8 800 222-41-308 495 960-41-30
Заказать звонок
Нет товаров

Распознавание лиц в системах видеонаблюдения

Существует довольно много методов биометрического распознавания личности человека. Методов много: от идентификации по отпечатку пальца до сканирования радужной оболочки глаза. Так же давно известна методика распознавания человека по профилю лица. Еще в шестидесятые годы прошлого века появились первые компьютерные наработки в этой области. Но так как в то время компьютерные системы были огромного размера и занимали большие площади, то какого-то практического назначения они не получили. Все изменилось с приходом компьютеров большой мощности и нередко с кластерным распределением задач по вычислению, а так же с практическим применением программ искусственного интеллекта.

Распознавание лиц в системах видеонаблюдения

Мнения о удаленной идентификации слишком разнятся. Кто-то боится вторжения в личную жизнь и мошенничества, кто-то, наоборот, в восторге от возможности выявления опасных преступников в массе народа. Все это потребует переработки законодательства и постоянных поправок. Но плюсы и минусы оставим и поговорим о самых передовых технологиях и алгоритмах распознавания и непосредственно о реализации таких решений. Упор будет на современные технологии, и немного посмотрим на готовые решения в этой сфере.

Техническая реализация систем распознавания лиц

Существует три основных способа построений комплексов распознавания человека по лицу.

  1. Техническая реализация систем распознавания лиц-1

    Непосредственный локальный контроль и обработка данных с видеокамеры на персональном компьютере. Такие системы используются на пропускных пунктах и терминалах, предназначение которых контроль потока граждан. Например, такие простые комплексы используются на проходных предприятия вместо пропускной системы. Это довольно удобно, так как данные непосредственно попадают в табель учета рабочего времени. Такая реализация локальная и не преследует иных целей кроме местного контроля.

  2. Техническая реализация систем распознавания лиц-2

    Удаленная обработка данных передаваемых с IP- видеокамер. Реализация предусматривает обработку видео потока на сервере, где установлено соответствующее программное обеспечение.

  3. Техническая реализация систем распознавания лиц-3

    Обработка информации непосредственно в видеокамерах. Обработанные метаданные передаются уже практически в чистом виде на сервер. Обычно связка камера – сервер имеют программное обеспечение, специально разработанное для конкретных камер со встроенными функциями распознавания (клиент – сервер). Недостатком этого способа является достаточно высокая цена на такие видеокамеры. Но есть возможность экономии на сервере взаимодействия, так как часть работы по идентификации выполняет встроенное в камеру обеспечение, оно обычно является гибридом аппаратно-программной реализации.

Практика реализации распознавания лиц

2D – распознавание лиц

2D – распознавание лиц

Сегодня наибольшее распространение получило программное обеспечение, основанное на двумерном анализе изображения. Большинство выпускаемой продукции в мире поддерживают именно 2D технологию. При определенном программном обеспечении 2D изображения преобразуются в 3D, и обрабатываются уже методами, предусмотренными для трехмерных изображений. Но все по порядку.

Распространению 2D распознавания способствует наличие в мире огромных баз уже наработанных и поддерживающих определенную структуру, которая хорошо задокументирована и практически готова к применению. Так же базы постоянно обновляются и совершенствуются алгоритмы выборки из них. Существуют общедоступные и коммерческие реализации баз изображений лиц.

3D – распознавание лиц

3D – распознавание лиц

Такое распознавание содержит более низкий процент ошибок, но реализация его многократно сложнее. 3D – маски для анализа получить довольно сложно. Для успешного сканирования лица необходимо оборудование с точками наблюдения из разных ракурсов и позиций. То есть за высоким процентом точности распознавания в 3D кроется дороговизна оборудования. Так как говорилось выше проще всего 2D – изображения преобразовывать в 3D с помощью соответствующего программного обеспечения.

Распознавание лица человека по текстуре кожи

Распознавание лица человека по текстуре кожи

Сегодня матрицы видеокамер совершенствуются и изображения высокой четкости уже пригодны для анализа в таком разрешении, что анализ возможен по порам кожи и структуре эпидермиса. А так же различных индивидуальных особенностей человека, например цвета волосков на коже их длины и толщины. Еще одно направление включает в себя изменение поверхности кожных покровов, например морщин и складок вокруг глаз. По анализу эпидермиса на фото большой четкости хорошо реализуется распознавание лиц близнецов, что не дает четкого определения при использовании только 2D и 3D технологий. Хотя самый лучший результат приносит техника, использующая эти способы вместе.

Распознавание лиц по тепловому излучению

Распознавание лиц по тепловому излучению

Довольно перспективная технология, но сейчас есть только опытные образцы реализации. Если коротко, то определенные участки оголенного тела (лицо) довольно четко отдают тепло внешней среде, связано это с расположением кровеносных сосудов к поверхности кожи. И разные участки с разным тепловым излучением легко сопоставить друг другу, это будет являться качеством идентификации. При таком анализе достаточно не эффективно скрытие методами изменения внешности (изменение прически, накладные элементы, макияж, очки и аксессуары). Но как говорилась, технология в промышленных масштабах еще не реализована.

Программное обеспечение и алгоритмы распознавания лиц

Схема системы распознавания лиц

В программном обеспечении приняты несколько важных измерений или метрик. Параметр FRR – уровень ошибочных отказов. Это обозначает, что программное обеспечение не смогло определить подлинность зарегистрированного в системе человека. То есть в базе есть данные, но по каким-то причинам сравнение не прошло. Параметр в расшифровке звучит как False Reject Rate.

Следующий важный показатель FAR – уровень ошибочных подтверждений. То есть из описания ясно, что определенная личность человека не занесена в базу данных, а система по какой-то причине выдает подтверждения в существовании записи. Расшифровывается параметр как False Acceptance Rate.

Эти параметры не единственные в базовом принципе идентификации и служат начальными вводными и могут значительно обостряться или притупляться в зависимости от настроек программы распознавания. Метрики эти противоположны друг другу, например, при уменьшении одного параметра увеличивается другой и наоборот.

Разработчиков алгоритмов распознавания достаточно много существует даже некоторый рейтинг по эффективности, где каждая компания занимает соответствующее место и старается улучшить свой алгоритм. Занимаются тестированием алгоритмов институты. Например, NIST – национальный институт стандартов технологий США. При внесении поправок в алгоритмы любая компания – разработчик может пройти тест по новому, подняв или понизив свое место в топе разработчиков.

Можно назвать нескольких лидирующих представителей этого рынка, у всех своя методика и нюансы в работе ПО, но занимаются они одним – оттачивают распознавание. Так как все участники рейтинга, прежде всего, преследуют коммерческое направление, было бы довольно неэтично выкладывать их методы и алгоритмы на всеобщее обозрение. Кого заинтересует, информация легко ищется в сети, так как утечки случаются, и корпорации с их службами безопасности не исключение. Вот наиболее перспективные и известные алгоритмы:

  1. megvii-000 (Китай);
  2. visionlabs-003 (Россия);
  3. morpho-002(Франция);
  4. ntechlab-003 (Россия);
  5. cogent-000 (США).

Вот пятерка лидирующих в этой области алгоритмов, но как уже говорилось их достаточное количество, и, конечно же, существуют и открытые полностью решения и выпускаются они под соответствующими лицензиями open source. В рейтингах эффективности не представлены производители готового оборудования для распознавания лиц, т.к. как это лишь алгоритмы и порой даже без программной оболочки. А реализацию в готовое оборудование, выполняют другие производители, купив у авторов необходимые лицензии на право использования.

Производители программного обеспечения и модулей распознавания лиц

Здесь рассмотрим производителей, которые добились значительных результатов в данном сегменте рынка, и их оборудование действительно завоевало признание у потребителя. Начнем с Российских игроков, названия это ссылки на их представительства в сети интернет:

  • ISS – Россия, Разработчик ПО «SecurOS® Face»
  • Sigur – Россия ведущий разработчик по многим показателям;
  • ITV – Россия, Программа «Интеллект»;
  • Macroscop – Россия, Программное обеспечение «Macroscop Basic».

Каждая компания предлагает собственное программное обеспечение и СКУД. С условиями использования можно ознакомиться на их сайтах.

Базы данных распознанных лиц

Базы данных распознанных лиц

Для систем распознавания лиц необходимы базы данных. Они, конечно, существуют как в государственном сегменте, так и в коммерческом. Отсутствие централизованных баз, тормозит общую тенденцию развития комплексов идентификации.

Государственные базы данных:

Государственная монополия позволяет законно собирать данные на своих граждан. Это паспортные столы, регистрационные данные водительских прав и прочего всегда содержат фотографии. Так же обязательна фото-фиксация законодательно принята для въезда и выезда граждан из страны. Доступ к государственным базам, как правило, платный, но так как существуют утечки из любых даже закрытых госструктур воспользоваться ими нет особых проблем. Тут появляется другая сложность – это невозможность легальной работы софта и оборудования на территории страны, где была украдена база. Элементарно при регистрации будет отказано в сертификации.

Коммерческие базы данных:

Такие базы наиболее доступны в плане использования, но зачастую требуют специальной обработки. Так как в них не всегда сведения достоверны. Например, крупнейшая социальная сеть «В контакте» располагает огромной базой. Но процент достоверности связки аккаунт и фото аккаунта намного ниже, чем в базах государства.

Для использования любых баз данных необходимо понимать, что идеальных баз не существует и для наилучшего распознавания необходимы следующие показатели:

  • Количество пикселей на фото;
  • Контраст и прорисовка деталей лица;
  • Фон, на котором находится основная часть лица;
  • Освещение;
  • Отсутствие мешающих деталей на области лица и т. д.

Области применения систем распознавания лиц

Системы контроля доступа

Самый наименьший процент отказов именно в СКУД. Например, устройства для контроля и учета рабочего времени и доступа устанавливаются таким способом, чтобы обеспечить наиболее оптимальный режим распознавания. Сюда входит нужное освещение, положение проверяемого, фон и другие условия для получения наилучшего результата. Не маловажным фактором является выполнение всех требований самим проверяемым, так как в его интересах беспрепятственно пройти вахту или КПП.

Системы распознавания лиц в городе и транспорте

Основные назначения систем опознавания

  • Поиск пропавших людей;
  • Поиск преступников находящихся в розыске;
  • Извлечение демографической информации людей для лучшего обслуживания;
  • Измерение удовлетворенности людей от их лиц;
  • Подсчет количества пассажиров, использующих общественный транспорт.

В этой области применения есть свои достоинства и недостатки. Например, приходится вносить изменения, в рабочие программы, учитывая поправки на время суток, погодные условия, а в движимом транспорте учитывать неравномерность движения и вибрации. Плюсом является так называемый фактор внезапности. Это то, что предполагаемый преступник не будет носить в повседневной жизни, какой либо маскировки. Так же плюсом является и большое количество камер установленных в мегаполисах.

По статистике в Париже средний прохожий попадает в объектив камер не менее трехсот раз за день. Соединенные камеры в одну инфраструктуру могут довольно точно отслеживать человека по маршруту его ежедневного перемещения. Так же при обработке по определенному алгоритму имеется возможность прогнозирования будущих передвижений человека по городу.

Отраслей и предприятий, где используются системы распознавания лиц с каждым годом становится всё больше. Ниже представлен процентный график и прогноз использования систем распознавания.

Отраслей и предприятий, где используются системы распознавания лиц

Если у Вас стоит задача установки системы видеонаблюдения с функцией распознавания лиц, то наша компания с удовольствием будет рада предоставить наши услуги.

Автор:

Оставить комментарий
Прикрепить файл