Как работает система распознавания лиц в видеонаблюдении

Видеонаблюдение с каждым годом становится «умнее». Упрощается управление, появляются новые функции и возможности гибкой настройки в режиме онлайн. В этой статье мы хотели бы подробно рассказать о функции распознавания лиц в камерах и в системах видеонаблюдения.

Система распознавания лиц (также известная как технология распознавания лиц, Facial Recognition Technology (FRT)) представляет собой  процесс идентификации или верификации человека путем обработки изображений или видео, полученных с помощью видеокамеры, и сравнения их с базой данных известных лиц. Система анализирует уникальные черты лица, такие как глаза, нос, рот, контуры лица и другие характеристики для создания математического “отпечатка лица”, который затем сравнивается с отпечатками других лиц.

Системы распознавания лиц используются в различных сферах, включая безопасность, контроль доступа, правоохранительные органы, розничная торговля и даже мобильные устройства. В сфере безопасности они могут быть использованы для обнаружения и идентификации людей, находящихся на запретной территории или в местах большого скопления людей. В розничной торговле они используются для предоставления персонализированных рекомендаций и скидок для постоянных клиентов. В мобильных устройствах они могут быть интегрированы для быстрой и безопасной разблокировки устройства.

Однако, следует отметить, что системы распознавания лиц не являются на 100% надежными и могут давать ложные срабатывания или отказывать в распознавании, особенно в условиях изменения освещения, ракурсов, наличия очков или головных уборов на человеке. Кроме того, использование таких систем может привести к нарушению приватности и возникновению этических вопросов, связанных с обработкой и хранением биометрических данных.

В Москве более 200 тыс. камер, стоимостью около 5 млрд руб.  Это одна из крупнейших в мире сетей с распознаванием лиц, в основе российскую технология распознавания лиц разработанную NTechLab. По результатам тестирования  Национальный институт стандартов и технологий США признал эту технологию одной из лучших.

К разработке системы приступили в 2015 году, первый запуск состоялся в 2017 году. Пилотный проект включал около полутора тысяч камер установленных во дворах и подъездах. В 2018 году систему протестировали на чемпионате мира по футболу: удалось задержать  около 100 нарушителей из базы уголовного розыска МВД. В 2020 году,  в период пандемии, с помощью системы распознавания лиц было выявлено более 200 нарушителей карантина.

В чем преимущества внедрения технологии распознавания лиц

Видео аналитика с функцией распознавания лиц решает множество задач, вот некоторые из них:

• Идентификация людей: Система может определить, кто именно находится в поле зрения камеры, сравнивая его лицо с базой данных зарегистрированных пользователей.
• Мониторинг активности: Система может отслеживать перемещения людей, определять их направление движения и скорость.
• Обнаружение аномалий: Система может выявлять необычные или подозрительные действия, такие как драки, насилие, воровство и т.д.
• Контроль доступа: Система может использоваться для контроля доступа на определенные территории, автоматически открывая или закрывая двери при обнаружении определенных лиц.
• Анализ поведения: Система может анализировать поведение людей, выявлять закономерности и тенденции, которые могут помочь в улучшении обслуживания клиентов или обеспечении безопасности.

Распознавание лиц стало одним из инструментов силовиков по предупреждению беспорядков,  и задержанию подозреваемых в подстрекательстве к беспорядкам в ходе митингов и протестов во многих странах мира:

В Гонконге 2019-20 годов во время протестов власти использовали распознавание лиц для поиска активистов. Протестующие в ответ использовали маски, лазерные указки. Власти Китая использовали программу под названием Face++ разработанную китайский стартапом Megvii.

В феврале 2021-го с помощью камер власти отслеживали участников митингов в Москве с целью привлечения их к ответственности: останавливали людей на входе в метро или приходили к ним домой.

Американский студент использовал приложение с открытым исходным кодом чтобы идентифицировать участников штурма Капитолия 6 января 2021 года.Он обработал 827 видео беспорядков и применил нейросеть для распознавания лиц, обученную на 200 тыс. фото из базы ФБР, и идентифицировал людей.

Как работает распознавание лиц

Система распознавания лиц представляет собой программное решение, выполняющее анализ биометрических данных контура лица человека. Важным условием является получение высококачественного изображения объекта, что ограничивает применение программы с определенным кругом камер видеонаблюдения и фиксации.

В основе анализа лица человека, объекта, лежат три основных метода: эмпирический, инвариантный и шаблонный.

Эмпирический метод предполагает выделение человека из общего фона и исследовании его биометрических данных с целью выявления закономерных взаимосвязей.

Метод инвариантных данных предполагает выявление характерных особенностей форм и границ лица, биометрических частей, определение контрастности и верификацию личности при соединении всех параметров воедино.

Шаблонный метод предполагает распознавание характеристик объекта на основе сопоставления с шаблонами, заложенными в базу программы. Данный метод позволяет выполнять анализ распознавания лица с разных ракурсов одновременно.

Современные системы FRT позволяют точно определить личность человека, используя материалы нескольких баз данных фотографий, анализируя изображение  фрагментарно, с привлечением нескольких классификаторов.

Система распознавания лиц работает путем сравнения изображения лица, полученного с камеры, с базой данных ранее зарегистрированных лиц. Процесс распознавания включает несколько этапов:

• Получение изображения: Камера получает изображение лица человека, которое затем обрабатывается системой распознавания.
  Предварительная обработка: Система очищает изображение от шума, выравнивает его и корректирует яркость и контрастность для улучшения качества изображения
• Выделение областей лица: Система разделяет изображение на отдельные области, такие как глаза, нос, рот и другие черты лица.
• Извлечение признаков: Система извлекает характерные черты лица, такие как форма глаз, расстояние между ними, форма носа, рта и т.д., и преобразует их в числовые значения.
• Создание модели лица: На основе выделенных областей и числовых значений создается математическая модель лица, представляющая собой вектор чисел.
• Сравнение с базой данных: Система сравнивает полученную модель лица с моделями из базы данных. Для этого используется алгоритм, который вычисляет расстояние между двумя векторами и определяет, насколько они отличаются друг от друга.
• Принятие решения: Если расстояние между двумя моделями меньше определенного порога, система принимает решение, что лицо было успешно распознано. В противном случае система может запросить дополнительные данные для идентификации личности.

Где применяется технология распознавания лиц

 Необходимость применения систем распознавания лиц вызвана рядом причин, включая:

1. Безопасность: Системы распознавания лиц могут помочь в обнаружении и идентификации людей на запретных территориях или в местах массового скопления людей, что может предотвратить террористические акты или другие преступления.
2. Контроль доступа: Системы распознавания лиц позволяют быстро и безопасно идентифицировать человека и предоставить ему доступ к определенным зонам или объектам.
3. Правоохранительные органы: Системы распознавания лиц помогают полицейским и службам безопасности быстрее идентифицировать подозреваемых или жертв преступлений.
4. Розничная торговля: Системы распознавания лиц позволяют магазинам предоставлять персонализированные предложения и скидки постоянным клиентам, а также предотвращать мошенничество с кредитными картами.
5. Мобильные устройства: Системы распознавания лиц на смартфонах и планшетах позволяют быстро и удобно разблокировать устройство без необходимости ввода пароля или PIN-кода.

Можно ли обмантуь систему распознавания лиц?

История показывает, что попытки обмануть системы распознавания лиц дают мощный толчок к совершенствованию алгоритмов анализа и идентификации человека по изображению. Чтобы бороться с «умными» камерами, в ход идут специальные маски, проекторы, лазеры и другие приемы. В мире всегда находятся умельцы бросающие вызов “умным камерам”.

В 2017 году, специалист Яндекс по ИИ-технологиям, предложил макияж, позволяющий обмануть нейросети. Он использовал генетический алгоритм, который подбирает образ по принципу анти-сходства.

Специалистам компании Videomax, в ходе тестирования системы распознавания лиц удалось добиться снижения точности идентификации до 51% алгоритма «Face-Интеллект». Они выяснили, что это возможно только если одновременно надеть парик с длинными волосами и головной убор, наклеить пластыри и усы, а также нарисовать синяки.

Разработчикам из вьетнама удалось обойти функцию распознавания лиц Face ID на iPhone X с помощью 3D-маски, силикона и скотча. Но повторить их метод сможет далеко не каждый.

Есть эксперименты, в которых рядом с объектом помещают специальные стикеры, объемные фигуры или картины, которые сбивают нейросеть с толку.

Можно полностью скрыть лицо в публичных местах и на массовых мероприятиях. Но во многих странах — включая Россию и Китай — это запрещено законом.

Есть способы, которые помогают изменить уже готовые фото. Например, компания Generated Media создала Anonymizer: приложение, которое генерирует серию портретов на основе ваших фото и делает их неузнаваемыми для нейросетей.

В реальных условиях все эти приемы вряд ли помогут. Во-первых, алгоритмы обучают по разным схемам и на разных датасетах. Во-вторых, мы до конца не знаем, по каким именно приметам нейросети распознают лица. Чтобы их обмануть, нужно точно знать, как устроена конкретная нейросеть.

Какие камеры работают с технологией распознавания лиц

Получение качественного изображения с камер наблюдения способно значительно ускорить процесс распознавания личности. При выборе камер следует придерживаться следующих критериев:

1. Высокое разрешение: Чем выше разрешение камеры, тем более детализированным будет изображение лица, что позволит системе распознавания работать более точно. Минимальный размер матрицы камеры должен составлять ⅓; рекомендуемая плотность от 500 pix/m во всей требуемой зоне распознавания.
2. Широкий угол обзора: Камера должна иметь широкий угол обзора, чтобы захватывать лицо человека полностью, включая его глаза, нос и рот, но не слишком широким, чтобы не захватывать лишнее и не снижать качество изображения. Обычно угол обзора для систем распознавания лиц составляет от 70 до 90 градусов.
3. Хорошее освещение: Камера должна быть установлена в месте с хорошим освещением, чтобы обеспечить четкое изображение лица. Светосила объектива должна быть не ниже F/1,4. 
4. Отсутствие искажений: Камера не должна искажать изображение, так как это может повлиять на точность системы распознавания. Чтобы избежать искажений на камере видеонаблюдения, необходимо правильно установить камеру и настроить ее параметры. Камера должна быть установлена на ровной поверхности и направлена в сторону объекта наблюдения. Также необходимо настроить фокусное расстояние и экспозицию, чтобы изображение было четким и ясным.
5. Стабильность изображения: Камера должна обеспечивать стабильное изображение, чтобы система могла анализировать его без помех.