संदिग्ध और लापता व्यक्ति: तस्वीरों को चेहरे की छवियों में बदलना
वांछित और लापता व्यक्तियों के रिकॉर्ड कैसे एक स्वच्छ, कैमरा-तैयार डेटासेट बनते हैं, और Case ID कैसे हर खोज को वैध कारण से जोड़े रखता है।
जब कोई व्यक्ति लापता हो जाता है, तो शुरुआती घंटे सबसे महत्वपूर्ण होते हैं। लेकिन सार्वजनिक सुरक्षा के लिए एआई वीडियो एनालिटिक्स में खोज उतनी ही अच्छी होती है जितना उसके पीछे का डेटा: एक स्पष्ट तस्वीर, सटीक विवरण, एक Case ID, और यह जानकारी कार्रवाई कर सकने वाले लोगों तक पहुंचाने की व्यवस्था। सार्वजनिक सुरक्षा में यह डेटा अक्सर उन्हीं स्रोतों से आता है जहां इसकी सबसे अधिक आवश्यकता होती है: लापता व्यक्तियों के रजिस्ट्री और वांछित अपराधियों के डेटाबेस।
लेकिन इन छवियों को एकत्र करना फ़ाइलें डाउनलोड करने जितना सरल नहीं है। रिकॉर्ड आईडी स्कैन, संयुक्त रेखाचित्र, स्क्रीनशॉट, श्वेत-श्याम प्रिंटआउट, पारिवारिक तस्वीरों और उम्र बढ़ाकर बनाई गई छवियों के रूप में आते हैं। इस मिश्रण को भरोसेमंद डेटासेट में बदलने के लिए फ़िल्टरिंग, लेबलिंग और सावधानीपूर्ण निर्णय की आवश्यकता होती है।
सार्वजनिक रिकॉर्ड से शुरुआत
प्रभावी डेटासेट की शुरुआत प्रामाणिक रिकॉर्ड से होती है: वांछित और लापता व्यक्तियों की रजिस्ट्री सहित विभिन्न डेटाबेस से छवियां एकत्र करना। ये रिकॉर्ड सुरक्षित पुलिस चैनलों के माध्यम से साझा किए जाते हैं और कानूनी तथा डेटा-सुरक्षा कानूनों के अधीन होते हैं।
इस दृष्टिकोण से वांछित अपराधियों और सभी उम्र के लापता लोगों के रिकॉर्ड का व्यापक संग्रह मिलता है। लेकिन इसके साथ एक बड़ी चुनौती भी आती है: डेटा अत्यंत असमान होता है।
कई रिकॉर्ड, विशेषकर वांछित व्यक्तियों के, आमतौर पर केवल एक छवि रखते हैं: एक अकेला मगशॉट, संयुक्त रेखाचित्र या दस्तावेज़ स्कैन। यह किसी मानव जांचकर्ता के लिए पर्याप्त हो सकता है, लेकिन मिलान प्रणालियों के निर्माण और परीक्षण के लिए नहीं। इसके अलावा, ये अकेली छवियां भी अक्सर खराब गुणवत्ता की होती हैं, कई रिकॉर्ड में दोहराई जाती हैं, या आईडी दस्तावेज़ों और स्क्रीनशॉट में समाई होती हैं।

एआई टूल चेहरों का पता लगाने और बाद में मिलान के लिए उन्हें एक समान प्रारूप में क्रॉप करने में मदद करते हैं। वे वास्तविक चेहरे की छवियों को दस्तावेज़ लेआउट, स्क्रीनशॉट, कम रिज़ॉल्यूशन वाले स्कैन और पृष्ठभूमि की अव्यवस्था से अलग करते हैं।
विवरण भी तस्वीरों जितने ही महत्वपूर्ण हैं। वास्तविक कैमरा नेटवर्क में कोई व्यक्ति कैमरे की ओर चेहरा न किए हो, मास्क पहने हो, या उसने अपना रूप बदल लिया हो। जब चेहरा दिखाई न दे, तब कपड़े, बाल या बैग जैसी विशेषताएं लापता लोगों की खोज में सहायक हो सकती हैं।
गलत चेहरों को छांटना
लापता बच्चों के रिकॉर्ड एक और समस्या लाते हैं: उम्र बढ़ाकर बनाई गई छवियां। ये जानबूझकर किए गए अनुमान होते हैं कि लापता बच्चा वर्षों बाद कैसा दिख सकता है। ये सार्वजनिक अपीलों के लिए मूल्यवान हैं, लेकिन ये वास्तविक तस्वीरें नहीं हैं, इसलिए चेहरों के मिलान के लिए बनाए जा रहे डेटासेट में इनका कोई उपयोग नहीं है।
पारिवारिक तस्वीरें और जटिलताएं पैदा करती हैं। किसी लापता अभिभावक के रिकॉर्ड में उनकी अपने बच्चों के साथ तस्वीर हो सकती है। यदि ये बच्चे भी लापता हैं, तो आमतौर पर हर बच्चे की डेटाबेस में अलग प्रविष्टि होती है, लेकिन वही पारिवारिक तस्वीर उन सभी में दिख सकती है।
एआई टूल मुख्य व्यक्ति को उसी फ़्रेम में मौजूद रिश्तेदारों और अन्य लोगों से अलग करने में मदद करते हैं। डुप्लिकेट, अप्रासंगिक चेहरों और अनुपयोगी छवियों को हटाने के बाद, अंतिम डेटासेट में संदिग्ध और लापता व्यक्तियों और उनकी तस्वीरों का कहीं अधिक एकरूप समूह होता है।

डेटा को कैमरा-तैयार बनाना
वास्तविक निगरानी फ़ुटेज शायद ही कभी किसी साफ़ डेटाबेस तस्वीर जैसा दिखता है। CCTV से प्राप्त चेहरे के क्रॉप को ऑग्मेंट किया जा सकता है ताकि यह अनुकरण हो सके कि प्रिंट करने, स्कैन करने, आकार बदलने, झुकाने या स्क्रीन से फ़ोटो लेने पर छवियां कैसे बदलती हैं। लेकिन हर ऑग्मेंट की गई छवि उद्देश्य के लिए उपयुक्त नहीं होती। अत्यधिक धुंधलापन, नॉइज़ और विकृति कभी-कभी चेहरों को पहचानने योग्य नहीं रहने देते, और ऐसी छवियां हटा दी जाती हैं। इससे छोटा डेटासेट बचता है, जिसमें अधिक यथार्थवादी विविधता और सार्वजनिक सुरक्षा में नैतिक एआई के लिए अधिक व्यावहारिक मूल्य होता है।
संयुक्त रेखाचित्र, या आइडेंटिकिट, सबसे कठिन हिस्सा हैं। किसी प्रणाली को रेखाचित्र का तस्वीर से मिलान करना सिखाने के लिए जोड़ीदार उदाहरण चाहिए: एक वास्तविक तस्वीर और उसी व्यक्ति का आइडेंटिकिट। लेकिन आइडेंटिकिट अक्सर इसीलिए बनाए जाते हैं क्योंकि कोई उपयोगी तस्वीर उपलब्ध नहीं होती। सत्यापित जोड़ियां मैन्युअल रूप से खोजने पर केवल सीमित संख्या में उदाहरण मिल सकते हैं।
जेनरेटिव एआई मॉडल एक संभावित समाधान हैं। लेकिन अब तक वे विशेष फोरेंसिक सॉफ़्टवेयर से बने आइडेंटिकिट के बजाय सामान्य पेंसिल स्केच बनाते हैं, क्योंकि मॉडलों के पास इस प्रकार का प्रशिक्षण नहीं है।

डेटासेट को कार्रवाई से जोड़ना
फ़ेशियल रिकग्निशन तब मूल्यवान बनता है जब वह सही प्रतिक्रिया को ट्रिगर कर सके। वांछित और लापता व्यक्तियों का डेटासेट बनाने का अंतिम उद्देश्य रिपोर्ट और प्रतिक्रिया के बीच की दूरी को घटाना है। सार्वजनिक सुरक्षा के लिए एआई वीडियो एनालिटिक्स में हर छवि सही व्यक्ति को दर्शाए, वास्तविक रूप को प्रतिबिंबित करे, और उन परिस्थितियों में उपयोगी हो जहां खोज वास्तव में होती हैं।
अधिकृत मामले जोड़े जाने के बाद, कैमरा नेटवर्क या खोज प्लेटफ़ॉर्म आने वाली उपस्थितियों की तुलना पहले से लोड की गई वॉचलिस्ट से कर सकता है। यदि संभावित मिलान मिलता है, तो प्रणाली समर्पित प्रतिक्रियाकर्ताओं को कैमरा स्थान, छवि फ़्रेम और Case ID के साथ अलर्ट भेजती है, जिससे कोई मानव ऑपरेटर उसका सत्यापन कर सके।
IREX संरचना में ही गोपनीयता को शामिल करता है
लापता और वांछित व्यक्तियों का डेटा संवेदनशील होता है। IREX प्लेटफ़ॉर्म पहुंच को केवल अधिकृत उपयोगकर्ताओं तक सख्ती से सीमित करता है, और हर खोज या वॉचलिस्ट कार्रवाई किसी वैध कारण से जुड़ी होनी चाहिए, जैसे पुलिस केस फ़ाइल, अदालती आदेश या लापता व्यक्ति की रिपोर्ट।
IREX गोपनीयता-संवेदनशील कार्रवाइयां करने से पहले अनिवार्य Case ID की मांग करता है और फ़ेशियल रिकग्निशन को केवल पूर्व-पंजीकृत व्यक्तियों तक सीमित करता है।