10561 
Где применяется? Система распознавания лиц становится все более востребованной. Сегодня она используется при организации контроля доступа на объекты, в банках и магазинах, для поиска пропавших без вести и повышения эффективности маркетинга. Список на самом деле весьма обширный.
На что обратить внимание? Данная технология пока что небезупречна и способна допускать ошибки. Кроме того, ее можно целенаправленно обмануть. Для сведения количества эксцессов к минимуму нужно соблюдать определенные требования к качеству изображений в базе данных, а также к установке и характеристикам камер.
Из этого материала вы узнаете:
История возникновения системы распознавания лиц
Еще не так давно распознавание лиц по видео встречалось разве что в фильмах про Джеймса Бонда. Сегодня оно стало неотъемлемым элементом оборудования для видеонаблюдения и систем слежения в крупных городах.
Первые попытки создать систему распознавания лиц были предприняты еще в 1960-е годы в рамках исследований, проводимых компанией Panoramic Research Incorporated под руководством Вуди Бледсо. Одно из центральных мест в экспериментах занимали алгоритмы распознавания символов. Значительных успехов компания не добилась, при этом ее работа, если верить тогдашним слухам, финансировалась напрямую ЦРУ США.
Основной целью, которую преследовал Вуди Бледсо, было создание системы, способной распознавать лица по признакам внешности. В 1963 году удалось создать алгоритм, способный определять 10 лиц. Сегодня такие показатели выглядят просто смешными, однако необходимо помнить, что речь идет о времени создания первых электронных вычислительных машин, которые имели огромные размеры и были крайне ограничены в возможностях.
Длительные исследования позволили сформулировать общие принципы алгоритма распознавания лица по ключевым точкам: нос, губы, глаза и др. Программа смогла узнавать лица по ключевым фрагментам и сопоставлять их с сохраненными в базе эталонными изображениями. В то же время сохранялась проблема ошибочной идентификации при мимических изменениях (например, улыбке), а также при повороте лица под разными углами.
Дальнейшая работа над ошибками привела к созданию в 1967 году программы, которая смогла корректно распознавать лица по картинкам из газет и журналов. Если человеку требовалось 3 часа на то, чтобы проверить набор из 100 фотографий, то электронный алгоритм выполнял ту же процедуру, пусть и неидеально, за 3 минуты.
Скачивайте и используйте уже сегодня:
10 шагов, которые помогут выбрать добросовестного подрядчика
Поможет сохранить бюджет и уложиться в сроки проекта
Следующий шаг был сделан в 1973 году, когда удалось создать электронную систему распознавания лиц по фото, способную самостоятельно выделять данные для сопоставления из исходных кадров. Ранее эти данные приходилось вносить в память ЭВМ вручную.
В 1988 Майкл Кэрби и Лоуренс Мирович из Университета Брауна использовали метод Eigenface, основанный на линейной алгебре для обработки исходных фото. Идентификация лица выполнялась не более чем по 100 параметрам. В 1991 году Алекс Пентланд и Мэтью Терк из MIT смогли внедрить в технологию Eigenface факторы окружающей среды. Процесс идентификации лица удалось автоматизировать.
В конце 1990-х годов Управление перспективных исследовательских проектов при Минобороны США (DAPRA) и Национальный институт стандартов и технологий выпустили программу FERET, которая включала в себя банк из 14 000 фотографий лиц. Сначала этот массив применялся для обнаружения опасных преступников, однако вскоре программа стала доступна для неограниченного использования.
Все перечисленные результаты работ получили бытовое распространение только с 2010-х годов. Это связано, прежде всего, с ростом вычислительных мощностей электронных устройств, которых только в это время стало достаточно для потоковых операций по идентификации лиц.
Еже одной причиной, тормозившей повсеместное распространение систем распознавания лиц, являлось недостаточное количество исходных фотоснимков, используемых для идентификации. Раньше даже у правоохранительных органов не всегда были в наличии кадры с изображением опасных преступников, не говоря о частных пользователях.
Сегодня эта проблема решена во многом благодаря социальным сетям и созданию официальных фотобанков. Также нужно учитывать оптические возможности современных видеокамер, которые доступны по цене и могут быть установлены в устройствах наружного наблюдения и в смартфонах.
Алгоритм работы системы распознавания лиц
Распознавание лиц подразумевает определение личности по изображению (видео, фото), а также верификацию, то есть подтверждение, что на кадре изображен определенный человек. Для сопоставления используются нейросети, которые обрабатывают и сопоставляют с фотобанком тысячи признаков внешности с секунду.
В целом любая система видеонаблюдения с функцией распознавания лиц основана на одном и том же принципе. Человек оказывается в объективе регистратора, затем полученное изображение сопоставляется с тысячами фотографий, хранящихся в банке данных на локальном или удаленном сервере.
Источником изображения могут служить не только добровольно предоставленные снимки, но и данные из социальных сетей, популярных мессенджеров, официальных источников. В технологии распознавания могут присутствовать частные особенности, но в целом алгоритм следующий.
Действие 1. Обнаружение лица
Камера фиксирует кадр, на котором находится изображение лица как одного, так и нескольких человек. Положение лица произвольное (анфас, профиль, 3/4 оборота).
Действие 2. Анализ лица
Делается стоп-кадр, полученное изображение лица сравнивается с банком данных. Отметим, что используется не 3D, а 2D-изображение, так как его сравнение производить удобнее. Алгоритм оценивает геометрию лица, далее фото сопоставляется с массивом изображений по таким критериям, как глубина глаз, форма скул, рта, ушей, расстояние между лбом и подбородком. В результате формируется модель, которая позволяет отличать лицо в кадре от остальных лиц в толпе.
Действие 3. Трансформация изображения в данные
Полученная модель лица преобразуется в вид математической формулы, которая называется отпечатком лица и содержит основные сведения о чертах внешности.
Отпечаток лица можно сравнить с отпечатком пальца – он так же уникален и неповторим у каждого человека.
Действие 4. Поиск совпадения
Отпечаток лица сравнивается с массивом фотографий. Объем банка данных может различаться в разных системах, так, ФБР использует более 650 млн фото, в том числе полученные от других государств. Если установлено совпадение, то система определяет, кому принадлежит лицо, с которым совпал исследуемый отпечаток.
Распознавание по лицу считается наиболее естественным, так как оно максимально приближено к процессу узнавания одного человека другим в обычной жизни. Обычные люди не используют для идентификации ни сетчатку глаза, ни отпечатки пальцев. По оценкам специалистов, более половины населения земли регулярно взаимодействует с различными системами распознавания лиц.
Основные задачи системы
Системы распознавания лиц имеют широкую сферу применения. Выделим основные направления.
Контроль доступа на закрытые объекты
Этот вариант использования технологии распознавании лиц – один из наиболее часто используемых. Точность результатов проверки здесь выше, поскольку человек сам старается обеспечить как можно более четкий кадр, и поэтому снимает перед камерой шапку, очки. В противном случае система может не опознать визитера и не впустить его на территорию.
Согласно результатам экспериментов, в идеальных условиях (без искажения выражения лица, правильном угле размещения по отношению к объективу) точность распознавания приближается к 100 %. Подобные системы могут служить хорошим дополнением к СКУД.
Тем не менее при потоковой работе и нескольких тысячах лиц, проходящих через объектив ежедневно, избежать ошибок полностью не удается, и эти ошибки необходимо принимать во внимание.
Конечно, контролер может компенсировать недостатки работы системы распознавания лиц, однако это лишает подобные комплексы важнейшего преимущества – автоматизации процесса идентификации и сокращения численности персонала.
В качестве одного из способов снижения процента некорректных срабатываний может служить верификация, то есть сравнение лица визитера с изображением владельца карты, использованной для доступа. Это позволит ограничить до единичного значения перечень эталонов, используемых для сравнения.
Поиск человека в «чистой зоне»
Чистая зона – это ограниченное помещение (шлюз, турникет, проходная и др.), где в определенный момент находится один человек, которого и требуется идентифицировать. Здесь можно создать хорошие условия для работы биометрической системы распознавания лиц: выставить оптимальное освещение, правильно расположить объектив и др.
Возможность создания идеальных условий для распознавания позволяет в разы повысить точность работы системы, однако возможность ошибки зависит также и от качества изображений, загруженных в банк данных.
При высоком качестве фото разыскиваемого подобные системы распознавания вполне могут помочь в поимке преступников.
Поиск человека в толпе
Рассмотрим подробнее распознавание лиц людей в толпе. Эта возможность востребована у заказчиков, которые хотят иметь полную информацию о том, кто посещает принадлежащий им объект, чтобы в случае внештатной ситуации стразу сузить круг подозреваемых.
Чтобы обеспечить корректное распознавание в подобных условиях, необходимо соблюсти перечень жестких требований. Ведь человек в свободной обстановке не только вертит головой и жестикулирует, но и может носить головные уборы, очки. Все это значительно снижает точность распознавания.
Для улучшения результатов можно организовать зону, перемещаясь через которую, человек вынужден будет занимать правильную позу и неизбежно пройдет перед объективом камеры в желаемом ракурсе. Правда, это уже больше относится к чистой зоне, а не к системам автоматического распознавания лиц в толпе.
Также для нормальной работы программы требуется правильное освещение, однако в обычных условиях обеспечить его зачастую оказывается сложно.
Выявление чужих
В этом случае алгоритм должен корректно идентифицировать всех лиц, которые находятся в базе данных, и срабатывать только при появлении перед камерой постороннего. Здесь вызывает сложности возможность ложных срабатываний, при которых придется останавливать посетителя для дополнительной проверки личности.
Сферы использования технологии
Возможные ошибки в работе систем контроля доступа и распознавания лиц не значат, что подобные программы бесполезны, они находят широкое применение в разных сферах.
Разблокировка смартфонов
В последних моделях смартфонов появилась опция разблокировки устройства по отпечатку лица. По заявлениям компании Apple, вероятность доступа постороннего лица к последней модели iPhone с функцией распознавания лица составляет не более 1/1 000 000, что гарантирует конфиденциальность информации при портере устройства.
Осуществление пограничного контроля
Здесь используется полноценное распознавание в толпе с высокой точностью обработки данных. У многих путешественников есть биометрические паспорта, которые значительно ускоряют процедуру регистрации на рейс и проверки личности. Также подобные системы позволяют повысить уровень безопасности, выявляя в толпе подозрительных лиц не только по отпечатку лица, но и по особенностям поведения.
Поиск пропавших без вести
При похищении человека или его пропаже без вести фото такого лица вносится в базу данных системы распознавания. Если пропавший попадет в объектив видеокамеры, то алгоритм сразу установит совпадение с эталоном и сообщит об обнаружении правоохранительным органам.
Использование в здравоохранении
Неочевидная область применения систем распознавания. Между тем компания AiCure создала приложение для контроля приема лекарств пациентами на основе алгоритма распознавания лиц. Также подобные программы используются для упрощения и ускорения регистрации и проверки личности, а также определения внешних симптомов заболеваний.
Обеспечение общественной безопасности
При задержании лица правоохранительными органами его не только дактилоскопируют, но и изготавливают отпечаток лица, который вносится в централизованный банк данных. Впоследствии такой человек при необходимости может быть легко обнаружен и идентифицирован камерой видеонаблюдения.
Также в мобильных устройствах камера фотографирует их владельцев и направляет информацию в полицию. Это помогает, например, моментально определять личность водителя и пешехода при возникновении дорожно-транспортного происшествия.
Повышение сервиса в розничной торговле
В магазине система распознавания лиц помогает купить клиентам нужные им товары, указывая их нахождение и формируя рекомендации на основе предшествующей истории покупок. Программа Face Pay позволяет ускорить движение очереди за счет более быстрого процесса оплаты.
Борьба с кражами в розничной торговле
Воры и мошенники ходят в те же магазины, что и обычные покупатели. Продавец заинтересован в том, чтобы сразу выявлять таких лиц и пристально наблюдать за ними, предотвратить хищение товара. В этом помогают системы распознания лиц, которые при совпадении внешности посетителя с фото в базе данных о правонарушителях сразу уведомляют об этом администрацию.
Использование в банковской системе
При совершении удаленных транзакций биометрические системы позволяют отказаться от ввода кодов из push-уведомлений и подтверждать личность плательщика по отпечатку его лица, сделанному камерой смартфона.
Конечно, злоумышленники постоянно стараются найти способы, как обмануть систему распознавания лиц. Для этого может применяться фотография владельца устройства. Однако для такого случая используется оценка витальности. Дело в том, что даже в спокойном состоянии лицо человека имеет хотя бы минимальную мимику. Изображение на фото, в свою очередь, полностью статично, и электронная программа легко определяет такие несоответствия.
Применение в маркетинге
Маркетологам системы распознавания лиц помогают не только формировать рекомендации клиентам на основе их истории покупок, но и фиксировать эмоции, выражение лица в процессе потребления продукции. Таким способом воспользовалась, в частности, компания DiGiorno, выпускающая замороженную пиццу. Также подобные программы помогают кинокомпаниям узнавать реакцию зрителей на новые фильмы в кинотеатре.
Отслеживание посещаемости студентами или работниками
В организациях система распознавания лиц помогает установить, явился ли сотрудник на смену или прогуливает рабочее время. В Китае подобные системы помогают контролировать посещаемость студентами учебных занятий. Изображение студента университета сопоставляется с фотобанком, в результате администрация вуза может точно узнать, кто отсутствовал в аудитории в положенное время.
Распознавание водителей
В настоящее время ведется тестирование технологий, позволяющих заменить ключ для открывания дверей отпечатком лица водителя. Помимо данных для доступа к замку авто, сведения о владельце также помогают запомнить предпочтительное положение зеркал, настройки климат-контроля, радиостанцию и др.
Мифы и правда о системе распознавания лиц
С системой распознавания лиц связано больше заблуждений, чем с любой другой сферой видеонаблюдения. Многие считают, что достаточно повесить камеру и установить программу, и все будет работать само по себе. Такому подходу способствуют и производители оборудования, обещающие в своих маркетинговых материалах безошибочную идентификацию, и кинофильмы, в которых подложные системы наделяются едва ли не сверхспособностями. Подрядчики без опыта берутся за заказы и сталкиваются с проблемами.
Разберем основные мифы, связанные с системой распознавания лиц.
Три главных мифа
- Миф первый: система распознавания лиц без проблем работает при наличии одной обзорной камеры.
- Миф второй: можно сформировать систему доступа, включающую только распознавание лиц, без других средств опознавания.
- Миф третий: систему распознавания лиц невозможно обмануть, человек будет безошибочно опознан даже в очках, головном уборе, с бородой .
Однако в действительности все не настолько радужно. Прежде всего, на идентификацию лица в толпе влияет множество факторов: освещение, разрешение камеры, скорость движения человека, мимические искажения, частота кадров, способность электроники формировать один единый кадр из нескольких последовательных изображений.
Результаты проверки
Результаты практической проверки правдивости каждого из этих мифов дали разные результаты. С распознаванием лиц в толпе системы видеонаблюдения действительно справляются неплохо, при этом не имеют определяющего значения ракурс, разрешение объектива, недостаточное освещение, стоит наблюдаемый человек или идет.
Касательно изменений внешности выяснилось, что система распознавания может узнать человека, если он использует усы, бороду. Гримм практически полностью исключает возможность идентификации личности по фото. Также препятствует работе системы боковая верхняя встречная засветка. Чем больше людей в кадре, тем выше риск пропуска лица, изображение которого есть в фотобанке.
Что касается пропускной системы по одному только изображению, то система корректно работает, если в фотобанке находятся снимки идеального качества: сам человек становится перед объективом в правильном ракурсе, при оптимальном освещении и без искажающих внешность аксессуаров. Однако в этом случае злоумышленник может попытаться просто подложить перед собой фото сотрудника, и с высокой долей вероятности программа его пропустит.
По поводу устойчивости систем распознавания лиц к маскировке выяснилось, что не препятствуют распознаванию борода, усы и даже солнечные очки. Довольно неожиданно не позволил идентифицировать лицо обыкновенный парик. Также, если нанести на лицо грим клоуна, то программа не сможет корректно сопоставить это лицо с изображением из банка данных.
Трактовка результатов
Как видим, система распознавания лиц не может работать безупречно в любых условиях. Но это совершенно не означает, что подобные программы совершенно бесполезны, иначе бы они не стали основным направлением разработки множества IT-компаний.
На корректность работы алгоритмов влияет множество условий. Вряд ли можно рассчитывать, что, например, в многотысячной толпе на стадионе система выхватит того самого злоумышленника, которого ищет полиция, хотя вероятность такого обнаружения все же присутствует.
Необходимо иметь в виду, что идентификация лица по фотоизображению – не типовая задача. Необходимо строго соблюдать все рекомендации разработчиков соответствующих алгоритмов, и тогда процент ложных срабатываний будет минимальным. Установку и настройку оборудования должны выполнять исключительно профессионалы.
Рекомендации по внедрению технологии
Сразу отметим, что соблюдение всех рекомендаций, которые призваны обеспечить идеальную работу системы распознавания лиц, может оказаться попросту невозможным на некоторых объектах. Если же удастся выполнить все требования разработчика в полном объеме, то программа может принести огромную пользу.
Требования к качеству фотоснимков в базе системы распознавания лиц
Основу работы систем распознавания лиц составляет сопоставление отпечатка лица с изображением из фотобанка. Следовательно, этот фотобанк необходимо предварительно наполнить данными, а именно фотоснимками лиц в максимально высоком качестве. При этом требования к разрешению совсем невысокие, вполне хватит 320 на 240 пикселей. Принципиально важное значение имеет резкость, поскольку от нее зависит точность определения пропорций между разными элементами лица.
Также важны хорошее освещение (по крайней мере, равномерное), однородный и контрастный задний фон, соблюдение минимальных размеров отдельных элементов (например, интервал между зрачками должен быть не менее 60 пикселей).
Требования к камере и ее параметрам
В ходе идентификации требуется достаточное и равномерное освещение, не менее 150 люкс. На практике выполнить это требование удается далеко не всегда. Так, входная группа может интенсивно засвечиваться уличным светом.
Оптимальный угол центральной оси обзора к наблюдаемому лицу должен составлять не более 15 градусов в горизонтальной и вертикальной плоскостях. В противном случае возможны некорректные срабатывания.
Для правильной идентификации лица необходимо, чтоб минимальная плотность пикселей была не ниже 500 pix/m. Из этого требования вытекают ограничения к разрешению и широте обзора камеры.
Достаточная резкость должна выдерживаться по всей площади кадра. Этот показатель зависит от фокусного расстояния и значения диафрагмы. Эти параметры необходимо просчитывать заранее, особенно для длиннофокусных объективов, подбирать модели камер с управляемой диафрагмой, возможностью определения пределов открытия и закрытия диафрагмы. Для достаточной четкости фото необходимо, чтобы выдержка не превышала 1/100 секунды.
Желательно применять камеру с хорошей светочувствительностью (матрица от 1/3 и больше), светосильным объективом (от F1,4 и больше).
Аналогично фотографиям в фотобанке изображение с камеры должно иметь однородный фон контрастного цвета. Это требование очень тяжело реализовать на практике, а в случае съемки в толпе и вовсе невозможно, когда фоном становятся части лиц рядом стоящих людей.
Ближайшее будущее системы
Системы распознавания лиц активно разрабатываются во всем мире, однако лидерство удерживают США, Япония, Россия, Израиль, Европа, Китай. Программные продукты из этих стран отличаются наиболее высокой точностью работы.
Китай удерживает лидерство по количеству камер в расчете на одного человека. Россия сообщила о намерении использовать нейросети собственной разработки взамен западных технологий. В Европе системы распознавания лиц широко применяются в торговле для задержания злоумышленников. Идентификация в режиме реального времени пока по большей части находится в стадии экспериментальных разработок.
В США камеры систем распознавания лиц обычно применяются для идентификации злоумышленников на записях, сканирование в режиме реального времени используется менее широко. По статистике, в базе данных, используемой американскими правоохранительными органами, хранятся данные о половине всех жителей страны, то есть примерно 117 млн человек.
Разработки в области систем распознавания лиц ведутся очень активно. Так, американская компания Varix в сотрудничестве с NNTC из ОАЭ разрабатывает специальные очки, в которые интегрирована небольшая восьмимегапиксельная камера, способная в режиме реального времени сканировать лица прохожих и уведомлять владельца очков о совпадениях. Аналогичные функции выполняют нательные видеокамеры для сотрудников полиции в Великобритании. В США подобные устройства автоматически начинают запись видео, если лицо опознано.
Активно разрабатываются программы, позволяющие корректно опознавать лица при неблагоприятных условиях съемки, а также при использовании маскировки. Для этого данные отпечатка лица сочетаются с другими показателями (голос, походка и иные). Алгоритмы становятся все более быстрыми и точными, могут обрабатывать большее количество информации.
Ведутся исследования и в противоположном направлении. Ученые из университета Карнеги-Меллона (Питтсбург) создали солнечные очки, которые могут предотвращать идентификацию системами распознавания лиц. В частности, один их испытуемых в таких очках был опознан как Мила Йовович.
Подведем некоторые итоги. Система распознавания лиц может быть эффективной, но все-таки нужно оценивать стоимость возможной ошибки, поскольку идеального результата добиться очень сложно. Если некорректное срабатывание не повлечет серьезных негативных последствий, то можно внедрять технологию без опасений. Если же пропуск системой разыскиваемого лица сделает невозможной его поимку, то лучше использовать подобные программы как вспомогательное средство.
Необходимо соблюдать все рекомендации производителя и подрядчика по обеспечению условий съемки, и тогда вероятность точной идентификации будет значительно выше.
