Для органов следствия и дознания информация, которая содержится в видеозаписях систем видеонаблюдения, имеет большое, а в некоторых случаях — ключевое значение для раскрытия и расследования преступлений.
Её выделение из видеозаписей отягощено рядом факторов, таких как сложность обработки данных человеком или невозможность глубокого анализа происходящих событий. Однако современные технологии привели к тому, что для обработки видео сейчас в криминалистике используются нейронные сети и искусственный интеллект (ИИ). Именно о новых технологиях и рассказал эксперт КТЭ и ИАЭ экспертно-криминалистического отдела СУ СК России по Иркутской области Илья Причко в своём докладе на конференции РусКрипто-2020.
Большой объём информации, которую необходимо проанализировать при расследовании правонарушений, ставит перед правоохранительными органами почти непосильную задачу всё отсмотреть и выделить важные моменты. И проблемой для всестороннего изучения доказательств является ограниченность сроков расследования и малое количество человеческих ресурсов, выделяемое на раскрытие преступления.
«На текущий момент уровень развития техники и метод машинного обучения дают возможность решать задачи без участия человека. При этом ИИ уже сейчас часто используется в криминалистике. Это может быть вплоть до простейших задач, когда мы преобразовываем изображения в цифровую информацию, чтобы провести поиск по ключевым словам, например, поиск изображений порнографического содержания, оружия и так далее», – рассказал Илья Причко.
Обработка видеозаписей при использовании человеческих ресурсов дело трудоёмкое и затратное. К тому же возможны ошибки человеческого фактора – через 2 часа просмотра внимание притупляется и могут быть упущены важные моменты. Ещё одна проблема — часто информация может обесценена, потому что среди видеозаписей может не находиться тех данных, которые нужны, и тогда огромные человеческие ресурсы истрачены зря. Поэтому сейчас почти повсеместно для поиска по видео используется нейронная сеть.
«После того как мы научились обнаружить объекты по детекции движений, мы также применяем ИИ для того, чтобы провести сегментацию. Хотя ресурсы требуются значительно большие, но иногда у нас бывают ситуации, когда человек обездвижен или находится на фоне деревьев, листьев или каких-то шумов. Нейронные сети сейчас помогают проводить нормальные сегментацию (выделение из фона), что в гибридной модели показало хорошие результаты, когда у нас используется и детекция движения для низкокачественных объектов где-то вдали, и ИИ для объектов, которые без движения», - рассказал Илья Причко.
Сейчас нейросети позволяют проводить классификацию каких-то признаков, например, это может быть идентификация по лицу. Ещё применяется идентификация по одежде и атрибутам: усы, шапка, сокрытие лица и так далее, одежда и её тип. Также в системе определяется пол, возраст, этническая составляющая. Всё это делается для того, чтобы следователю можно было узнать какие-то приметы и отобрать только те записи, которые представляют интерес. По словам Ильи Причко, сейчас есть прорыв — идентификация по походке. В МГТУ им. Н. Э. Баумана такие разработки есть. В этом случае уже не так важен угол, с которого снимается человек.
«Сейчас во всём мире разрабатывается интересное направление — это повторная идентификация человека, то есть обнаружение одного и того же индивида на разных камерах», — рассказал Илья Причко.
