由 Air Shepherd 保护组织在一次实地演示中操作的无人机拍摄的红外热成像。图片来源：Air Shepherd 在黑暗掩护下非法狩猎大象和犀牛的偷猎者，很快就会发现自己被装备了人工智能的“捕食者”视觉无人机追踪。新的 AI 系统使监控无人机能够自动检测人类和动物，这可以帮助保护专家和护林员保护濒危野生动物，该系统于 2018 年开始投入使用。一家名为 Air Shepherd 的野生动物保护组织已经进行了该 AI 系统的实地演示测试，并希望最终将其推广到非洲的各个国家公园。就像《捕食者》科幻电影中的外星猎人一样，Air Shepherd 的无人机使用红外热成像来探测来自人体或动物身体等温热物体的热量。由卡内基梅隆大学、南加州大学和微软的研究人员开发的 AI 系统，赋予了这些无人机识别潜在偷猎者并向公园护林员或其他执法人员发出警报的额外能力。“我们的主要目标是协助 Air Shepherd 进行无人自主飞行器 (UAV) 操作，并减少在夜间监控 UAV 摄像机所需的人力，”卡内基梅隆大学匹兹堡分校软件研究所的助理教授 Fei Fang 说。“未来，我们还希望自动调整 UAV 的飞行路线，以自动追踪偷猎者。”
当偷猎者成为猎物
Fang 解释说，大多数偷猎者试图在夜间狩猎野生动物，以避开白天的游客和巡逻队。Air Shepherd 等保护组织已经开始尝试穿透黑暗的掩护，派遣无人机提供空中监控，以协助夜间巡逻。但操作无人机和监控无人机摄像机画面仍然是一项耗时的人工任务，如果没有 AI 工具的帮助。https://www.youtube.com/watch?v=Ny0XGUPpawg&feature=youtu.be Fang 和她的同事训练了一个神经网络——这是被称为深度学习的流行 AI 技术的基本架构——来识别热成像摄像机图像中与人类或动物相关的模式。SPOT（系统化偷猎者探测器）系统可以在常见的笔记本电脑 GPU 硬件上运行。这意味着 SPOT 系统只需要运行程序的笔记本电脑和飞行中的无人机之间的无线连接，即可分析来自无人机的实时视频馈送。这标志着一个名为 PAWS（野生动物安全保护助手）的更大 AI 赋能项目的早期垫脚石。该项目最终旨在使无人机能够自动检测下方的可疑人类，然后调整其飞行路径来追踪这些人。最终，Fang 希望部署深度学习算法，甚至可以帮助护林员预测偷猎活动的可能热点，并自动建议最佳巡逻路线以拦截此类非法狩猎活动。
如何训练你的 AI
深度学习算法已经成为硅谷科技巨头（如 Google 和 Facebook）在需要计算机在各种图像中视觉识别人类面孔或各种物体等服务中常用的工具。但 Fang 和她的同事在训练深度学习算法以识别 Air Shepherd 无人机提供的红外热成像图像中的潜在人类时，仍然面临一些挑战。（一份详细介绍研究结果的研究论文于 11 月在线发布，并被 AAAI 2018 年会议接受。）
图片来源：Air Shepherd 一个挑战来自于红外热成像视频提供的信息比 RGB 相机的彩色图像少。另一个挑战来自于 Air Shepherd 无人机上安装的红外热成像相机提供的图像分辨率通常较低。第三个问题是，拍摄到的人类或动物的视频素材大部分是从远处高空拍摄的，这意味着深度学习算法通常必须仅凭几个像素来识别每个可能的温热体。此外，大多数用于在视频中检测特定对象的深度学习算法是基于更简单的场景，假设相机视角固定。相比之下，SPOT 系统的 AI 必须识别和跟踪移动物体，同时相机视角也会因为无人机自身的飞行运动而移动。Fang 和她的团队还必须平衡 SPOT 系统在笔记本电脑上的计算量与微软等公司运营的集中式云服务器的计算量。更强大的笔记本电脑硬件可以在不向云服务器无线卸载大量工作的情况下处理更多计算。无论如何，研究人员仍然需要弄清楚如何在可用的无线链路基础上，有效地将图像和视频素材从无人机传输到笔记本电脑和云服务器。
超越野生动物的安全保障
目前，AI 增强型无人机提供的自动化监控可以通过发现和阻止更多偷猎者来大大扩展濒危野生动物的保护范围。此外，SPOT 系统还可以通过防止它们与成群的重武装偷猎者发生冲突来保护护林员。SPOT 系统在实地未来的应用将提供更多有用的数据，这些数据可以帮助训练 SPOT 的神经网络，使其在识别人类和动物方面变得更加出色。Fang 对野生动物保护有着特殊的激情，这不仅仅体现在与 Air Shepherd 的合作，还包括参加世界野生动物基金会的会议，并亲自陪同中国护林员巡逻。但她承认，此类 AI 驱动的无人机也可以在许多超出保护濒危物种的案例中提供自动化监控。“整个框架将适用于工业园区夜间安全监控或任何需要安全监控的区域，”Fang 说。
