Распознаватель лиц

Никаких очередей в магазинах, паспортный контроль в прошлом, а для совершения онлайн-платежей достаточно посмотреть в камеру смартфона – это не очередной сюжет из «Чёрного зеркала», а реальность, которую формируют технологии распознавания лиц.

То, что начиналось с идентификации людей на фотографиях в социальных сетях, в 2020 году представляет собой востребованную технологию, которая с каждым месяцем, если не днём, глубже проникает в быт миллионов людей, накапливая о них персональные данные. И Казахстан не исключение.

Informburo.kz рассказывает, где активно используются системы распознавания лиц, как разные страны адаптируют законодательство под новые технологи и чего от них ожидать в ближайшее время.

Как работают системы распознавания лиц?

Распознавание лиц – одна из возможностей технологии компьютерного зрения, алгоритмов (нейросетей), обученных находить, распознавать и отличать изображения. Это могут быть лица людей, животные, объекты на дороге, разновидности огнестрельного оружия и многое другое. Для подобных систем изображения – это набор данных с отличительными признаками. В случае распознавания людей алгоритмы опираются на биометрические данные – характеристики лица, например, жёсткие ткани, кривые глазного гнезда, носа и подбородка.

Принципы работы технологии исследователи описали в 2001 году. Наиболее востребованный, метод Виолы – Джонса, находит человека по соотношению ярких и тёмных участков на изображении, фиксируя области, где их взаимное расположение напоминает лицо. Совсем недавно такую систему было несложно обмануть, спрятав лицо под капюшон, маску или специальный макияж, но с каждым годом видеокамеры становятся совершеннее.

Первые системы распознавания лиц сравнивали только двумерные снимки из базы данных с изображением, зафиксированным камерой. Точность идентификации сильно зависела от внешних факторов, включая освещение и ракурс, при этом человеку нужно было обязательно смотреть в камеру. Потом на смену им пришли системы на основе 3D-распознавания. В зависимости от программного обеспечения алгоритмы учитывают разное количество уникальных характеристик лица, включая форму скул, длину носа, расстояние между глазами или от подбородка до лба и многое другое.

Система распознаёт человека по 80 узловым точкам, фиксируя ключевые и второстепенные характеристики лица. Затем программа переводит данные с изображения в числовой код, также называемый отпечатком лица (faceprint). На последнем этапе система сверяет результат с базой данных полиции, где может храниться дополнительная информация о гражданах: его Ф.И.О., адрес, телефон и не только. Другая крупная база данных – социальные сети, в частности Facebook.

Но и у 3D-моделирования есть недостатки, что стимулирует новые разработки. К примеру, компания Identix предложила технологию распознавания лиц по анализу текстуры кожи, будь то линии, поры, шрамы и другие характерные детали. Разработчики уверены, что их система сможет различить даже близнецов, и ей не помешают очки на лице или яркий макияж. Также существуют алгоритмы, способные определять личность даже в полной темноте или при плохом освещении. Инфракрасные камеры фиксируют тепловой след, который излучает человек.

Где применяется технологии распознавания лиц?

В 2020 году использование технологии распознавания лиц начинается с мобильных приложений и финансовых услуг и не заканчивается проектами безопасных городов, военными разработками и беспилотными автомобилями. И это не считая магазинов без продавцов в Китае и США, где камеры считывают, с какой продукцией покупатель идёт к выходу, а с его карточки автоматически списываются деньги за покупку.

По данным британской Comparitech, среди 50 стран, где правительство и частные структуры обширно и агрессивно собирают и хранят биометрические данные граждан, пятёрку возглавили Китай, Пакистан, Малайзия, США и Индия. По мнению исследователей, в топ-5 стран, где сбор данных наиболее эффективно регулируется правительством, вошли Ирландия, Португалия, Великобритания, Кипр и Румыния.

Согласно исследованию, в каждой стране биометрические данные используются в сфере банковских услуг (отпечатки пальцев). Во многих государствах их собирают у иностранных граждан, а также используют либо тестируют камеры видеонаблюдения с распознаванием лиц. Авторы исследования считают, что биометрические данные лучше защищены в европейских странах, на которые распространяется Общеевропейский регламент по защите данных в ЕС (GDRP).

В январе 2020 года Еврокомиссия и вовсе предложила временно запретить использование технологий распознавания лиц в общественных местах. Если ограничения вступят в силу, мораторий продлится от трёх до пяти лет. За это время европейским странам предстоит найти решения по предотвращению возможных злоупотреблений технологиями, нарушений прав граждан на частную жизнь и приватность персональных данных.

В США противники системы распознавания лиц пошли дальше. С начала 2020 года в Сан-Диего (штат Калифорния) вступил в силу трёхлетний мораторий на использование систем распознавания лиц. Временный запрет стал результатом длительной общественной кампании против использования в штате системы тактической идентификации (Tactical Identification System, TACIDS). В неё входит база данных для распознавания лиц, используемая местными, штатными и федеральными агентствами.

С 2016 по 2018 год полицейские провели через систему более 65 000 проверок с помощью смартфонов и планшетов. Главные аргументы правозащитников против технологии заключались в недопустимости вмешательства в частную жизнь граждан и предвзятости полиции к этническим меньшинствам.

А что насчёт стран, устанавливающих системы распознавания лиц?

В 2019 году Китай с крупнейшей в мире сетью видеонаблюдения обладал 200 миллионами камер по всей стране и собирался вдвое увеличить их количество к 2020 году. Система устанавливает личность граждан по ID-номеру, хранящемуся в базе данных, либо номеру машины, а также определяет национальность, возраст и пол. В случае обнаружения разыскиваемого гражданина или противозаконных действий полицейским достаточно несколько минут для задержания нарушителя.

Известен случай, когда система наблюдения и распознавания лиц помогла найти пропавшего ребёнка и установить личность похитительницы. Благодаря камерам полицейские отследили её передвижения по городу и задержали женщину с ребёнком на вокзале. Тем же способом камеры определяют, кто из граждан перешёл дорогу в неположенном месте или участвовал в акциях протеста и уличных беспорядках.

Только камерами китайская полиция не ограничивается. В 2018 году она начала тестировать портативные аналоги, встроенные в очки для полицейских наподобие Google Glass. Похожими технологиями с недавних пор могут похвастаться и российские полицейские. В 2019 году в России началось тестирование видеорегистратора с функцией распознавания лиц, подходящего для патрулирования. Устройство разработали Dahua Technology Rus и NtechLab, связав видеорегистратор с приложением FindFace Security Mobile.

В Москве установлено 3000 тысяч камер наблюдения, оснащённых функцией распознавания лиц. За два года устройства помогли задержать более 100 разыскиваемых преступников. По словам производителей камер, их устройства также пригодились на главных футбольных стадионах в период чемпионата мира по футболу. Разные углы обзора, слабая освещённость, всевозможные прикрытия в виде очков или бороды камерам не помешали.

В 2020 году московская мэрия объявила конкурс на закупку оборудования для систем распознавания лиц почти на два миллиарда рублей. Власти намерены создать сеть из 200 тысяч умных камер для улиц и общественного транспорта. Такие устройства автоматически проверяют людей, сравнивая их со списком розыска. В случае совпадения фотография отправляется полицейским, от которых зависят дальнейшие решения. По мнению разработчиков, такой алгоритм должен сократить этические риски, но сбор биометрических данных во время видеонаблюдения стал поводом для одного судебного дела.

В 2019 году активистка Алёна Попова, оштрафованная за одиночный пикет, судилась с московским департаментом информационных технологий и МВД. Она посчитала, что суд неправомерно использовал записи камер наблюдения с распознаванием лиц, рассматривая дело о проведении пикета у Госдумы годом ранее. По Закону «О персональных данных», использование биометрических сведений гражданина возможно только с его согласия в письменной форме. Суд активистка проиграла и собралась обжаловать его решение, в том числе в ЕСПЧ.

О необходимости регламентировать систему распознавания лиц в рамках российского законодательства говорят и правозащитники из движения «Роскомсвобода». Также они выступают за создание органов общественного контроля во избежание злоупотребления технологий со стороны силовых структур и защиту базы данных от утечек информации.

В Казахстане ситуация пока неоднозначная. В январе 2020 года казахстанские СМИ писали, что в одном из районов Алматы появятся камеры видеонаблюдения с распознаванием лиц Qamqor. Позже в полиции опровергли эту информацию, указав, что меморандум по установке камер ни с кем не заключали, хотя некая компания предложила установить камеры в одном из районов города для демонстрации возможностей системы.

Непонятно, получит ли эта история продолжение. Но если учитывать заинтересованность президента Касым-Жомарта Токаева перенимать китайский опыт в цифровизации персональных данных граждан, внедрение систем распознавания лиц – вполне реальная перспектива. В прошлогодний визит в Китай казахстанский лидер посетил завод крупнейшего мирового производителя систем видеонаблюдения Hikvision и оценил возможности «умных» камер.

Продукция китайского производителя также представлена в Казахстане и других странах Центральной Азии, но с недавних пор находится под американскими санкциями. Правительство США внесло компанию в список 28 государственных учреждений и частных фирм, причастных к нарушению прав этнических меньшинств в Синьцзяне.

Из ближайших соседей «умную» систему видеонаблюдения также внедряет Кыргызстан. С 2019 года в Бишкеке работают 60 камер, 20 из которых оснащены функцией распознавания лиц. Систему стоимостью более 5 миллионов долларов кыргызской полиции бесплатно предоставила китайская госкомпания CEIEC. Ранее она внедряла подобные технологии в странах Южной Америки и Африки.

Thomas Peter / Reuters

Городские власти рассчитывают установить в столице 1000 камер видеонаблюдения, но местные правозащитники и активисты из Комитета гражданского контроля выступают за мораторий на систему распознавания лиц.

Тренды и риски

Опасения, что система распознавания лиц будет работать не только на поддержание безопасной городской среды, но и для вычисления участников несанкционированных митингов или слежки за оппозиционно настроенными активистами, могут быть оправданы. Авторы журналистского расследования The Wall Street Journal рассказывали о том, как специалисты Huawei помогали правительствам Уганды и Замбии следить за оппозицией. Но на повестке остаются и другие актуальные вопросы: например, как защитить базы данных от утечки информации, что делать, если система ошиблась, признав в невинном человеке разыскиваемого преступника, или как не стать жертвой кибербуллинга.

В 2018 году компания NtechLab закрыла проект FindFace.ru – первый в мире сервис для поиска людей по фотографии в российской социальной сети «ВКонтакте». Инструмент с алгоритмами машинного обучения, опередивший Google, позволял найти профиль незнакомого человека по его фотографиям в интернете. С одной стороны, сервис значительно упрощал поиск, с другой, стал инструментом для травли работников порноиндустрии. Инициаторы «облавы» рассылали компромат на порноактрис их друзьям и знакомым, а также публиковали находки в специальной группе в VK. Позже её заблокировала администрация VK.

Этот случай не столько про испорченную репутацию порномоделей (хотя и про это тоже), сколько про утрату приватности в интернете. Если раньше социальные сети продавали обезличенную информацию об аудитории компаниям для рекламы, то теперь алгоритмы умеют анализировать фотографии, узнавая о рядовом пользователе гораздо больше, чем следовало бы.

После закрытия популярного сервиса NtechLab сообщила, что займётся инновационными решениями для государства и бизнеса. Появление на рынке подобных сервисов может открыть новые возможности для создания персонализированной рекламы.

Зная, какие магазины и заведения посещают потенциальные клиенты, маркетологи смогут точнее определять целевую аудиторию и выбирать стратегию продаж. Выиграет ли от этого пользователь – другой вопрос. Хотя не исключено, что в каких-то случаях так будет проще и быстрее находить нужные товары и услуги. Так, например, крупнейший ритейлер Walmart с помощью распознавания лиц анализирует эмоции клиентов. Система сканирует мимику посетителей, определяя, кто ушёл довольным покупкой, а кто нет. Также записанные эмоции можно сопоставить с историей транзакций, чтобы проследить изменения в покупательских привычках клиента.

Технология распознавания лиц открывает как новые возможности, вроде оплаты покупок по фотографии или оформления кредита за три минуты, так и новые схемы киберпреступлений и ограничения прав. Учитывая, что законодательные нормы пока не поспевают за техническим прогрессом, новые решения ещё не раз заставят посмотреть на привычные ценности. И, возможно, что-то пересмотреть.

Применение распознавания лиц.
Распознавание лиц (Face Recognition — англ.) — это один из наиболее перспективных методов биометрической бесконтактной идентификации человека по лицу.

Первые системы распознавания лиц были реализованы как программы устанавливаемые на компьютер. В наше время технология распознавания лиц наиболее часто используется в системах видеонаблюдения, контроля доступа, на разнообразных мобильных и облачных платформах. Сегодня распознавание лиц — это глобальная и крайне доходная индустрия, которая, по некоторым оценкам, уже к 2021 году достигнет капитализации в 6,8 миллиардов долларов.

Применение биометрии в местах большого скопления людей.

Прежде всего, это транспортные узлы, метро, аэропорты, таможенные пункты.
Начиная с 2014 года все аэропорты оснащаются системами биометрической видеоидентификации.

Московский метрополитен начал тестировать систему биометрической идентификации в апреле 2019года на станции Октябрьское поле. Сейчас установленная система распознавания лиц работает в тестовом режиме, а в будущем эти испытания помогут создать систему биометрической оплаты проезда.

С марта 2019 года одна из станций метро в г.Шеньжень (Китай) оснащена системой оплаты проезда с помощью распознавания лиц. Чтобы оплатить проезд, пассажиру необходимо подойти к специальному экрану и отсканировать лицо, после чего система снимет деньги с электронного счета пассажира. Специально для данной системы компанией Huawei была развернута первая в мире 5G сеть.

Ежедневный трафик людей, которые въезжают и выезжают из г. Гонконг растет год за годом. Сегодня границу Китая и Макао (Гонконг) через пункт пропуска Гонгбей ежедневно проходит 400 000 человек. Однако на территории работает не более 20 таможенников. Персоналу помогают системы распознавания лиц, которые идентифицируют человека и быстро выявляют контрабандистов или неплательщиков налогов. Создатели системы заявляют о скором запуске всеобщей Китайской системы распознавания с 1,4 миллиарда фотографий в системе, при этом распознавание займет не более 3 секунд.

Применение в сфере безопасности и криминалистике.

Системы распознавания лиц внедряют в масштабе целых городов. Для массовых мероприятий, прежде всего спортивных, биометрия становится основным способом обеспечения безопасности. В частности, перед чемпионатом мира по футболу в 2018 году была произведена замена 25000 камер видеонаблюдения на модели высокого качества изображения с функцией распознавания.
Во время проведения чемпионата мира по футболу работа системы по распознаванию лиц позволила задержать более 180 человек, включенных в базы правонарушителей.

Продолжение программы по модернизации городской системы видеонаблюдения намечено на 2019 год, в течение которого продолжится развертывание системы распознавания лиц.
На данный момент в базе около 170 тыс. городских камер видеонаблюдения, а до конца текущего года в Москве будет работать более 174 000 камер.
Сеть видеонаблюдения объединит подъездные видеокамеры (95% подъездов жилых домов), камеры на территории и в зданиях образовательных учреждений, на стадионах, остановках общественного транспорта и автовокзалах, в парках, подземных переходах.

Применение в сфере обслуживания.

• Транспорт
  Произведена замена части турникетов на Киевском вокзале и транспортно-пересадочном узле «Солнечная» в тестовом режиме оснастили системой распознавания лиц для поддержки биометрических билетов на загородные поезда.

• Культура
  В Государственном Эрмитаже прошло внедрение биометрических билетов.
  Благодаря новым технологиям, уже очень скоро постоянные посетители российских музеев, театров и галерей смогут пройти в учреждение с помощью системы распознавания лица.
• Ритейл
  Перед системами распознавания лиц сфера ритейла ставит несколько задач:
  Первая — снижение издержек на воровство продукции.
  Вторая — автоматизация процессов торговли.
  Третья – создание клиентской базы, определение целевых групп и многое другое.

Крупнейший ритейлер мира Walmart в 2017 году разработал технологию, которая помогает определить, насколько покупатель доволен посещением магазина. Система должна помочь анализировать покупательское поведение в течение долгих периодов — для этого она будет связывать их эмоции с тем, сколько они тратят и что именно покупают. Биометрические данные клиента сопоставляют с данными проводимых им транзакций, чтобы обнаружить изменение покупательских привычек из-за недовольства.

Крупнейший российский ритейлер — X5 («Пятерочка», «Карусель», «Перекресток») — также начал тестировать технологии распознавания лиц в 2017 году. По словам представителей компании, технология должна помочь сократить ожидание в очередях на кассах и оптимизировать торговое пространство.

В 2018 году в Сиэтле открылся первый в мире магазин без касс и продавцов. Его посетители могут просто брать товары с полок и уходить из магазина без необходимости стоять в очереди для оплаты товара — счет придет на их аккаунт в Amazon.

Применение технологии распознавания в банковской сфере.

Российские банки начали массово использовать системы биометрического распознавания лиц при рассмотрении кредитных заявок. Биометрия применяется в качестве дополнительного способа обеспечения безопасности наряду с традиционными путями.

При обращении в банк изображение клиента и его паспортные данные заносятся в базу данных, при последующих обращениях платформа распознавания сравнивает биометрические данные клиента, что является дополнительным барьером для мошенников. При этом качество работы систем не зависит от поворота головы, освещения, макияжа или головного убора.

Сбербанк запустил программу тестирования биометрических банкоматов в своих офисах в июле 2017 года. Сотрудники банка регистрируют свой биометрический шаблон — трехмерную модель лица, где учитываются индивидуальные черты человека, включая ИК диапазон. Сотруднику, чей шаблон зарегистрирован, достаточно нажать на экране банкомата кнопку «Обслуживание по биометрии».
Аналогичную функцию тестирует и Тинькофф Банк.
В данный момент в банковской сфере не подготовлено законодательство, регулирующее биометрический доступ к банковским услугам, но очевидно, что банки уже готовят биометрические системы и изменения произойдут в ближайшее время.

Применение биометрии в сфере рекламы.

Российская интернет-компания «Яндекс» и разработчик IT-решений Addreality начали продажу рекламы, в которой используется технология распознавания лиц.
Первой в России такую рекламу разместила сеть аптек «АСНА». Технология автоматической закупки показов рекламы протестирована в сети супермаркетов «Виктория».

С помощью технологий распознавания и детектирования лиц система учитывает количество уникальных просмотров, пол, возраст и другие характеристики человека, смотрящего на цифровой рекламный экран.
После этого платформа подбирает подходящее для конкретного посетителя рекламное объявление, закупает его на онлайн-аукционе и транслирует на цифровой панели.
Процесс занимает доли секунд — то время, пока человек находится в зоне действия экрана. После этого на лицевой счет организации, разместившей у себя рекламу, поступает оплата просмотра.
Таким образом, система распознавания лиц позволяет оптимизировать показ рекламы для целевых аудиторий.

Применение в мобильных приложениях.

Системы распознавания уже давно применяют в смартфонах и многих новых разработках для личного пользования.

Например, iPhone X оснащен технологией, про которую Apple может, не покривив душой, заявить: «Мы сделали это в смартфоне первыми».
Речь о фронтальной камере TrueDepth. Точнее, это не просто камера, а комплекс из двух датчиков: 7-мегапиксельной фронтальной камеры и инфракрасной камеры, и двух инфракрасных осветителей — «проектора точек» и «заполняющего» излучателя (в ИК диапазоне).

В iPhone X камера TrueDepth является частью сканера лица Face ID, который используется для разблокировки устройства, подтверждения финансовых операций, аутентификации в приложениях.
Face ID настраивается за несколько секунд. Сканер проецирует на лицо до 30 000 невидимых точек и на основании полученных данных создает его точную структурную карту.
Вероятность ложного срабатывания Face ID составляет 1 на 1 000 000 операций.
Многие IT-обозреватели пытались обмануть систему, даже с использованием 3D макета головы, но Apple единственная компания, которая произвела обучение системы на 3D манекенах и не допускает подлога.

В 2018 году компания Visionlabs анонсировала внедрение функции распознавания лиц внутри и снаружи автомобиля на аппаратной платформе Nvidia DriveAGX. По информации компании, эта технология заменяет собой ключи, обеспечит «умный» и безопасный доступ к автомобилю, персонализацию, а также контроль над состоянием водителя.
Аналогичная технология уже используется в автомобилях Tesla — благодаря системе распознавания лиц водителям не нужен ключ для разблокировки и запуска автомобиля. Система камер узнает владельца автомобиля «издалека» и по мере его приближения обеспечивает доступ и персонализацию в управлении автомобилем. Система способна контролировать всех окружающих около машины и внутри неё даже в полной темноте.

Применение в соцсетях и поиск лиц на фото.

Соцсети и интернет базы знаний прочно вошли в жизнь современного человека. Системы распознавания личности нашли своё применение и в этой сфере деятельности.

В 2016 году компания N-Tech.LabLtd. выпустила мобильное приложение под названием FindFace, которое позволяет найти человека в социальных сетях по его фотографии. FindFace распознает человека и находит его в базе из тестовых 300 миллионов фотографий за 0,3 секунды. Технологии FindFace используют многие соцсети и интернет гиганты.

Мессенджер WeChat оснащен функцией распознавания лиц, что позволяет осуществить вход в аккаунт, совершать покупки или получать услуги по определению личности через камеру смартфона. Необходимо учитывать, что программа WeChat превратилась в Китае во всеобщую систему услуг, через которую возможно произвести огромное количество операций, от оформления интернет-заказа до аренды жилья.
Facebook использует распознавание лиц, начиная с 2010 года. Технология становится всё точнее и возможности постоянно расширяются.
Технология выглядит так — вы загружаете фото, система выделяет лица на них и сравнивает со снимками из своей базы. Естественно, сначала она сравнивает лица на снимках с вашими фото, затем – с фото ваших друзей и т.д. Таким образом, вероятность опознавания увеличивается, а сложность обработки сокращается. Таким образом, единожды указав себя на фото, пользователь может обнаружить отмеченные его именем фотографии у всех своих друзей и даже на своих архивных фото.

Принципы работы распознавания лиц.

В процессе развития технологий распознавания личности были разработаны новые типы систем.
В данной главе рассмотрены основные этапы разработок в этой области.

Метод построения HOG структуры.
Простейшая система распознавания используется производителями фототехники начиная с 2000 года.
Дальнейшая работа инженеров различных компаний привела к появлению в 2005 году системы построения гистограммы направленных градиентов HOG, с помощью которой качество распознавания лица в кадре было улучшено.
Принцип построения градиентов HOG состоит из нескольких этапов – прежде всего изображение переводится в ЧБ режим, затем программа строит стрелки направления смещения от светлого к темному пикселю, далее пиксели объединяются в группы 16х16 и для каждой группы пикселей задаётся усреднённое изменение от темного к белому. Полученная гистограмма из стрелок изменений сравнивается с типовым шаблоном и при достаточном уровне совпадения, зона найденного совпадения в кадре определяется как распознанное лицо.
Данный принцип и сегодня широко используется в фотоаппаратах и смартфонах — при наведении резкости пользователь видит появление рамок вокруг найденных в кадре лиц.

2D распознавание, метод распознавания по ключевым точкам.

Один из самых первых методов – это анализ геометрических характеристик лица. Изначально данный метод был разработан и применялся в криминалистике с начала 2000х годов. Принцип метода заключается в выделении набора ключевых точек (или областей) конкретного лица и дальнейшее выделении набора признаков этого лица. Ключевыми точками обычно становятся характерные черты лица, уголки глаз, губ, кончик носа, центр глаза и т.п. В качестве ключевых используются области, включающие в себя: глаза, нос, рот, подбородок и щеки.

Существенными недостатками данного метода являются необходимость получения изображения без искажений или помех в ключевых зонах. Алгоритм не способен корректно распознать лицо при появлении очков с толстой темной дужкой, бороды, больших украшений, сильного изменения причёски и макияжа. Влияние на качество распознавания оказывает различия в освещении при создании шаблонного лица и в момент распознавания. Так же недопустимо изменять фронтальный ракурс, возможны только небольшие отклонения до 15% по вертикали или горизонтали. Эмоциональный фон так же оказывает влияние на процесс распознавания.

Указанные выше недостатки не позволяют использовать данный метод в реальной обстановке, однако он имеет применение в специфических задачах. Такие задачи как проверка документов на режимных предприятиях успешно решаются данным методом.
Дело в том, что большим плюсом 2D распознавания является не высокая нагрузка на вычислительные мощности техники.

3D распознавание, метод проекции шаблона.

Классическим методом распознавания современных 3D систем является метод проецирования шаблона.
Метод заключается в том, что при создании шаблона лица, проецируется до 30000 точек в 3D проекции.
В процессе создания модели лица видеокамера производит несколько кадров в момент поворота головы вправо-влево. Полученные изображения лица под разными углами проходят обработку специальным алгоритмом с нанесением ключевых точек, таким образом, в карточке шаблона создаётся 3D модель добавляемого лица. Программа способна очистить модель лица от помех (головной убор, борода, очки и пр.) с помощью использования ИК-диапазона при съемке.
Полученные антропометрические особенности, получают собственный уникальный код в базе данных.
На практике время необходимое для создания модели лица или распознания личности из созданной базы составляет 1-2 секунды.

Описанный метод может быть дополнен одновременной работой нескольких видеокамер, которые производят съемку лица под разными углами. Разработчиком данной системы является компания Vocord.

К плюсам данного метода распознавания можно отнести очень высокий уровень распознавания и практическая не возможность обмана системы. К минусам относится необходимость фиксации лица на определенный промежуток времени в пространстве.
3D метод распознавания нашел широкое применение в различных биометрические считывателях, смартфонах, автомобильных системах, банкоматах.

Нейронный принцип распознавания.

Нейросетевой принцип распознавания был создан и развивается в данный момент большими темпами в результате того, что описанные выше методы распознавания оказались не готовы решить новые задачи, такие как:

• создание огромных баз данных (до 1.4млрд) с сохранением высокой скорости распознавания
• работа с базой лиц при условии что люди стареют и физически меняются
• распознавание лиц разного цвета кожи и рас
• распознавание человека в толпе, в движении
• распознавание человека с частично закрытым лицом

Нейропринцип распознавания основан на тех же принципах запоминания, что и наш мозг.

Мозг запоминает черты лица по ключевым особенностям — это сочетание антропометрических данных лица и отдельных зон на лице. На каждую из особенностей мозг выделяет определённую группу нейронов, которые активируются при распознании определенной черты. В данный момент исследователи определили в мозгу около 50-ти таких групп нейронов.
При распознании человека активные группы нейронов создают «код лица», при этом данный код позволяет показать любое фактически допустимое количество лиц, поэтому мозг не может спутать два лица.
Большой интерес вызывает способность человеческого мозга распознавать лица, которые фронтально повернуты на 20-300 градусов, на половину закрыты, или имеющие только контур за тканью.
Доказано что человек при распознавании использует полученные знания о структуре типичного лица, накопленный жизненный опыт о возможных изменениях лица в результате старения, болезни или мимики.

Современные нейросетевые системы основанные на принципах работы мозга используют 128 признаков, а система в процессе обучения создает возможные векторы изменения признаков.
Обучение такой системы происходит на специально созданных базах от 1млн. лиц (от таких компаний как IBM, Microsoft). В данных базах учтены лица всех возрастов, рас и мимики с подготовленными признаками. Обучаясь по этой базе, нейросеть создает связи между признаками (как мозг укрепляет связь между двумя активными нейронами).

Таким образом, нейросетевой принцип распознавания сравнивает не признаки лица, а векторы изменения признаков, при этом выбирая наиболее близкий к эталонному путь т.е. наименьшую вероятность ошибки.

Последней разработкой Российского разработчика в области биометрических технологий компании NtechLab является решение, способное распознавать лица, закрытые до 40% — например, маской, платком, шлемом. Новая система способна распознавать мотоциклистов в медицинских масках в городском потоке, что особенно актуально для стран Азии.

Смешанные принципы распознавания.

Переходным от 2D к 3D методом является метод, реализующий накопления информации по лицу. Этот метод имеет лучшие характеристики, чем 2D метод и так же использует всего одну камеру. При занесении лица в базу используется несколько кадров видеопотока, в то время когда необходимый человек находился под различным углом зрения или поворачивал голову. В дальнейшем алгоритм соединяет изображение воедино, создавая виртуальный 3d шаблон. При этом карточку человека можно в любой момент дополнить новыми кадрами из архива и система начнёт учитывать новые факторы и изменения.
При распознавании человека система также использует несколько кадров видеопотока.
Этот метод относится к смешанным системам распознавания.

Плюсом данного метода является сравнимая с 2D методом нагрузка на вычислительные мощности, что позволяет реализовать аппаратное использование в сетевых регистраторах и камерах.
При этом качество распознавания существенно повышается, а недостатки систем 2D и 3D распознавания, такие как правильное расположение лица в пространстве и необходимое для распознавания время, снижаются.

Заключение.

Технология распознавания лиц давно вошла в повседневную жизнь, но в последнее время новейшие разработки превратили данную область деятельности в мощнейший инструмент, сравнимый по перспективам влияния на жизнь современного человека с атомной энергией. Правильное использование разработок в данной области позволит обществу отказаться от понятия деньги и паспорт и многократно упростить бюрократический груз в обществе, возможно также и создание полноценного «большого брата» с проникновением в частную жизнь, от которого невозможно закрыться, ведь наше лицо является нашим паспортом. При этом очень опасно то, что развитие биометрических технологий и внедрение их в жизненно важные сферы существенно опережает законы и государственное регулирование.

Банк – мой друг!

Прошли времена, когда деньги хранили под матрацем, а зарплату получали наличными под роспись. Представить современного человека в отрыве от банка невозможно: зарплатные карты, потребительские кредиты, ипотека, оплата квитанций, налогов, штрафов – везде нужен банк, мобильное приложение, терминал. Это те немногие сценарии, с которыми сталкивается практически каждый. А банку нужна надёжная технология идентификации клиента. И такая технология есть.

Мгновенное распознавание клиентов.

Распознать, кто перед тобой, – на первый взгляд задача тривиальная. Взял документ, сверил фотографию с оригиналом, проверил базу данных на наличие клиента, проверил фотографию в базе данных. Ничего сложного! Но требует времени. В терминале, банкомате или мобильном приложении всё еще проще – логин, пароль или просто 4 цифры пин-кода – и ты в системе. Просто как дважды два! Но, если пин/пароль/телефон украдут – уже небезопасно.

А можно ли идентифицировать клиента, когда он только переступил порог твоего банка или только открыл мобильное приложение, не тратить время на проверку документов или ввод логина и пароля? Ответ – можно!

Нейронная сеть распознаёт лица.

Распознать человека по фотографии или по изображению с видеокамеры умеет нейронная сеть. По аналогии с нервной системой человека искусственная нейронная сеть умеет думать и учиться. На основании десятков миллионов изображений людей нейронная сеть выделяет и классифицирует наиболее значимые для идентификации области лица, которые в дальнейшем используются для построения небольшого по размеру дескриптора – биометрического паспорта человека. Уникальность такого «паспорта/идентификатора» позволяет решать многие задачи, актуальные в банковской сфере.

Возможные сценарии распознавания лиц.

1. Двухфакторная аутентификация – вход в систему банка для сотрудников:

• время распознавания 1-2 секунды,

• нет специфических требований к системе,

• защищенный доступ в CRM и АБС.

2. Аутентификация для доступа в мобильный банк – дополнительный фактор надежности.

3. Распознавание лиц на документах:

• распознавание документов разных стран,

• распознавание фото через водяные знаки и ламинацию.

4. Обслуживание клиентов банка — идентификация по фотоизображению.

5. Выявление мошенников.

6. Адресные предложения в точках продаж:

• анализ посещений партнерских точек продаж,

• персонифицированные предложения в момент присутствия в точке продаж,

• выявление присутствия клиента в точке продаж.

7. Видеоанализ в отделениях банка:

• среднее время присутствия,

• уровень конверсии.

Работа на всех платформах.

Нетребовательность к оборудованию, а также повсеместное распространение видеокамер позволяет применять технологию распознавания лиц практически без ограничений.

Вот лишь небольшой список устройств, где возможно применение данной технологии:

• АТМ/терминалы,

• дверные видеоглазки,

• браузеры,

• мобильные устройства (например, мобильный банк),

• IP камеры,

• персональные компьютеры.

Плюсы технологии:

• практически мгновенное распознавание (доли секунды),

• высокая точность распознавания, подтвержденная экспериментами и математическими моделями,

• повышение клиентоориентированности для банка,

• большая безопасность и дополнительная защита средств для клиента.