28、利用计算机视觉与机器学习进行犯罪分析

利用计算机视觉与机器学习进行犯罪分析

卫星图像在犯罪率预测中的应用

卫星图像在犯罪分析中展现出了巨大的潜力。研究人员利用芝加哥警察局15年收集的超100万起犯罪事件数据对应的卫星图片，训练了深度卷积神经网络（CNN）。其中一种算法使用原始卫星照片，能将犯罪率的预测准确率提高到79%。为验证结果的可复用性，研究人员在丹佛和旧金山进行了测试，使用从芝加哥测试并训练好的模型。与不同执法机构多年收集的数据相比，其绘制的地图准确率分别达到72%和70%。这表明：
1. 卫星图像的视觉特征可作为犯罪率的代理指标。
2. 卷积网络可以从卫星图像中训练出用于犯罪率预测的模型。
3. 深度模型在一个地区使用和学习后，可在多个城市复用。

新型犯罪分析系统的提出

随着技术的不断发展，计算机视觉、深度学习和机器学习为犯罪监控带来了新视角。研究人员提出了一个结合多种技术的系统，将Sting Ray、随身摄像机、面部识别软件和监视行动的优势整合在一起，并添加了一系列新功能到核心分析套件中，具体如下：
|功能|描述|
| ---- | ---- |
|基础分析|需要理解大量统计方法，以准确预测未来事件，如本地商业抢劫或人类行为。|
|神经网络|算法模仿人类大脑，模拟神经细胞，尝试自主思考以理解甚至预测犯罪现场。|
|启发式引擎|为提高系统安全性，整合反病毒信息，帮助检测和清除已知病毒威胁。|
|加密算法|使用两种加密算法，分别对已公开的犯罪数据和新发现的可能非法证据进行安全加密。|
|递归处理器|确保机器活动持续运行，且不干扰机器的监控功能。|
|贝叶斯网络|用于异常检测、诊断、时间序列预测和不确