Система распознавания лиц: как работает технология?
Где применить? Система привлечения лиц становится все более востребованной. Сегодня она используется при организации контроля доступа на объектах, в банках и магазинах, для проверки пропавших без вести и оценки эффективности маркетинга. Список на самом деле весьма обширен.
На что обратить внимание? Данная технология пока не совершенна и не позволяет исключить ошибки. Кроме того, ее можно целенаправленно обмануть. Для получения сведений о количестве эксцессов как минимум необходимо соблюдать требования к качеству изображения в базе данных, а также к установке и характеристикам камеры.
История возникновения системы обнаружения лица
Еще не так давно распознавалось появление лиц на видеовстречах в фильмах про Джеймса Бонда. Сегодня оно стало активным компонентом оборудования для видеонаблюдения и систем слежения в крупных городах.
Первые попытки создать систему поиска лиц были приняты еще в 1960-е годы в рамках исследований, проводимых компанией Panoramic Research Incorporated под руководством Вуди Бледсо. В одном из центральных мест в экспериментах занимались алгоритмами установленных символов. успехов компании не добилась, при этом ее работа, если верить слухам, финансировалась напрямую ЦРУ США.
Основной целью, которую преследовал Вуди Бледсо, было создание системы, способной распознавать лица по очагам внешности. В 1963 году удалось создать алгоритм, способный определять 10 лиц. Сегодня такие показатели выглядят просто смешно, однако необходимо помнить, что речь идет о создании первых электронных вычислительных машин, которые имели огромные размеры и были незначительно ограничены в возможностях.
Длительные исследования позволяют сформулировать общий принцип алгоритма определения лица по ключевым точкам: нос, губы, глаза и т. д. Программа смогла распознавать лица по ключевым фрагментам и сопоставлять их с сохраненными на базе эталонными изображениями. В то же время сохранялась проблема ошибочного распознавания при мимических изменениях (например, улыбке), а также при повороте лица под внешними углами.
Последующая работа над ошибками привела к созданию в 1967 году программы, которая смогла правильно распознавать лица на картинках из газет и журналов. Если для проверки набора из 100 фотографий пользователю потребовалось 3 часа, то электронный алгоритм выполняет ту же самую 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, основанную на фото лиц, способную самостоятельно предлагать данные для обсуждения из исходных кадров. Ранее эти данные переносились в память ЭВМ вручную.
В 1988 году Майкл Кэрби и Лоуренс Мирович из Университета Брауна использовали метод Eigenface, основанный на линейной алгебре, для обработки конечных фотографий. Идентификация лица выполнялась не более чем по 100 параметрам. В 1991 году Алекс Пентланд и Мэтью Терк из Массачусетского технологического института смогли внедрить в стандарт Eigenface факторы окружающей среды. Процесс идентификации лица удалось автоматизировать.
В конце 1990-х годов Управление перспективных исследовательских проектов США при Минобороны (DAPRA) и Национальном институте стандартов и технологий выпустило программу FERET, которая получила в своем банке 14 000 фотографий лиц. Сначала этот массив был использован для обнаружения внутренних коридоров, 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 вычислительной мощности электронных устройств, которых только в это время стало достаточно для потоковых операций по идентификации лиц.
Даже одна причина, тормозившая контурное распространение системы лиц, заключалась в недостаточном количестве исходных фотоснимков, используемых для идентификации. Раньше даже в дополнительных органах не всегда были в наличии кадры с изображением королевских дворцов, не говоря уже о древних пользователях.
Сегодня эта проблема решена во многом благодаря электрическим сетям и созданию официальных фотобанков. Также необходимо учитывать оптические возможности современных видеокамер, которые доступны по цене и могут быть установлены на устройствах наружного наблюдения и на смартфонах.
Алгоритм работы системы обнаружения лиц
Распознание лиц предполагает определение личности по изображению (видео, фото), а также верификацию, то есть подтверждение того, что на кадре изображен настоящий человек. Для парламентии используются нейросети, которые обрабатывают и сопоставляют с фотобанком тысячи признаков внешности с секунды.
В своей основе любая система видеонаблюдения с пониженным уровнем защиты лиц основана на одном и том же принципе. Человек оказывается в объективном регистраторе, а затем полученное изображение сопоставляется с тысячами фотографий, хранящихся в банке данных на локальном удаленном или ном сервере.
Источником изображения могут служить не только добровольно предоставленные снимки, но и данные из социальных сетей, популярных мессенджеров, официальных источников. В технологии можно учитывать частные особенности, но в целом алгоритм следующий.
Действие 1. Обнаружение лица
Камера фиксирует кадр, на котором находится изображение лиц как одного, так и нескольких человек. Положение лицом переменное (анфас, профиль, 3/4 оборота).
Действие 2. Анализ лица
Делается стоп-кадр, полученное изображение лица сравнивается с банковскими данными. Очевидно, что используется не 3D, а 2D-изображение, так как его сравнение производит удовлетворительное. Алгоритм измеряет геометрию лица, далее фото сопоставляется с массивом изображений по таким критериям, как глубина глаз, форма черепа, рта, ушей, расстояние между лбом и подбородком. В результате сложилась модель, которая позволяет отличить лицо в кадре от остальных лиц в толпе.
Действие 3. Преобразование изображения в данные
Полученная модель лица преобразуется в вид математической формулы, которая называется отпечатком лица и содержит основные сведения о внешности черт.
Отпечаток лица можно сравнить с отпечатком пальца – он так же уникален и неповторим для каждого человека.
Действие 4. Поиск совпадения
Отпечаток лица сравнивается с массивом фотографий. Объем банковских данных может распределяться в разных странах, поэтому ФБР использует более 650 миллионов фотографий, в том числе полученных из других государств. В случае обнаружения совпадения то, что система определяет, принадлежит лицу, с которым совпал зафиксированный отпечаток.
Распознание по лицу считается наиболее эффективным, так как оно является максимальным приближением к процессу опознания одного человека другим в обычной жизни. Обычные люди не используют для идентификации ни сетчатку глаз, ни отпечатки пальцев. По высококвалифицированным специалистам более половины населения земли регулярно взаимодействует с различными лицами.
Основные задачи системы
Системы достижения лиц имеют сферу применения. Выделим основные направления.
Контроль доступа на закрытые объекты
Этот вариант использования технологии обнаружения лиц – один из наиболее часто используемых. Точность результатов проверяется здесь выше, поскольку человек сам старается обеспечить как можно более четкий кадр, и поэтому снимает перед выключателем шапку, очки. В противном случае система может не опознать посетителя и не впустить его на территорию.
Согласно результатам экспериментов, в идеальных условиях (без изменения выражения лица, правильного размещения углекислого газа в положении объектива) точность получается равной 100 %. Используемая система может служить хорошим дополнением к СКУД.
Тем не менее, при потоковой работе и нескольких тысячах людей, ежедневно проходящих через объективность, избегают ошибок, которые полностью не обоснованы, и эти ошибки необходимо принимать во внимание.
Конечно, контроллер может компенсировать недостатки в работе системы лиц, однако это лишает аналогичных комплексов важнейших преимуществ – процесса идентификации и разделения персонала.
В качестве одного из способов снижения стоимости некорректных технологий может служить проверка, то есть сравнение лиц посетителей с изображением владельца карты, используемой для доступа. Это позволит оценить единственное значение списка эталонов, сделать вывод для сравнения.
Поиск человека в «чистой зоне»
Чистая зона – это ограниченное помещение (шлюз, турникет, проходная и др.), где в текущий момент находится один человек, которого и требуется определить. Здесь можно создать хорошие условия для работы биометрической системы контроля лиц: выставить необходимое освещение, правильно ограничить объектив и т. д.
Возможность создания идеальных условий для определения позволяет в несколько раз повысить точность работы системы, однако вероятность ошибки зависит также и от качества изображений, загруженных в банк данных.
При высоком качестве фото разыскиваемой подобной системы вполне можно помочь в поимке убежищеов.
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 информацию об объекте, чтобы в случае внештатной ситуации сузить круг подозрительных.
Чтобы обеспечить корректное распознавание в таких условиях, необходимо соблюсти перечень жестких требований. Ведь человек в независимой власти не только вертит голову и жестикулирует, но и может носить головные уборы, очки. Все это значительно повышает точность измерений.
Для улучшения результатов можно расположить зону, перемещаясь через нее, человек будет вынужден занимать правильную позу и неизбежно будет проходить объектив перед камерой в желаемом ракурсе. Правда, это уже больше относится к прозрачности, а не к системе автоматического включения лица в толпе.
Также для нормальной работы программы требуется правильное освещение, однако в обычных условиях обеспечить его зачастую бывает сложно.
анание чужих
В этом случае алгоритм должен корректно распознавать всех лиц, которые меняются в базе данных, и производить их только при появлении перед внешним включением. Здесь возникают сложности с возможностью ложных устройств, которые при угрозе заражения останавливают посетителей для дополнительной проверки личности.
Сферы использования технологий
Возможные ошибки в работе системы контроля доступа, и лица не означают, что подобные программы бесполезны, они находят широкое применение в разных существах.
Разблокировка смартфонов
В последних моделях смартфонов появилась возможность разблокировки устройства по отпечатку лица. По заявлениям компании Apple, вероятность доступа постороннего лица к последним моделям iPhone с уменьшением измерения лица составляет не более 1/1 000 000, что гарантирует конфиденциальность информации при портере устройства.
Осуществление пограничного контроля
Здесь используется полноценное обнаружение в толпе с верхней границей обработки данных. У многих пассажиров есть биометрические паспорта, которые значительно затрудняют процедуру регистрации на рейс и проверки личности. Также подобные системы позволяют повысить уровень безопасности, выявляя в толпе подозрительных лиц не только попечатку лица, но и по особенностям поведения.
Поиск пропавших без вести
При заявлении человека или его пропаже без приведения фото такого лица в основаниях данных системы установлено. Если пропавший попадет в объективную видеокамеру, то алгоритм сразу установит совпадение с эталоном и сообщит об обнаружении включенным компонентом.

Использование в здравоохранении
Неочевидная область применения системы обнаружена. Между тем компания AiCure создала приложение для контроля приема лекарств пациентами на основе алгоритма определения лиц. Аналогичные программы используются для упрощения и ускорения регистрации и проверки личности, а также определения внешних симптомов.
Обеспечение безопасности
При задержании лица последующими его не только дактилоскопируют, но и создают отпечатки лиц, которые вносятся в централизованные банковские данные. Такой человек при необходимости может быть легко обнаружен и идентифицирован как электрическая охрана.
Также в мобильных устройствах камера фотографирует их владельцев и направляет информацию в полицию. Это помогает, например, моментально определить личность водителя и пешехода при воздействии дорожно-транспортного происшествия.
Повышение сервиса в розничной торговле
В системе магазина лица помогают клиентам покупать нужные им товары, указывая их нахождение, формируя рекомендации на основе предшествующей истории покупок. Программа Face Pay позволяет ускорить движение очереди за счет, более быстрый процесс 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 лиц и тщательно наблюдать за ними, предотвращая хищение товара. В этом помогают системы обнаружения лиц, которые при совпадении внешности посетителя с фото на базе данных о правонарушителях сразу уведомляют об этом администрацию.
Использование в банковской системе
При совершении удаленных транзакций биометрические системы позволяют ограничить ввод кодов из push-уведомлений и подтвердить личность плательщика по отпечатке его лица, сделанному выключенным смартфоном.
Конечно, злоумышленники постоянно находят способы, как обмануть систему, поймав лиц. Для этого можно применить фотографию владельца устройства. Однако для такого случая используется показатель живучести. Дело в том, что даже в спокойном состоянии лицо человека имеет хотя бы минимальную мимику. Изображение на фото, в свою очередь, совершенно статично, и электронная программа легко устанавливает такие несоответствия.
Применение в маркетинге
Маркетологам системы помогают лицам не только формировать рекомендации клиентам на основе их истории покупок, но и фиксировать эмоции, выражения лиц в процессе потребления продукции. Таким способом воспользовалась, в частности, компания DiGiorno, выпускающая замороженную пиццу. Аналогичная программа помогает кинокомпаниям узнавать реакцию на новые фильмы в кинотеатре.
Отслеживание посещаемости студентами или работниками
В организациях системы поиска лиц помогает установить, явился ли сотрудник на смену или прогуливает рабочее время. В Китае подобная система помогает контролировать посещаемость школьных занятий учащимися. Изображение студента университета сопоставляется с фотобанком, в результате чего администрация вуза может точно узнать, кто отсутствовал в атмосфере в положенное время.
Распознание водителей
В настоящее время, когда они внедряют новые технологии, они умеют заменить ключ для открывания дверей отпечатком лица водителя. Помимо данных для доступа к замку авто, сведения о владельце также помогают соблюдать положения зеркал, настройки климат-контроля, радиостанцию ??и т. д.
Мифы и правда о системе определения лиц
С системой связано большее заблуждение, чем с любой другой сферой видеонаблюдения. Многие считают, что достаточно повесить камеру и установить программу, и все будет работать самостоятельно у себя. Такому подходу защиты и производителей оборудования, обещающих в своих маркетинговых материалах безошибочную идентификацию, и кинофильмы, в которых подложные системы наделены едва ли не сверхспособностями. Подрядчики без опыта берутся за заказы и трудности с проблемами.
Разберемся с основными мифами, связанными с системой создания лиц.
Три главных мифа
- Миф первый: система обнаружения лиц без проблем работает при наличии одной обзорной камеры.
- Миф второй: можно регулировать доступ к системе, включающую только распознавание лиц, без других средств опознания.
- Миф третий: Система нашла лиц невозможно обмануть, человек будет безошибочно опознан даже в очках, головном уборе, с бородой .
Однако в процедуре все не так радужно. Прежде всего, на идентификацию лица в толпе влияет множество факторов: освещение, разрешение камеры, скорость движения человека, мимические преобразования, частота кадров, способность электроники формировать один единый кадр из нескольких последовательных изображений.
Результаты проверок
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 ракурса, объективного разрешения, недостаточного освещения, стоит наблюдаемый человек или идет.
Касательные изменения внешности заметили, что система может узнать человека, если он использует усы, бороду. Гримм практически полностью исключает возможность идентификации личности по фото. Также происходит работа системы боковая верхняя обзорная засветка. Чем больше людей пропускают кадре, тем выше риск лица, изображение которого есть в фотобанке.
Что касается пропускной системы по одному только изображению, то система корректно работает, если в фотобанке обеспечивает съемку идеального качества: сам человек становится перед объективом в правильном ракурсе, при включенном освещении и без искажающих аксессуаров. Однако в этом случае злоумышленник может просто подложить перед собой фото сотрудника и с высокой долей вероятности запрограммировать его пропустить.
По поводу устойчивости системы приведения лиц к маскировке заметили, что не удается распознать бороду, усы и даже солнечные очки. Как ни странно, не удалось сохранить местоположение обычного парика. Кроме того, если пострадало лицо мрачного клоуна, программа не сможет правильно сопоставить это лицо с изображением из банка данных.
Трактовка результатов
Как видно, система привлечения лиц не может работать безупречно ни в каких условиях. Но это совершенно не означает, что подобные программы совершенно бесполезны, иначе бы они не стали основным направлением развития IT-компаний.
Корректность работы алгоритмов влияет на множество условий. Вряд ли можно полагать, что, например, в многотысячной толпе на стадионе система выхватит того самого злоумышленника, который ищет полицию, хотя проверки такого обнаружения все же присутствуют.
Необходимо иметь в виду, что идентификация лица по фотоизображению – нетипичная задача. Необходимо строго соблюдать все рекомендации разработчиков соответствующих алгоритмов, и процент ложных результатов будет достигнут. Установку и изменение оборудования должны выполнять исключительно профессионалы.
Рекомендации по внедрению технологии
Сразу отметим, что соблюдение всех рекомендаций, направленных на обеспечение идеальной системы работы лиц, может оказаться невозможным на некоторых объектах. Если же разработчик сможет удовлетворить все требования разработчика на всем его уровне, эта программа может принести огромную пользу.
Требования к качеству фотоснимков в системе на базе основанных лиц
Основой работы системы лиц является отпечаток лица с изображением из фотобанка. Следовательно, этому фотобанку необходимо предварительно заполнить данные, а именно фотоснимками лиц в самом высоком качестве. При этом требования к разрешению совсем низкие, вполне хватит 320 на 240 пикселей. Принципиально важное значение имеет решающую роль, поскольку от нее зависит точность определения пропорций между внешними элементами лица.
Также обращайте внимание на хорошее освещение (по крайней мере, расширене), однородный и контрастный задний фон, соблюдение минимальных размеров первых элементов (например, интервал между зрачками должен быть не менее 60 пикселей).
Требования к камере и ее параметрам
Для проведения идентификации требуется достаточное и достаточное освещение, не менее 150 люкс. На предложение удовлетворить это требование далеко не всегда. Так, входная группа может сильнее засветиться уличным светом.
Оптимальный угол центрального обзора к лицу наблюдателя должен составлять не более 15 градусов в горизонтальной и вертикальной плоскостях. В противном случае возможны некорректные разработки.
Для идентификации лица необходимо, чтобы минимальная яркость изображения была не ниже 500 пикселей/м. Из этих требований вытекают ограничения на разрешение и диапазон камеры обзора.
Достаточная вся резкость должна выглядывать из кадра площади. Этот показатель зависит от фокусного расстояния и значения диафрагмы. Эти параметры необходимо просчитывать заранее, особенно для длиннофокусных объективов, подбирать модели камеры с управляемой диафрагмой, определять границы открытия и закрытия диафрагмы. Для достаточной четкости фото необходимо, чтобы выдержка не превышала 1/100 секунды.
Желательно использовать 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 примере, а в случае съемки в толпе и вовсе невозможно, когда фоном становятся части лиц рядом стоящих людей.
Ближайшее будущее системы
Системы контроля активно разрабатываются во всем мире, однако лидерство удерживает США, Японию, Россию, Израиль, Европу, Китай. Программные продукты из этих стран представляют собой самые высокие работы.
Китай удерживает лидерство в количестве камер в расчете на одного человека. Россия сообщила о намерении использовать нейросети собственной разработки взамен западных технологий. В европейской системе люди широко применяются в торговле для задержания злоумышленников. Идентификация в режиме реального времени, пока большая часть находится на стадии экспериментальных разработок.
В США система обнаружения лиц обычно применяется для выявления злоумышленников в записях, проверка в режиме реального времени используется менее широко. По статистике, на основе данных, используемых международными стандартами, данные за ночь хранятся во всех районах страны, примерно 117 миллионов человек.
Разработки в области системных исследований ведутся очень активно. Так, американская компания Varix в Сингапуре с NNTC в ОАЭ разрабатывает специальные очки, в которые встроена небольшая восьмимегапиксельная камера, позволяющая в режиме реального времени сканировать лица прохожих и узнавать очки владельца о совпадениях. Аналогичные функции включают собственные 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 строгих условиях съемки, а также при использовании маскировки. Для этого данные отпечатки лица сочетаются с другими показателями (голос, походка и другие). Алгоритмы становятся все более быстрыми и точными, могут обрабатывать большее количество информации.
Ведутся исследования и в противоположном направлении. Ученые из университета Карнеги-Меллона (Питтсбург) производят солнечные очки, которые могут предотвратить идентификацию последовательного течения лиц. В частности, один из испытуемых в таких очках был опознан как Мила Йовович.
Подведем некоторые итоги. Система поиска лиц может быть эффективной, но все-таки необходимо оценить стоимость возможной ошибки, поскольку идеального результата добиться очень сложно. Если некорректное внедрение не вызывает серьезных негативных последствий, то можно внедрить требования без опасений. Если же использовать метод разыскиваемого лица, сделать это невозможно, лучше использовать такую ??же программу, как вспомогательное средство.
Необходимо соблюдать все рекомендации производителя и подрядчика по обеспечению условий съемки, и тогда уровень точности определения будет значительно выше.
Подскажем, какое оборудование из каталога Видеоглаз подойдёт под ваши задачи и бюджет.

