3
В основе технологии — две нейросети:
Первая — сеть-«выравниватель» (англ. aligner). Она берет картинку, которая поступает с камеры наблюдения, детектирует на ней все лица, которые сможет найти, «вырезает» и «выравнивает» их.
Вот как это выглядит:
Этап №1. Программа вырезает лица ( wikipedia.org)
- Программа вырезает обнаруженные лица (те, что плотно расположены друг к другу, повернуты в профиль или просто очень маленькие и нечеткие, система может не распознать).
- Затем она их выравнивает: детектирует на лице точки глаз, носа и рта.
Этап №2. Программа распознает ключевые точки на лице ( wikipedia.org)
- Наконец, поворачивает и подгоняет размер фото так, чтобы точки глаз, носа и рта находились в определенных местах.
Этап №3. Программа приводит фото к стандартному виду ( Tsinghua University)
Некоторые алгоритмы используют больше семи точек — то есть, обводят контуры лица. Это может понадобиться, к примеру, для создания дипфейков.
Вторая — сеть-«распознаватель». Она принимает на входе выровненное изображение, которое передала первая нейросеть, а на выходе выдает вектор лица — то есть, набор чисел фиксированной длины. У разных сетей эти векторы могут отличаться, но чаще всего это некая степень двойки. Например, 512:
Как работает вторая нейросеть, которая распознает лица ( KDnuggets)
На похожие лица сеть выдает похожие векторы и наоборот.
Возьмем одно фото Анджелины Джоли и два изображения Брэда Питта и прогоним их через сеть. На выходе получим три вектора. Измерим расстояние между вектором Анджелины Джоли и вектором первого Брэда Питта, а также между векторами двух Брэдов Питтов. В первом случае расстояние будет большим — это разные люди, а во втором — маленьким: это один человек.
Как нейросеть отличает одного человека от другого ( KDnuggets)
Чтобы обучить нейросети, используют огромные базы данных с лицами людей. Нейросети на входе сообщают, кому принадлежит это лицо, а затем, в ходе обучения, добиваются, чтобы она выдавала максимально точные результаты. Обучившись на миллионах разных людей, нейросеть начинает распознавать и новые лица — те, которых не было в базе.
Технология Face ID в смартфонах устроена немного иначе. Алгоритм распознает вас не по фото, а с помощью инфракрасных точек, которые проецируются на ваше лицо через камеру. После этого создается трехмерная модель и сравнивается с той, что вы уже внесли ранее.
Как работает технология FaceID
Узнать лицо в толпе
Технологии распознавания лиц быстро завоевывают самые разные сферы. Уже никого не удивляет смартфон, который для снятия блокировки сканируют лицо владельца, или использование этой технологии в банках.
Однако возможности, которые дает компьютерная идентификация, намного шире: от поимки преступников до сбора данных для маркетингового анализа. Одним из ведущих игроков на рынке является компания VisionLabs.
Из студентов — в бизнесмены
Александр Ханин — основатель компании VisionLabs — заинтересовался технологиями компьютерного зрения и искусственным интеллектом еще в 2008 г., когда учился на 3 курсе в Университете им. Баумана. В 2011 г.
он получил диплом инженера робототехника, а затем закончил аспирантуру по специальности «Роботы и робототехнические системы». В апреле 2012 г.
Александр привлек единомышленников, обладающих экспертизой в ключевых областях — компьютерное зрение (Иван Лаптев, профессор парижского Национального института исследований в информатике и автоматике) и IT-технологии (Алексей Нехаев, директор по работе с ключевыми заказчиками).
Так была создана компания VisionLabs. Основатели компании отмечают, что сфера компьютерного зрения до сих пор представляет большой простор для новых технологий и игроков. Но вход на рынок стартапов порой осложняется высокими требованиями к новым технологиям.
Как это работает
Кажется, что распознавать лица достаточно просто. Но чтобы «обучить» компьютер делать это быстро и корректно, требуется составить сложную многоуровневую программу.
Нейросеть считывает код с фотографии человека, сравнивает его с предоставленными базами данных и на этом основании производит идентификацию. При этом надо сделать так, чтобы переменные показатели, например загар, не влияли на точность идентификации.
Все эти вопросы решают специалисты по машинному обучению и компьютерному зрению. Инновационной разработкой VisionLabs стала уникальная платформа распознавания лиц LUNA. Она может быстро и безошибочно распознать и идентифицировать человека в режиме реального времени.
Это помогает, к примеру, бороться с преступлениями — выявлять в толпе людей, находящихся в розыске, или разоблачать банковских мошенников, пытающихся получить кредит по поддельным документам.
«Флагманским продуктом компании является платформа распознавания лиц LUNA — система управления биометрическими данными. Она позволяет в режиме реального времени анализировать большие объемы фото- и видеоданных с целью определения в них лиц людей и сравнения их с многомиллионными базами данных. Платформу уже сегодня используют более 40 банков и национальных кредитных бюро в России и странах СНГ. В основе программного комплекса LUNA лежит инновационная технология распознавания образов», — дополняет Александр Ханин.
Но этим возможности компьютерного зрения не ограничиваются. Возможность моментально идентифицировать клиентов позволяет компаниям существенно повысить уровень сервиса.
Например, обслужить VIP-клиента без очереди или прислать постоянному покупателю на входе в магазин выгодное предложение о покупке. Этому помогает облачное приложение Fase IS.
Оно формирует историю покупок клиента и помогает выстраивать отношения с брендом.
Многих пользователей компьютерных технологий волнует вопрос безопасности. VisionLabs не хранит изображения и другие персональные данные. Нейросеть обрабатывает информацию в цифровом виде. Даже если удастся взломать систему, сгенерировать внешность человека будет невозможно.
Финансовый вопрос
Финансируют разработки крупные компании, взамен получая акции VisionLabs. Так, в 2016 г. АФК «Система» вложила 350 млн руб. в исследования и получила 25% акций компании. Чтобы сохранить контроль над основным пакетом, создатели VisionLabs прибегли к допэмиссии. При этом саму компанию оценили в 1,4 млрд руб.
Также компания прибегала к субсидиям фондов Минобрнауки и Фонда Бортника, от которых получила 30 млн руб. Кроме того, она проходила акселерацию в Фонде развития интернет-инициатив, вложившем в компанию 1 млн руб. До сделки с АФК «Система» фонд владел 2,2% акций. В 2017 г.
крупные вложения поступили от Сбербанка, который приобрел пакет акций в размере 25,07%. Самому основателю Александру Ханину сейчас принадлежит 45,28% акций, что позволяет контролировать все процессы и решать вопросы управления. По данным «Спарк-Интерфакс», в 2015 г. выручка VisionLabs составила более 31 млн руб.
, а чистая прибыль — почти 24,5 млн руб. Прибыль за последующий период основатели компании не называют, отмечают лишь, что она значительно увеличилась.
Команда единомышленников
Штат компании VisionLabs — около 90 сотрудников. Большинство из них работают в московском офисе. Некоторые специалисты работают удаленно — в России и за рубежом.
Кроме экспертов, занимающихся разработкой и совершенствованием компьютерных технологий и искусственного интеллекта, в компании есть коммерческий отдел и бэк-офис.
Часть сотрудников выполняет административные функции или занимается вопросами коммуникации.
«Мы вас узнали», — говорят банки, отели и автомобили
Технологии интеллектуального распознавания лиц быстро внедряются в разные сферы бизнеса. На данный момент у компании VisionLabs более 50 клиентов в таких областях, как ритейл, банки, обеспечение безопасности. У каждого заказчика свои цели и ожидания от новой технологии.
Банки с ее помощью хотят повысить безопасность и комфортность обслуживания. Распознавание лиц — еще один способ идентификации клиента и сведение риска мошенничества к минимуму. Сейчас с VisionLabs в том числе сотрудничает Сбербанк.
Усовершенствованная система верификации позволяет дополнительно опознавать клиентов по лицу, если необходимо.
Оплата с помощью телефона — уже вчерашний день, решили разработчики инновационных приложений по виртуальной оплате. В 2018 г. VisionLabs и российская платежная система SWiP договорились о сотрудничестве. Результатом стал запуск сервиса SelfieToPay, позволяющего расплачиваться с помощью селфи.
Чтобы платеж состоялся, покупателю достаточно взглянуть в камеру, установленную рядом с кассой. Для идентификации будут использоваться биометрические параметры лица. В июне 2018 г. сервис в тестовом режиме начал работать в Mediacafe, сети Papa John’s и Cofix.
На данный момент технология уже полноценно работает во многих заведениях общественного питания Москвы.
Оценили возможность опознавать клиентов по лицу отели. Для регистрации был разработан специальный сканер, который получает необходимую информацию по QR-коду бронирования и паспорту постояльца.
Терминал, по сути, выполняет функцию сотрудника ресепшн, сравнивая скан фотографии с лицом гостя для его идентификации. Постоянным клиентам достаточно предъявить паспорт — это связано с соблюдением законодательства РФ.
Помимо повышения точности идентификации, технология распознавания лиц позволяет ускорить регистрацию.
Заменить вахтера
Применение компьютерного распознания лица уже довольно разнообразно. Дистанционное сканирование лица водителя должно заменить привычный ключ зажигания.
Это практически исключит риск угона — человек, которого система не опознает, не сможет попасть внутрь авто и завести его. Технологию VisionLabs выбрала и внедрила в свою платформу компания Nvidia.
Также компьютерное зрение предполагается использовать для контроля за состоянием водителя.
Внедряется технология и в дома. В жилой комплекс «Лица», где установлено интеллектуальное видеонаблюдение, жители могут попадать без ключей, а лифт сам отвезет их на нужный этаж. Система также помогает отслеживать въезжающие автомобили.
Это дает возможность разделять гостей и жильцов и передавать необходимую информацию службе безопасности. Система компьютерного распознавания лиц может заменить вахтеров. Сейчас такая возможность работает в «Школе 21» — проекте Сбербанка, где обучаются будущие IT-специалисты.
В память системы заведены лица сотрудников и студентов, которые могут попадать внутрь школы без пропусков.
Алгоритм VisionLabs может использоваться не только как инструмент идентификации клиентов, но и для сбора аналитической информации.
В Московском океанариуме сканирование лиц посетителей в реальном времени позволило собрать актуальную статистику об их поле и возрасте, а также проанализировать посещаемость.
Это дает широкие возможности для проведения маркетинговых исследований внутри океанариума и организации интерактивного взаимодействия с посетителями.
Далее — везде
Подводя итог, можно отметить, что технология компьютерного распознавания лиц широко внедряется во все сферы бизнеса.
При этом VisionLabs сотрудничает со многими разработчиками инновационных приложений и модифицирует возможности программы под запросы конкретного клиента.
Руководители компании уверены: за искусственным интеллектом будущее, и сфера его использования будет только расширяться. Это и компьютерные игры, и модная индустрия, и кино, и виртуальная реальность.
«Компания активно развивается и внедряет свои решения как на российском, так и на международном рынке.
Технологии искусственного интеллекта сейчас находятся на пике развития и широко применяются повсеместно, поэтому поле деятельности очень велико и разнообразно, — отмечает Александр Ханин.
— К тому же в этом году Россия впервые примет главную IT-выставку CEBIT — это отличная площадка для поиска партнеров и единомышленников со всего мира».
Кристина Фирсова
Улыбнитесь, вас снимает ФБР — Газета.Ru
ФБР объявило о завершении работы над новой биометрической системой распознавания лиц. Это означает, что десятки миллионов жителей США попадут в ее базу данных. Со временем подобная система появится и в России.
Принципы работы Next Generation Identification — системы идентификации нового поколения — ФБР не скрывает. NGI собирает, обрабатывает и идентифицирует лица, радужную оболочку глаз, татуировки и отпечатки пальцев.
Впечатляют масштабы системы. Работа над ней велась шесть лет и оценивается в $1 млрд.
Разрабатывали систему частные компании Lockheed Martin Transportation и Security Solutions.
Вице-президент компании ABBYY Арам Пахчанян считает, что столь высокая стоимость системы связана с масштабом реализации технологии распознавания.
«Одно дело – система распознавания на входе в помещение, другое – работающая по всей стране глобальная система, обрабатывающая сотни тысяч лиц в секунду», — говорит Пахчанян.
NGI должна заменить систему IFAIS (интегрированная автоматизированная система идентификации отпечатков пальцев). Новая база данных, с которой будет работать NGI, принципиально отличается от IFAIS.
Если в IFAIS хранились только отпечатки пальцев, которые собирались правоохранительными органами, силовыми ведомствами и организациями с повышенным уровнем секретности, то в базу данных NGI попадут еще и фотографии с удостоверений личности, рабочих пропусков и прочих документов.
Впечатляет и возросшая скорость обработки информации. По запросам с высокой степенью приоритета это происходит практически в режиме реального времени.
- close
- 100%
Современные программы распознавания лиц, как и ранее, базируются на двух главных параметрах – геометрии (черты лица и их расположение) и текстуре (цвет, тон), однако алгоритмы распознавания образов и скорость обработки информации сильно изменились.
Арам Пахчанян высоко оценивает уровень таких систем: «Они достаточно эффективны, чтобы работать, они уже эффективнее людей, хотя бы потому, что всегда начеку. К тому же вероятность того, что человек будет найден с помощью камеры, значительно вырастает по мере обучения базы данных искомых людей за счет новых фотографий».
База данных NGI уже сейчас содержит более 100 млн отдельных записей, которые связывают отпечатки пальцев человека, ладоней, скан его радужной оболочки, биометрию лица с личной информацией, такой как домашний адрес, возраст, правовой статус.
ЕFF (Electronic Frontier Foundation) — американская некоммерческая правозащитная организация, которая занимается защитой гражданских прав в связи с появлением новых технологий связи, заявила, что база данных NGI уже к 2015 году может насчитывать 52 млн лиц, взятых как из уголовных дел, так и неполицейских источников — например, при прохождении проверки перед поступлением на работу и пр.
«Технология распознавания лиц представляет реальную угрозу для гражданских свобод и права на личную жизнь.
Наши лица могут быть сняты удаленно и без нашего разрешения, это может происходить постоянно и повсюду.
Столь высокая степень слежения может выявить такую информацию о нашей жизни, которую мы не хотели бы предоставлять государству или правоохранительным органам», — говорит старший юрист EFF Дженнифер Линч.
Медиаменеджер Антон Носик считает, что появление систем подобных NGI — это неизбежная часть технического прогресса: «С накоплением в архивах разных государств наших биометрических данных (фото, отпечатки пальцев, анкета) мы все уже давно согласились, — заявил Носик «Газете.Ru». — С тем, что на каждом углу сегодня установлены камеры наружного наблюдения, мы согласились тоже. По крайней мере, я не слышал ни об одном случае, когда бы такая камера была демонтирована по судебному решению о защите чьего-либо privacy в публичном месте.
- Нужно просто принять это как данность.
- Если ты абонент сотовой связи, то все твои перемещения по городу и миру с точностью до 50 метров известны как оператору связи, так и всем спецслужбам, которые уполномочены рыться в его логах, если ты зарегистрированный пользователь веб-сервиса/облака, то все места, откуда ты заходил в этот сервис, записываются, и логи эти хранятся.
- Человек, которого это не устраивает, может выстроить весьма сложные уровни защиты от подобной слежки — оформить мобильный телефон на подставное лицо, вырубить в нем функции GPS, в общественных местах закрывать лицо шарфом, не получать биометрический паспорт, но в масштабах общества в целом, я думаю, любители таким образом шифроваться не составляют сколько-нибудь значительной группы, а вот важность эффективных мер по упреждающему выявлению террористов признает любой обыватель, и будет прав».
Системы распознавания лиц есть не только в США. Британия, например, использует программу NeoFace, которая позволяет сравнивать лицо подозреваемого с имеющейся у полиции картотекой. Однако масштабы NeoFace и NGI несравнимы. NeoFace работает с полицейской базой всего в 92 тыс. человек.
Вне всякого сомнения, со временем подобная система появится и в России. Вице-президент ABBYY считает, что в России достаточно кадровых ресурсов, а работы по распознаванию лиц и прочих объектов давно и успешно ведутся.
«Сложность этой задачи не столько в базовой технологии, сколько в масштабе реализации. С другой стороны, опыт разработки крупных транзакционных систем, отрабатывающих массовые запросы, в России уже есть.
Более того, уже сейчас понятно, что рано или поздно такая система будет разработана.
Очевидно, что такая система сможет в значительной степени осуществлять профилактику преступности, а также окажется эффективным средством поиска преступников: они более не смогут вести нормальный образ жизни в городах и будут вынуждены скрываться от камер», — отметил Арам Пахчанян.
По мнению Антона Носика, есть только один важный вопрос: как ограничить злоупотребления этими данными со стороны не только государства, но и отдельных чиновников, которые допущены к их обработке.
«Я уверен, нас ждет долгая и бурная общественная дискуссия, которая приведет к выработке законодательных ограничений на использование собранной информации, а вот по поводу развития современных технологий никакой дискуссии я не предвижу, это естественный процесс, который никакими законами не остановить», — заявил Носик «Газете.Ru».
Что нужно знать о технологии распознавания лиц — Лайфхакер
Для государства распознавание лиц — важная часть системы безопасности и внушительная статья бюджета. Для журналистов — либо панацея, либо орудие мирового заговора. Для бизнеса — инструмент или продукт.
Чью сторону ни прими, базовые вопросы всё равно остаются. Ответы на них пользователи привычно ищут в интернете (в среднем 28 704 запроса по тематике face recognition в месяц), но обнаруживают далеко не всегда.
Исправляем ситуацию.
Что же такое распознавание лиц
Отделим мух от котлет. Пользователи чаще сталкиваются с распознаванием лиц в собственных смартфонах, где биометрическая идентификация применяется, чтобы разблокировать устройство и получить доступ к данным мог только его владелец. В процессе распознавания обязательно участвует 3D-камера, чтобы невозможно было обмануть гаджет фотографией.
Ещё существует идентификация лиц в реальном времени и реальных же условиях: в этом случае она неразрывно связана с системами видеонаблюдения, где лица буквально «выхватываются» из снимаемого камерами видеопотока.
Представим себе качественную современную камеру видеонаблюдения, размещённую чуть выше среднего человеческого роста в хорошо освещённом месте. Перед ней каждый день проходит примерно одинаковое количество примерно одних и тех же людей. Двигаются они не очень быстро.
Снятое видео может храниться в облачном архиве. К камере подключается аналитический модуль: сложное сочетание алгоритмов (искусственный интеллект, нейросети, вот это всё) плюс пользовательский интерфейс. Модуль «выхватывает» лица из видеопотока, определяет пол и возраст и заносит данные в базу.
Постепенно изображений становится больше. Система запоминает все распознанные лица автоматически и заносит их в архив, а пользователь с допуском указывает дополнительные данные: имя, должность, статус, прочие отметки («VIP-гость» или «вор»). Можно загрузить фото нужной персоны, а модуль найдёт в архиве все детекции этого лица.
Как только человек с отметкой вновь проходит перед камерой, система фиксирует это как важное событие и отправляет push-уведомление заинтересованным пользователям.
Детекция в контексте распознавания лиц — это ситуация, когда алгоритм в принципе понял, что перед ним лицо, а не яблоко или русалка с кружки Starbucks. Вычислительные мощности ему сначала требуются для этого, и только затем он может сопоставить лицо с базой или запомнить.
Иногда детекция может удивить
Если вы дочитали предыдущие несколько абзацев до конца, поздравляю, теперь вы знаете, как работает распознавание лиц в идеальной ситуации. Описание подходит к любой системе: от тех, которые используются в московском метро, до решений для малого бизнеса.
Главное, что нужно понимать: идеальную ситуацию в реальной жизни создать сложно, особенно если речь идёт о целом городе, а не офисе или магазине. Скажем, в метро людей много, все разные, ходят быстро. Камер нужно очень много, они стоят денег, размещать их должны грамотные специалисты.
Можно ли обмануть алгоритм распознавания лиц
Несмотря на случающиеся промахи, точность машинного распознавания уже нередко превосходит ту, с какой определяют лица люди. В Китае скоро появится система, способная найти конкретного человека среди 1,3 миллиарда других жителей за 3 секунды с точностью 90%.
И всё же однозначно на этот вопрос ответить сложно, потому что единственного идеального алгоритма распознавания лиц не существует.
Большие очки, наклеенная борода, кепка, высокая скорость перемещения, специальный макияж (например, нарисованная на лице решётка) — всё это способно запутать алгоритм. Особенно в совокупности, потому что для распознавания бывает достаточно 70% открытого лица.
А теперь представьте, что использовать вышеперечисленные ухищрения необходимо в условиях реального города. Звучит не так уж просто, верно?
«Антираспознавательные» очки из Японии, которые выпустили ещё в 2015 году
А вот такая 3D-маска
появилась в 2014 году
Возможно ли распознавание лиц онлайн
Интернет — место парадоксальное: люди здесь одновременно могут беспокоиться о том, не определяет ли каждая вторая камера на улице их личность, и искренне хотеть «распознавать лица других людей по фотографии онлайн». Рассмотрим это направление face recognition отдельно.
Программа распознавания лиц — это либо описанный выше аналитический модуль (камера видеонаблюдения + софт + облачное хранилище), либо софт, аналогичный известному (слегка скандально) сервису FindFace. Сегодня скачать программу распознавания лиц «бесплатно и без регистрации» в подавляющем большинстве случаев, понятное дело, невозможно.
Веб-сервис FindFace.ru, помогающий найти людей в социальной сети «ВКонтакте» по их фотографии, был основан 18 февраля 2016 года. Помимо прочего, благодаря ему все желающие могли находить профили девушек, снимавшихся в порнофильмах.
Очень скоро сервис стал использоваться для множества флешмобов по обнаружению лиц, которые имели полное право никогда и никем обнаруженными не быть. Разразился скандал, сработавший как вирусная реклама: технология, которая легла в основу сервиса, получила ряд престижных наград и вызвала интерес заказчиков со стороны государства и бизнеса.
С 1 сентября 2018 года сервис более не оказывает услуги поиска людей по фотографии, так как он был преобразован компанией NtechLab в линейку решений для различных отраслей бизнеса.
Мечта пользователя, который вводит запрос, очевидно, выглядит так: заходишь на сайт, загружаешь фото человека, снятого украдкой в метро, программа распознаёт лицо и выдаёт ссылку на профиль в соцсети.
Ага, попался! Или же так: загружаешь программу на компьютер, подключаешь к ней веб-камеру и распознаёшь мордочку своего кота.
Успех — теперь тебе будет приходить уведомление каждый раз, когда кот ворует сосиски.
https://www.youtube.com/watch?v=l50vZe5pG5Q\u0026t=70s
Реальность жестока. Первый же сайт, который предлагает вам подобное, отказывается работать, а второй — требует навыков программирования на Python. Более-менее похожее на мечту приложение называлось SearchFace, которое недавно перезапустилось под названием FindClone.
Вы загружали фотографию, а алгоритм пытался распознать это же лицо в базе социальной сети «ВКонтакте». Ссылок на профиль приложение не выдавало, только сами снимки — причём неважно, кем они были загружены.
Если пользователь давно активен в соцсети, выдача фото создавала жутковатый «биографический» эффект, если же нет, распознанные изображения могли рассмешить.
Что такое распознавание лиц – определение и описание
Что такое распознавание лиц?
Распознавание лиц – это способ идентификации или подтверждения личности человека по его лицу. Систему распознавания лиц можно использовать для идентификации людей на фотографиях, видео или в режиме реального времени.
Распознавание лиц – это категория биометрических систем аутентификации.
Другие виды биометрических систем аутентификации включают распознавание голоса, распознавание отпечатков пальцев и распознавание сетчатки или радужной оболочки глаза.
Эти технологии в основном используются для обеспечения безопасности и соблюдения правопорядка, однако наблюдается рост интереса к другим областям использования.
Как работает распознавание лиц?
Многим знакома технология распознавания лиц FaceID, используемая для разблокировки iPhone (это только один из примеров применения технологи распознавания лиц).
Как правило, технология распознавания лиц не использует огромную базу данных фотографий для определения личности человека.
Она идентифицирует и распознает одного человека как единственного владельца устройства и ограничивает доступ для других людей.
В общем случае, технология распознавания лиц работает путем сопоставления лиц людей, проходящих мимо специальных камер, с изображениями людей в списке наблюдения.
Списки наблюдения могут содержать фотографии кого угодно, в том числе людей, которые не подозреваются в каких-либо правонарушениях. Изображения могут поступать из любых источников, даже из учетных записей в социальных сетях.
Существуют различные технологии распознавания лиц, но в целом они работают следующим образом:
Шаг 1. Обнаружение лица
Камера обнаруживает и фиксирует положение изображения лица, как одного, так и в толпе. На изображении может быть человек, смотрящий в анфас или в профиль.
Шаг 2. Анализ лица
Затем выполняется снимок и проводится анализ изображения лица. Большинство технологий распознавания лиц используют 2D, а не 3D-изображения, поскольку 2D-изображения удобнее сопоставлять с общедоступными фотографиями или фотографиями в базе данных.
Программа считывает геометрию лица. Ключевые факторы включают расстояние между глазами, глубину глазниц, расстояние от лба до подбородка, форму скул и контуры губ, ушей и подбородка.
Цель состоит в том, чтобы определить черты, отличающие данное конкретное лицо.
Шаг 3. Преобразование изображения в данные
В процессе анализа аналоговая информация (лицо) преобразуется в набор цифровой информации (данных) на основе черт лица человека. По сути, анализ лица представляет собой математическую формулу. Цифровой код называется «отпечатком лица». У каждого человека есть свой уникальный отпечаток лица, так же как и отпечатки пальцев.
Шаг 4. Поиск совпадения
Хронология: как развивалась биометрия — Будущее на vc.ru
Путь технологии, вышедшей за рамки использования в силовых структурах и заменившей графические и числовые пароли.
{«id»:32006,»gtm»:null}
Первыми биометрию использовали правоохранительные органы и службы повышенной безопасности. Сейчас биометрические системы встречаются почти во всех современных устройствах: автомобилях, ноутбуках, смартфонах.
Биометрия — это измеримые анатомические, физиологические и поведенческие характеристики, которые используются для идентификации личности. Самый распространённый метод — распознавание по отпечаткам пальцев. Но есть и другие способы — ДНК, радужная оболочка глаза, голос, ладони и черты лица.
Сейчас активно развивается нормативно-техническая и правовая база биометрических технологий. Государство инициирует формирование единых стандартов, чтобы обеспечить взаимодействие автономных систем.
Создаются комитеты и департаменты по биометрии. Несмотря на многообразие биометрических методов, в основном используются только три направления: распознавание по отпечатку пальца, лицу и радужке глаза.
Развитие компьютерных технологий позволяет использовать биометрию во многих сферах деятельности: контроль доступа в помещения и к устройствам, подтверждение финансовых операций, обеспечение безопасности в аэропортах, идентификация в школе и больницах, поиск преступников.
История биометрии началась три тысячи лет назад. Артефакты, найденные в Новой Шотландии, Вавилоне и Китае, доказывают, что отпечатки рук и пальцев использовали уже в древние времена для деловых операций и доказательств преступлений.
И только спустя столетия люди возобновили изучение использования отпечатков пальцев и других показателей как средства идентификации.
Первые, кто использовал биометрию в современном мире, — полицейские. Примерно до середины 1800-х годов сотрудникам правоохранительных органов приходилось на глаз и по памяти идентифицировать ранее арестованных преступников. Фотография человека облегчала задачу, но не могла служить доказательством вины.
К 1920-м годам ФБР открыло первый департамент идентификации, создав центральное хранилище данных об уголовной идентификации для правоохранительных органов США. В 1980-х годах правительство США спонсировало создание автоматизированных систем идентификации отпечатков пальцев, которые стали центральными в работе полиции и других правоохранительных органов во всём мире.
Как и отпечаток пальца, неизменной с возрастом остаётся и радужная оболочка глаза. Её использование в биометрии позволяет применять бесконтактную идентификацию.
Не менее нужная разновидность биометрии — распознавание лиц. Изначально эту технологию использовали, чтобы обеспечить безопасность в местах массового скопления людей.
В торговых центрах это помогает предотвратить преступность и насилие. В аэропортах повышается удобство и безопасность. Производители устройств используют технологию распознавания лиц, чтобы предоставить пользователям новый уровень биометрической безопасности.
Распознавание лиц в толпе встанет на поток
1 / 2
Демонстрация одной из технологий по распознаванию лиц. Разработчик – Visionics Corporation.
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
О том, что осенью прошлого года Департамент национальной безопасности США протестировал BOSS — биометрическую оптическую систему видеонаблюдения, американским СМИ стало известно только сейчас.
До этого было два года разработок, финансируемых правительством, которое выделило на эти цели 5,2 млн долларов.
Хотя система не готова для использования, разработчики признаются, что они добились значительных успехов.
Установка BOSS состоит из двух подвижных роботизированных структур с камерами с инфракрасными сенсорами и датчиками расстояния. Они снимают один и тот же объект под разными углами.
Затем компьютер преобразует снимки в «3D-подпись», построенную из таких данных, как отношения между различными точками на лице, которые сравниваются с данными о лицах, хранящимися в базе данных.
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
В идеале система, анализируя изображение толпы на расстоянии, должна находить разыскиваемых преступников либо просто потенциальных террористов при массовых скоплениях людей вроде парада в честь инаугурации президента или Бостонского марафона — и тут же выводить на экран информацию о них.
Несмотря на прогресс в области вычислительных мощностей и программного обеспечения, сканирование толпы с определенного расстояния технически очень сложная задача. Лица находятся в движении, освещение постоянно меняется. Процесс распознавания протекает все еще слишком медленно, а его результаты ненадежны.
По словам Эда Тивола из Electronic Warfare Associates, цель заключается в 80−90-процентном распознавании лиц на расстоянии до 100 метров, пока что она достигнута на более близких расстояниях, а при 100 метрах результативность системы снижается до 60−70 процентов. То есть чрезвычайно велик риск опознать преступников в ни в чем не повинных людях.
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Однако есть прогресс в быстродействии. Ранее для обработки картинки системе требовалось 6−8 минут, во время испытаний это происходило менее чем за 30 секунд, хотя, по словам экспертов, для работы в «боевых» условиях это все еще непростительно долго.
Но работа продолжается, и рано или поздно технология начнет использоваться для поиска преступников и борьбы с терроризмом.
«Я бы сказал, что по крайней мере пройдет пять лет, но все зависит от того, какие цели они ставят перед этой системой», — говорит Анил Джейн, специалист в области компьютерного зрения и биометрической инженерии из Мичиганского университета, не участвующий в проекте BOSS.
Источник: www.nytimes.com
Фбр собирается ввести систему идентификации личности по тату с использованием ии
Распознавание изображений при помощи систем искусственного интеллекта не редкость в наши дни. Собственно, подобные алгоритмы не являются искусственным интеллектом, но компании, которые их разрабатывают, все же предпочитают именно этот термин.
Так вот, ФБР вместе с Национальным институтом стандартов и технологий США уже несколько лет подряд разрабатывает систему идентификации личности по татуировке. Идея проста — каталогизировать профили людей по их нательным рисункам.
Идея интересная, хотя представители той же Electronic Frontier Foundation считают, что такая работа является нарушением прав человека, поскольку татуировка является способом выражения своего мнения.
В ходе разработки указанной системы ФБР использовало 15000 снимок заключенных и людей, арестованных по обвинению в том либо ином правонарушении. Многие татуировки содержат персональную информацию (имена любимых, лица людей, даты рождения, группу крови и т.е.).
Поэтому некоторые юристы считают, что использовать тату для идентификации личности нельзя. С другой стороны, во многих случаях эти изображения могут указать личность преступника гораздо быстрее, чем тот же анализ ДНК или сверка отпечатков пальцев с каталогом.
В следующей фазе исследования (Tatt-E) планируется использовать около 100000 фотографий преступников и задержанных правонарушителей из штатоф Флорида, Мичиган, Теннесси. Собственно, этот этап уже реализуется. В входе работы исследуется и принадлежность преступников к той либо иной религиозной группе (кресты, полумесяцы, иные религиозные символы).
Тут может возникнуть вопрос, чем же отличается текущая работа от каталогов тату, которые имеются в наличии большинства правоохранительных органов разных стран. Ответ — отличие в том, что алгоритм может идентифицировать личность по одной-единственной татуировке или их набору.
Причем система сходу сможет определить, к какой преступной группе относится задержанный. Да, точность будет не 100%, но вероятность правильной идентификации личности довольно высока. Правда, ошибки здесь чреваты тюремным заключением для невиновных.
Но правоохранители будут использовать не только татуировки, это понятно — в ходе судебной процедуры личность человека будет проверяться многократно.
Насколько можно понять, система распознавания татуировок является частью проекта Next Generation Identification (NGI). Это система, которая предназначена для замены дактилоскопической идентификации. Долгое время база отпечатков была главной биометрической базой ФБР. Теперь же идентификация будет производиться по ряду различных биометрических данных.
В базу входят те же отпечатки пальцев, снимки радужной оболочки глаза, фотографии шрамов, а также фотографии татуировок, плюс фотографии лиц людей. На данный момент в базе содержатся данные о нескольких десятках миллионов человек.
По словам ФБР, их система прошла юридическую экспертизу на предмет соответствия американским законам о защите частной жизни.
Тем не менее, правозащитники недовольны — представители правозащитных организаций утверждают, что новая система ФБР позволит вести негласный сбор данных не только о гражданах, совершивших преступление, но и наблюдать за теми, что вообще никогда не попадал в поле зрения правоохранительных органов.
Сингапур первым в мире запустил национальную систему распознавания лиц для удостоверения личности
В конце сентября 2020 года стало известно, что Сингапур станет первой страной в мире, которая будет использовать систему распознавания лиц для удостоверения личности на национальном уровне. Биометрическая проверка позволит жителям города-государства быстро получать доступ к госуслугам и банковским счетам.
Технологию распознавания лиц для подтверждения личности Сингапуру предоставила британская компания iProov.
Ее основатель и исполнительный директор Эндрю Бад (Andrew Bud) отметил, что главная задача разработчиков подобных систем заключается в точных алгоритмах распознавания.
Система должна наверняка определить, что во время процедуры аутентификации перед объективом находится живой человек, а не его фотография или видеоролик с Deepfake-обработкой.
- Сингапур первым в мире запустил национальную систему распознавания лиц для удостоверения личности от iProov
Новая методика была проверена на уровне банка и теперь внедряется по всей стране, для чего интегрируется со схемой цифровой идентификации страны SingPass.
Стоит отметить, что на территории Сингапура распознавание лиц уже используется в отделениях налоговой службы для подачи отчётностей и банке DBS для открытия счёта.
В будущем эта технология, вероятно, будет также применяться для удостоверения личности в безопасных зонах аэропортов и на различного рода экзаменах.
| На самом деле мы не ограничиваем использование нашей технологии удостоверения личности, если предполагаемое применение соответствует нашим требованиям и законам Сингапура, — пояснил старший директор по национальной цифровой идентификации GovTech Singapore Квок Квек Син. — Главное, чтобы проверка личности проводилась с полного согласия гражданина. |
Именно в наличии согласия заключается разница между обычной системой распознавания лиц, которая используется в камерах наблюдения, и системой идентификации. Эндрю Бад считает, что этого требования достаточно для защиты конфиденциальных данных, хотя многие не согласны с его доводами.[1]
Примечания
- ↑Singapore in world first for facial verification
Загрузка...
