探索执法部门如何在不依赖面部识别的情况下追踪感兴趣的人

概述

视频证据在犯罪调查中的重要性正日益凸显，其数量之多已经达到了前所未有的水平。据美国司法援助局（Bureau of Justice Assistance, BJS）的数据显示，大约80%的犯罪案件都涉及到某种形式的视频证据，并且这一比例还在持续上升，没有放缓的迹象。

视频证据的来源非常广泛，包括安全监控摄像头、交通监控录像、个人随身摄像机、行车记录仪以及各种手持移动设备。根据皮尤研究中心（Pew Research Center）的数据，高达97%的美国人拥有至少一部移动设备，这使得视频录像在公共和私营部门变得无处不在。此外，执法部门的广泛使用也进一步增加了视频证据的普遍性。据国家司法研究所（National Institute of Justice, NIJ）的研究表明，超过47%的通用执法机构和高达80%的大型警察部门都已经开始使用执法记录仪。

随着技术的进步和移动设备的普及，视频证据在法律执法和司法审判中的作用越来越重要。执法机构和法律专业人员需要不断更新他们的知识和技能，以适应这一变化，确保能够有效地收集、分析和利用这些关键的证据资源。

在视频证据审查中使用人工智能

传统上，分析视频片段需要劳动密集型的手动审查过程，但人工智能技术的进步已经实现了视频证据的自动化和快速分析。

例如，现在可以在几分钟内分析 10 分钟的视频，而不是花费数小时进行人工审核。同样，人工智能算法可以跨多个视频文件和格式跟踪感兴趣的人，根据个人的特定特征识别潜在的匹配项。

人工智能在公共安全方面的一个关键优势在于其能够快速实时分析大量数据集。通过使用机器学习算法，人工智能平台在检测模式、发现异常以及以更高的精度预测潜在威胁方面表现出色。

此功能使执法机构 (LEA)（包括急救人员和其他公共安全利益相关者）能够有效地解决安全问题并主动高效地优化资源分配，同时让人员参与自动化流程的循环并授权这些团队成员开展工作在更快的时间内获得更好的数据。使得原本需要大量人力和时间的手动审查变得自动化和迅速。AI的应用不仅极大提高了效率，还增强了分析的深度和准确性。

1. 自动化分析：AI使得原本需要数小时的人工审核工作可以在几分钟内完成，极大提升了处理速度。

2. 跨格式跟踪：AI算法能够跨越不同视频文件和格式，追踪视频中的特定个体，并根据其独特特征识别潜在的匹配项。

3. 实时数据分析：AI在公共安全方面展现出关键优势，能够快速实时分析大量数据集，通过机器学习算法，AI平台在检测模式、发现异常以及预测潜在威胁方面表现出色。

4. 资源优化：AI使执法机构（LEA）能够更有效地解决安全问题，主动而高效地优化资源分配，同时让人员参与到自动化流程中，快速获取更准确的数据。

5. 全面叙述构建：利用AI解决方案，LEA可以通过连接不同视频文件中的图像，构建关于个人、事件和时间线的全面叙述，简化了视频证据分析的过程，提高了法律领域内外调查的效率和效果。

然而，AI在调查中的应用也引发了对隐私保护和个人身份信息（PII）的担忧，尤其是在面部识别技术的使用上，人们担心这可能侵犯个人权利。

值得庆幸的是，随着AI技术的不断进步，现在出现了不依赖面部识别的替代方法，这种方法可以在视频文件中跟踪感兴趣的人，同时尊重和保护个人隐私。通过这种方式，AI技术在提高公共安全和法律调查效率的同时，也能够更好地保护个人隐私和权利。

保护 PII 的 AI

还有其他人工智能模型优先考虑 PII 的完整性，使调查人员能够识别相关信息，而无需依赖面部识别或其他可能损害个人隐私的生物识别标记。这种方法不仅加快了分析过程，而且还降低了与视频监控相关的隐私风险。

在不牺牲速度的情况下优先考虑隐私

时间的重要性怎么强调都不为过。对于涉及失踪人员的案件，最初的 48 小时至关重要，因为证据仍然新鲜，找到失踪人员的可能性也更高。通过利用人工智能加速视频证据的审查，LEA 可以增加寻找失踪人员和识别感兴趣人员的可能性。

在面部识别不实用或不道德的情况下，类人物体 (HLO) 检测技术变得不可或缺。通过 HLO 检测，人工智能引擎可以根据经过训练可识别的特定特征来识别个人，例如衣服、穿孔或鞋类。通过精确定位这些特征出现的实例，人工智能简化了审查大量视频片段的过程，从而提高了时间效率。

HLO 检测的用例包括受害者识别、嫌疑人识别和逮捕、证人识别等。

人工智能帮助执法部门在视频片段中定位个人的其他方式

除了不使用面部识别来识别个人之外，人工智能还提供了其他方法，可以帮助人类分析师和调查人员跟踪人员、建立重要的时间表并收集重要信息，将他们从繁琐的任务中解放出来，以便他们可以将更多的时间投入到他们的工作中。社区。

大数据和预测分析

在搜索功能领域，人工智能正在彻底改变大数据和预测分析，带来重要的进步：

• 利用包括社交媒体内容和公共记录在内的广泛数据集来预测某人的潜在位置和行为模式。
• 预测建模使研究人员能够优化搜索参数，将资源引导到能够产生最大影响的领域。
• 利用自然语言处理 (NLP) 技术筛选社交媒体帖子，提取有价值的见解，从而加强定位感兴趣人员的工作。

地理空间分析

利用地理信息系统 (GIS)、地形测绘和分析在协助搜索和救援行动中发挥着关键作用。通过人工智能集成，这些过程实现自动化，从而提高了地理空间数据分析的精度。这种自动化使研究人员能够快速处理大量数据集，找出使用传统方法时可能被忽视的模式。

探索执法部门如何在不依赖面部识别的情况下追踪感兴趣的人

车辆追踪

只有在摄像头可见的情况下才能通过视频片段跟踪个人，如果他们进入车内，这可能会成为一个问题。为了应对这一问题，出现了人工智能跟踪解决方案，可以从跟踪人员无缝过渡到跟踪车辆。这样，警方仍然可以找到个人并保持案件时间线的完整性。

人工智能在失踪人员调查中的未来趋势和应用

人工智能在公共安全领域的发展轨迹有赖于 LEA 和科技公司之间的合作。通过这种类型的合作伙伴关系，可以开发更强大、更高效的人工智能驱动工具，从而扩大搜索和救援工作的有效性，并扩展到其他相关应用。其中一种前景涉及利用人工智能进行早期识别和干预策略，通过强有力的监测和分析来预防失踪。

随着技术进步的不断发展，我们可以预见新的人工智能工具和方法的出现，其中可能包括增强的生物识别能力和完善的预测建模技术。

对于公共安全机构来说，在不断变化的调查环境中，获得正确的工具仍然至关重要，而采用人工智能可以使 LEA 更有效、更准确、更容易提供服务，这是向前迈出的一大步。

总结

随着人工智能与执法的日益融合，在保护隐私和确保公共安全之间取得平衡成为首要问题。虽然人工智能有望加强公共安全措施，但它也有可能侵犯隐私和滥用权力。通过正确的保障措施和实践，人工智能可以用来服务和支持更大的利益。

对于组织来说，建立道德和法律框架来管理人工智能的使用和保护隐私权至关重要。这就需要制定旨在促进人工智能驱动系统的透明度、问责制和监督的立法举措和指导方针。

实施数据匿名化和严格的安全协议等最佳实践也很重要，这将有助于减轻与人工智能技术相关的固有风险。最终，优先考虑隐私将继续作为公共安全举措的基本支柱，增强公众对执法的信任。