Prevalenza e ubicazione delle telecamere di sorveglianza nelle grandi città del mondo

Le telecamere di sorveglianza, note anche come telecamere a circuito chiuso (CCTV), negli ultimi decenni sono state ampiamente utilizzate da governi, forze dell’ordine e privati cittadini per monitorare gli spazi pubblici, prevenire la criminalità e identificare i criminali. Milioni di telecamere di sorveglianza installate in tutto il mondo mentre possono svolgere un ruolo cruciale nella prevenzione della criminalità e aiutare le indagini di polizia, possono anche limitare notevolmente la privacy dei cittadini.
Le telecamere di sorveglianza se combinate con la tecnologia emergente di riconoscimento facciale, possono diventare ancora più invadenti, poiché consentono l’identificazione, il monitoraggio e il tracciamento delle persone. Inoltre, i sistemi di sorveglianza avanzati potrebbero ostacolare la libertà di parola, dissuadendo le persone dal partecipare a riunioni pubbliche o proteste per paura di essere identificate e perseguitate.
È emerso che mentre alcuni studi hanno stimato la quantità di telecamere CCTV installate nelle città di tutto il mondo, solo pochi hanno identificato la loro posizione esatta. Ciò rende più difficile valutare l’impatto dei sistemi di sorveglianza su larga scala e la misura in cui potrebbero invadere la privacy dei cittadini.
I ricercatori della Stanford University hanno recentemente condotto uno studio volto a indagare la prevalenza e l’ubicazione delle telecamere di sorveglianza nelle grandi città degli Stati Uniti e in altri paesi del mondo. Il loro studio riportato nel sito arxiv , presentato alla “Conferenza AAAI/ACM sull’intelligenza artificiale, l’etica e la società”, introduce un algoritmo di visione artificiale in grado di stimare la distribuzione spaziale delle telecamere di sorveglianza analizzando le immagini Street View di Google.
Hao Sheng, uno dei ricercatori che ha condotto lo studio ha detto:
«Il nostro obiettivo principale era comprendere il numero e la posizione delle telecamere di sorveglianza nelle grandi città di tutto il mondo. Poiché la raccolta manuale di tali dati è spesso proibitiva, abbiamo cercato di sviluppare metodi che potessero essere facilmente ampliati. Visto che la documentazione digitale dei paesaggi urbani e la tecnologia di visione artificiale sono notevolmente avanzate negli ultimi anni, abbiamo pensato alla possibilità di applicazione di algoritmi di visione artificiale a sistemi esistenti come le immagini Street View».
Hao Sheng e i suoi collaboratori nel loro studio hanno seguito tre passaggi chiave, in primo luogo, hanno estratto le immagini Street View di 100.000 località campionate casualmente in ciascuna delle città esaminate. Si sono concentrati in particolare su 10 grandi città negli Stati Uniti (Los Angeles, New York, Chicago, Filadelfia, Seattle, Milwaukee, Baltimora, Washington DC, San Francisco e Boston) e altre 6 città in tutto il mondo (Tokyo, Bangkok, Londra, Seoul, Singapore e Parigi).
I ricercatori successivamente hanno eseguito un algoritmo di visione artificiale sulle immagini di Street View che hanno estratto per rilevare automaticamente le telecamere di sorveglianza catturate al loro interno. Infine, hanno chiesto ai partecipanti umani di sfogliare le immagini e verificare la validità dei risultati raccolti dall’algoritmo (cioè, confermare se l’algoritmo ha individuato accuratamente le telecamere).
Hao Sheng ha spiegato:
«Il nostro metodo combina i vantaggi dei modelli di visione artificiale che possono essere rapidamente implementati su milioni di immagini e degli umani che possono identificare visivamente le telecamere con maggiore precisione, quindi, anche se le telecamere comprendono solo una piccola percentuale di immagini di Street View, possiamo comunque identificarle in modo efficiente e preciso».
Le analisi effettuate da Hao Sheng e dai suoi colleghi hanno prodotto diversi risultati interessanti, in primo luogo hanno scoperto che la densità delle telecamere di sorveglianza nelle città era altamente correlata con gli usi specifici di determinati luoghi e con il profilo razziale dei quartieri: ad esempio, hanno scoperto che era più probabile che fossero installate nelle aree commerciali, industriali e miste di una città rispetto alle aree pubbliche o residenziali.
Hao Sheng ha detto:
«Anche dopo aver controllato l’uso del suolo, abbiamo riscontrato una densità molto più elevata di telecamere nei quartieri a maggioranza minoritaria rispetto ai quartieri prevalentemente bianchi. Stiamo ancora cercando di capire il meccanismo che guida questi schemi, i nostri risultati suggeriscono che le comunità di colore sono sorvegliate in modo sproporzionato».
I risultati raccolti da questo team di ricercatori potrebbero avere importanti implicazioni per la futura installazione di telecamere CCTV in ambienti urbani, ad esempio, potrebbero innescare dibattiti etici sulle ragioni dell’intenso monitoraggio delle minoranze razziali o discussioni generali sull’impatto della sorveglianza su larga scala sulla privacy dei cittadini.
Hao Sheng e colleghi nei loro prossimi studi hanno in programma di utilizzare l’algoritmo di visione artificiale che hanno sviluppato per esaminare anche la prevalenza di altri tipi di telecamere, come le videocamere del campanello. Le videocamere del campanello, come Google Nest e Amazon Ring, consentono alle persone di vedere se c’è qualcuno alla porta e di comunicare in remoto con i visitatori tramite il proprio smartphone, negli ultimi anni, questi sistemi di campanelli intelligenti sono diventati popolari, in particolare nei quartieri residenziali.
Hao Sheng in conclusione ha detto:
«Alcuni studi stimano che il numero di telecamere del campanello potrebbe aver superato le telecamere di sorveglianza tradizionali. Misurare la loro prevalenza migliorerà quindi la nostra comprensione dell’estensione della sorveglianza nelle nostre comunità. Sospettiamo anche che possano essere buoni riferimenti della fiducia sociale in un quartiere. Naturalmente, le telecamere del campanello sono generalmente più piccole, quindi più difficili da identificare su Street View, ciò potrebbe rappresentare nuove sfide per il nostro processo di rilevamento delle telecamere».

telecamere a circuito chiuso (CCTV)