士失踪案案情逐渐明朗。

在看了6000小时的监控视频,对小区6幢单元楼、379户人家、1075名住户进行走访询问后,杭州警方在发布会上表示,已排除来女士自行出走和他人作案的可能,初步发现了其丈夫许某某的作案嫌疑,目前正在将许某某列为专案攻坚的重点对象。

先给不熟悉的读者回顾一下整个事情的经过:7月6日,杭州警方接到来女士家人报案,称来女士从7月5日“离奇失踪”。21日,警方成立专案调查组,对地下室、天台等地进行地毯式搜索,最终在对38车化粪池污秽物中提取发现了来女士的人体组织。

本案从报案伊始,以“来女士离奇失踪”为切入点,也让另外多起“丈夫杀妻后谎称失踪案”浮出水面。

最近告破的两起案件,一起7月5日发生在浙江省杭州市江干区,另一起7月20日发生在四川省资阳市安岳县;均于近日确认是“丈夫杀妻后报警称妻子失踪”。

在微博上,相关话题也引起了极大的关注,一位博主发文提及亲身经历,“这个事情和我妈当年一模一样”,“钥匙手机银行卡身份证,什么也没有带走”,“至今7年无音讯”。

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

没想到,在这条微博下方,越来越多的网友开始分享自己亲身经历或听闻的“失踪”案件,“消失的妻子”数量之多,超出了我们的想象。

有网友写道,小姨夫曾来通知娘家人,“小姨自己走了”,但是“离家出走什么都没拿”。

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

也有网友分享道,“老家有个人娶了媳妇没到一年,她就跑了”,“据说那个女生什么都没拿走”,“现在想想有点后怕”。

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

尽管警方目前已经排除来女士离家出走的假设,更多分享的案例也已无法确定“失踪人口”是否已经遇害,但目前能够确定的是,“失踪”案正在我们身边时刻发生着。

据央视统计,中国每年失踪人口数量超过800万,其中大部分难以寻回。

其中不止包括“来女士”这样的女性,占很大比例的还有老人和孩童。这些关于失踪人士的分享,背后都是一段段无法想象的悲痛经历,每个无法寻回的失踪人士,都代表了一个家庭无法估量的损失,她/他们是消失的个体,也是家人的全部。

在技术发展逐渐成熟的当下,能否借助AI和大数据,助力寻回失踪人口,成了一项亟需解决的社会问题,显得十分重要和迫切。

一、做一个面部识别系统追踪失踪人口,你也可以

不只中国,在全球范围内,人口失踪现象都十分严重。

比如根据美国的一项统计显示,每年新增失踪人口数量达到8万至9万人,涉及各个年龄段、性别、经济状况、阶层以及种族。

在寻找失踪人口上,尽管人脸识别技术最近遭受了众多非议,但它却是必不可少的“利器”。

在medium上,一位名叫Gagandeep Singh的博主分享了他如何利用人脸识别技术助力警察寻找失踪人口,他写道,他主要利用Python设计了一个GUI应用程序,警察可以用其注册新案件,提交案件的人脸图像以及其他基本信息被集中处理后,会一起存储在数据库中,等待哪天被成功匹配。

在技术实现上,首先是对人脸关键点的识别,dlib面部关键点生成器能够为每张脸生成68个关键点,这些关键点都是浮点值,会精确到小数点后8位,生成效果如下图所示:

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

在相应的GUI界面,会得到以下内容:

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

1.上传新数据

需要注册新案件时点击,随后会打开新的GUI,接收用户的数据。

2.更新分类器

从Firebase下载面部关键数据,使用这些数据训练KNN分类器。

3.匹配

下载用户注册的所有数据,使用训练的KNN分类器进行匹配,如果置信度超过60%,那么就可以说是匹配的。

4.确认的请求

已处理的投诉都将存储在这里。

假设,该应用程序记录了3个失踪案例,这意味着dlib会生成136*3个面部关键信息点,3代表了案例数,136则是因为每个点都会生成x坐标和y坐标。

然后,利用这些关键点训练KNN分类器。

如果下图代表了KNN分类的面部信息关键点,那么红色应该对应着人物1,绿色对应着人物2,蓝色对应着人物3。在这个基础上,如果某人和录入信息的匹配置信度超过了60%,那系统就会认定这是同一人。

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

在录入时,与面部信息的编码标签捆绑着的还包含个人的其他基本信息,比如真实姓名、父母姓名、年龄、居住地等。

在这个基础上,该博主还设计了一个可供普通人利用的安卓应用程序。在日常生活中,当我们发现有人和数据库中的某些人长相类似时,可以匿名提交部分照片信息,在提交时,拍摄地点等也会相应被存储。

GitHub开源链接:

https://github.com/gaganmanku96/Finding-missing-person-using-AI

除此之外,总部位于Gurgaon的AI初创企业Staqu也推出了一款适用于警察的应用程序,帮助寻找失踪人口。

这款应用程序可以通过面部识别、区域限制(geo-fencing)和热点分析(hot-spot analysis),将失踪人士的记录数字化,目前,录入该应用程序数据库的失踪人员超过了12000人。

具体而言,热点分析用于研究失踪人员的历史记录,包括曾是贩运或绑架儿童者的藏身之地,再加上区域限制,一旦有失踪案例报告,AI会自动筛选方圆6小时或其他时间范围内的地区位置,具体将取决于报告时间。

Staqu首席执行官兼联合创始人Atul Rai表示:“我们一直致力于利用技术解决现实问题,印度的贩运儿童、绑架和其他不法行为的现象持续发生,在协助警察利用AI打击犯罪时,也有必要创建一个专门的AI解决方案来寻找这些失踪的人。”

 

二、英国出动无人机,几秒搜索方圆150米

除了利用面部识别技术之外,英国还将无人机用于寻找失踪人口。

据了解,苏格兰国家警察部队和苏格兰警察局将部署遥控飞机系统(RPAS)。在实际运用时,RPAS由地面上受过专门训练的人员操作,另一名人员可以通过智能手机上的RPAS摄像机接收实时视频。

通过整合AI技术,苏格兰警察局在寻找失踪人员时可以覆盖更广的地区,从而减少了对地面警官队伍进行冗长细致检查的需要。

这项技术主要基于机器学习,可以提供实时的图像分析以识别偏远地区的人们。研究人员用数百小时的视频对AI系统进行了训练,视频中有穿着不同衣服、在不同位置的人,系统可以搜索图像,在几秒钟内就能在方圆150米的范围内定位某人。

根据研发人员的说法,这个系统的运行速度是其他算法的两倍,并且,使用频率越高,识别的能力也就越高。

这是英国警察首次把新兴技术用于实际业务,苏格兰警察航空支援组检查员Nicholas Whyte表示,“在作战警务环境中使用无人机是一个相对较新的领域,这种合作为苏格兰警察局提供了参与开发新技术的机会,将更好地为苏格兰人民提供服务”。

三、中国在11年内寻回6300多名失踪儿童

在整个失踪人口比例上,儿童的走失成为不可忽视的一部分。

根据2018年印度的一项调查统计,平均每天有174名儿童失踪,有一半的儿童至今下落不明。2016年超过10万名儿童报道失踪,其中55525个直到年底都没有找到。

利用AI技术寻回走失多年的孩子在国内已有不少成功案例。

今年5月,根据报道,在全国打拐第一库的帮助下,时隔32年,母亲李静芝终于寻回失踪儿子。

随着全国打拐第一库逐渐规模化,父母在孩子失踪后,可以通过公安机关,将血样数据上传DNA数据库,一旦发现有来源不明或者疑似拐卖的孩子,便可以进行DNA结果对比,从而确认孩子的身份。

同时,如果有儿童怀疑自己的出生,也可以提交血样数据上传到DNA数据库中,在数据库里可以与生母的DNA数据进行匹配,这大大减少了寻亲时间。

据公安部的统计,公安部儿童失踪信息紧急发布平台“团圆”系统自2016年5月15日正式上线运行以来,共发布4467名儿童的失踪信息,找回儿童4385名,找回率98.2%。2009年至今,全国公安机关已通过积案攻坚和DNA数据库比对等方式,找回6300余名被拐多年的儿童。

“丈夫杀妻谎报失踪”案频发,“来女士”们正在消失,技术能寻回TA们吗?

近年来,从电影《亲爱的》到《失孤》,越来越多的影视作品将目光聚焦到了“失踪儿童”上,这在一定程度上也唤起了人们对失踪儿童案件的关注,越来越多的人加入到公益组织中,越来越多的新兴技术用于寻找走失儿童。

看上去,寻回的只是一个人,但对于另一些人来说,可能这就是他们继续生活下去的动力。

           来源:大数据文摘。作者授权早读课发表,转载请联系作者。
           编辑:早读堂-亚亚

    欢迎投稿到早读课,投稿邮箱:mm@zaodula.com

​ofo出走的年轻人:想改变世界,但终究还是走散了         如果看到这段文字,证明您已经看完这篇文章了,有什么收获有什么感想有什么不赞同,我们期待您的留言评论,并诚挚邀请您加入“互联网早读课”QQ群,一同交流每天文章的心得并结识同行。官方11群:477502397,加群密码“城市+职业+姓名”,否则不予通过,入群后请修改群名片。

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: