Nedavno se na Habréu pojavilo mnogo članaka posvećenih Google-ovim sistemima za identifikaciju lica. Iskreno govoreći, mnogi od njih mirišu na novinarstvo i, najblaže rečeno, nekompetentnost. I htio sam napisati dobar članak o biometriji, nije mi prvi! Postoji nekoliko dobrih članaka o biometriji na Habréu - ali su prilično kratki i nepotpuni. Ovdje ću pokušati ukratko iznijeti opća načela biometrijske identifikacije i savremena dostignuća čovječanstva po ovom pitanju. Uključujući i identifikaciju od strane osoba.

Članak ima nastavak, koji je, zapravo, njegov prequel.

Kao osnova za članak koristit će se zajednička publikacija s kolegom u časopisu (BDI, 2009), revidirana za moderne realnosti. Habré još nema kolegu, ali je podržao objavljivanje revidiranog članka ovdje. U trenutku objavljivanja, članak je predstavljao kratak pregled modernog tržišta biometrijskih tehnologija, koji smo sami vodili prije lansiranja našeg proizvoda. Vrednosni sudovi primenljivosti izneti u drugom delu članka zasnivaju se na mišljenjima ljudi koji su koristili i implementirali proizvode, kao i na mišljenjima ljudi uključenih u proizvodnju biometrijskih sistema u Rusiji i Evropi.

opće informacije

Počnimo s osnovama. U 95% slučajeva biometrija je sama po sebi matematička statistika. A matstat je egzaktna nauka, algoritmi iz koje se koriste svuda: u radarima i u Bayesovim sistemima. Greške prve i druge vrste mogu se uzeti kao dvije glavne karakteristike svakog biometrijskog sistema). U teoriji radara, oni se obično nazivaju “lažni alarmi” ili “promašaji mete”, a u biometriji su najutvrđeniji koncepti FAR (False Acceptance Rate) i FRR (False Rejection Rate). Prvi broj karakterizira vjerovatnoću lažnog podudaranja biometrijskih karakteristika dvije osobe. Druga je vjerovatnoća uskraćivanja pristupa osobi sa dozvolom. Sistem je bolji, što je manja vrijednost FRR-a pri istim FAR vrijednostima. Ponekad se koristi i komparativna karakteristika EER-a, koja određuje tačku u kojoj se ukrštaju FRR i FAR grafovi. Ali nije uvijek reprezentativan. Više detalja se može vidjeti, na primjer,.
Može se primijetiti sljedeće: ako FAR i FRR za otvorene biometrijske baze podataka nisu dati u karakteristikama sistema, onda bez obzira na to šta proizvođači izjavili o njegovim karakteristikama, ovaj sistem je najvjerovatnije nesposoban ili mnogo slabiji od svojih konkurenata.
Ali ne samo FAR i FRR određuju kvalitet biometrijskog sistema. Da je to jedini način, tada bi vodeća tehnologija bila DNK prepoznavanje ljudi, za koje FAR i FRR teže nuli. Ali očito je da ova tehnologija nije primjenjiva u sadašnjoj fazi ljudskog razvoja! Razvili smo nekoliko empirijskih karakteristika za procjenu kvaliteta sistema. "Otpornost na krivotvorenje" je empirijska mjera koja sažima koliko je lako lažirati biometrijski identifikator. „Stabilnost okoline“ je karakteristika koja empirijski procjenjuje stabilnost sistema u različitim vanjskim uvjetima, kao što su promjene u osvjetljenju ili sobnoj temperaturi. "Jednostavnost upotrebe" pokazuje koliko je teško koristiti biometrijski skener, da li je identifikacija moguća "u pokretu". Važna karakteristika je "Brzina rada" i "Trošak sistema". Ne zaboravite da se biometrijska karakteristika osobe može promijeniti s vremenom, pa ako je nestabilna, ovo je značajan minus.
Obilje biometrijskih metoda je zadivljujuće. Glavne metode koje koriste statičke biometrijske karakteristike osobe su identifikacija po papilarnom uzorku na prstima, šarenici, geometriji lica, retini, uzorku vena šake, geometriji šake. Postoji i porodica metoda koje koriste dinamičke karakteristike: identifikacija glasom, dinamika rukopisa, otkucaji srca, hod. Ispod je distribucija biometrijskog tržišta prije nekoliko godina. U svakom drugom izvoru ti podaci variraju 15-20 posto, tako da je ovo samo procjena. Također, ovdje se pod konceptom „geometrije ruke“ kriju dvije različite metode, o kojima će biti riječi u nastavku.

U članku ćemo razmotriti samo one karakteristike koje su primjenjive u sustavima kontrole i upravljanja pristupom (ACS) ili u njima bliskim zadacima. Zbog svoje superiornosti, to su prvenstveno statičke karakteristike. Od dinamičkih karakteristika u ovom trenutku, samo prepoznavanje glasa ima barem neki statistički značaj (uporedivo sa najgorim statičkim algoritmima FAR ~ 0,1%, FRR ~ 6%), ali samo u idealnim uslovima.
Da biste stekli utisak o vjerovatnoći FAR i FRR, može se procijeniti koliko često će se lažna podudaranja pojaviti ako je sistem identifikacije instaliran u zatvorenoj organizaciji sa N osobljem. Vjerovatnoća lažnog podudaranja otiska prsta koji je primio skener za bazu podataka od N otisaka je FAR∙N. A svaki dan oko N ljudi također prođe kroz kontrolnu tačku pristupa. Tada je vjerovatnoća greške po radnom danu FAR∙(N∙N). Naravno, u zavisnosti od ciljeva sistema identifikacije, verovatnoća greške u jedinici vremena može veoma varirati, ali ako se prihvati jedna greška po radnom danu, onda:
(1)
Tada dobijamo da je stabilan rad sistema identifikacije na FAR=0,1% =0,001 moguć sa brojem osoblja N≈30.

Biometrijski skeneri

Danas koncepti "biometrijskog algoritma" i "biometrijskog skenera" nisu nužno međusobno povezani. Kompanija može proizvoditi ove elemente pojedinačno ili zajedno. Najveća diferencijacija proizvođača skenera i proizvođača softvera postignuta je na tržištu biometrijskih uzoraka papilarnih prstiju. Najmanji 3D skener lica na tržištu. Zapravo, nivo diferencijacije u velikoj mjeri odražava razvoj i zasićenost tržišta. Što je veći izbor - tema je više razrađena i dovedena do savršenstva. Različiti skeneri imaju različite mogućnosti. U osnovi, ovo je skup testova za provjeru da li je biometrijski objekt promijenjen ili ne. Za skenere prstiju, ovo može biti provjera olakšanja ili provjera temperature, za skenere oka ovo može biti provjera smještaja zenice, za skenere lica pokret lica.
Skeneri imaju veoma snažan uticaj na primljenu FAR i FRR statistiku. U nekim slučajevima, ove brojke se mogu promijeniti desetine puta, posebno u realnim uslovima. Obično su karakteristike algoritma date za neku „idealnu“ bazu ili samo za prikladnu, gdje se izbacuju mutni i zamućeni okviri. Samo nekoliko algoritama iskreno pokazuje i bazu i puni FAR/FRR izlaz za to.

A sada detaljnije o svakoj od tehnologija.

Otisci prstiju

Daktiloskopija (prepoznavanje otiska prsta) je do sada najrazvijenija biometrijska metoda lične identifikacije. Katalizator za razvoj metode bila je njena široka upotreba u forenzičkoj nauci u 20. veku.
Svaka osoba ima jedinstveni papilarni uzorak otiska prsta, koji omogućava identifikaciju. Algoritmi obično koriste karakteristične tačke na otiscima prstiju: kraj linije uzorka, grananje linije, pojedinačne tačke. Dodatno, uključene su informacije o morfološkoj strukturi otiska prsta: relativni položaj zatvorenih linija papilarnog uzorka, "lučnih" i spiralnih linija. Karakteristike papilarnog uzorka se pretvaraju u jedinstveni kod koji čuva informativni sadržaj slike za štampanje. A upravo su "kodovi otiska prsta" pohranjeni u bazi podataka koja se koristi za pretraživanje i poređenje. Vrijeme za prevođenje slike otiska prsta u kod i njegovu identifikaciju obično ne prelazi 1 s, ovisno o veličini baze. Vrijeme utrošeno na podizanje ruke se ne uzima u obzir.

Kao izvor podataka za FAR i FRR korištena je statistika VeriFinger SDK dobivena korištenjem U.are.U DP skenera otiska prsta. U proteklih 5-10 godina karakteristike prepoznavanja po prstu nisu mnogo napredovale, pa date brojke pokazuju dobar prosjek modernih algoritama. Sam VeriFinger algoritam je nekoliko godina pobjeđivao na Međunarodnom takmičenju za verifikaciju otiska prsta, gdje su se takmičili algoritmi za prepoznavanje otiska prsta.

Tipična FAR vrijednost za metodu prepoznavanja otiska prsta je 0,001%.
Iz formule (1) dobijamo da je stabilan rad identifikacionog sistema na FAR=0,001% moguć sa brojem osoblja N≈300.

Prednosti metode. Visoka pouzdanost - statistički pokazatelji metode su bolji od onih kod metoda identifikacije po licu, glasu, slici. Jeftini uređaji koji skeniraju sliku otiska prsta. Prilično jednostavna procedura za skeniranje otiska prsta.
Nedostaci: papilarni uzorak otiska prsta se vrlo lako ošteti malim ogrebotinama, posjekotinama. Ljudi koji su koristili skenere u preduzećima sa nekoliko stotina zaposlenih prijavljuju visoku stopu neuspjeha skeniranja. Mnogi skeneri ne tretiraju adekvatno suhu kožu i ne propuštaju starije osobe. U komunikaciji na poslednjoj izložbi MIPS-a, šef službe obezbeđenja velikog hemijskog preduzeća rekao je da je njihov pokušaj uvođenja skenera za prste u preduzeću (probani su skeneri raznih sistema) propao – što je izazvalo minimalno izlaganje prstiju zaposlenih hemikalijama. kvar u sigurnosnim sistemima skenera - skeneri su prste proglasili lažnim. Takođe postoji nedostatak zaštite od falsifikovanja otisaka prstiju, delom zbog raširene upotrebe metode. Naravno, ne mogu se svi skeneri prevariti metodama iz MythBusters, ali ipak. Za neke osobe sa „neprikladnim“ prstima (tjelesna temperatura, vlažnost), vjerovatnoća da im pristup bude odbijen može dostići 100%. Broj takvih ljudi varira od djelića procenta za skupe skenere do deset posto za jeftine.
Naravno, vrijedi napomenuti da je veliki broj nedostataka uzrokovan raširenim korištenjem sistema, ali ovi nedostaci postoje i javljaju se vrlo često.

Situacija na tržištu

Trenutno sistemi za prepoznavanje otisaka prstiju zauzimaju više od polovine biometrijskog tržišta. Mnoge ruske i strane kompanije bave se proizvodnjom sistema kontrole pristupa zasnovanih na metodi identifikacije otiska prsta. Zbog činjenice da je ovaj pravac jedan od najstarijih, dobio je najveću rasprostranjenost i daleko je najrazvijeniji. Skeneri otiska prsta su zaista prešli dug put. Savremeni sistemi su opremljeni raznim senzorima (temperatura, sila pritiska, itd.), koji povećavaju stepen zaštite od falsifikovanja. Svaki dan sistemi postaju sve praktičniji i kompaktniji. Zapravo, programeri su već dosegli određenu granicu u ovoj oblasti i nema gdje dalje razvijati metodu. Osim toga, većina kompanija proizvodi gotove sisteme koji su opremljeni svime što vam je potrebno, uključujući softver. Jednostavno, nema potrebe da integratori u ovoj oblasti sami sastavljaju sistem, jer je to neisplativo i zahtijevat će više vremena i truda od kupovine gotovog i već jeftinog sistema, izbor će biti zaista širok.
Među stranim kompanijama koje se bave sistemima za prepoznavanje otiska prsta izdvaja se SecuGen (USB skeneri za računare, skeneri koji se mogu instalirati u preduzećima ili ugraditi u brave, SDK i softver za povezivanje sistema sa računarom); Bayometric Inc. (skeneri otiska prsta, TAA/sistemi kontrole pristupa, SDK-ovi za otiske prstiju, ugrađeni moduli otiska prsta); DigitalPersona Inc. (USB-skeneri, SDK). U Rusiji u ovoj oblasti posluju sledeće kompanije: BioLink (skeneri otiska prsta, biometrijski uređaji za kontrolu pristupa, softver); Sonda (skeneri otiska prsta, biometrijski uređaji za kontrolu pristupa, SDK); SmartLock (skeneri otiska prsta i moduli) itd.

Iris

Šarenica oka je jedinstvena ljudska karakteristika. Šara šarenice se formira u osmom mjesecu fetalnog razvoja, konačno se stabilizira u dobi od oko dvije godine i praktički se ne mijenja tijekom života, osim kao posljedica teških ozljeda ili teških patologija. Metoda je jedna od najpreciznijih među biometrijskim metodama.
Sistem za identifikaciju šarenice je logično podeljen na dva dela: uređaj za hvatanje slike, njena primarna obrada i prenos na kalkulator, i kompjuter koji upoređuje sliku sa slikama u bazi podataka, prenoseći komandu o prijemu do aktuatora.
Vrijeme primarne obrade slike u modernim sistemima je otprilike 300-500ms, brzina poređenja rezultujuće slike sa baznom ima nivo od 50000-150000 poređenja u sekundi na konvencionalnom računaru. Ova brzina poređenja ne nameće ograničenja za primjenu metode u velikim organizacijama kada se koristi u pristupnim sistemima. Korištenjem specijaliziranih kalkulatora i algoritama za optimizaciju pretraživanja, postaje moguće čak i identificirati osobu među stanovnicima cijele zemlje.
Odmah mogu da odgovorim da sam donekle pristrasan i da imam pozitivan stav prema ovoj metodi, jer smo upravo na tom polju pokrenuli naš startap. Jedan odlomak na kraju će biti posvećen maloj samopromociji.

Statističke karakteristike metode

Karakteristike FAR i FRR za šarenicu su najbolje u klasi modernih biometrijskih sistema (sa mogućim izuzetkom metode retinalnog prepoznavanja). U članku su prikazane karakteristike biblioteke za prepoznavanje šarenice našeg algoritma - EyeR SDK, koje odgovaraju VeriEye algoritmu testiranom na istim bazama podataka. Korištene su CASIA baze podataka dobivene njihovim skenerom.

Karakteristična vrijednost FAR-a je 0,00001%.
Prema formuli (1), N≈3000 je broj osoblja organizacije, kod kojeg se identifikacija zaposlenog odvija prilično stabilno.
Ovdje je vrijedno napomenuti važnu osobinu koja razlikuje sistem za prepoznavanje šarenice od drugih sistema. U slučaju da koristite kameru rezolucije 1,3 MP, možete snimiti dva oka u jednom kadru. Budući da su FAR i FRR vjerovatnoće statistički nezavisne vjerovatnoće, FAR vrijednost za prepoznavanje u dva oka bit će približno jednaka kvadratu FAR vrijednosti za jedno oko. Na primjer, za FAR od 0,001% korištenjem dva oka, vjerovatnoća lažne tolerancije bi bila 10-8%, sa FRR samo dva puta višim od odgovarajuće vrijednosti FRR za jedno oko sa FAR=0,001%.

Prednosti i nedostaci metode

Prednosti metode. Statistička pouzdanost algoritma. Snimanje slike šarenice može se vršiti na udaljenosti od nekoliko centimetara do nekoliko metara, dok do fizičkog kontakta osobe sa uređajem ne dolazi. Šarenica je zaštićena od oštećenja – što znači da se neće mijenjati tokom vremena. Također je moguće koristiti veliki broj metoda koje štite od krivotvorenja.
Nedostaci metode. Cijena sistema baziranog na šarenici je viša od cijene sistema baziranog na prepoznavanju prstiju ili prepoznavanju lica. Niska dostupnost gotovih rješenja. Svaki integrator koji danas dođe na rusko tržište i kaže “daj mi gotov sistem” će najvjerovatnije prekinuti. Uglavnom se prodaju skupi sistemi po principu ključ u ruke koje instaliraju velike kompanije kao što su Iridian ili LG.

Situacija na tržištu

Trenutno je udio tehnologija za identifikaciju šarenice na svjetskom biometrijskom tržištu, prema različitim procjenama, od 6 do 9 posto (dok tehnologije za prepoznavanje otiska prsta zauzimaju više od polovine tržišta). Treba napomenuti da je od samog početka razvoja ove metode njeno jačanje na tržištu usporavala visoka cijena opreme i komponenti potrebnih za sklapanje sistema identifikacije. Međutim, razvojem digitalnih tehnologija, cijena jednog sistema počela je opadati.
Lider u razvoju softvera u ovoj oblasti je Iridian Technologies.
Ulazak na tržište velikog broja proizvođača bio je ograničen tehničkom složenošću skenera i kao rezultat toga njihovom visokom cijenom, kao i visokom cijenom softvera zbog monopolskog položaja Iridiana na tržištu. Ovi faktori su omogućili samo velikim kompanijama da se razviju u oblasti prepoznavanja šarenice, najverovatnije već angažovane u proizvodnji nekih komponenti pogodnih za sistem identifikacije (optika visoke rezolucije, minijaturne kamere sa infracrvenim osvetljenjem, itd.). Primjeri takvih kompanija su LG Electronics, Panasonic, OKI. Sklopili su ugovor sa Iridian Technologies, a kao rezultat zajedničkog rada pojavili su se sljedeći sistemi identifikacije: Iris Access 2200, BM-ET500, OKI IrisPass. U budućnosti su nastali unapređeni modeli sistema, zahvaljujući tehničkim mogućnostima ovih kompanija da se samostalno razvijaju u ovoj oblasti. Treba reći da su i navedene kompanije razvile svoj softver, ali na kraju, u gotovom sistemu, preferiraju softver Iridian Technologies.
Ruskim tržištem dominiraju proizvodi stranih kompanija. Iako je teško kupiti. Papillon je dugo uvjeravao sve da imaju prepoznavanje šarenice. Ali čak i predstavnici RosAtoma, njihovog direktnog kupca, za koji su napravili sistem, kažu da to nije tačno. U nekom trenutku se pojavila još neka ruska kompanija koja je proizvodila skenere šarenice. Sada se ne sećam imena. Kupili su algoritam od nekoga, možda od istog VeriEyea. Sam skener je bio sistem star 10-15 godina, nikako beskontaktni.
U posljednjih godinu dana na svjetsko tržište je izašlo nekoliko novih proizvođača zbog isteka primarnog patenta za prepoznavanje osobe po očima. Najpouzdaniji od njih, po mom mišljenju, zaslužuje AOptix. Barem njihov pregled i dokumentacija ne izaziva sumnju. Druga kompanija je SRI International. Čak i na prvi pogled, osobi koja je uključena u sisteme za prepoznavanje šarenice, njihovi video zapisi izgledaju vrlo lažni. Iako se ne bih iznenadio da u stvarnosti mogu nešto da urade. Oba sistema ne prikazuju podatke o FAR-u i FRR-u, a takođe, očigledno, nisu zaštićeni od lažiranja.

prepoznavanje lica

Postoji mnogo metoda za prepoznavanje geometrije lica. Svi se temelje na činjenici da su crte lica i oblik lubanje svake osobe individualni. Ova oblast biometrije mnogima se čini privlačnom, jer se prepoznajemo prvenstveno po licu. Ovo područje je podijeljeno na dva područja: 2-D prepoznavanje i 3-D prepoznavanje. Svaki od njih ima prednosti i nedostatke, ali mnogo toga ovisi i o opsegu i zahtjevima za određeni algoritam.
Ukratko ću govoriti o 2-d i prijeći na jednu od danas najzanimljivijih metoda - 3-d.

2D prepoznavanje lica

2-D prepoznavanje lica jedna je od statistički najneefikasnijih biometrijskih metoda. Pojavio se dosta davno i koristio se uglavnom u forenzičkoj nauci, što je doprinijelo njegovom razvoju. Kasnije su se pojavile kompjuterske interpretacije metode, zbog čega je postala pouzdanija, ali je, naravno, bila inferiorna i svake godine je sve inferiornija u odnosu na druge biometrijske metode lične identifikacije. Trenutno se, zbog loših statističkih performansi, koristi u multimodalnoj ili, kako je još nazivaju, unakrsnoj biometriji ili na društvenim mrežama.

Statističke karakteristike metode

Za FAR i FRR korišteni su podaci za VeriLook algoritme. Opet, za moderne algoritme, ima vrlo obične karakteristike. Ponekad algoritmi sa FRR od 0,1% sa sličnim FAR-om bljeskaju, ali su osnove na kojima su dobijene vrlo sumnjive (izrezana pozadina, isti izraz lica, ista frizura, osvjetljenje).

Karakteristična vrijednost FAR-a je 0,1%.
Iz formule (1) dobijamo N≈30 - broj osoblja organizacije, pri kojem se identifikacija zaposlenog odvija prilično stabilno.
Kao što se može vidjeti, statistički pokazatelji metode su prilično skromni: to eliminira prednost metode da je moguće provoditi tajno snimanje lica na mjestima s puno ljudi. Smiješno je vidjeti kako se par puta godišnje finansira još jedan projekat otkrivanja kriminalaca putem video kamera postavljenih na mjestima s puno ljudi. U proteklih deset godina statističke karakteristike algoritma se nisu poboljšale, a broj ovakvih projekata se povećao. Iako je vrijedno napomenuti da je algoritam prilično prikladan za vođenje osobe u gomili kroz mnoge kamere.

Prednosti i nedostaci metode

Prednosti metode. Uz 2-D prepoznavanje, za razliku od većine biometrijskih metoda, nije potrebna skupa oprema. Uz odgovarajuću opremu, mogućnost prepoznavanja na značajnim udaljenostima od kamere.
Nedostaci. Niska statistička značajnost. Postoje zahtjevi za osvjetljenje (na primjer, lica ljudi koji ulaze sa ulice po sunčanom danu ne mogu se registrovati). Za mnoge algoritme, neprihvatljivost bilo kakvih vanjskih smetnji, kao što su naočale, brada, neki elementi frizure. Obavezna frontalna slika lica, sa vrlo malim odstupanjima. Mnogi algoritmi ne uzimaju u obzir moguće promjene u izrazima lica, odnosno izraz mora biti neutralan.

3-D prepoznavanje lica

Implementacija ove metode je prilično težak zadatak. Uprkos tome, trenutno postoji mnogo metoda za 3-D prepoznavanje lica. Metode se ne mogu porediti jedna s drugom jer koriste različite skenere i baze. daleko od toga da svi izdaju FAR i FRR, koriste se potpuno različiti pristupi.
Prelazna metoda iz 2-d u 3-d je metoda koja implementira akumulaciju informacija o osobi. Ova metoda ima bolje karakteristike od 2d metode, ali isto tako koristi samo jednu kameru. Prilikom unosa subjekta u bazu podataka, subjekt okreće glavu i algoritam povezuje sliku, stvarajući 3d šablon. A prilikom prepoznavanja koristi se nekoliko kadrova video toka. Ova metoda je prilično eksperimentalna i nikada nisam vidio implementacije za ACS sisteme.
Najklasičnija metoda je metoda projekcije šablona. Sastoji se u tome da se na objekt (lice) projektuje mreža. Zatim kamera snima slike brzinom od nekoliko desetina kadrova u sekundi, a rezultirajuće slike obrađuje poseban program. Greda koja pada na zakrivljenu površinu se savija - što je veća zakrivljenost površine, to je jače savijanje grede. U početku se koristio izvor vidljive svjetlosti koji se dovodio kroz "roletne". Tada je vidljiva svjetlost zamijenjena infracrvenom, što ima niz prednosti. Obično se u prvoj fazi obrade odbacuju slike na kojima se lice uopće ne vidi ili ima stranih predmeta koji ometaju identifikaciju. Na osnovu dobijenih slika obnavlja se 3-D model lica na kojem se naglašavaju i uklanjaju nepotrebne smetnje (frizura, brada, brkovi i naočale). Zatim se analizira model – ističu se antropometrijske karakteristike koje se na kraju bilježe jedinstvenim kodom unesenim u bazu podataka. Vrijeme snimanja i obrade slike je 1-2 sekunde za najbolje modele.
Takođe, sve popularnija je metoda 3-d prepoznavanja na osnovu slike dobijene sa nekoliko kamera. Primjer za to je Vocord sa svojim 3D skenerom. Ova metoda daje tačnost pozicioniranja, prema uvjeravanjima programera, veću od metode projekcije šablona. Ali, dok ne vidim FAR i FRR barem u njihovoj bazi podataka, neću vjerovati !!! Ali razvija se već 3 godine, a napredak na izložbama se još ne vidi.

Statistički pokazatelji metode

Puni podaci o FRR i FAR za algoritme ove klase nisu javno dostupni na web stranicama proizvođača. Ali za najbolje Bioscript modele (3D EnrolCam, 3D FastPass) koji rade po metodi projekcije šablona sa FAR = 0,0047% FRR je 0,103%.
Smatra se da je statistička pouzdanost metode uporediva sa pouzdanošću metode identifikacije otiska prsta.

Prednosti i nedostaci metode

Prednosti metode. Nema potrebe da kontaktirate uređaj za skeniranje. Niska osetljivost na spoljašnje faktore, kako na samoj osobi (pojava naočara, brade, promena frizure), tako i na njenom okruženju (osvetljenje, okretanje glave). Visok nivo sigurnosti, uporediv sa identifikacijom otiska prsta.
Nedostaci metode. Skupa oprema. Kompleksi dostupni za prodaju bili su čak skuplji od skenera irisa. Promjene u izrazima lica i šum na licu degradiraju statističku pouzdanost metode. Metoda još nije dobro razvijena, posebno u poređenju sa uzimanjem otisaka prstiju, koja se već dugo koristi, što otežava njenu širu upotrebu.

Situacija na tržištu

Prepoznavanje geometrije lica jedna je od "tri velike biometrije" zajedno s prepoznavanjem otiska prsta i šarenice. Moram reći da je ova metoda prilično uobičajena i za sada joj se daje prednost u odnosu na prepoznavanje od strane šarenice oka. Udio tehnologija za prepoznavanje geometrije lica u ukupnom obimu globalnog biometrijskog tržišta može se procijeniti na 13-18 posto. U Rusiji ova tehnologija također pokazuje veći interes nego, na primjer, identifikacija po šarenici. Kao što je ranije spomenuto, postoji mnogo algoritama za 3-D prepoznavanje. Uglavnom, kompanije radije razvijaju sisteme po principu ključ u ruke koji uključuju skenere, servere i softver. Međutim, postoje oni koji potrošaču nude samo SDK. Do danas možemo istaći sljedeće kompanije koje su uključene u razvoj ove tehnologije: Geometrix, Inc. (3D skeneri lica, softver), Genex Technologies (3D skeneri lica, softver) u SAD-u, Cognitec Systems GmbH (SDK, specijalni računari, 2D kamere) u Njemačkoj, Bioscrypt (3D skeneri lica, softver) je podružnica američke kompanija L- 1 Identity Solutions.
U Rusiji kompanije Artec grupe (3D skeneri lica i softver) rade u tom pravcu - kompanija sa sjedištem u Kaliforniji, a razvoj i proizvodnja se odvijaju u Moskvi. Također, nekoliko ruskih kompanija posjeduje 2D tehnologiju za prepoznavanje lica - Vocord, ITV, itd.
U oblasti 2D prepoznavanja lica, glavni predmet razvoja je softver, jer Konvencionalne kamere su odlične u snimanju slika lica. Rješenje problema prepoznavanja lica donekle je zašlo u ćorsokak - već nekoliko godina praktički nema poboljšanja u statističkim pokazateljima algoritama. U ovoj oblasti se sistematski "rad na bubama".
3D prepoznavanje lica je sada mnogo privlačnije područje za programere. Zapošljava mnogo timova i redovno sluša o novim otkrićima. Mnoga djela su u stanju "upravo će biti objavljena". No, do sada su na tržištu bile samo stare ponude, a posljednjih godina izbor se nije mijenjao.
Jedna od zanimljivih stvari o kojoj ponekad razmišljam i na koju će, možda, Habr odgovoriti: da li je tačnost kinekta dovoljna za stvaranje takvog sistema? Postoji dosta projekata za izvlačenje 3d modela osobe kroz njega.

Prepoznavanje po venama ruku

Ovo je nova tehnologija u području biometrije, njena široka upotreba počela je tek prije 5-10 godina. Infracrvena kamera snima slike vanjske ili unutarnje strane ruke. Uzorak vena nastaje zbog činjenice da hemoglobin u krvi apsorbira infracrveno zračenje. Kao rezultat, stepen refleksije je smanjen i vene su vidljive na kameri kao crne linije. Poseban program na osnovu primljenih podataka kreira digitalnu konvoluciju. Nije potreban ljudski kontakt sa uređajem za skeniranje.
Tehnologija je po pouzdanosti uporediva sa prepoznavanjem šarenice oka, na neki način je nadmašuje, a na neki je inferiorna.
Vrijednosti FRR i FAR su za skener vena dlana. Prema programeru na FAR 0,0008% FRR je 0,01%. Nijedna kompanija ne proizvodi tačniji raspored za nekoliko vrijednosti.

Prednosti i nedostaci metode

Prednosti metode. Nema potrebe da kontaktirate uređaj za skeniranje. Visoka pouzdanost - statistički pokazatelji metode su uporedivi sa očitanjima šarenice. Skrivene karakteristike: za razliku od svega navedenog, vrlo je teško dobiti ovu karakteristiku od osobe „na ulici“, na primjer, fotografisanjem je kamerom.
Nedostaci metode. Izlaganje skenera sunčevoj svjetlosti i zracima halogenih sijalica je neprihvatljivo. Neke bolesti povezane sa starenjem, kao što je artritis, uvelike narušavaju FAR i FRR. Metoda je manje proučavana u odnosu na druge statičke biometrijske metode.

Situacija na tržištu

Prepoznavanje vena na ruci je prilično nova tehnologija, pa je stoga njen globalni tržišni udio mali, oko 3%. Međutim, interesovanje za ovu metodu raste. Činjenica je da ova metoda, budući da je prilično precizna, ne zahtijeva tako skupu opremu kao što su, na primjer, metode prepoznavanja zasnovane na geometriji lica ili šarenici. Sada se mnoge kompanije razvijaju u ovoj oblasti. Tako je, na primjer, po narudžbi engleske kompanije TDSi, razvijen softver za biometrijski čitač vena dlana PalmVein, koji je predstavio Fujitsu. Sam skener je razvio Fujitsu prvenstveno za borbu protiv finansijskih prijevara u Japanu.
U oblasti identifikacije vena su i sledeće kompanije Veid Pte. doo (skener, softver), Hitachi VeinID (skeneri)
Ne znam nijednu kompaniju u Rusiji koja se bavi ovom tehnologijom.

Retina

Donedavno se vjerovalo da je najpouzdanija metoda biometrijske identifikacije i autentifikacije osobe metoda zasnovana na skeniranju mrežnice. Sadrži najbolje karakteristike identifikacije po šarenici i venama šake. Skener očitava uzorak kapilara na površini mrežnice. Mrežnica ima fiksnu strukturu koja se ne mijenja tokom vremena, osim kao posljedica bolesti, poput katarakte.
Skeniranje mrežnice koristi infracrveno svjetlo niskog intenziteta usmjereno kroz zjenicu do krvnih sudova u stražnjem dijelu oka. Retinalni skeneri su se široko koristili u sistemima kontrole pristupa za visoko tajne objekte, jer imaju jedan od najnižih postotaka odbijenog pristupa registrovanim korisnicima i praktično nema pogrešnih dozvola za pristup.
Nažalost, pri korištenju ove biometrijske metode javljaju se brojne poteškoće. Skener je ovdje vrlo složen optički sistem i osoba se ne smije kretati duže vrijeme dok se sistem indukuje, što izaziva nelagodu.
Prema EyeDentify za ICAM2001 skener sa FAR=0,001%, FRR vrijednost je 0,4%.

Prednosti i nedostaci metode

Prednosti. Visok nivo statističke pouzdanosti. Zbog niske rasprostranjenosti sistema, male su šanse da se razvije način da se oni "prevare".
Nedostaci. Teško je koristiti sistem sa velikim vremenom obrade. Visoka cijena sistema. Nedostatak široke tržišne ponude i, kao rezultat, nedovoljan intenzitet razvoja metode.

Geometrija ruke

Ova metoda, prilično uobičajena prije 10 godina, koja potiče iz forenzičke nauke, posljednjih godina opada. Bazira se na dobijanju geometrijskih karakteristika ruku: dužine prstiju, širine dlana itd. Ova metoda, kao i retina oka, umire, a kako ima mnogo niže karakteristike, nećemo ni ulaziti u njen potpuniji opis.
Ponekad se vjeruje da se metode geometrijskog prepoznavanja koriste u sistemima za prepoznavanje vena. Ali u prodaji nikada nismo vidjeli tako jasno navedeno. Osim toga, često se pri prepoznavanju po venama uzima samo dlan, dok se pri prepoznavanju po geometriji slikaju prsti.

Malo samopromocije

Svojevremeno smo razvili dobar algoritam za prepoznavanje očiju. Ali u to vrijeme ovakva visokotehnološka stvar nije bila potrebna ovoj zemlji, a ja nisam htio ići u buržoaziju (u koju smo bili pozvani nakon prvog članka). Ali odjednom, nakon godinu i po dana, i dalje je bilo investitora koji su željeli da naprave "biometrijski portal" za sebe - sistem koji bi pojeo 2 oka i koristio komponentu boje šarenice (za koju je investitor imao svjetski patent ). U stvari, to je ono što mi sada radimo. Ali ovo nije članak o samopromociji, ovo je kratka lirska digresija. Ako je neko zainteresovan, ima informacija, a nekad u budućnosti, kada uđemo na tržište (ili ne budemo), ovde ću napisati par reči o usponima i padovima biometrijskog projekta u Rusiji.

zaključci

Čak iu klasi statičkih biometrijskih sistema postoji veliki izbor sistema. Koju odabrati? Sve zavisi od bezbednosnih zahteva. Statistički najpouzdaniji i najotporniji pristupni sistemi su sistemi za pristup irisu i venama ruku. Za prvi od njih postoji šire tržište za prijedloge. Ali ovo nije granica. Biometrijski sistemi identifikacije mogu se kombinovati da bi se postigla astronomska tačnost. Najjeftiniji i najlakši za upotrebu, ali sa dobrom statistikom, su sistemi tolerancije prstiju. 2D tolerancija lica je zgodna i jeftina, ali ima ograničen opseg zbog loše statistike.
Uzmite u obzir karakteristike koje će svaki od sistema imati: otpornost na krivotvorenje, otpornost na okolinu, jednostavnost upotrebe, cijenu, brzinu, stabilnost biometrijske karakteristike tokom vremena. Postavimo oznake od 1 do 10 u svaku kolonu. Što je skor bliži 10, to je sistem bolji u tom pogledu. Principi odabira ocjena opisani su na samom početku članka.


Uzimamo u obzir i omjer FAR i FRR za ove sisteme. Ovaj odnos određuje efikasnost sistema i širinu njegove upotrebe.


Vrijedi zapamtiti da za šarenicu možete povećati tačnost sistema gotovo kvadratno, bez gubitka vremena, ako komplikujete sistem tako što ćete ga napraviti za dva oka. Za metodu otiska prsta - spajanjem nekoliko prstiju, i prepoznavanje po venama, spajanjem dvije ruke, ali takvo poboljšanje je moguće samo s povećanjem vremena provedenog u radu s osobom.
Sumirajući rezultate za metode, možemo reći da za srednje i velike objekte, kao i za objekte sa maksimalnim sigurnosnim zahtjevom, iris treba koristiti kao biometrijski pristup i, eventualno, prepoznavanje po venama ruke. Za objekte sa do nekoliko stotina zaposlenih, pristup otisku prsta će biti optimalan. 2D sistemi za prepoznavanje lica su vrlo specifični. Mogu biti potrebni u slučajevima kada je za prepoznavanje potrebno odsustvo fizičkog kontakta, ali nije moguće postaviti kontrolni sistem na šarenicu. Na primjer, ako je potrebno identificirati osobu bez njenog sudjelovanja, skrivenom kamerom ili kamerom za otkrivanje na otvorenom, ali to je moguće samo uz mali broj subjekata u bazi i mali protok ljudi snimljenih kamerom .

Mladi tehničari uzimaju u obzir

Neki proizvođači, kao što je Neurotechnology, imaju demo verzije biometrijskih metoda koje objavljuju na svojoj web stranici, tako da ih možete uključiti i igrati se. Za one koji odluče da se ozbiljnije pozabave problemom, mogu savjetovati jedinu knjigu koju sam vidio na ruskom - "Vodič za biometriju" R.M. Ball, J.H. Connell, S. Pancanti. Postoji mnogo algoritama i njihovih matematičkih modela. Nije sve kompletno i ne odgovara sve sadašnjosti, ali baza nije loša i sveobuhvatna.

P.S.

U ovom opusu nisam ulazio u problem autentifikacije, već sam se dotakao samo identifikacije. U principu, iz karakteristika FAR/FRR-a i mogućnosti krivotvorenja, svi se zaključci po pitanju autentifikacije sugerišu sami od sebe.

Posljednjih godina biometrija sve više prodire u naše živote. Vodeće zemlje sveta već su pustili u promet ili planiraju da uvedu u bliskoj budućnosti elektronske pasoše koji sadrže podatke o biometrijskim karakteristikama njihovog vlasnika; mnogi kancelarijski centri su implementirali biometrijske senzore u korporativne sisteme kontrole pristupa; laptopi su odavno opremljeni biometrijskom autentifikacijom korisnika; službe sigurnosti su naoružane savremenim sredstvima za identifikaciju svakog traženog kriminalca u gomili ljudi

Andrey Khrulev
Šef biometrijskog odjeljenja
i integrisani sigurnosni sistemi
Grupa kompanija Technoserv, dr.

Sve je više primjera upotrebe biometrijskih sistema. Uspjeh biometrije je lako objasniti. Tradicionalna sredstva lične identifikacije zasnovana na principima „ja sam ono što imam“ (lične karte, žetoni, ovjerni dokumenti) i „ja sam ono što znam“ (lozinke, pin kodovi) nisu savršeni. Karticu je lako izgubiti, lozinka se može zaboraviti, osim toga, svaki napadač ih može koristiti i nijedan sistem vas neće moći razlikovati od figura.

Osim toga, tradicionalna sredstva identifikacije su apsolutno beskorisna kada su u pitanju zadaci skrivene identifikacije osobe, a takvih je zadataka sve više:

• prepoznati kriminalca u gomili;
• provjeriti da li je pasoš zaista predočen od strane vlasnika;
• saznati da li se osoba traži;
• saznati da li je osoba ranije bila uključena u finansijsku prevaru sa kreditima;
• identificirati potencijalno opasne navijače na ulazu na stadion, itd.

Svi ovi zadaci mogu se riješiti samo uz korištenje biometrijskih identifikacijskih alata po principu „ja sam ono što jesam“. Ovaj princip omogućava informacionom sistemu da direktno identifikuje osobu, a ne objekte koje prezentuje ili informacije koje prijavljuje.

Jedinstvenost biometrije lica

Među raznovrsnim biometrijskim karakteristikama osobe koja se koristi za ličnu identifikaciju, vrijedi istaknuti sliku lica. Biometrija lica je jedinstvena po tome što ne zahteva stvaranje specijalizovanih senzora za dobijanje slike – slika lica se može dobiti od konvencionalne kamere sistema za video nadzor. Štaviše, fotografija lica je prisutna na gotovo svakom ličnom dokumentu, što znači da uvođenje ove tehnologije u praksu nije povezano sa nizom regulatornih problema i poteškoćama društvene percepcije tehnologije.

Također je vrijedno napomenuti da se slika lica može dobiti implicitno za samu osobu, što znači da je biometrija lica optimalno prikladna za izgradnju sistema za praćenje i tajnu identifikaciju.

Svaki sistem za prepoznavanje lica je tipičan sistem za prepoznavanje slika, čiji je zadatak da formira određeni skup karakteristika, takozvani biometrijski šablon, prema matematičkom modelu koji je ugrađen u sistem. Upravo ovaj model predstavlja ključno znanje svakog biometrijskog sistema, a efikasnost prepoznavanja lica direktno zavisi od faktora kao što su otpornost biometrijskog predloška na razne vrste smetnji, izobličenja originalne fotografije ili video slike.

Učinkovitost prepoznavanja lica direktno ovisi o faktorima kao što su otpornost biometrijskog predloška na različite vrste smetnji, izobličenja u originalnoj fotografiji ili video slici

Unatoč ogromnoj raznolikosti sistema za prepoznavanje lica predstavljenih kako na ruskom tržištu tako i u svijetu, mnogi od njih koriste iste biometrijske mehanizme - stvarne softverske implementacije metoda za konstruiranje i poređenje matematičkih modela lica. U Rusiji, takvi biometrijski motori kao što su Cognitec (razvio Cognitec Systems GmbH, Njemačka), Kaskad-Potok (razvio Technoserv, Rusija), FRS SDK (razvio Asia Software, Kazahstan), FaceIt (razvio L1 Identity Solutions, SAD) .

U pravilu, prepoznavanje lica u bilo kojoj biometrijskoj mašini se izvodi u nekoliko faza: detekcija lica, procjena kvaliteta, pravljenje šablona, ​​uparivanje i donošenje odluka.

Faza 1: detekcija lica

U ovoj fazi sistem automatski odabire (detektuje) lica ljudi u nizu video kadrova ili na fotografiji, a raspon uglova i razmera lica može značajno da varira, što je izuzetno važno za izgradnju sigurnosnih sistema. Nije neophodno da sva odabrana lica budu prepoznata (to je u pravilu nemoguće), ali je izuzetno korisno otkriti maksimalan broj lica u streamu i po potrebi ih smjestiti u arhivu (slika 1) .

Detekcija lica je jedna od ključnih faza prepoznavanja, jer detekcija lica detektorom automatski znači da je dalja identifikacija nemoguća. Kvalitet rada detektora obično se karakteriše vjerovatnoćom detekcije lica P0. Za savremene biometrijske sisteme koji rade u uslovima protoka ljudi, vrednost verovatnoće detekcije lica je od 95 do 99% i zavisi od uslova snimanja video zapisa (osvetljenje, rezolucija kamere, itd.).

Jedan od najperspektivnijih trendova u razvoju biometrijskog tržišta je pojava inteligentnih digitalnih video kamera koje implementiraju funkciju detekcije lica na osnovu ugrađene logike (slika 2). Inteligentne video kamere omogućavaju vam da primate ne samo video stream visokog kvaliteta, već i povezane metapodatke koji sadrže informacije o pronađenim licima.

Ovakav pristup može značajno smanjiti opterećenje hardverskog kapaciteta sistema za prepoznavanje, što zauzvrat smanjuje konačnu cijenu biometrijskih sistema, čineći ih dostupnijim krajnjem korisniku. Osim toga, smanjeni su zahtjevi za kanalima za prijenos podataka, jer nam ovim pristupom nisu potrebne gigabitne komunikacijske linije za prijenos video zapisa visokog kvaliteta, ali je prisustvo standardnih mreža dovoljno za prijenos kompresovanog videa i malog toka detektiranih slika lica. .

Faza 2: procjena kvaliteta

Ovo je veoma važna faza prepoznavanja, u kojoj biometrijska mašina iz čitavog niza otkrivenih lica bira samo one slike koje zadovoljavaju zadane kriterijume kvaliteta.

Često su programeri biometrijskih sistema lukavi, tvrdeći da njihov sistem pruža visok nivo prepoznavanja ako slike lica u video streamu ispunjavaju zahteve kvaliteta definisane u GOST R ISO/IEC 19794-5. Međutim, ovaj GOST nameće vrlo stroge (gotovo idealne) uslove za kvalitet fotografija lica (frontalni pogled na lice sa odstupanjem ne većim od 5 stepeni; ujednačeno osvetljenje; neutralni izrazi lica, itd.), koji se ne mogu izvesti u realni uslovi sistema video nadzora. Takvi zahtjevi GOST-a u potpunosti su opravdani činjenicom da je, zapravo, ovaj standard namijenjen objedinjavanju formata za pohranjivanje elektronskih fotografija u putovnicama i viznim dokumentima nove generacije - takozvanim biometrijskim putovnicama. U praksi, biometrijski sistemi identifikacije moraju da se nose sa mnogo nepovoljnijim uslovima rada:

• odstupanje lica od frontalnog položaja pod uglovima većim od 20 stepeni;
• jako osvjetljenje;
• pokrivanje dijela lica;
• prisustvo senki na licu;
• mala veličina slike itd.

Stabilnost biometrijskog motora u tako teškim uslovima određuje njegovu kvalitetu. U modernim biometrijskim motorima, u fazi procjene kvaliteta, po pravilu se ocjenjuju:

• ugao lica (ne bi trebalo da prelazi 20-30 stepeni);
• veličina lica (procjenjuje se na udaljenosti između zjenica i treba da bude veća od 50-80 px);
• djelomično zatvaranje lica (zatvaranje lica ne smije biti više od 10-25% ukupne površine lica).

Postoji uobičajena zabluda da ako su oči zatvorene na slici lica (treptanjem ili naočarima), onda sistem navodno neće moći prepoznati osobu. Zaista, rani algoritmi za prepoznavanje lica koristili su centre zenica oka kao osnovu za dalju obradu slike, posebno za standardno skaliranje lica. Međutim, u ovom trenutku, mnogi moderni biometrijski motori (na primjer, Cognitec ili Kaskad-Potok) koriste složenije sheme kodiranja lica i nisu vezani za položaj centara zjenica.

Faza 3: izrada šablona

Ovo je jedna od najsloženijih i jedinstvenih faza prepoznavanja lica i predstavlja ključno znanje tehnologije biometrijskog motora. Suština ove faze je netrivijalna matematička transformacija slike lica u skup karakteristika kombinovanih u biometrijski šablon.

Svako lice ima svoj jedinstveni biometrijski predložak. Principi konstruisanja biometrijskih šablona su izuzetno raznoliki: šablon se može zasnivati ​​na teksturnim svojstvima lica, na geometrijskim karakteristikama, na karakterističnim tačkama, na kombinaciji različitih heterogenih karakteristika.

Najvažnija karakteristika biometrijskog predloška je njegova veličina. Što je veličina predloška veća, to uključuje više informativnih funkcija, ali niža je brzina i efikasnost pretraživanja ovog predloška. Tipična vrijednost veličine predloška lica u biometrijskim sistemima je između 1 i 20 kb.

Faza 4: poređenje i odluka

Ovo je kombinovana faza sistema za prepoznavanje, koja upoređuje biometrijski predložak lica napravljen na osnovu otkrivenog lica sa nizom šablona pohranjenih u bazi podataka. U najjednostavnijem slučaju, uparivanje se vrši jednostavnim nabrajanjem svih šablona i procjenom njihove mjere sličnosti. Na osnovu dobijenih procjena i njihovog poređenja sa datim pragovima, donosi se odluka o prisustvu ili odsustvu identične osobe u bazi podataka.

U savremenim sistemima, uparivanje se implementira korišćenjem složenih optimalnih šema uparivanja koje obezbeđuju brzine uparivanja od 10.000 do 200.000 poređenja u sekundi ili više. Štaviše, treba shvatiti da se proces uparivanja može paralelizirati, što omogućava identifikacijskim sistemima da rade gotovo u realnom vremenu čak i za velike nizove slika, na primjer, 100.000 ljudi.

Kvalitet rada sistema za prepoznavanje lica obično se karakteriše vjerovatnoćama identifikacije. Očigledno, dvije vrste grešaka se mogu pojaviti tokom biometrijske identifikacije.

1. Prva greška se odnosi na mogućnost da osoba nedostaje i ne prepozna se stvarno u bazi podataka – to se često naziva greška tipa jedan. I često ne ukazuju na vrijednost greške prve vrste, već jedan minus vjerovatnoću greške prve vrste. Ova vrijednost se naziva vjerovatnoća ispravnog prepoznavanja PPR.
2. Druga greška odražava slučajeve kada sistem prepozna osobu koja zapravo nije u bazi podataka ili je pobrka sa drugom osobom - obično se naziva greška tipa 2. Za moderne sisteme za prepoznavanje lica, tipična vrijednost vjerovatnoće ispravnog prepoznavanja, po pravilu je u rasponu od 80 do 97%, s greškom druge vrste koja ne prelazi 1%.

Uslovi za uspješnu identifikaciju

Treba shvatiti da prepoznavanje lica nije apsolutna tehnologija. Često se mogu čuti kritike biometrijskih sistema da nije moguće postići iste visoke performanse na stvarnim objektima kao u "laboratorijskim" uslovima. Ova izjava je samo djelimično tačna. Zaista, lice je moguće efikasno prepoznati samo pod određenim uslovima, zbog čega je izuzetno važno da se prilikom uvođenja biometrije lica razumeju uslovi pod kojima će sistem raditi. Međutim, za većinu modernih sistema za prepoznavanje, ovi uslovi su prilično ostvarivi na stvarnim objektima. Dakle, da bi se poboljšala efikasnost prepoznavanja lica u zonama identifikacije, potrebno je organizovati usmereni protok ljudi (vrata, okviri detektora metala, okretnice itd.) kako bi se obezbedila mogućnost kratkotrajnog (ne duže od 1-2 s) fiksacija lica svakog posjetitelja. Istovremeno, kamere za video snimanje treba postaviti na način da ugao odstupanja snimljenih lica od frontalnog položaja ne prelazi 20-30 stepeni. (na primjer, postavljanje kamera na udaljenosti od 8-10 m od zone prolaza sa visinom ovjesa od 2-3 m).

Usklađenost sa ovim uslovima prilikom uvođenja sistema prepoznavanja omogućava vam da efikasno rešite problem identifikacije osobe i traženja ljudi od posebnog interesa, sa verovatnoćama što je moguće bliže vrednostima pokazatelja uspešne identifikacije koje su deklarirali programeri.

Danas je na tržištu predstavljeno nekoliko vrsta ovakvih sistema odjednom i oni obavljaju zadatke različitog nivoa složenosti: od daljinskog prepoznavanja u masi do obračuna radnog vremena u kancelariji. Rješenja za prepoznavanje lica dostupna su korisnicima na različitim platformama – to su arhitektura servera, mobilna i ugrađena rješenja te usluge u oblaku.

Moderni sistemi rade na algoritmima neuronske mreže dubinskog učenja, tako da je tačnost prepoznavanja maksimalna čak i za slike niske kvalitete, otporni su na okretanje glave i imaju druge prednosti.

Primjer 1: Javna sigurnost

Osiguravanje sigurnosti je svojevrsna polazna tačka od koje je počelo uvođenje biometrijskih sistema identifikacije. Sistemi za daljinsko prepoznavanje lica koriste se kako bi se osigurala sigurnost prepunih objekata.

Najteži zadatak je identificirati osobu u gomili.

Takozvano nekooperativno prepoznavanje, kada osoba ne stupa u interakciju sa sistemom, ne gleda u objektiv kamere, okreće se ili pokušava da sakrije lice. Na primjer, u transportnim čvorištima, metrou, velikim međunarodnim događajima.

Slučajevi

Jedan od najznačajnijih projekata u 2017. za našu kompaniju bila je najveća međunarodna izložba EXPO-2017, koja se ovog ljeta održala u Kazahstanu. U daljinskom biometrijskom sistemu za prepoznavanje lica korištene su specijalizovane kamere.

Odabir lica u kadru se dešava u samoj kameri i samo se slika lica prenosi na server, što rasterećuje kanal i značajno smanjuje troškove mrežne infrastrukture. Kamere su pratile četiri ulazne grupe, u različitim dijelovima kompleksa. Arhitektura sistema je projektovana na način da su ulazne grupe radile odvojeno ili sve zajedno, dok su ispravan rad sistema osiguravala samo 4 servera i 48 kamera.

Uz pomoć onlajn video analitike traga se za osumnjičenima i nestalima na velikim geografski raspoređenim objektima, istražuje se nesreće i incidenti, analizira putnički promet.

Na nekim aerodromima do kraja 2017. biometrija će se koristiti i za prijavu putnika na let. Kako prenosi portal Tadviser, 12 evropskih zemalja (Španija, Francuska, Holandija, Njemačka, Finska, Švedska, Estonija, Mađarska, Grčka, Italija, Rumunija) također planiraju uvesti sisteme pametnih kapija na aerodromima.

A sljedeći korak bi trebao biti uvođenje sistema za prepoznavanje lica za kontrolu granica i migracija. Uz državnu podršku, uvođenje identifikacije lica može postati uobičajeno kao okviri za detektore metala u narednih tri do pet godina.

Primjer 2. Upoznajte svog kupca iz viđenja

Biznis se takođe kladi na biometrijsku identifikaciju lica. Prije svega, to je maloprodaja.

Sistemi prepoznaju pol i godine kupaca, učestalost i vrijeme posjeta maloprodajnim objektima, akumuliraju statistiku za svaku pojedinačnu radnju u lancu.

Nakon toga se automatski prikazuju detaljni izvještaji za odjel kako za cijelu mrežu tako i za razvrstavanje po prodajnim mjestima. Na osnovu ovih izvještaja, zgodno je sastaviti "profil klijenta" i planirati efikasne marketinške kampanje.

Nažalost, ne možemo otkriti kupce. Među njima su najveći trgovci na malo i mreže DIY (Do It Youself), koje uključuju skupe alate i komponente.

Kako radi

Mnogi strahuju od curenja povjerljivih informacija, ali posebno naglašavamo da se lični podaci priznatih osoba ne pohranjuju u arhive. Štoviše, čak se ne pohranjuje ni slika, već njen biometrijski predložak, prema kojem se slika ne može vratiti.

Uz ponovljene posjete, biometrijski predložak lica se „podiže“, tako da sistem tačno zna ko je i koliko puta bio u radnji. Radi sigurnosti ličnih podataka, možete biti mirni.

Za male trgovine, auto kuće, apoteke, mehanizam za prikupljanje marketinške analitike implementiran je u servisu za prepoznavanje u oblaku. Za mala i srednja preduzeća ova opcija je poželjnija, jer ne zahteva troškove serverskog hardvera, angažovanja dodatnog osoblja, ažuriranja softvera i sl. Prvo, ovo je zgodan alat za procenu efikasnosti prodajnih mesta, i drugo, odličan je pomoćnik za otkrivanje lopova. To jest, jedan sistem obavlja nekoliko funkcija odjednom.

Primjer 3. Sistemi kontrole pristupa i upravljanja

Pored gore navedenih funkcija, zgodno je koristiti sistem za prepoznavanje lica kao alternativu Proximity karticama u sistemima kontrole pristupa i upravljanja (ACS).

Imaju niz prednosti: pružaju visoku pouzdanost prepoznavanja, ne mogu se prevariti, kopirati ili ukrasti identifikatorom, lako se integrišu sa postojećom sigurnosnom opremom. Možete čak koristiti i postojeće nadzorne kamere. Biometrijski sistemi za identifikaciju lica rade na daljinu i vrlo brzo sa snimanjem događaja u arhivi.

Na osnovu biometrijskog ACS-a zgodno je pratiti radno vreme zaposlenih, posebno u velikim kancelarijskim centrima.

slučaj

Takav sistem smo implementirali u velikom indijskom preduzeću koje je specijalizovano za oblast logistike prošle godine. Broj stalno zaposlenih je preko 600 ljudi. Istovremeno, kompanija radi non-stop i praktikuje „plutajući“ raspored rada. Uz pomoć našeg sistema daljinske biometrijske identifikacije, kupac je dobio potpunu i pouzdanu evidenciju radnog vremena zaposlenih, preventivno sigurnosno sredstvo i sistem kontrole pristupa.

Primjer 4. Prolaz navijača na stadion

U trenutku kupovine ulaznice na blagajni, lice svakog kupca se automatski fotografiše i učitava u sistem. Tako se formira baza posjetitelja utakmice. Ako je kupovina obavljena putem interneta ili mobilne aplikacije, onda je autorizacija moguća na daljinu pomoću “selfieja”. Ubuduće, kada osoba dođe na stadion, sistem će ga prepoznati bez pasoša.

Identifikacija posetilaca sportskih takmičenja postala je obavezna u skladu sa Federalnim zakonom br. 284-FZ „O izmenama i dopunama člana 20. Federalnog zakona „O fizičkoj kulturi i sportu u Ruskoj Federaciji” i člana 32.14. Zakona o upravnim prekršajima Ruska Federacija.

Onaj koji je kupio kartu će ući na stadion, nemoguće je prenijeti kartu na drugu osobu ili proći kroz lažnu kartu. Daljinsko prepoznavanje lica na stadionima radi po istom principu kao i na velikim geografski raspoređenim transportnim objektima: ako je osoba uvrštena na listu osoba kojima je zabranjen pristup stadionu, sistem ga neće pustiti da prođe.

slučaj

U martu 2016. godine, kao dio zajedničkog projekta između Vocorda i podružnice PJSC Rostelecom u Hanti-Mansijsku, korišten je sistem daljinskog prepoznavanja lica kako bi se osigurala sigurnost Svjetskog kupa u biatlonu održanog u Hanti-Mansijsku. Od 2015. godine isti sistem uspješno radi u multifunkcionalnom sportskom kompleksu Arena Omsk. Jedan je od šest najvećih sportskih objekata u Rusiji, najveći je sportski i zabavni objekat u Sibiru i baza hokejaškog kluba Avangard.

Primjer 5: Internet bankarstvo i bankomati

Još jedna niša u kojoj se naselilo prepoznavanje lica je bankarski sektor. Ovdje je intezivno uvođenje novih tehnologija, budući da je finansijski sektor više od drugih zainteresiran za pouzdanost i sigurnost personaliziranih informacija.

Danas biometrija postupno počinje, ako ne da istisne uobičajene i uhodane "papirne" dokumente, onda da ide u rang s njima. Istovremeno, stepen zaštite prilikom plaćanja značajno je povećan: da biste potvrdili transakciju, dovoljno je pogledati u kameru svog pametnog telefona. Istovremeno, sami biometrijski podaci se nigdje ne prenose, pa ih je nemoguće presresti.

Uvođenje tehnologija biometrijske identifikacije direktno je povezano sa masovnom upotrebom elektronskih servisa i uređaja, razvojem online trgovine i širenjem plastičnih kartica umjesto gotovine.

Pojavom grafičkih procesorskih jedinica (GPU) visokih performansi i ultrakompaktnih hardverskih platformi zasnovanih na njima – kao što je NVIDIA Jetson – prepoznavanje lica počelo je da se uvodi u bankomate. Sada samo vlasnik kartice može podizati gotovinu ili obavljati transakcije računa, na primjer, putem bankomata Tinkoff banke. I PIN bi uskoro mogao biti povučen.

Savremeni integrisani sigurnosni sistemi u stanju su da reše probleme bilo koje složenosti na različitim industrijskim, društvenim i kućnim objektima. Sistemi video nadzora su veoma važni alati sigurnosnih kompleksa, a zahtjevi za funkcionalnošću segmenta stalno rastu.

Integrisani sigurnosni sistemi

Jedinstvena platforma uključuje module za sigurnosnu i protivpožarnu opremu, kontrolu i upravljanje pristupom, video nadzor ili sigurnosnu televiziju (SOT). Donedavno, funkcije potonjeg bile su ograničene na video nadzor i registraciju stanja u objektu i susjednoj teritoriji, arhiviranje i čuvanje podataka. Klasični video sistemi imaju niz značajnih nedostataka:

• Ljudski faktor. Neefikasan rad operatera pri emitovanju velike količine informacija.
• Nemogućnost hirurške intervencije, neblagovremene analize.
• Značajno vrijeme utrošeno na traženje i identifikaciju događaja.

Razvoj digitalnih tehnologija doveo je do stvaranja "pametnih" automatizovanih sistema.

Snaga u intelektu

Osnovni princip intelektualnog je video analitika – tehnologija zasnovana na metodama i algoritmima za prepoznavanje obrazaca i automatizovano prikupljanje podataka kao rezultat analize video toka. Takva oprema, bez ljudske intervencije, u stanju je da detektuje i prati u realnom vremenu zadate ciljeve (automobil, grupa ljudi), potencijalno opasne situacije (dim, požar, neovlašćene intervencije u radu video kamera), programirane događaje i blagovremeno izdati alarmni signal. Filtriranjem video podataka koji nisu od interesa značajno se smanjuje opterećenje komunikacijskih kanala i arhivske baze.

Najpopularniji alat za video analitiku je sistem za prepoznavanje lica. Ovisno o izvršenim funkcijama i postavljenim zadacima, postavljaju se određeni zahtjevi prema opremi.

Firmver i hardver

Za efikasan rad sistema koristi se nekoliko tipova IP kamera sa različitim karakteristikama performansi. Detekciju objekta u kontrolisanom području snimaju panoramske kamere rezolucije 1 megapiksela ili više i žižne daljine od 1 mm, a uređaji za skeniranje usmjeravaju na njega. Ovo su naprednije kamere (od 2 megapiksela, od 2 mm), koje proizvode prepoznavanje jednostavnim metodama (3-4 parametra). Za identifikaciju objekta koriste se kamere dobre kvalitete slike, dovoljne za primjenu složenih algoritama (od 5 megapiksela, 8-12 mm).

Najpopularniji softverski proizvodi za prepoznavanje lica "Face Intellect" (programer - kompanija House Control), Face director (kompanija Synesis) i VOCORD FaceControl (VOCORD) pokazuju:

• Velika vjerovatnoća identifikacije objekta (do 99%).
• Podrška za širok raspon uglova rotacije kamere.
• Mogućnost isticanja lica čak iu gustoj pješačkoj masi.
• Varijabilnost u pripremi analitičkih izvještaja.

Osnove prepoznavanja obrazaca

Svaki sistem biometrijskog prepoznavanja zasniva se na identifikaciji usklađenosti očitanih fizioloških karakteristika osobe sa određenim unaprijed određenim šablonom.

Skeniranje se odvija u realnom vremenu. IP kamera emituje video tok do terminala, a sistem za prepoznavanje lica određuje da li slika odgovara fotografijama pohranjenim u bazi podataka. Postoje dvije glavne metode. Prvi se zasniva na statičkim principima: na osnovu rezultata obrade biometrijskih parametara kreira se elektronski uzorak u obliku jedinstvenog broja koji odgovara određenoj osobi. Druga metoda modelira "ljudski" pristup i karakterizira je samoučenje i robusnost. Identifikacija osobe putem video slike uzima u obzir promjene vezane za dob i druge faktore (prisustvo pokrivala za glavu, brade ili brkova, naočala). Ova tehnologija vam omogućava da radite čak i sa starim fotografijama i, ako je potrebno, sa rendgenskim snimcima.

Algoritam za pretraživanje lica

Najčešća tehnika detekcije lica je korištenje Haar kaskada (setova maski).

Maska je pravougaoni prozor sa raznim kombinacijama bijelih i crnih segmenata.

Mehanizam programa je sljedeći: video okvir je prekriven skupom maski, a na osnovu rezultata konvolucije (brojeći piksele koji spadaju u bijeli i crni sektor), razlika se izračunava i upoređuje sa određenim granična vrijednost.

Da bi se poboljšale performanse klasifikatora, kreiraju se pozitivni (okviri sa licima ljudi) i negativni (bez njih) uzorci za obuku. U prvom slučaju, rezultat konvolucije je iznad granične vrijednosti, u drugom - ispod. Sa prihvatljivom greškom, detektor lica određuje zbir konvolucija svih kaskada i, ako je prag prekoračen, signalizira prisustvo lica u kadru.

Tehnologije prepoznavanja

Nakon detekcije i lokalizacije u preliminarnoj fazi, dolazi do svjetline i geometrijskog poravnanja slike. Daljnje radnje - izračunavanje znakova i identifikacija - mogu se provesti različitim metodama.

Kada skenirate lice punog lica u prostoriji sa odličnim osvjetljenjem, algoritmi koji rade sa dvodimenzionalnim slikama pokazuju dobre rezultate. Analizirajući jedinstvene tačke i udaljenosti između njih, sistem za prepoznavanje lica utvrđuje činjenicu identifikacije koeficijentima razlike između "žive" slike i registrovanog šablona.

Trodimenzionalne tehnologije otporne su na promjene svjetlosnog toka, dopušteno odstupanje od frontalnog pogleda je do 45 stupnjeva. Ovdje se ne analiziraju samo tačke i prave, već i svojstva površina (zakrivljenost, profil), metrika udaljenosti između njih. Za rad takvih algoritama potreban je maksimalni kvalitet video snimanja sa frekvencijom do 200 sličica u sekundi. Sistem je baziran na stereo video kamerama sa matricom od 5 megapiksela, visokom optičkom rezolucijom i minimiziranom greškom u sinhronizaciji. Dodatno, oni su povezani posebnim taktnim kablom za odašiljanje taktnih impulsa.

Stanje tržišta modernih sistema

Prvi su, zbog visoke cijene, razvijeni samo za državne vojne objekte i tek sredinom 90-ih postali su dostupni komercijalnim organizacijama. Brzi razvoj tehnologije omogućio je povećanje tačnosti sistema i proširenje opsega njihove primene. Na tržištu naše zemlje vodeće pozicije imaju američki i zapadnoevropski proizvođači sigurnosnih sistema. Lider prodaje je oprema korporacija ZN Vision Technologies i Visionics. Najperspektivniji među domaćim programerima su istraživanja i proizvodi Vocord, NTechLab, Soling, VisionLabs LLC i STC grupe, koji se, između ostalog, bave i prilagođavanjem stranih kompleksa ruskim uslovima.

Računarska kontrola lica

Najšire područje primjene beskontaktne identifikacije je borba protiv terorizma i kriminala. Slika lica kriminalca se čuva u bazi podataka. Na mjestima s puno ljudi (aerodromi, željezničke stanice, tržni centri, sportski objekti) ljudi se snimaju u realnom vremenu kako bi se identificirali traženi ljudi.

Sljedeće područje su sistemi kontrole pristupa: uzorak fotografije na elektronskoj propusnici upoređuje se sa modelom dobijenim kao rezultat obrade podataka sa video kamera. Procedura se odvija trenutno, bez potrebe za dodatnim radnjama od onih koji se podvrgavaju (za razliku od skeniranja mrežnjače ili uzimanja otiska prsta).

Još jedna industrija koja brzo raste je marketing. Interaktivni bilbord, skeniranjem lica osobe, određuje njen spol i godine, vizualizira samo one reklame koje će potencijalno biti interesantne klijentu.

Trendovi i perspektive razvoja

Sistemi za prepoznavanje lica su veoma traženi u bankarskom sektoru.

Nakon prošlogodišnjih rezultata, nakon instaliranja 50.000 inteligentnih video kamera u svoje kancelarije, menadžment Poštanske banke uspeo je da uštedi milione rubalja sprečavajući prevare u segmentu kreditiranja i plaćanja. Stručnjaci kažu da će do 2021. godine biti stvorena potrebna infrastrukturna mreža, a bilo kakvo poslovanje na bankomatima biće moguće tek nakon biometrijske identifikacije lica klijenta.

U sljedećoj deceniji, visoka tehnologija će omogućiti otvaranje lanca potpunih samouslužnih radnji: kupac hoda ispred izloga, bira proizvod koji mu se sviđa i odlazi. Sistem za prepoznavanje lica i slika će utvrditi identitet kupca, kupovinu i otpisati potreban iznos sa njegovog računa.

U toku je rad na kreiranju sistema za prepoznavanje psihoemocionalnog stanja. Analiza ljudskih emocija bit će tražena u multimedijalnim poljima: animaciji, kinematografiji, industriji kreiranja kompjuterskih igara.

Svi znaju scene iz naučnofantastičnih filmova: junak dolazi na vrata i vrata se otvaraju, prepoznajući ga. Ovo je jedna od jasnih demonstracija pogodnosti i pouzdanosti upotrebe biometrijskih tehnologija za kontrolu pristupa. Međutim, u praksi to nije tako jednostavno. Danas su neke firme spremne da ponude potrošačima kontrolu pristupa korišćenjem biometrijskih tehnologija.

Tradicionalne metode lične identifikacije, koje se zasnivaju na različitim identifikacionim karticama, ključevima ili jedinstvenim podacima, kao što je, na primjer, lozinka, nisu pouzdane u mjeri u kojoj je to danas potrebno. Prirodan korak u poboljšanju pouzdanosti identifikatora bio je pokušaj upotrebe biometrijskih tehnologija za sigurnosne sisteme.

Spektar problema koji se mogu riješiti primjenom novih tehnologija je izuzetno širok:

1. spriječiti uljeze da uđu u zaštićena područja i prostorije krivotvorenjem, krađom dokumenata, kartica, lozinki;
2. ograničiti pristup informacijama i osigurati ličnu odgovornost za njihovu sigurnost;
3. osigurati pristup odgovornim objektima samo za certificirane stručnjake;
4. izbjegavanje režijskih troškova povezanih s radom sistema kontrole pristupa (kartice, ključevi);
5. eliminirati neugodnosti povezane s gubitkom, oštećenjem ili elementarnim zaboravljanjem ključeva, kartica, lozinki;
6. organizovati evidenciju pristupa i prisutnosti zaposlenih.

Razvoj tehnologija za prepoznavanje uzoraka po različitim biometrijskim karakteristikama počeo se baviti dosta davno, početak je postavljen 60-ih godina. Naši sunarodnici su napravili značajan napredak u razvoju teorijskih osnova ovih tehnologija. Međutim, praktični rezultati su postignuti uglavnom na Zapadu i to tek "juče". Snaga modernih računara i poboljšani algoritmi omogućili su stvaranje proizvoda koji su po svojim karakteristikama i omjeru postali dostupni i zanimljivi širokom krugu korisnika.

Ideja korištenja individualnih karakteristika osobe za njenu identifikaciju nije nova. Do danas je poznat niz tehnologija koje se mogu koristiti u sigurnosnim sistemima za ličnu identifikaciju putem:

1. otisci prstiju (i pojedinačni i šaka u cjelini);
2. crte lica (na osnovu optičkih i infracrvenih slika);
3. šarenica oka;
4. glas
5. druge karakteristike.

Sve biometrijske tehnologije imaju zajedničke pristupe rješavanju problema identifikacije, iako se sve metode razlikuju po jednostavnosti korištenja i tačnosti rezultata.

Bilo koja biometrijska tehnologija se primjenjuje u fazama:

1. skeniranje objekata;
2. izdvajanje pojedinačnih informacija;
3. formiranje šablona;
4. poređenje trenutnog predloška sa bazom podataka.

Sistem biometrijskog prepoznavanja uspostavlja korespondenciju specifičnih fizioloških ili bihejvioralnih karakteristika korisnika nekom datom šablonu. Tipično, biometrijski sistem se sastoji od dva modula: modula za registraciju i modula za identifikaciju.

Registracijski modul„obučava“ sistem da identifikuje određenu osobu. Tokom faze registracije, video kamera ili drugi senzori skeniraju osobu kako bi stvorili digitalni prikaz njenog izgleda. Skeniranje lica traje oko 20 do 30 sekundi, što rezultira više slika. U idealnom slučaju, ove slike će imati malo drugačije uglove i izraze lica, što omogućava preciznije podatke. Poseban softverski modul obrađuje ovu reprezentaciju i određuje osobine ličnosti, a zatim kreira šablon. Postoje neki dijelovi lica koji se jedva mijenjaju tokom vremena, kao što su gornje konture očnih duplji, područja oko jagodica i rubovi usta. Većina algoritama razvijenih za biometrijske tehnologije uzimaju u obzir moguće promjene frizure osobe, jer ne koriste područje lica iznad linije kose za analizu. Predložak slike svakog korisnika pohranjen je u bazi podataka biometrijskog sistema.

Modul za identifikaciju prima sliku osobe sa video kamere i pretvara je u isti digitalni format u kojem je šablon pohranjen. Rezultirajući podaci se uspoređuju sa šablonom pohranjenim u bazi podataka kako bi se utvrdilo da li se slike međusobno podudaraju. Stepen sličnosti koji je potreban za verifikaciju je određeni prag koji se može prilagoditi za različite vrste osoblja, snagu računara, doba dana i niz drugih faktora.

Identifikacija može biti u obliku verifikacije, autentifikacije ili prepoznavanja. Verifikacijom se potvrđuje identitet primljenih podataka i šablona pohranjenog u bazi podataka. Autentifikacija - potvrđuje korespondenciju slike primljene sa video kamere sa jednim od šablona pohranjenih u bazi podataka. Prilikom prepoznavanja, ako su dobijene karakteristike i jedan od pohranjenih šablona isti, tada sistem identifikuje osobu sa odgovarajućim šablonom.

Kada se koriste biometrijski sistemi, posebno sistemi za prepoznavanje lica, čak i uz uvođenje ispravnih biometrijskih karakteristika, odluka o autentifikaciji nije uvijek ispravna. To je zbog niza karakteristika i, prije svega, činjenice da se mnoge biometrijske karakteristike mogu promijeniti. Postoji određeni stepen vjerovatnoće sistemske greške. Štoviše, kada se koriste različite tehnologije, greška može značajno varirati. Za sisteme kontrole pristupa kada se koriste biometrijske tehnologije, potrebno je odrediti šta je važnije ne propustiti „vanzemaljaca“ ili propustiti sve „prijatelje“.

Važan faktor za korisnike biometrijskih tehnologija u sigurnosnim sistemima je jednostavnost upotrebe. Osoba čije se karakteristike skeniraju ne bi trebalo da doživi nikakve neprijatnosti. U tom smislu, najzanimljivija metoda je, naravno, tehnologija prepoznavanja lica. Istina, u ovom slučaju se javljaju i drugi problemi, prvenstveno vezani za tačnost sistema.

Uprkos očiglednim prednostima, postoji niz negativnih predrasuda prema biometriji koje često postavljaju pitanja o tome da li će se biometrija koristiti za špijuniranje ljudi i kršenje njihove privatnosti. Zbog senzacionalnih tvrdnji i neutemeljene pompe, percepcija biometrijskih tehnologija oštro se razlikuje od stvarnog stanja stvari.

Ipak, upotreba biometrijskih metoda identifikacije dobila je posebnu važnost posljednjih godina. Ovaj problem je postao posebno akutan nakon događaja od 11. septembra u Sjedinjenim Državama. Svjetska zajednica je shvatila stepen rastuće prijetnje terorizma u cijelom svijetu i složenost organizovanja pouzdane zaštite tradicionalnim metodama. Upravo su ovi tragični događaji poslužili kao polazna tačka za povećanu pažnju modernih integrisanih sigurnosnih sistema. Poznato je mišljenje da kada bi kontrola na aerodromima bila stroža, nesreće bi se mogle izbjeći. A i danas bi potraga za odgovornima za niz drugih incidenata mogla biti značajno olakšana korištenjem savremenih sistema video nadzora u integraciji sa sistemima za prepoznavanje lica.

Trenutno postoje četiri glavne metode prepoznavanja lica:

1. "eigenfaces";
2. analiza "razlikovnih karakteristika";
3. analiza zasnovana na "neuralnim mrežama";
4. metoda "automatske obrade slike lica".

Sve ove metode razlikuju se po složenosti implementacije i svrsi primjene.

"Eigenface" se može prevesti kao "vlastito lice". Ova tehnologija koristi dvodimenzionalne slike u sivim tonovima koje predstavljaju prepoznatljive karakteristike slike lica. Metoda "eigenface" se često koristi kao osnova za druge metode prepoznavanja lica.

Kombinacijom karakteristika 100 - 120 "eigenface" moguće je obnoviti veliki broj lica. U trenutku registracije, "svojstveno lice" svake određene osobe je predstavljeno kao niz koeficijenata. Za način provjere autentičnosti u kojem se slika koristi za verifikaciju identiteta, predložak uživo se uspoređuje sa već registrovanim šablonom kako bi se odredio faktor razlike. Stepen razlike između obrazaca određuje činjenicu identifikacije. Tehnologija "eigenface" je optimalna kada se koristi u dobro osvijetljenim prostorijama, kada je moguće skenirati lice ispred.

Tehnika analize "razlikovanja" je najraširenija tehnologija identifikacije. Ova tehnologija je slična tehnici "Eigenface", ali je više prilagođena promjeni izgleda ili izraza lica osobe (nasmiješeno ili namršteno lice). Prepoznatljive karakteristike koriste desetke karakterističnih karakteristika različitih područja lica, uzimajući u obzir njihovu relativnu lokaciju. Pojedinačna kombinacija ovih parametara određuje karakteristike svake određene osobe. Lice osobe je jedinstveno, ali prilično dinamično, jer. osoba se može nasmiješiti, pustiti bradu i brkove, staviti naočale - sve to povećava složenost postupka identifikacije. Tako, na primjer, kada se smiješite, dolazi do nekog pomaka dijelova lica koji se nalaze u blizini usta, što će zauzvrat uzrokovati slično pomicanje susjednih dijelova. Uzimajući u obzir takve pomake, moguće je jedinstveno identificirati osobu s različitim mimičkim promjenama na licu. Budući da ova analiza uzima u obzir lokalne površine lica, tolerancije mogu biti do 25° u horizontalnoj ravni, a do približno 15° u vertikalnoj ravni, te zahtijeva dovoljno moćnu i skupu opremu, što shodno tome smanjuje stepen distribucije ovog metoda.

U metodi baziranoj na neuronskoj mreži, karakteristične osobine oba lica - registrovana i verifikovana se upoređuju za podudaranje. "Neuronske mreže" koriste algoritam koji odgovara jedinstvenim parametrima lica osobe koja se provjerava i parametrima šablona koji se nalazi u bazi podataka, uz primjenu maksimalnog mogućeg broja parametara. Kako poređenje ide, utvrđuju se nedosljednosti između osobe koja se provjerava i šablona iz baze podataka, zatim se pokreće mehanizam koji pomoću odgovarajućih težinskih koeficijenata utvrđuje stepen usklađenosti osobe koja se provjerava sa šablonom iz baze podataka. Ova metoda povećava kvalitetu identifikacije lica u teškim uslovima.

Metoda "automatske obrade slike lica" je najjednostavnija tehnologija, koristeći udaljenosti i omjer udaljenosti između lako definiranih tačaka lica, kao što su oči, kraj nosa, uglovi usana. Iako ova metoda nije tako moćna kao "svojstvena lica" ili "neuralna mreža", može se prilično efikasno koristiti u uslovima slabog osvjetljenja.

Sistemi za prepoznavanje lica na tržištu

Do danas je razvijen niz komercijalnih proizvoda dizajniranih za prepoznavanje lica. Algoritmi koji se koriste u ovim proizvodima su različiti i još uvijek je teško procijeniti koja tehnologija ima prednost. Lideri u ovom trenutku su sledeći sistemi: Visionic, Viisage i Miros.

• Visionic-ova FaceIt aplikacija zasnovana je na algoritmu lokalne analize karakteristika razvijenom na Univerzitetu Rockefeller. Jedna komercijalna kompanija u Velikoj Britaniji integrisala je FaceIt u televizijski sistem za borbu protiv kriminala pod nazivom Mandrake. Ovaj sistem traži kriminalce koristeći video podatke sa 144 kamere povezane u zatvorenu mrežu. Kada se utvrdi identitet, sistem obavještava službenika sigurnosti. U Rusiji, predstavnik Visionic-a je DanCom.
• Drugi lider u ovoj oblasti, Viisage, koristi algoritam razvijen na Massachusetts Institute of Technology. Preduzeća i vlade u mnogim američkim državama i nekoliko drugih zemalja koriste Viisage sistem zajedno sa identifikacionim podacima kao što su vozačke dozvole.
• ZN Vision Technologies AG (Njemačka) nudi niz proizvoda na tržištu koji koriste tehnologiju prepoznavanja lica. Ove sisteme na ruskom tržištu predstavlja Soling.
• Mirosov TrueFace sistem za prepoznavanje lica koristi tehnologiju neuronske mreže, a sam sistem se koristi u kompleksu za izdavanje gotovine Mr.Payroll Corporation i instaliran je u kockarnicama i drugim zabavnim ustanovama u mnogim američkim državama.

U Sjedinjenim Državama nezavisni stručnjaci su proveli uporedni test različitih tehnologija za prepoznavanje lica. Rezultati testa su predstavljeni u nastavku.

Rice. 1. Komparativna analiza efikasnosti prepoznavanja lica u različitim sistemima

U praksi, kada se koriste sistemi za prepoznavanje lica kao dio standardnih elektronskih sigurnosnih sistema, pretpostavlja se da osoba koju treba identifikovati gleda direktno u kameru. Dakle, sistem radi sa relativno jednostavnom dvodimenzionalnom slikom, što značajno pojednostavljuje algoritme i smanjuje intenzitet proračuna. Ali čak ni u ovom slučaju zadatak prepoznavanja još uvijek nije trivijalan, jer algoritmi moraju uzeti u obzir mogućnost promjene razine osvjetljenja, promjene izraza lica, prisutnost ili odsutnost šminke ili naočala.

Pouzdanost sistema za prepoznavanje lica u velikoj meri zavisi od nekoliko faktora:

• Kvalitet slike. Verovatnoća rada sistema bez grešaka je primetno smanjena ako osoba koju pokušavamo da identifikujemo ne gleda direktno u kameru ili je snimljena pri lošem osvetljenju.
• Relevantnost fotografije unesene u bazu podataka.
• Veličina baze podataka.

Tehnologije prepoznavanja lica dobro funkcionišu sa standardnim video kamerama koje prenose podatke i koje kontroliše personalni računar i zahtevaju rezoluciju od 320x240 piksela po inču pri brzini videa od najmanje 3 do 5 sličica u sekundi. Poređenja radi, prihvatljiv kvalitet za video konferenciju zahtijeva brzinu video streama od 15 sličica u sekundi. Veće brzine prijenosa videa pri višim rezolucijama dovode do boljeg kvaliteta identifikacije. Prilikom prepoznavanja lica sa velike udaljenosti, postoji jaka veza između kvaliteta video kamere i rezultata identifikacije.

Obim baza podataka kada se koriste standardni personalni računari ne prelazi 10.000 slika.

Zaključak

Metode prepoznavanja lica koje se danas nude su zanimljive i bliske širokoj primjeni, međutim, još uvijek nije moguće, kao u kinu, vjerovati otvaranju vrata samo tehnologiji prepoznavanja lica. Dobar je kao pomoćnik za čuvara ili drugi sistem kontrole pristupa.

Upravo se ova metoda koristi u mnogim situacijama kada se traži da se uvjeri da predstavljeni dokument zaista pripada osobi koja ga je predstavila. To se, na primjer, dešava na međunarodnom aerodromu, kada graničar provjeri fotografiju na pasošu sa licem vlasnika pasoša i odluči da li je to njegov pasoš ili ne. Računarski pristupni sistem radi po sličnom algoritmu. Jedina razlika je u tome što se fotografija poredi sa šablonom koji je već pohranjen u bazi podataka.

Već su se pojavile tehnologije koje se zasnivaju na prepoznavanju lica u infracrvenom svjetlu. Nova tehnologija temelji se na činjenici da je termička slika nastala toplinskim zračenjem iz krvnih žila lica ili, drugim riječima, termogram lica osobe, jedinstvena za svakoga i stoga se može koristiti kao biometrijski karakteristika za sisteme kontrole pristupa. Ovaj termogram je stabilniji identifikator od geometrije lica, jer gotovo ne ovisi o promjenama u izgledu osobe.