本文發表於《大眾科學》的前部落格網路，僅反映作者的觀點，不一定代表《大眾科學》的觀點。
在對週一波士頓馬拉松爆炸案展開調查後不久，執法部門敦促公眾透過電子郵件傳送任何可能幫助他們找到罪犯的影片、影像或其他資訊。“任何資訊或細節都不算小，”聯邦調查局網站宣告。考慮到聚集觀看比賽的攜帶攝像機人群的規模，更不用說城市和當地商家已經安裝的影片監控系統，對於調查人員來說，從所有這些錄影中尋找線索絕非易事。
執法部門現在表示，他們已經找到了兩個不同嫌疑人在每個爆炸地點攜帶黑色包袋的影片影像，並計劃在週四釋出這些影像，以便公眾可以幫助辨認這些人，《波士頓環球報》報道。
雖然用於分析此類影片的軟體可以在事後識別和標記物體、顏色甚至行為模式，但人們希望在不久的將來，智慧影片攝像頭設定將能夠檢測可疑活動並及時發出即時警告，以防止未來悲劇的發生。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關當今塑造我們世界的發現和思想的具有影響力的故事能夠擁有未來。
紐約大學的研究人員團隊正朝著這個目標努力，他們開發出了一種軟體，據稱可以衡量人群的“情緒”。到目前為止，這項技術主要在體育賽事中作為營銷工具進行測試（例如，衡量哪些廣告吸引了觀眾的注意力），但研究人員也在關注國土安全應用。資助紐約大學大部分研究的美國軍方有興趣瞭解這種軟體是否可以檢測到有人攜帶武器或炸藥藏在衣服下接近檢查站或基地。
“到目前為止，我們可以檢測到他們是否在吃飯、使用手機或鼓掌，”紐約大學計算機科學教授克里斯·佈雷格勒說。這不是一門精確的科學，但監控人群行為有助於營銷人員瞭解是什麼創造了積極的人群反應——無論是對球場上的精彩動作擊掌叫好，還是回應“人浪”的呼籲，還是對記分牌上的廣告發笑。該軟體目前被程式設計為僅檢測積極情緒。消極情緒——噓聲和不禮貌的手勢——是研究人員的下一個議程。
即時分析影片的關鍵是程式設計配套的分析軟體，使其能夠尋找某些線索——例如，柔軟飄逸的衣服下方的剛性物體——併發出即時警報。佈雷格勒說，首先，必須對軟體進行“訓練”。這要藉助亞馬遜的 Mechanical Turk 數字勞務市場等網際網路服務來完成，參與者付費分析和標記影片片段，根據螢幕上的內容進行標記。佈雷格勒和他的團隊將這些結果載入到計算機神經網路中——一個微處理器叢集，本質上是分析資料之間的關係——以便該軟體最終可以自行識別這種活動。
研究人員面臨的一個挑戰是開發其分析軟體，使其能夠檢查各種不同型別的影片片段，無論是夜間新聞中的專業質量的攝影作品，還是某人用不穩定的手機攝像頭錄製的事件。“美國軍方希望我們關注阿拉伯之春的錄影和大型示威活動，以尋找它們將演變成暴力的早期跡象，”佈雷格勒說。
佈雷格勒早期識別特定運動特徵的研究（參見下方影片）使用了與《指環王》和《哈利·波特》電影中特效相同的動作捕捉技術。佈雷格勒的運動分析研究在 2000 年引起了五角大樓國防高階研究計劃局 (DARPA) 的關注，作為識別安全威脅的一種可能手段。在 9/11 事件之後，由於國家科學基金會和美國海軍研究辦公室的資助，他的研究得到了加強。執法和反恐組織已經擁有面部識別技術，但正在尋找更多方法來更好地理解無數小時的監控錄影。
鑑於人們通常不會穿著帶有反游標記的緊身動作捕捉服四處走動，紐約大學團隊開發了他們的技術，以更多地關注掃描攝像機周圍的環境，並識別獨特的點，例如光線從襯衫紐扣反射的方式與從襯衫面料反射的方式不同。研究人員的目標是讓他們的軟體能夠根據運動識別人的情緒狀態和其他屬性。
佈雷格勒說，如果沒有這種先進的影片分析技術，調查人員基本上必須逆向工程他們收到的影片中描繪的動作。在波士頓馬拉松賽的案例中，研究人員一直在分析爆炸事件的影片，然後倒推回去，看看在爆炸事件發生之前誰在該區域。“很可能弄清楚發生了什麼的資料是存在的，”他補充道。“調查人員只需要找到它，考慮到湧入的影片量，這很困難。”