Détection de la criminalité et prédiction des points chauds de la criminalité à l'aide d'un modèle d'apprentissage profond
La criminalité est un problème ancien et sans fin pour les sociétés du monde entier, et la détection et la lutte contre la criminalité ont toujours pourchassé les criminels qui ont souvent une longueur d'avance.
Recherche publiée dans le Revue internationale de développement basé sur la connaissance s'est tourné vers les données émotionnelles ainsi que les techniques d'apprentissage automatique (ML) et d'apprentissage profond (DL) pour développer une technologie qui pourrait un jour nous aider à mieux comprendre l'esprit criminel et peut-être même à prédire l'activité criminelle afin qu'elle puisse être évitée.
A. Kalai Selvan et N. Sivakumaran du Département d'ingénierie d'instrumentation et de contrôle et directeur de l'Institut national de technologie de Tiruchirappalli, Tamil Nadu, Inde avaient deux objectifs principaux : la prédiction de la criminalité à l'aide de modèles ML basés sur des données émotionnelles et la identification des futurs points chauds de la criminalité à l'aide de méthodes DL appliquées aux données sur les incidents criminels.
En analysant les signaux émotionnels vocaux à l’aide d’algorithmes ML, l’équipe a atteint une précision de détection de 97,2 % pour divers crimes. De plus, les techniques DL, en particulier la mémoire à long terme et à court terme bidirectionnelle empilée convolutionnelle (LSTM), leur ont permis de détecter les points chauds de la criminalité avec une précision de 95,64 %.
Les chercheurs soulignent comment l’importance des états émotionnels dans les schémas de parole leur a permis d’explorer la détection des émotions basée sur la parole. Ils ont pris en compte l’origine linguistique, les indices paralinguistiques et les caractéristiques du locuteur. Cela leur a permis d'intégrer les données émotionnelles obtenues avec d'autres facteurs tels que le lieu et le type de crime qui a lieu dans un hotspot.
Bien que la notion semble plutôt futuriste, les progrès rapides des algorithmes capables d’extraire et d’identifier des modèles dans les données ne relèvent en aucun cas de la seule science-fiction. L'équipe affirme que leur approche pourrait surveiller l'activité dans les points chauds de la criminalité, détecter les crimes et prévoir les activités criminelles futures.
Les travaux futurs pourraient permettre d’utiliser des techniques d’apprentissage automatique similaires pour les systèmes d’intervention d’urgence, plutôt que uniquement dans la lutte contre la criminalité. En analysant le contenu émotionnel d'une personne appelant les services d'urgence, le système pourrait être capable de faire la distinction entre les véritables urgences et les appels non urgents, voire frauduleux, ce qui pourrait réduire considérablement la charge pesant sur les services. Ce n’est qu’une question de temps avant que la recherche ne rapproche de plus en plus la précision des prédictions des 100 % idéaux du détecteur d’émotions IA ultime pour lutter contre la criminalité.
