酷应用

应用 | 红黄蓝的虐童惨案，其实可以用机器学习等技术来避免

百家作者：AI100 2017-11-28 08:10:05

作者 | 阿萨姆

魔都携程亲子园事件还未平息，帝都的RYB“虐童案”又粉墨登场。随着越来越多的有关婴幼儿教育的丑闻曝光，如何保障孩子，尤其是幼龄儿童的生命健康安全变得越来越重要。

幼龄儿童的表达能力还不健全，对很多事物都没有基本的认识，很容易受到不法分子的威胁和侵害。因此，在难以“自救”的情况下，我们是否可以从技术手段来为孩子保驾护航？

比如，现在很多幼儿园都有监控系统，那么是否可以将更加复杂的机器视觉(如target tracking / person re-identification)应用于其中，来提高孩子的安全？再举个例子，如果仿照国外的教育机构，由家长们来共同为幼儿园和老师评分，是否也能帮助其他家长更好的甄别教育系统中的害群之马？

统计学家George Box说过：“所有模型都是错的，但其中一些是有用的。”套用到这个话题上，提高素质、加强监管、增进科技手段都是有效的解决方案，但都不是唯一的解决方案。我们既不期待技术能解决所有问题，也不该认为技术对解决问题毫无帮助。即使变为一道脑洞题，或许也能促进这个方向的科技创新。抛砖引玉谈谈我的看法：

学龄前儿童的特征就是有较为局限的表达能力，所以往往很难自救。而且这个年龄段的孩子往往不具备分辨真相和谎言的能力，导致“长长的望远镜”这种可怕的威胁变得那么真实。其次有不少朋友说现有的技术手段足够了，这个我不赞同：

视频监控的覆盖程度和清晰程度达到了什么标准，你是否可以轻易的定位到自己的孩子？
如果你需要8小时不间断的盯着视频，那如何完成自己的本职工作？
如果校方拥有视频的所有权和使用权，那么如何保证数据的准确性和完整性？

类似的细分问题还有很多，现有的技术手段还有很大的进步空间，而机器学习/视觉/区块链等可以从几个方面帮助提高孩子的在校安全。

1. 定时生成孩子的活动报告。没有家长可以8小时盯在监控前观察孩子的一举一动，这是现有技术手段的制约。那么如何高效的获取孩子的活动数据就变得尤为重要。在有监控设备覆盖的前提下，多目标跟踪(multi-task tracking)技术可以帮助通过有限的摄像头绘制出每个孩子的活动轨迹。在理想情况下，我们希望能定时在手机上收到孩子的活动报告：

在教室时间：2小时15分钟
午休时间：45分钟
卫生间时间：30分钟

当然，这个是非常理想的假设，因为多目标跟踪对于摄像头的质量、目标物的遮挡、数据关联都有较高的要求。因为涉及到跨摄像头的问题，这还会变为更复杂的行人重识别问题。但是这样的系统并不需要全程追踪，而仅需要随机的每 x 分钟调取园内所有的摄像头，识别出孩子的位置。因此即使没有一个完美的系统，我们也可以将问题用现有的技术手段解决，增强对孩子在校时间的了解。从这个角度来看，技术上是可以实现的。

2. 分析孩子的心情。在机器学习领域，有一类任务就叫做 Emotion Recognition，也可以被翻译做心情识别、情感识别，主要是通过分析人的面部表情来判断其心情。从孩子本身来说，他们的表情说明了一切。即使他们说不出、不敢说，但表情骗不了人。

和上一条提到的技术类似，如果随机通过摄像头获取孩子们的面部特征并对心情进行识别，可以有效的了解孩子是否真的快乐。以时间和群体为单位来看，如果孩子们都不开心，或者一直不开心，那么我想这其中大概是有什么问题值得深究。

3. 建立从业者评价系统和机构推荐系统。很多学前教育的选择是盲目的，缺乏标准的，即使是收费不菲的机构也很难保证其师资力量。我觉得这个可以通过建立一个第三方平台来帮助家长们选择适合自己的机构，这个系统应该可以：