V poslední době se na Habrého objevilo mnoho článků o systémech identifikace obličejů Google. Upřímně řečeno, z mnoha z nich to nese žurnalistika a mírně řečeno neschopnost. A chtěl jsem napsat dobrý článek o biometrii, není to můj první! Na Habrého je pár dobrých článků o biometrii – ale jsou poměrně krátké a neúplné. Zde se pokusím stručně nastínit obecné principy biometrické identifikace a moderní výdobytky lidstva v této věci. Včetně identifikace podle tváří.

Článek má pokračování, které je ve skutečnosti jeho prequelem.

Článek bude vycházet ze společné publikace s kolegou v časopise (BDI, 2009), upravené tak, aby vyhovovaly moderní realitě. Habré zatím nemá žádné kolegy, ale podpořil zde zveřejnění přepracovaného článku. V době publikace byl článek stručným přehledem trhu s moderními biometrickými technologiemi, který jsme pro sebe provedli před uvedením našeho produktu na trh. Hodnotící soudy o použitelnosti uvedené v druhé části článku jsou založeny na názorech lidí, kteří produkty používali a implementovali, a také na názorech lidí, kteří se podílejí na výrobě biometrických systémů v Rusku a Evropě.

obecná informace

Začněme základy. V 95 % případů je biometrie v podstatě matematická statistika. A matstat je exaktní věda, jejíž algoritmy se používají všude: v radarech i v bayesovských systémech. Chyby prvního a druhého druhu lze považovat za dvě hlavní charakteristiky jakéhokoli biometrického systému). V teorii radaru se jim obvykle říká „falešný poplach“ nebo „neúspěšný cíl“ a v biometrii jsou nejvíce zavedené pojmy FAR (False Acceptance Rate) a FRR (False Rejection Rate). První číslo charakterizuje pravděpodobnost falešné shody biometrických charakteristik dvou osob. Druhým je pravděpodobnost odepření přístupu oprávněné osobě. Systém je tím lepší, čím nižší je hodnota FRR pro stejné hodnoty FAR. Někdy se používá i srovnávací charakteristika EER, která určuje bod, ve kterém se protínají grafy FRR a FAR. Ne vždy je ale reprezentativní. Více podrobností lze nalézt např.
Lze poznamenat následující: pokud FAR a FRR nejsou uvedeny v charakteristikách systému založeného na otevřených biometrických databázích, pak ať už výrobci o jeho vlastnostech deklarují cokoli, tento systém je s největší pravděpodobností nekompetentní nebo mnohem slabší než konkurence.
Ale nejen FAR a FRR určují kvalitu biometrického systému. Pokud by to byl jediný způsob, pak by vedoucí technologií bylo rozpoznávání lidí podle DNA, pro které mají FAR a FRR tendenci k nule. Je ale zřejmé, že tato technologie není v současné fázi lidského vývoje použitelná! Vyvinuli jsme několik empirických charakteristik, které nám umožňují posoudit kvalitu systému. „Odolnost proti padělkům“ je empirická charakteristika, která shrnuje, jak snadné je oklamat biometrický identifikátor. „Odolnost vůči prostředí“ – charakteristika, která empiricky vyhodnocuje stabilitu systému za různých vnějších podmínek, jako jsou změny osvětlení nebo pokojové teploty. „Snadné použití“ ukazuje, jak obtížné je používat biometrický skener, zda je identifikace možná „na cestách“. Důležitou charakteristikou je „Rychlost provozu“ a „Cena systému“. Nezapomeňte, že biometrické charakteristiky člověka se mohou v průběhu času měnit, takže pokud je nestabilní, je to značná nevýhoda.
Množství biometrických metod je úžasné. Hlavní metody využívající statické biometrické charakteristiky osoby jsou identifikace podle papilárního vzoru na prstech, duhovce, geometrii obličeje, sítnici, vzoru žil ruky a geometrii ruky. Existuje také rodina metod, které využívají dynamické charakteristiky: identifikace hlasem, dynamika rukopisu, srdeční frekvence, chůze. Níže je distribuce biometrického trhu před několika lety. V každém druhém zdroji tyto údaje kolísají o 15-20 procent, takže jde pouze o odhad. Také zde pod pojmem "geometrie ruky" jsou dvě různé metody, které budou diskutovány níže.

V tomto článku se budeme zabývat pouze těmi charakteristikami, které jsou použitelné v systémech řízení přístupu (ACS) nebo v souvisejících úlohách. Vzhledem k jejich nadřazenosti se jedná především o statické charakteristiky. Z dynamických charakteristik má v současnosti alespoň nějakou statistickou významnost pouze rozpoznávání hlasu (srovnatelné s nejhoršími statickými algoritmy FAR ~ 0,1 %, FRR ~ 6 %), ale pouze za ideálních podmínek.
Chcete-li získat představu o pravděpodobnostech FAR a FRR, můžete odhadnout, jak často dojde k falešným shodám, pokud nainstalujete identifikační systém na bránu s personálem N. Pravděpodobnost falešné shody otisku prstu přijatého skenerem pro databázi N otisků prstů je FAR ∙ N. A každý den také projde bodem kontroly přístupu asi N lidí. Pak je pravděpodobnost chyby pro pracovní den FAR ∙ (N ∙ N). Samozřejmě v závislosti na cílech identifikačního systému se pravděpodobnost chyby za jednotku času může značně lišit, ale pokud přijmeme jednu chybu za pracovní den jako přijatelnou, pak:
(1)
Pak dostaneme, že stabilní provoz identifikačního systému s FAR = 0,1 % = 0,001 je možný při počtu personálu N≈30.

Biometrické skenery

Dnes nejsou pojmy „biometrický algoritmus“ a „biometrický skener“ nutně propojeny. Společnost může tyto prvky vyrábět jednotlivě nebo společně. Největší diferenciace výrobců skenerů a výrobců softwaru bylo dosaženo na trhu prstové papilární biometrie. Nejmenší 3D skener obličeje na trhu. Úroveň diferenciace ve skutečnosti do značné míry odráží vývoj a nasycení trhu. Čím větší výběr, tím více je téma zpracováno a dovedeno k dokonalosti. Různé skenery mají různé možnosti. V podstatě se jedná o soubor testů, které mají ověřit, zda je s biometrickým objektem manipulováno či nikoli. U skenerů prstů to může být kontrola nárazu nebo kontrola teploty, u očních skenerů kontrola akomodace zornice, u skenerů obličeje pohyb obličeje.
Skenery výrazně ovlivňují přijaté statistiky FAR a FRR. V některých případech se tato čísla mohou měnit i desítkykrát, zejména v reálných podmínkách. Obvykle jsou charakteristiky algoritmu uvedeny pro nějaký "ideální" základ, nebo jen pro vhodný, kde se vyhazují rozmazané a rozmazané snímky. Pouze několik algoritmů poctivě označuje jak základnu, tak i plný výstup FAR / FRR.

A nyní podrobněji o každé z technologií

Otisky prstů

Fingerprinting (rozpoznávání otisků prstů) je dnes nejrozvinutější biometrickou metodou osobní identifikace. Katalyzátorem pro vývoj metody bylo její široké použití ve forenzní vědě 20. století.
Každá osoba má jedinečný papilární vzor otisku prstu, který umožňuje identifikaci. Algoritmy obvykle používají charakteristické body na otiscích prstů: konec čáry vzoru, větvení čáry, jednotlivé body. Navíc se jedná o informace o morfologické struktuře otisku prstu: relativní polohu uzavřených linií papilárního vzoru, „klenutých“ a spirálovitých linií. Vlastnosti papilárního vzoru jsou převedeny na jedinečný kód, který zachovává informační obsah tiskového obrazu. A právě „kódy otisků prstů“ jsou uloženy v databázi sloužící k vyhledávání a porovnávání. Doba převodu obrázku otisku prstu do kódu a jeho identifikace obvykle nepřesáhne 1 s, v závislosti na velikosti databáze. Čas strávený zvednutím ruky se nepočítá.

Jako zdroj dat o FAR a FRR byly použity statistiky VeriFinger SDK získané pomocí skeneru otisků prstů DP U.are.U. Za posledních 5–10 let se charakteristiky rozpoznávání prstů příliš neposunuly kupředu, takže uvedená čísla jsou dobrým příkladem průměrné hodnoty moderních algoritmů. Samotný algoritmus VeriFinger již několik let vítězí v mezinárodní soutěži ověřování otisků prstů, kde soutěží algoritmy pro rozpoznávání prstů.

Typická hodnota FAR pro metodu rozpoznávání otisků prstů je 0,001 %.
Ze vzorce (1) získáme, že stabilní provoz identifikačního systému s FAR = 0,001 % je možný při počtu personálu N≈300.

Výhody metody. Vysoká spolehlivost - statistické ukazatele metody jsou lepší než ukazatele identifikačních metod podle obličeje, hlasu, malby. Nízká cena zařízení, která skenují obrázek otisku prstu. Poměrně jednoduchý postup skenování otisku prstu.
Nevýhody: papilární vzor otisku prstu se velmi snadno poškodí drobnými škrábanci a řezy. Lidé, kteří používali skenery v továrnách s několika stovkami zaměstnanců, hlásí vysokou míru selhání skenování. Mnohé ze skenerů jsou pro suchou pokožku nedostačující a staré lidi nedrží venku. Šéf bezpečnostní služby velkého chemického podniku při komunikaci na poslední výstavě MIPS uvedl, že jejich pokus zavést v podniku skenery prstů (vyzkoušeny byly skenery různých systémů) selhal – minimální expozice chemikáliím na prstech zaměstnanců způsobilo selhání bezpečnostních systémů skenerů - skenery prohlásily prsty za falešné. Chybí také ochrana proti padělání obrazu otisku prstu, částečně kvůli rozšířenému používání metody. Samozřejmě, ne všechny skenery mohou být oklamány metodami Legend Busters, ale přesto. U některých lidí s „nevhodnými“ prsty (zejména tělesná teplota, vlhkost) může pravděpodobnost odepření přístupu dosáhnout 100 %. Počet takových lidí se pohybuje od zlomku procenta u drahých skenerů až po deset procent u levných.
Samozřejmě stojí za zmínku, že velké množství nedostatků je způsobeno rozšířenou prevalencí systému, ale tyto nedostatky se vyskytují a objevují se velmi často.

Situace na trhu

V současné době zabírají systémy rozpoznávání otisků prstů více než polovinu biometrického trhu. Mnoho ruských a zahraničních společností se zabývá výrobou systémů kontroly přístupu založených na metodě identifikace otisků prstů. Vzhledem k tomu, že tento směr patří k nejstarším, je nejrozšířenější a je zdaleka nejrozvinutější. Snímače otisků prstů ušly opravdu dlouhou cestu ke zlepšení. Moderní systémy jsou vybaveny různými snímači (teploty, tlaku atd.), které zvyšují stupeň ochrany proti padělání. Systémy jsou každým dnem pohodlnější a kompaktnější. V této oblasti už vývojáři vlastně dosáhli určité hranice a metodu není kam dále rozvíjet. Většina firem navíc vyrábí hotové systémy, které jsou vybaveny vším potřebným, včetně softwaru. Integrátoři v této oblasti prostě nemusí systém montovat sami, protože je to nerentabilní a zabere to více času a úsilí než nákup hotového a již levného systému, o to větší bude výběr opravdu široký.
Ze zahraničních firem zabývajících se systémy rozpoznávání otisků prstů lze zaznamenat SecuGen (USB skenery pro PC, skenery, které lze instalovat v podnicích nebo zabudovat do zámků, SDK a software pro propojení systému s počítačem); Společnost Bayometric Inc. (snímače otisků prstů, systémy kontroly přístupu TAA /, SDK otisků prstů, vestavěné moduly otisků prstů); Společnost DigitalPersona, Inc. (USB-skenery, SDK). V Rusku v této oblasti působí tyto společnosti: BioLink (snímače otisků prstů, biometrická zařízení pro kontrolu přístupu, software); Sonda (snímače otisků prstů, biometrická zařízení pro kontrolu přístupu, SDK); SmartLock (čtečky otisků prstů a moduly) atd.

Duhovka

Oční duhovka je jedinečnou vlastností člověka. Vzor duhovky se tvoří v osmém měsíci nitroděložního vývoje, nakonec se stabilizuje ve věku kolem dvou let a prakticky se během života nemění, s výjimkou následků těžkého traumatu nebo ostrých patologií. Metoda je jednou z nejpřesnějších mezi biometrickými metodami.
Systém identifikace oční duhovky se logicky dělí na dvě části: zařízení pro snímání obrazu, jeho primární zpracování a přenos do počítače a počítač, který porovnává obraz se snímky v databázi a odesílá příkaz k přijetí do výkonného zařízení. .
Doba primárního zpracování obrazu v moderních systémech je cca 300-500ms, rychlost porovnávání výsledného obrazu s podkladem je na úrovni 50000-150000 srovnání za sekundu na běžném PC. Tato rychlost porovnávání neklade omezení na aplikaci metody ve velkých organizacích při použití v přístupových systémech. Při použití specializovaných počítačů a vyhledávacích optimalizačních algoritmů je dokonce možné identifikovat osobu mezi obyvateli celé země.
Okamžitě mohu odpovědět, že jsem poněkud zaujatý a mám k této metodě kladný vztah, jelikož právě v této oblasti jsme náš startup rozjeli. Odstavec na konci bude věnován malé vlastní propagaci.

Statistické charakteristiky metody

Charakteristiky FAR a FRR pro duhovku jsou nejlepší ve třídě moderních biometrických systémů (snad s výjimkou metody rozpoznávání sítnice). Článek představuje charakteristiky knihovny rozpoznávání duhovky našeho algoritmu - EyeR SDK, které odpovídají algoritmu VeriEye testovanému na stejných základech. Použili jsme databáze CASIA získané jejich skenerem.

Typická hodnota FAR je 0,00001 %.
Podle vzorce (1) je N≈3000 počet zaměstnanců organizace, při kterém je identifikace zaměstnance poměrně stabilní.
Zde stojí za zmínku důležitá vlastnost, která odlišuje systém rozpoznávání duhovky od jiných systémů. V případě použití fotoaparátu s rozlišením 1,3MP a více můžete zachytit dvě oči v jednom snímku. Protože pravděpodobnosti FAR a FRR jsou statisticky nezávislé pravděpodobnosti, při rozpoznávání ze dvou očí bude hodnota FAR přibližně rovna druhé mocnině hodnoty FAR pro jedno oko. Například pro FAR 0,001 % bude při použití dvou očí pravděpodobnost falešné tolerance 10-8 %, u FRR je pouze dvakrát vyšší než odpovídající hodnota FRR pro jedno oko s FAR = 0,001 %.

Výhody a nevýhody metody

Výhody metody. Statistická spolehlivost algoritmu. Snímání obrazu duhovky lze provádět na vzdálenost od několika centimetrů do několika metrů, přičemž nedochází k fyzickému kontaktu mezi osobou a zařízením. Clona je chráněna před poškozením – což znamená, že se v průběhu času nezmění. Je také možné využít velké množství metod proti padělání.
Nevýhody metody. Cena systému založeného na duhovce je vyšší než cena systému založeného na rozpoznávání prstů nebo obličeje. Nízká dostupnost hotových řešení. Každý integrátor, který dnes přijde na ruský trh a řekne „dejte mi hotový systém“, pravděpodobně přestane fungovat. Většina z nich prodává drahé systémy na klíč instalované velkými společnostmi jako Iridian nebo LG.

Situace na trhu

V současnosti je podíl technologií identifikace duhovky na světovém biometrickém trhu podle různých odhadů od 6 do 9 procent (zatímco technologie rozpoznávání otisků prstů zaujímají přes polovinu trhu). Nutno podotknout, že od samého počátku vývoje této metody bylo její posílení na trhu zpomaleno vysokými náklady na vybavení a komponenty potřebné k sestavení identifikačního systému. S rozvojem digitálních technologií však náklady na samostatný systém začaly klesat.
Lídrem ve vývoji softwaru v této oblasti je společnost Iridian Technologies.
Vstup na trh pro velký počet výrobců byl omezen technickou složitostí skenerů a v důsledku toho jejich vysokou cenou a také vysokou cenou softwaru kvůli monopolnímu postavení společnosti Iridian na trhu. Tyto faktory umožnily rozvoj v oblasti rozpoznávání duhovky pouze velkým společnostem, které se s největší pravděpodobností již zabývaly výrobou některých komponent vhodných pro identifikační systém (optika s vysokým rozlišením, miniaturní kamery s infračerveným přísvitem atd.). Příklady takových společností mohou být LG Electronics, Panasonic, OKI. Uzavřeli smlouvu s Iridian Technologies a výsledkem společné práce se objevily tyto identifikační systémy: Iris Access 2200, BM-ET500, OKI IrisPass. V budoucnu vznikly vylepšené modely systémů díky technickým možnostem těchto společností samostatně se rozvíjet v této oblasti. Je třeba říci, že výše uvedené společnosti vyvinuly také vlastní software, ale nakonec dávají přednost softwaru Iridian Technologies v hotovém systému.
Ruskému trhu dominují výrobky zahraničních společností. I když to se dá jen stěží koupit. Firma Papillon po dlouhou dobu všechny ujišťovala, že mají rozpoznání duhovky. Ale i zástupci RosAtomu, jejich přímého odběratele, pro kterého systém vyrobili, říkají, že to není pravda. V určitém okamžiku se objevila další ruská společnost, která vyráběla skenery duhovky. Teď si nemůžu vzpomenout na jméno. Algoritmus koupili od někoho, možná od stejného VeriEye. Samotný skener byl 10-15 let starý systém, ne bezkontaktní.
V posledním roce vstoupilo na světový trh pár nových výrobců kvůli vypršení primárního patentu na rozpoznání člověka podle očí. Nejdůvěryhodnější z nich je podle mého názoru AOptix. Alespoň jejich náhledy a dokumentace nejsou podezřelé. Druhou společností je SRI International. Už na první pohled se člověku zapojenému do systémů rozpoznávání duhovky zdají jejich videa velmi klamavá. I když bych se nedivil, kdyby ve skutečnosti něco dokázali. A ten a ten systém neukazuje údaje o FAR a FRR a také zjevně není chráněn před paděláním.

Rozpoznávání obličejů

Existuje mnoho metod rozpoznávání geometrie obličeje. Všechny jsou založeny na skutečnosti, že rysy obličeje a tvar lebky každého člověka jsou individuální. Tato oblast biometrie se mnohým zdá atraktivní, protože se navzájem poznáváme především podle jejich tváří. Tato oblast je rozdělena do dvou směrů: 2-D rozpoznávání a 3-D rozpoznávání. Každý z nich má výhody a nevýhody, ale hodně také závisí na oblasti použití a požadavcích na konkrétní algoritmus.
Ve zkratce vám řeknu o 2-d a přejdu k jedné z nejzajímavějších metod dneška - 3-d.

2D rozpoznávání obličeje

2-D rozpoznávání obličeje je jednou ze statisticky nejvíce neefektivních biometrických prvků. Objevil se již poměrně dávno a používal se především ve forenzní vědě, která přispěla k jeho rozvoji. Následně se objevily počítačové interpretace metody, v důsledku čehož se stala spolehlivější, ale samozřejmě byla podřadná a rok od roku více a více podřadná vůči jiným biometrickým metodám identifikace osobnosti. V současné době se kvůli špatným statistickým ukazatelům používá v multimodální nebo, jak se tomu také říká, cross-biometrics, nebo v sociálních sítích.

Statistické charakteristiky metody

Pro FAR a FRR byla použita data z algoritmů VeriLook. Opět má velmi společné vlastnosti pro moderní algoritmy. Někdy jsou algoritmy s FRR 0,1 % flashovány podobným FAR, ale základy, na kterých byly získány, jsou velmi pochybné (vyříznuté pozadí, stejný výraz obličeje, stejný účes, osvětlení).

Typická hodnota FAR je 0,1 %.
Ze vzorce (1) dostáváme N≈30 - počet zaměstnanců organizace, při kterém je identifikace zaměstnance poměrně stabilní.
Jak vidíte, statistické ukazatele metody jsou poměrně skromné: to neguje výhodu metody, že je možné provádět skryté snímání obličejů na přeplněných místech. Je legrační vidět, jak je několikrát do roka financován jiný projekt na odhalování zločinců prostřednictvím videokamer instalovaných na přeplněných místech. Za posledních deset let se statistické charakteristiky algoritmu nezlepšily a počet takových projektů vzrostl. I když stojí za zmínku, že algoritmus je docela vhodný pro vedení člověka v davu mnoha kamerami.

Výhody a nevýhody metody

Výhody metody. S 2-D rozpoznáváním, na rozdíl od většiny biometrických metod, není potřeba drahé vybavení. S odpovídajícím vybavením možnost rozpoznání na značné vzdálenosti od fotoaparátu.
Nedostatky. Nízká statistická významnost. Jsou kladeny požadavky na osvětlení (například za slunečného dne není možné registrovat obličeje lidí vcházejících z ulice). Pro mnoho algoritmů je jakékoli vnější rušení nepřijatelné, například brýle, vousy, některé prvky účesu. Snímek čelního obličeje je povinný s velmi malými odchylkami. Mnoho algoritmů nebere v úvahu možné změny ve výrazu obličeje, to znamená, že výraz musí být neutrální.

3D rozpoznávání obličeje

Implementace této metody je poměrně obtížný úkol. Navzdory tomu v současné době existuje mnoho metod pro rozpoznávání 3D obličeje. Metody nelze vzájemně porovnávat, protože používají různé skenery a základny. ne všechny vydávají FAR a FRR, používají se zcela odlišné přístupy.
Přechodná metoda z 2-d na 3-d je metoda, která implementuje shromažďování informací o osobě. Tato metoda má lepší vlastnosti než metoda 2d, ale stejně jako používá pouze jednu kameru. Když je objekt vložen do základny, subjekt otočí hlavu a algoritmus spojí obraz dohromady a vytvoří 3D šablonu. A během rozpoznávání se používá několik snímků video streamu. Tato metoda je spíše experimentální a nikdy jsem neviděl implementaci pro systémy ACS.
Nejklasičtější metodou je metoda šablonové projekce. Spočívá v tom, že se na objekt (obličej) promítne síť. Poté fotoaparát pořizuje snímky rychlostí desítky snímků za vteřinu a výsledné snímky zpracovává speciální program. Paprsek dopadající na zakřivenou plochu se ohýbá – čím větší je zakřivení plochy, tím silnější je ohyb paprsku. Zpočátku používal zdroj viditelného světla, přiváděný přes „žaluzie“. Poté bylo viditelné světlo nahrazeno infračerveným, které má řadu výhod. Obvykle jsou v první fázi zpracování vyřazeny snímky, na kterých není obličej vůbec vidět nebo jsou tam cizí předměty, které narušují identifikaci. Na základě získaných snímků je obnoven 3-D model obličeje, na kterém jsou zvýrazněny a odstraněny zbytečné zásahy (účes, vousy, knír a brýle). Poté je model analyzován - jsou zvýrazněny antropometrické znaky, které jsou ve výsledku zapsány do unikátního kódu, který je vložen do databáze. Doba pořízení snímku a zpracování je u nejlepších modelů 1–2 sekundy.
Popularitu získává také metoda 3D rozpoznávání z obrazu získaného z několika kamer. Příkladem toho je Vocord se svým 3D skenerem. Tato metoda poskytuje přesnost polohování, podle ujištění vývojářů, vyšší než metoda promítání šablony. Ale dokud neuvidím FAR a FRR alespoň na jejich vlastní bázi - neuvěřím !!! Vyvíjí se ale už 3 roky a pokrok zatím na výstavách není vidět.

Statistické ukazatele metody

Kompletní údaje o FRR a FAR pro algoritmy této třídy nejsou veřejně prezentovány na webových stránkách výrobců. Ale pro nejlepší modely z Bioscriptu (3D EnrolCam, 3D FastPass), pracující podle šablonové projekční metody s FAR = 0,0047 %, je FRR 0,103 %.
Předpokládá se, že statistická spolehlivost metody je srovnatelná se spolehlivostí metody identifikace otisků prstů.

Výhody a nevýhody metody

Výhody metody. Není třeba kontaktovat skenovací zařízení. Nízká citlivost na vnější faktory, a to jak na osobě samotné (vzhled brýlí, vousy, změna účesu), tak v jejím prostředí (světlo, otočení hlavy). Vysoká úroveň spolehlivosti srovnatelná s metodou identifikace otisku prstu.
Nevýhody metody. Drahé vybavení. Komerčně dostupné systémy předčily dokonce i skenery duhovky. Změny v mimice a interference na obličeji zhoršují statistickou spolehlivost metody. Metoda zatím není dostatečně propracovaná, zejména ve srovnání s dlouho používaným snímáním otisků prstů, což komplikuje její široké použití.

Situace na trhu

Rozpoznávání obličeje je považováno za jednu ze „tří velkých biometrií“ spolu s rozpoznáváním otisků prstů a duhovky. Musím říci, že tato metoda je zcela běžná a zatím je upřednostňována před rozpoznáváním oční duhovkou. Podíl technologií rozpoznávání geometrie obličeje na celkovém objemu světového biometrického trhu lze odhadnout na 13-18 procent. V Rusku je o tuto technologii také větší zájem než například o identifikaci podle duhovky. Jak již bylo zmíněno, existuje mnoho algoritmů 3D rozpoznávání. Většina společností dává přednost vývoji hotových systémů, včetně skenerů, serverů a softwaru. Existují však tací, kteří spotřebiteli nabízejí pouze SDK. Dnes lze zaznamenat následující společnosti vyvíjející tuto technologii: Geometrix, Inc. (3D skenery obličeje, software), Genex Technologies (3D skenery obličeje, software) v USA, Cognitec Systems GmbH (SDK, speciální počítače, 2D kamery) v Německu, Bioscrypt (3D skenery obličeje, software) - dceřiná společnost amer. společnost L-1 Identity Solutions.
V Rusku tímto směrem pracují společnosti skupiny Artec (3D obličejové skenery a software) - společnost se sídlem v Kalifornii, vývoj a výroba probíhá v Moskvě. Několik ruských společností také vlastní technologii 2D rozpoznávání obličeje - Vocord, ITV atd.
V oblasti 2D rozpoznávání obličeje je hlavním předmětem vývoje software. konvenční fotoaparáty odvádějí vynikající práci při pořizování snímků obličeje. Řešení problému rozpoznávání obličejů se do jisté míry dostalo do slepé uličky – již několik let prakticky nedochází ke zlepšení statistických ukazatelů algoritmů. V této oblasti probíhá systematická „práce na chybách“.
3D rozpoznávání obličeje je nyní pro vývojáře mnohem atraktivnější oblastí. Pracuje v něm mnoho týmů a pravidelně slyší o nových objevech. Mnoho děl je ve stavu „právě k vydání“. Na trhu jsou ale zatím jen staré nabídky, výběr se v posledních letech nemění.
Jeden ze zajímavých bodů, nad kterým občas přemýšlím a na který by mohl Habr odpovědět: stačí přesnost kinectu k vytvoření takového systému? Projekty pro protažení 3D modelu osoby skrz něj jsou docela možné.

Rozpoznání žil ruky

Jedná se o novou technologii v oblasti biometrie, její široké použití začalo teprve před 5-10 lety. Infračervená kamera pořizuje snímky vnější nebo vnitřní strany ruky. Vzor žil se vytváří díky skutečnosti, že hemoglobin krve absorbuje IR záření. Výsledkem je snížení míry odrazu a žíly jsou na kameře viditelné jako černé čáry. Speciální program založený na přijatých datech vytváří digitální konvoluci. Není vyžadován žádný lidský kontakt se skenovacím zařízením.
Technologie je spolehlivostí srovnatelná s rozpoznáváním oční duhovkou, v něčem ji předčí a v něčem je horší.
Hodnoty FRR a FAR jsou pro skener Palm Vein. Podle údajů developera s FAR 0,0008 % je FRR 0,01 %. Přesnější graf pro několik hodnot žádná společnost neuvádí.

Výhody a nevýhody metody

Výhody metody. Není třeba kontaktovat skenovací zařízení. Vysoká spolehlivost - statistické ukazatele metody jsou srovnatelné s těmi u duhovky. Skryté vlastnosti: na rozdíl od všech výše uvedených je velmi obtížné tuto charakteristiku získat od člověka „na ulici“, například jeho fotografováním fotoaparátem.
Nevýhody metody. Osvětlení skeneru slunečními paprsky a paprsky halogenových žárovek je nepřijatelné. Některá onemocnění související s věkem, jako je artritida, výrazně zhoršují FAR a FRR. Metoda je méně prozkoumána ve srovnání s jinými statickými biometrickými metodami.

Situace na trhu

Rozpoznávání vzorů žil na ruce je poměrně nová technologie, a proto je její podíl na světovém trhu malý a činí asi 3 %. Zájem o tuto metodu však roste. Faktem je, že tato metoda, vzhledem k tomu, že je poměrně přesná, nevyžaduje tak drahé vybavení jako například rozpoznávací metody založené na geometrii obličeje nebo duhovky. Nyní se v této oblasti rozvíjí mnoho společností. Například na objednávku anglické společnosti TDSi byl vyvinut software pro biometrickou čtečku palmových žil PalmVein, kterou představila společnost Fujitsu. Samotný skener vyvinula společnost Fujitsu především pro boj s finančními podvody v Japonsku.
Následující společnosti Veid Pte také pracují v oblasti identifikace podle vzoru žil. Ltd. (skener, software), Hitachi VeinID (skenery)
V Rusku neznám žádné firmy zabývající se touto technologií.

Sítnice

Donedávna se věřilo, že nejspolehlivější metodou biometrické identifikace a autentizace osobnosti je metoda založená na skenování sítnice oka. Obsahuje nejlepší znaky identifikace podle duhovky a podle žil paže. Skener čte vzor kapilár na povrchu sítnice. Sítnice má nehybnou strukturu, která se v průběhu času nemění, s výjimkou následků onemocnění, jako je šedý zákal.
Skenování sítnice se provádí pomocí infračerveného světla s nízkou intenzitou směrovaného přes zornici do krevních cév v zadní části oka. Skenery sítnice se rozšířily v systémech kontroly přístupu do vysoce tajných zařízení, protože mají jedno z nejnižších procent odepření přístupu pro registrované uživatele a prakticky neexistuje žádné chybné povolení přístupu.
Při použití této biometrické metody bohužel nastává řada potíží. Skener je zde velmi složitý optický systém a člověk se při navádění systému nesmí značnou dobu pohybovat, což způsobuje nepříjemné pocity.
Podle EyeDentify je pro skener ICAM2001 s FAR = 0,001 % hodnota FRR 0,4 %.

Výhody a nevýhody metody

Výhody. Vysoká úroveň statistické spolehlivosti. Vzhledem k nízkému rozšíření systémů je malá pravděpodobnost, že se vyvine způsob, jak je „ošidit“.
Nedostatky. Sofistikovaný systém s vysokou dobou obratu. Vysoká cena systému. Neexistence širokého dodavatelského trhu a v důsledku toho nedostatečná intenzita rozvoje metody.

Geometrie ruky

Tato metoda, ještě před 10 lety poměrně rozšířená a v posledních letech pocházející z forenzních věd, je na ústupu. Je založen na získávání geometrických charakteristik rukou: délky prstů, šířky dlaně atd. Tato metoda stejně jako sítnice oka odumírá, a protože má mnohem nižší vlastnosti, nebudeme ji ani blíže představovat.
Někdy se má za to, že metody geometrického rozpoznávání se používají v systémech rozpoznávání žil. Ale v prodeji jsme nikdy neviděli tak jasně deklarovaný. A kromě toho se často při poznávání podle žil fotí jen dlaň, zatímco při poznávání podle geometrie se fotí prsty.

Trochu sebepropagace

Najednou jsme vyvinuli dobrý algoritmus rozpoznávání očí. Ale v té době nebylo v této zemi tak high-tech potřeba a já jsem nechtěl jít do buržoazie (kam jsme byli pozváni po prvním článku). Najednou se ale po roce a půl našli investoři, kteří si pro sebe chtěli postavit „biometrický portál“ – systém, který by sežral dvě oči a využíval barevnou složku duhovky (na kterou měl investor světový patent) . Ve skutečnosti to teď děláme. Ale toto není článek o sebepropagaci, to je krátká lyrická odbočka. Pokud by to někoho zajímalo, nějaké informace jsou, ale někdy v budoucnu, až vstoupíme na trh (nebo nevstoupíme), napíšu pár slov o zápletkách biometrického projektu v Rusku.

závěry

I ve třídě statických biometrických systémů existuje velký výběr systémů. Kterou byste si měli vybrat? Vše závisí na požadavcích na bezpečnostní systém. Statisticky nejspolehlivější a nejodolnější přístupové systémy jsou duhovka a paže. Pro první z nich existuje širší trh s návrhy. Ale to není limit. Biometrické identifikační systémy lze kombinovat pro dosažení astronomické přesnosti. Nejlevnější a nejsnáze použitelné, ale s dobrými statistikami, jsou systémy pro konečky prstů. Tolerance 2D tváře je pohodlná a levná, ale má omezenou použitelnost kvůli špatným statistikám.
Zvažte vlastnosti, které bude mít každý ze systémů: odolnost proti padělání, odolnost vůči životnímu prostředí, snadnost použití, náklady, rychlost, stabilita biometrické funkce v čase. Do každého sloupce dáme značky od 1 do 10. Čím více se skóre blíží 10, tím je systém v tomto ohledu lepší. Zásady pro výběr známek byly popsány hned na začátku článku.


Zvažte také vztah mezi FAR a FRR pro tyto systémy. Tento poměr určuje efektivitu systému a šíři jeho využití.


Stojí za to připomenout, že u duhovky můžete zvýšit přesnost systému téměř kvadraticky, bez ztráty času, pokud systém zkomplikujete tím, že z něj uděláte dvě oči. U metody otisků prstů - spojením několika prstů a rozpoznáváním žil, spojením dvou rukou, ale takové zlepšení je možné pouze se zvýšením času stráveného prací s člověkem.
Shrneme-li výsledky za metody, můžeme říci, že pro střední a velké objekty, stejně jako pro objekty s maximálním požadavkem na bezpečnost, by měla být duhovka použita jako biometrický přístup a případně rozpoznání pomocí žil ruky. Pro zařízení s až několika stovkami zaměstnanců bude optimální přístup k otiskům prstů. Systémy 2D rozpoznávání obličeje jsou velmi specifické. Mohou být vyžadovány v případech, kdy rozpoznávání vyžaduje nepřítomnost fyzického kontaktu, ale není možné dodat systém ovládání clony. Například pokud je nutné identifikovat osobu bez její účasti, skrytá kamera nebo venkovní detekční kamera, ale to je možné pouze s malým počtem subjektů v základně a malým proudem osob snímaných kamerou.

Poznámka pro mladého technika

Někteří výrobci, například Neurotechnology, mají demo verze biometrických metod, které zveřejňují na svých webových stránkách, takže je můžete snadno zapojit a hrát si. Těm, kteří se rozhodnou ponořit se do problému vážněji, mohu doporučit jedinou knihu, kterou jsem viděl v ruštině - "Průvodce biometrií" od R.M. Ball, J.H. Connel, S. Pancanti. Existuje mnoho algoritmů a jejich matematických modelů. Ne vše je kompletní a ne vše odpovídá moderně, ale základ není špatný a ucelený.

P.S.

V tomto opusu jsem se nepouštěl do problému autentizace, ale dotkl se pouze identifikace. V zásadě z charakteristiky FAR / FRR a možnosti padělání vypovídají všechny závěry o otázce autentizace samy za sebe.

V posledních letech do našich životů stále více proniká biometrie. Přední země světa již uvedly nebo v blízké budoucnosti plánují zavedení elektronických pasů obsahujících informace o biometrických charakteristikách jejich majitele; mnoho kancelářských center implementovalo biometrické senzory do podnikových systémů kontroly přístupu; notebooky jsou již dlouho vybaveny biometrickou autentizací uživatele; bezpečnostní služby jsou vyzbrojeny moderními prostředky k identifikaci jakéhokoli hledaného zločince v davu lidí

Andrej Khrulev
Vedoucí biometrického oddělení
a komplexní bezpečnostní systémy
Skupina společností "Technoserv", Ph.D.

Příkladů využití biometrických systémů přibývá. Úspěch biometrie lze snadno vysvětlit. Tradiční prostředky identifikace založené na principech „Jsem, co mám“ (občanské průkazy, tokeny, doklady totožnosti) a „Jsem, co vím“ (hesla, PIN kódy) nejsou dokonalé. Kartu lze snadno ztratit, heslo lze zapomenout, navíc je může použít jakýkoli vetřelec a žádný systém vás nerozezná od figuríny.

Kromě toho jsou tradiční prostředky identifikace naprosto k ničemu, pokud jde o úkoly skryté identifikace osoby, a takových úkolů je stále více:

• rozpoznat zločince v davu;
• zkontrolovat, zda je držitel pasu skutečně přítomen;
• zjistit, zda je osoba na seznamu hledaných;
• zjistit, zda se daná osoba dříve nepodílela na finančních podvodech s půjčkami;
• identifikovat potenciálně nebezpečné fanoušky při vstupu na stadion apod.

Všechny tyto úkoly lze řešit pouze s využitím nástrojů biometrické identifikace založených na principu „Jsem, jaký jsem“. Tento princip umožňuje informačnímu systému přímo identifikovat osobu, nikoli předměty, které prezentuje, nebo informace, které sděluje.

Jedinečnost obličejové biometrie

Mezi všemi rozmanitými biometrickými charakteristikami osoby používaných k osobní identifikaci stojí za zmínku zejména obraz obličeje. Obličejová biometrie je unikátní v tom, že pro získání obrazu nevyžaduje vytvoření specializovaných senzorů – obraz obličeje lze získat z běžné CCTV kamery. Kromě toho je fotografie obličeje přítomna téměř na každém dokladu totožnosti, což znamená, že implementace této technologie v praxi není spojena s různými regulačními problémy a obtížemi v sociálním vnímání technologie.

Za zmínku také stojí, že obraz obličeje lze získat implicitně pro samotného člověka, což znamená, že biometrie obličeje je optimální pro budování monitorovacích systémů a skryté identifikace.

Jakýkoli systém rozpoznávání obličejů je typickým systémem rozpoznávání vzorů, jehož úkolem je vytvořit určitý soubor znaků, tzv. biometrickou šablonu, podle matematického modelu zabudovaného v systému. Právě tento model tvoří klíčové know-how každého biometrického systému a účinnost rozpoznávání obličeje přímo závisí na faktorech, jako je odolnost biometrické šablony vůči různým druhům rušení, zkreslení původní fotografie nebo videa.

Účinnost rozpoznávání obličeje přímo závisí na faktorech, jako je odolnost biometrické šablony vůči různým druhům rušení, zkreslení původní fotografie nebo videa.

Navzdory obrovské rozmanitosti systémů rozpoznávání obličejů prezentovaných jak na ruském trhu, tak ve světě, mnoho z nich používá stejné biometrické motory - skutečné softwarové implementace metod pro konstrukci a porovnávání matematických modelů obličeje. V Rusku takové biometrické motory jako Cognitec (vyvinutý společností Cognitec Systems GmbH, Německo), Kaskad-Potok (vyvinutý společností Technoserv, Rusko), FRS SDK (vyvinutý společností Asia Software, Kazachstán), FaceIt (vyvinutý společností L1 Identity Solutions, USA ).

Typicky se rozpoznávání obličeje v jakémkoli biometrickém enginu provádí v několika fázích: detekce obličeje, posouzení kvality, vytvoření šablony, párování a rozhodování.

Fáze 1: Detekce obličeje

V této fázi systém automaticky vybírá (detekuje) v proudu video snímků nebo na fotografii tváří lidí a rozsah úhlů a měřítek tváří se může výrazně lišit, což je pro bezpečnostní systémy budov mimořádně důležité. Není vůbec nutné, aby byly rozpoznány všechny vybrané obličeje (zpravidla je to nemožné), ale je nesmírně užitečné detekovat maximální počet obličejů ve streamu a případně je umístit do archivu (obr. 1).

Detekce obličeje je jednou z klíčových fází rozpoznávání, protože detekce obličeje detektorem automaticky znamená nemožnost další identifikace. Kvalita detektoru je obvykle charakterizována pravděpodobností detekce obličeje P0. U moderních biometrických systémů pracujících v proudu lidí se pravděpodobnost detekce obličeje pohybuje od 95 do 99 % a závisí na podmínkách pro záznam videa (osvětlení, rozlišení kamery atd.).

Jedním z nejslibnějších trendů ve vývoji trhu s biometrií je vznik inteligentních digitálních videokamer, které implementují funkci detekce obličeje na základě vestavěné logiky (obr. 2). Inteligentní videokamery umožňují přijímat nejen vysoce kvalitní video stream, ale také související metadata obsahující informace o nalezených tvářích.

Tento přístup může výrazně snížit zátěž hardwarové kapacity rozpoznávacího systému, což následně snižuje konečnou cenu biometrických systémů a činí je pro koncového uživatele dostupnějšími. Kromě toho jsou sníženy požadavky na kanály přenosu dat, protože s tímto přístupem nepotřebujeme k přenosu vysoce kvalitního videa gigabitové komunikační linky, ale spíše dostupnost standardních sítí pro přenos komprimovaného videa a malého proudu detekovaných snímků obličeje.

Fáze 2: hodnocení kvality

Jedná se o velmi důležitou fázi rozpoznávání, ve které biometrický engine vybírá z celé řady detekovaných tváří pouze ty obrázky, které splňují zadaná kritéria kvality.

Vývojáři biometrických systémů jsou často mazaní a tvrdí, že jejich systém poskytuje vysokou úroveň rozpoznávání, když obrázky obličejů ve video proudu splňují požadavky na kvalitu definované v GOST R ISO / IEC 19794-5. Tento GOST však klade velmi přísné (téměř ideální) podmínky na kvalitu fotografií obličeje (frontální zkrácení obličeje s odchylkou ne větší než 5 stupňů; rovnoměrné osvětlení; neutrální výrazy obličeje atd.), které nelze prováděné v reálných podmínkách systémů video dohledu. Takové požadavky GOST jsou plně odůvodněny skutečností, že tato norma má ve skutečnosti sjednotit formát pro ukládání elektronických fotografií v pasových a vízových dokumentech nové generace - takzvané biometrické pasy. V praxi jsou biometrické identifikační systémy nuceny řešit mnohem méně příznivé pracovní podmínky:

• odchylka obličeje od přední polohy v úhlech přesahujících 20 stupňů;
• silné podsvícení;
• překrývající se část obličeje;
• přítomnost stínů na obličeji;
• malá velikost obrázku atd.

Právě stabilita biometrického motoru v takto obtížných podmínkách rozhoduje o jeho kvalitě. U moderních biometrických motorů se ve fázi hodnocení kvality zpravidla hodnotí:

• úhel obličeje (neměl by přesáhnout 20-30 stupňů);
• velikost obličeje (odhadem vzdálenosti mezi zorničkami a měla by být větší než 50–80 px);
• částečné zakrytí obličeje (zakrytí obličeje by nemělo být více než 10–25 % celkové plochy obličeje).

Existuje běžná mylná představa, že pokud jsou oči zavřené v obrazu obličeje (mrkáním nebo brýlemi), systém údajně nebude schopen osobu rozpoznat. Rané algoritmy rozpoznávání obličejů skutečně využívaly středy zornic očí jako základ pro další zpracování obrazu, zejména pro standardní škálování obličeje. V současné době však mnoho moderních biometrických motorů (například Cognitec nebo „Cascade-Stream“) používá složitější schémata kódování obličeje a není vázáno na polohu středů zornic.

Fáze 3: vytvoření šablony

Je to jeden z nejnáročnějších a nejunikátnějších kroků v rozpoznávání obličeje a představuje základní know-how technologie biometrických motorů. Podstata této fáze spočívá v netriviální matematické transformaci obrazu obličeje do sady znaků spojených do biometrické šablony.

Každý obličej má svou vlastní jedinečnou biometrickou šablonu. Principy konstrukce biometrických šablon jsou extrémně rozmanité: šablona může být založena na vlastnostech textury obličeje, na geometrických rysech, na charakteristických bodech, na kombinaci různých heterogenních rysů.

Nejdůležitější vlastností biometrické šablony je její velikost. Čím větší je velikost šablony, tím více informativních funkcí obsahuje, ale tím nižší je rychlost a efektivita vyhledávání této šablony. Typická hodnota velikosti šablony obličeje v biometrických systémech je od 1 do 20 kB.

Fáze 4: srovnání a rozhodování

Jedná se o kombinovanou fázi provozu rozpoznávacího systému, který porovnává biometrickou šablonu obličeje vytvořenou na základě detekované tváře s řadou šablon uložených v databázi. V nejjednodušším případě se párování provádí jednoduchým výčtem všech vzorů a posouzením míry jejich podobnosti. Na základě získaných odhadů a jejich porovnání se stanovenými prahovými hodnotami se rozhodne o přítomnosti či nepřítomnosti identické osoby v databázi.

V moderních systémech je porovnávání realizováno podle komplexních optimálních srovnávacích schémat, která poskytují rychlost porovnávání 10 000 až 200 000 srovnání za sekundu nebo více. Kromě toho by mělo být zřejmé, že proces porovnávání může být paralelizován, což umožňuje identifikačním systémům pracovat téměř v reálném čase, a to i pro velká pole snímků, například 100 000 osob.

Kvalita práce systémů rozpoznávání obličejů je obvykle charakterizována pravděpodobnostmi identifikace. Je zřejmé, že u biometrické identifikace jsou možné dva typy chyb.

1. První chyba souvisí s možností zmizení a nerozpoznání osoby, která se skutečně v databázi nachází – často se nazývá chyba prvního druhu. Navíc se často neuvádí samotná hodnota chyby prvního druhu, ale jedna mínus pravděpodobnost chyby prvního druhu. Tato hodnota se nazývá pravděpodobnost správného rozpoznání PPR.
2. Druhá chyba reflektuje případy, kdy systém rozpozná osobu, která se ve skutečnosti v databázi nenachází nebo si ji splete s jinou osobou – obvykle se tomu říká chyba II. Pro moderní systémy rozpoznávání obličejů je typická hodnota pravděpodobnosti správného rozpoznání zpravidla v rozmezí od 80 do 97 %, přičemž chyba druhého druhu nepřesahuje 1 %.

Podmínky úspěšné identifikace

Je třeba si uvědomit, že rozpoznávání obličeje není absolutní technologií. Často můžete slyšet kritiku biometrických systémů, že v reálných objektech není možné dosáhnout stejně vysokého výkonu jako v „laboratorních“ podmínkách. Toto tvrzení je pravdivé pouze částečně. Skutečně je možné efektivně rozpoznat obličej pouze za určitých podmínek, a proto je při zavádění obličejové biometrie nesmírně důležité pochopit, za jakých podmínek bude systém používán. Pro většinu moderních rozpoznávacích systémů jsou však tyto podmínky docela dosažitelné na skutečných objektech. Aby se zvýšila účinnost rozpoznávání obličejů v identifikačních zónách, měl by být organizován řízený tok lidí (dveře, rámy detektorů kovů, turnikety atd.), aby byla zajištěna možnost krátkodobého (ne více než 1–2 s) fixace obličeje každého návštěvníka. V tomto případě musí být videokamery instalovány tak, aby úhel odchylky pevných čel od přední polohy nepřesáhl 20-30 stupňů. (například instalace kamer ve vzdálenosti od průchozí zóny 8–10 m s výškou zavěšení 2–3 m).

Dodržování těchto podmínek při implementaci systémů rozpoznávání umožňuje efektivně řešit problém osobní identifikace a vyhledávání osob zvláštního zájmu s pravděpodobnostmi co nejblíže hodnotám indikátorů úspěšné identifikace deklarovaným vývojáři.

Dnes je na trhu několik typů takových systémů najednou a plní úkoly různé úrovně složitosti: od vzdáleného rozpoznávání v davu až po účtování pracovní doby v kanceláři. Řešení pro rozpoznávání obličeje jsou zákazníkům k dispozici na různých platformách – serverová architektura, mobilní a vestavěná řešení a cloudové služby.

Moderní systémy fungují na algoritmech hloubkového učení neuronových sítí, takže přesnost rozpoznávání je maximální i pro obrázky nízké kvality, jsou odolné proti otáčení hlavy a mají další výhody.

Příklad 1. Veřejná bezpečnost

Bezpečnost je jakýmsi výchozím bodem, ze kterého zavádění biometrických identifikačních systémů začalo. K zajištění bezpečnosti objektů s hromadnou přítomností lidí se používají systémy vzdáleného rozpoznávání obličeje.

Nejtěžším úkolem je identifikovat osobu v davu.

Takzvané nekooperativní rozpoznávání, kdy člověk neinteraguje se systémem, nedívá se do objektivu fotoaparátu, odvrací se nebo se snaží skrýt obličej. Například na dopravních uzlech, metru, velkých mezinárodních akcích.

Případ

Jedním z nejvýznamnějších projektů roku 2017 pro naši společnost byla největší mezinárodní výstava EXPO-2017, která se letos v létě konala v Kazachstánu. V systému dálkového biometrického rozpoznávání obličeje byly použity specializované kamery.

Výběr obličejů v záběru probíhá v samotné kameře a na server se přenáší pouze obraz obličeje, což ulehčuje šířku pásma a výrazně snižuje náklady na síťovou infrastrukturu. Kamery sledovaly čtyři vstupní skupiny v různých částech areálu. Architektura systému byla navržena tak, že vstupní skupiny pracovaly samostatně nebo všechny společně, přičemž správný chod systému zajišťovaly pouze 4 servery a 48 kamer.

S pomocí online videoanalýzy hledají podezřelé, pohřešované osoby, vyšetřují incidenty a incidenty a analyzují provoz cestujících na velkých geograficky rozmístěných objektech.

Na některých letištích bude do konce roku 2017 biometrie sloužit také k odbavení cestujících na let. Podle portálu Tadviser plánuje implementaci systémů chytrých bran na letištích také 12 evropských zemí (Španělsko, Francie, Nizozemsko, Německo, Finsko, Švédsko, Estonsko, Maďarsko, Řecko, Itálie, Rumunsko).

A dalším krokem by mělo být zavedení systémů rozpoznávání obličejů pro kontrolu hranic a migrace. S vládní podporou se zavedení identifikace obličeje může stát v příštích třech až pěti letech stejně samozřejmostí jako rozsah detektorů kovů.

Příklad 2. Poznání zákazníka zrakem

Podnikání také spoléhá na biometrickou identifikaci obličeje. V první řadě je to maloobchod.

Systémy rozpoznávají pohlaví a věk zákazníků, frekvenci a čas návštěv prodejen a shromažďují statistiky pro každou jednotlivou prodejnu v řetězci.

Poté se pro oddělení v automatickém režimu zobrazují podrobné reporty jak za celou síť, tak v členění podle maloobchodních prodejen. Na základě těchto reportů je vhodné sestavit „portrét klienta“ a naplánovat efektivní marketingové kampaně.

Zákazníky bohužel prozradit nemůžeme. Jsou mezi nimi největší prodejci a DIY (Do It Youself) řetězce, které nabízejí drahé nářadí a komponenty.

Jak to funguje

Mnozí se obávají úniku důvěrných informací, ale zvláště zdůrazňujeme, že žádné osobní údaje identifikovaných osob nejsou uchovávány v archivech. Navíc se neukládá ani snímek, ale jeho biometrická šablona, ​​podle které snímek nelze obnovit.

Při opakovaných návštěvách se biometrická šablona obličeje „dotáhne“, takže systém přesně ví, kdo a kolikrát byl v prodejně. Ohledně bezpečnosti osobních údajů můžete být klidní.

Pro malé obchody, autosalony, lékárny je mechanismus pro shromažďování marketingových analýz implementován v cloudové službě rozpoznávání. Pro malé a střední podniky je tato možnost výhodnější, protože nevyžaduje náklady na serverové vybavení, najímání dalšího personálu, aktualizaci softwaru atd. Jedná se za prvé o pohodlný nástroj pro hodnocení efektivity maloobchodu. výdejních míst a za druhé výborný pomocník k identifikaci zlodějů. To znamená, že jeden systém vykonává několik funkcí najednou.

Příklad 3. Systémy řízení a správy přístupu

Kromě výše uvedených funkcí je systém rozpoznávání obličeje vhodný pro použití jako alternativa k Proximity kartám v systémech kontroly přístupu (ACS).

Mají několik výhod: poskytují vysokou spolehlivost rozpoznávání, nelze je oklamat, zkopírovat nebo ukrást, lze je snadno integrovat se stávajícím bezpečnostním zařízením. Můžete dokonce použít stávající sledovací kamery. Systémy biometrické identifikace obličeje fungují na dálku a velmi rychle se záznamem událostí v archivu.

Na základě biometrického systému kontroly vstupu je vhodné sledovat pracovní dobu zaměstnanců zejména ve velkých kancelářských centrech.

Případ

Minulý rok jsme takový systém zavedli ve velkém indickém podniku, který se specializuje na logistiku. Počet stálých zaměstnanců je přes 600 osob. Zároveň společnost pracuje nepřetržitě a praktikuje „plovoucí“ pracovní plán. Pomocí našeho systému biometrické identifikace na dálku získal zákazník kompletní a spolehlivou evidenci pracovní doby zaměstnanců, nástroj pro preventivní zabezpečení objektu a systém kontroly vstupu.

Příklad 4. Průchod fanouška na stadion

V okamžiku nákupu vstupenky na pokladně je automaticky vyfotografována tvář každého zákazníka a nahrána do systému. Tak se tvoří základna návštěvníků zápasu. Pokud byl nákup uskutečněn přes internet nebo mobilní aplikaci, je autorizace možná na dálku pomocí „selfie“. Později, když člověk přijde na stadion, systém ho pozná bez pasů.

Identifikace návštěvníků sportovních soutěží se stala povinnou v souladu s federálním zákonem č. 284-FZ "o změně článku 20 federálního zákona" o tělesné kultuře a sportu v Ruské federaci "a článkem 32.14 zákoníku o správních deliktech Ruské federace.

Na stadion vstoupí ten, kdo si vstupenku zakoupil, nelze ji převést na jinou osobu ani projít s falešnou vstupenkou. Vzdálené rozpoznání obličeje na stadionech funguje na stejném principu jako na velkých geograficky rozmístěných dopravních zařízeních: pokud je osoba zařazena na seznamy osob, kterým je odepřen vstup na stadion, systém ji nepustí.

Případ

V březnu 2016 byl v rámci společného projektu Vokordu a Chanty-Mansijské pobočky PJSC Rostelecom použit systém dálkového rozpoznávání obličejů k zajištění bezpečnosti Světového poháru v biatlonu, který se konal v Chanty-Mansijsku. Od roku 2015 stejný systém úspěšně funguje v multifunkčním sportovním areálu Arena Omsk. Je to jedno ze šesti největších sportovních zařízení v Rusku, největší sportovní a zábavní zařízení na Sibiři a základna hokejového klubu Avangard.

Příklad 5. Internetové bankovnictví a bankomaty

Další výklenek, ve kterém se usadilo rozpoznávání tváří, je bankovní průmysl. Zde intenzivně probíhá zavádění nových technologií, protože finanční sektor se více než ostatní zajímá o spolehlivost a bezpečnost personalizovaných informací.

Dnes biometrie postupně začíná, pokud ne nahradit běžné a zavedené „papírové“ doklady, tak se jim postavit na roveň. Zároveň se výrazně zvyšuje stupeň ochrany při platbách: pro potvrzení transakce se stačí podívat do fotoaparátu vašeho smartphonu. Samotné biometrické údaje se přitom nikam nepřenášejí, respektive není možné je zachytit.

Zavádění technologií biometrické identifikace přímo souvisí s masivním využíváním elektronických služeb a zařízení, rozvojem online obchodování a distribucí plastových karet výměnou za hotovost.

S příchodem vysoce výkonných grafických procesorů (GPU) a ultrakompaktních hardwarových platforem, jako je NVIDIA Jetson, se v bankomatech začalo prosazovat rozpoznávání obličeje. Nyní může pouze držitel karty vybírat hotovost nebo provádět transakce na účtu, například prostřednictvím bankomatů Tinkoff Bank. A PIN by mohl být brzy vyřazen.

Moderní integrované bezpečnostní systémy jsou schopny řešit problémy jakékoli složitosti ve všech typech průmyslových, sociálních a domácích zařízení. Video monitorovací systémy jsou velmi důležitými nástroji bezpečnostních komplexů a požadavky na funkčnost segmentu neustále rostou.

Integrované bezpečnostní systémy

Jedna platforma obsahuje moduly pro bezpečnostní a požární zařízení, řízení a správu přístupu, video dohled nebo bezpečnostní televizi (SOT). Funkce posledně jmenovaného byly donedávna omezeny na videomonitorování a evidenci situace na zařízení a přilehlém území, archivaci a ukládání dat. Klasické videosystémy mají řadu významných nevýhod:

• Lidský faktor. Neefektivní práce operátora při vysílání velkého množství informací.
• Nemožnost chirurgického zákroku, včasná analýza.
• Značný čas strávený hledáním a identifikací události.

Rozvoj digitálních technologií vedl k vytvoření „chytrých“ automatizovaných systémů.

Síla v inteligenci

Základním principem inteligence je video analytika - technologie založená na metodách a algoritmech pro rozpoznávání vzorů a automatizovaný sběr dat jako výsledek analýzy video streamu. Takové zařízení je bez lidského zásahu schopno detekovat a sledovat v reálném čase přidělené cíle (auto, skupina osob), potenciálně nebezpečné situace (kouř, požár, neoprávněné zásahy do provozu videokamer), naprogramované události a rychle poplachový signál. Filtrováním nezajímavých obrazových dat se výrazně snižuje zatížení komunikačních kanálů a archivní základny.

Nejoblíbenějším nástrojem pro analýzu videa je systém rozpoznávání obličejů. V závislosti na vykonávaných funkcích a přidělených úkolech jsou na zařízení kladeny určité požadavky.

Firmware a hardware

Pro efektivní provoz systému se používá několik typů IP videokamer s různými provozními vlastnostmi. Detekce objektu v kontrolovaném prostoru je zaznamenávána panoramatickými kamerami s rozlišením 1 megapixel a ohniskovou vzdáleností 1 mm a zaměřují na ni snímací zařízení. Jedná se o pokročilejší kamery (od 2Mp, od 2mm), které provádějí rozpoznávání pomocí jednoduchých technik (3-4 parametry). K identifikaci objektu se používají kamery s dobrou kvalitou obrazu, dostačující pro použití složitých algoritmů (od 5 Mp, 8-12 mm).

Nejoblíbenější softwarové produkty pro rozpoznávání obličeje "Face Intellect" (vyvinutý společností House Control), Face director (Synesis) a VOCORD FaceControl (VOCORD) demonstrují:

• Vysoká pravděpodobnost identifikace objektu (až 99 %).
• Podpora široké škály úhlů natočení videokamer.
• Schopnost zvýraznit tváře i v husté pěší mase.
• Variabilita přípravy analytických zpráv.

Základy rozpoznávání vzorů

Jakékoli biometrické rozpoznávací systémy jsou založeny na identifikaci korespondence čtených fyziologických charakteristik osoby s určitým předem stanoveným vzorem.

Skenování probíhá v reálném čase. IP kamera přenáší tok videa do terminálu a systém rozpoznávání obličeje určuje shodu obrazu s fotografiemi uloženými v databázi. Existují dvě hlavní metody. První je založen na statických principech: na základě výsledků zpracování biometrických parametrů je vytvořen elektronický vzorek v podobě jedinečného čísla odpovídajícího konkrétní osobě. Druhá metoda simuluje „lidský“ přístup a vyznačuje se samoučením a robustností. Osobní identifikace videoobrazem zohledňuje změny související s věkem a další faktory (přítomnost pokrývky hlavy, vousů nebo kníru, brýle). Tato technologie umožňuje pracovat i se starými fotografiemi a v případě potřeby i s rentgenovými snímky.

Algoritmus vyhledávání obličeje

Nejběžnější technikou detekce obličeje je použití Haarových kaskád (sad masek).

Maska je obdélníkové okno s odlišnou kombinací bílých a černých segmentů.

Mechanismus programu je následující: snímek videa je pokryt sadou masek a podle výsledků konvoluce (počítání pixelů, které spadají do bílého a černého sektoru) se vypočítá rozdíl a porovná se s určitým prahem hodnota.

Pro zlepšení práce klasifikátoru se vytvářejí pozitivní (snímky, kde jsou přítomny tváře lidí) a negativní (bez nich) tréninkové vzorky. V prvním případě je výsledek konvoluce vyšší než prahová hodnota, ve druhém je nižší. Detektor obličeje s přípustnou chybou určí součet konvolucí všech kaskád a při překročení prahové hodnoty signalizuje přítomnost obličejů v záběru.

Rozpoznávací technologie

Po detekci a lokalizaci v předběžné fázi dojde k jasu a geometrickému zarovnání obrazu. Další akce - výpočet znaků a identifikace - lze provádět různými metodami.

Při skenování obličeje zepředu v místnosti s vynikajícím osvětlením vykazují algoritmy, které pracují s dvourozměrnými obrázky, dobré výsledky. Analýzou jedinečných bodů a vzdáleností mezi nimi systém rozpoznávání obličeje určuje skutečnost identifikace pomocí koeficientů rozdílu mezi „živým“ obrázkem a registrovanou šablonou.

Trojrozměrné technologie jsou odolné vůči změnám světelného toku, přípustná odchylka od čelního pohledu je až 45 stupňů. Zde se analyzují nejen body a linie, ale také vlastnosti povrchů (zakřivení, profil), metrika vzdáleností mezi nimi. Aby takové algoritmy fungovaly, je vyžadována maximální kvalita záznamu videa s frekvencí až 200 snímků / s. Systém je založen na stereo videokamerách s maticí 5 megapixelů, vysokým optickým rozlišením a minimalizovanou chybou synchronizace. Navíc jsou propojeny speciálním časovacím kabelem pro přenos synchronizačních impulsů.

Stav na trhu moderních systémů

První z nich byly pro svou vysokou cenu vyvinuty pouze pro státní vojenské objekty a teprve v polovině 90. let byly dostupné komerčním organizacím. Rychlý vývoj technologií umožnil zvýšit přesnost systémů a rozšířit rozsah jejich použití. Na trhu naší země patří přední pozice americkým a západoevropským výrobcům zabezpečovacích systémů. Lídrem prodeje je zařízení korporací ZN Vision Technologies a Visionics. Nejperspektivnější mezi tuzemskými vývojáři jsou výzkumy a produkty Vocord, NTechLab, Soling, VisionLabs a skupiny CRT, které se mimo jiné zabývají i adaptací zahraničních komplexů na ruské podmínky.

Počítačové ovládání obličeje

Nejrozsáhlejší oblastí aplikace bezkontaktní identifikace je boj proti terorismu a kriminalitě. Obraz zločincovy tváře je uložen v databázi. Na přeplněných místech (letiště, vlaková nádraží, nákupní a zábavní centra, sportovní zařízení) je v reálném čase natáčen proud lidí za účelem identifikace hledaných osob.

Další oblastí jsou systémy kontroly vstupu: vzorek fotografie na elektronické propustce je porovnán s modelem získaným jako výsledek zpracování dat z videokamer. Zákrok probíhá okamžitě, bez nutnosti jakýchkoli dalších úkonů ze strany podstupujícího (na rozdíl od skenování sítnice oka nebo snímání otisků prstů).

Dalším rychle rostoucím odvětvím je marketing. Interaktivní billboard po naskenování obličeje člověka určí jeho pohlaví a věk a vykreslí pouze ty reklamy, které budou pro klienta potenciálně zajímavé.

Vývojové trendy a perspektivy

Systémy rozpoznávání obličeje jsou v bankovním sektoru velmi žádané.

Na konci loňského roku se vedení Poštovní banky po instalaci 50 000 chytrých videokamer ve svých kancelářích podařilo ušetřit miliony rublů tím, že zabránili podvodům v segmentu půjček a plateb. Odborníci tvrdí, že do roku 2021 bude vytvořena potřebná infrastrukturní síť a jakékoli transakce v bankomatech budou možné až po biometrické identifikaci obličeje klienta.

V příštím desetiletí umožní špičkové technologie otevřít řetězec plných samoobslužných prodejen: kupující projde před výlohami, vybere si produkt, který se mu líbí, a odejde. Systém rozpoznání obličeje a obrazu určí identitu kupujícího, nakoupí a odečte požadovanou částku z jeho účtu.

Pracuje se na vytvoření systémů pro rozpoznání psychoemotického stavu. Analýza lidských emocí bude žádaná v multimediálních oblastech: animace, kino, průmysl tvorby počítačových her.

Každý zná scény ze sci-fi filmů: hrdina přijde ke dveřím a dveře se otevřou a poznají ho. Jde o jednu z jasných ukázek pohodlnosti a spolehlivosti používání biometrických technologií pro kontrolu přístupu. V praxi však není vše tak jednoduché. Dnes jsou některé firmy připraveny nabídnout spotřebitelům řízení přístupu pomocí biometrických technologií.

Tradiční způsoby osobní identifikace, které jsou založeny na různých identifikačních kartách, klíčích nebo jedinečných datech, jako je například heslo, nejsou tak silné, jak se dnes vyžaduje. Pokusy o využití biometrických technologií pro bezpečnostní systémy se staly přirozeným krokem ke zlepšení spolehlivosti identifikátorů.

Rozsah problémů, které lze řešit pomocí nových technologií, je extrémně široký:

1. zabránit narušitelům ve vstupu do chráněných oblastí a prostor paděláním, krádeží dokumentů, karet, hesel;
2. omezit přístup k informacím a zajistit osobní odpovědnost za jejich bezpečnost;
3. zajistit vstup do odpovědných zařízení pouze certifikovaným specialistům;
4. vyhnout se režijním nákladům spojeným s provozem systémů kontroly přístupu (karty, klíče);
5. odstranit nepříjemnosti spojené se ztrátou, poškozením nebo elementárním zapomenutím klíčů, karet, hesel;
6. organizovat záznamy o přístupu a docházce zaměstnanců.

Vývojem technologií pro rozpoznávání vzorů na základě různých biometrických charakteristik se začalo zabývat již delší dobu, počátek byl položen v 60. letech. Naši krajané výrazně pokročili ve vývoji teoretických základů těchto technologií. Praktické výsledky však byly získány především na Západě a to až „včera“. Síla moderních počítačů a vylepšené algoritmy umožnily vytvářet produkty, které se svými vlastnostmi a poměrem staly dostupnými a zajímavými pro široké spektrum uživatelů.

Myšlenka použití individuálních charakteristik člověka k jeho identifikaci není nová. K dnešnímu dni je známa řada technologií, které lze použít v bezpečnostních systémech pro identifikaci osob:

1. otisky prstů (jednotlivých i rukou jako celku);
2. rysy obličeje (založené na optických a infračervených snímcích);
3. duhovka očí;
4. hlas;
5. jiné vlastnosti.

Všechny biometrické technologie mají společné přístupy k řešení problému identifikace, i když se všechny metody liší snadností použití a přesností výsledků.

Jakákoli biometrická technologie se používá ve fázích:

1. skenování předmětu;
2. vytěžování individuálních informací;
3. vytvoření šablony;
4. porovnání aktuální šablony s databází.

Biometrický rozpoznávací systém přiřazuje specifické fyziologické nebo behaviorální charakteristiky uživatele k určitému předem určenému vzoru. Biometrický systém se obvykle skládá ze dvou modulů: registračního modulu a identifikačního modulu.

Registrační modul"Trénuje" systém k identifikaci konkrétní osoby. Ve fázi registrace videokamera nebo jiné senzory skenují osobu, aby vytvořily digitální reprezentaci jejího vzhledu. Skenování obličeje trvá přibližně 20 až 30 sekund a výsledkem je více obrázků. V ideálním případě budou mít tyto obrázky mírně odlišné úhly a výrazy obličeje pro přesnější data. Speciální softwarový modul zpracuje tuto reprezentaci a identifikuje osobnostní rysy, poté vytvoří šablonu. Některé části obličeje se v průběhu času téměř nemění, například horní obrys očních důlků, oblasti kolem lícních kostí a okraje úst. Většina algoritmů vyvinutých pro biometrické technologie umožňuje vzít v úvahu možné změny v účesu člověka, protože se nepoužívají pro analýzu obličejové části nad linií vlasů. Šablona obrázku každého uživatele je uložena v biometrické databázi.

Modul identity přijímá obraz osoby z videokamery a převádí jej do stejného digitálního formátu, ve kterém je uložena šablona. Výsledná data jsou porovnána se šablonou uloženou v databázi, aby se zjistilo, zda se snímky shodují. Stupeň podobnosti požadovaný pro ověření je určitý práh, který lze upravit pro různé typy personálu, výkon počítače, denní dobu a řadu dalších faktorů.

Identifikace může být provedena formou ověření, autentizace nebo uznání. Při ověřování je potvrzena identita přijatých dat a šablony uložené v databázi. Autentizace – potvrzuje, že obraz přijatý z videokamery odpovídá jedné ze šablon uložených v databázi. Pokud jsou během rozpoznávání získané charakteristiky a jedna z uložených šablon shodné, pak systém identifikuje osobu s odpovídající šablonou.

Při používání biometrických systémů, zejména systémů pro rozpoznávání obličejů, i při zavedení správných biometrických charakteristik není rozhodnutí o autentizaci vždy správné. Je to dáno řadou funkcí a především tím, že se mnoho biometrických charakteristik může měnit. Existuje určitý stupeň pravděpodobnosti systémové chyby. Navíc při použití různých technologií se chyba může výrazně lišit. U systémů kontroly přístupu při používání biometrických technologií je nutné určit, co je důležitější, aby vám neunikl „cizinec“ nebo nezmeškali všichni „přátelé“.

Snadné použití je důležitým faktorem pro uživatele biometrických technologií v bezpečnostních systémech. Osoba, jejíž charakteristiky jsou skenovány, by neměla zažít žádné nepříjemnosti. V tomto ohledu je nejzajímavější metodou samozřejmě technologie rozpoznávání obličeje. Je pravda, že v tomto případě vyvstávají další problémy, související především s přesností systému.

I když existují zřejmé výhody, existuje řada negativních biometrických předsudků, které často vyvolávají otázky, zda budou biometrie použity ke špehování lidí a narušování jejich soukromí. Kvůli senzačním tvrzením a neoprávněnému humbuku se vnímání biometrické technologie výrazně liší od skutečného stavu věcí.

A přesto v posledních letech nabylo zvláštního významu používání metod biometrické identifikace. Tento problém se stal obzvláště akutním po událostech z 11. září ve Spojených státech. Světové společenství si uvědomilo, do jaké míry ve světě roste hrozba terorismu a jak je obtížné zorganizovat spolehlivou ochranu pomocí tradičních metod. Právě tyto tragické události posloužily jako výchozí bod pro zvýšenou pozornost věnovanou moderním integrovaným bezpečnostním systémům. Všeobecně se má za to, že kdyby byly kontroly na letištích přísnější, nehodám by se dalo předejít. I dnes by mohlo být pátrání po osobách odpovědných za řadu dalších incidentů výrazně usnadněno použitím moderních video monitorovacích systémů integrovaných se systémy rozpoznávání obličejů.

V současné době existují čtyři hlavní způsoby rozpoznávání obličeje:

1. "vlastní tváře";
2. analýza "výrazných znaků";
3. analýza založená na "neuronových sítích";
4. metoda „automatického zpracování obrazu obličeje“.

Všechny tyto metody se liší složitostí jejich implementace a účelem jejich aplikace.

„Eigenface“ lze přeložit jako „vlastní tvář“. Tato technologie využívá dvourozměrné obrazy ve stupních šedi, které představují charakteristické vlastnosti obrazu obličeje. Metoda „eigenface“ se často používá jako základ pro další metody rozpoznávání obličeje.

Kombinací charakteristik 100 - 120 "eigenface" lze obnovit velké množství tváří. V okamžiku registrace je „vlastní tvář“ každé jednotlivé osoby prezentována ve formě řady koeficientů. Pro režim ověřování, ve kterém se pro ověření identity používá obrázek, se živá šablona porovná s již zaregistrovanou šablonou, aby se určil rozdílový faktor. Míra rozdílu mezi šablonami určuje skutečnost identifikace. Technologie "eigenface" je optimální pro použití v dobře osvětlených místnostech, kdy je možné skenovat obličej zepředu.

Technika analýzy rozlišovacích znaků je nejrozšířenější identifikační technologií. Tato technologie je podobná technice „Eigenface“, ale je více přizpůsobena změnám ve vzhledu nebo mimice osoby (usměvavý nebo zamračený obličej). Technologie rozlišovacích znaků využívá desítky charakteristických rysů různých oblastí obličeje s přihlédnutím k jejich relativní poloze. Individuální kombinace těchto parametrů určuje vlastnosti každého jednotlivého člověka. Lidská tvář je jedinečná, ale spíše dynamická, protože člověk se může usmát, pustit vousy a knír, nasadit brýle - to vše zvyšuje složitost identifikačního postupu. Tak například při úsměvu dochází k určitému posunutí částí obličeje nacházejících se v blízkosti úst, což zase způsobí podobný pohyb sousedních částí. Vzhledem k takovýmto posunům je možné jednoznačně identifikovat osobu s různými mimickými změnami v obličeji. Vzhledem k tomu, že tato analýza bere v úvahu místní oblasti obličeje, mohou se přípustné odchylky pohybovat až do 25 ° v horizontální rovině a přibližně 15 ° ve vertikální rovině a vyžaduje dostatečně výkonné a drahé vybavení, které odpovídajícím způsobem snižuje stupeň šíření tohoto metoda.

V metodě založené na neuronové síti se shodně porovnávají charakteristiky registrované osoby i osoby, která je testována. „Neuronové sítě“ používají algoritmus, který nastavuje soulad mezi jedinečnými parametry kontrolované osoby a parametry šablony umístěné v databázi, přičemž aplikuje maximální možný počet parametrů. Jak porovnávání postupuje, zjišťuje se nesrovnalost mezi kontrolovanou osobou a šablonou z databáze, poté se spustí mechanismus, který pomocí vhodných váhových faktorů určí míru souladu kontrolované osoby s šablonou z databáze. . Tato metoda zvyšuje kvalitu identifikace obličeje ve ztížených podmínkách.

Metoda „automatického zpracování obrazu obličeje“ je nejjednodušší technikou, která využívá poměr vzdálenosti a vzdálenosti mezi snadno identifikovatelnými body na obličeji, jako jsou oči, konec nosu a koutky úst. I když tato technika není tak výkonná jako „vlastní tváře“ nebo „neuronové sítě“, lze ji docela efektivně použít za špatných světelných podmínek.

Systémy rozpoznávání obličeje na trhu

K dnešnímu dni byla vyvinuta řada komerčních produktů pro rozpoznávání obličeje. Algoritmy používané v těchto produktech se liší a je stále obtížné posoudit, která technologie má výhodu. Současnými lídry jsou následující systémy: Visionic, Viisage a Miros.

• Aplikace FaceIt společnosti Visionic je založena na algoritmu analýzy místních funkcí vyvinutém na Rockefellerově univerzitě. Jedna komerční společnost ve Spojeném království začlenila FaceIt do televizního protizločineckého systému zvaného Mandrake. Tento systém vyhledává zločince pomocí videodat ze 144 kamer propojených v uzavřené síti. Když je identita zjištěna, systém to oznámí bezpečnostnímu důstojníkovi. V Rusku je zástupcem Visionic DanCom.
• Další lídr v této oblasti, Viisage, používá algoritmus vyvinutý na Massachusetts Institute of Technology. Komerční společnosti a vládní agentury v mnoha státech USA a několika dalších zemích používají systém Viisage ve spojení s identifikačními kartami, jako je řidičský průkaz.
• ZN Vision Technologies AG (Německo) nabízí na trhu řadu produktů, které využívají technologii rozpoznávání obličeje. Tyto systémy prezentuje na ruském trhu společnost Soling.
• Miros' TrueFace Facial Recognition System využívá technologii neuronové sítě a používá se v systému výplaty hotovosti Mr. Payroll a je instalován v kasinech a dalších zábavních zařízeních v mnoha státech USA.

Ve Spojených státech provedli nezávislí odborníci srovnávací testy různých technologií rozpoznávání obličejů. Výsledky testu jsou uvedeny níže.

Rýže. 1. Srovnávací analýza účinnosti rozpoznávání obličeje v různých systémech

V praxi se při použití systémů rozpoznávání obličeje jako součásti standardních elektronických bezpečnostních systémů předpokládá, že identifikovaná osoba se dívá přímo do kamery. Systém tedy pracuje s relativně jednoduchým dvourozměrným obrazem, což značně zjednodušuje algoritmy a snižuje náročnost výpočtu. Ale ani v tomto případě není rozpoznávací úkol stále triviální, protože algoritmy musí brát v úvahu možnost změny úrovně osvětlení, změny výrazu obličeje, přítomnost nebo nepřítomnost make-upu nebo brýlí.

Spolehlivost systému rozpoznávání obličeje velmi závisí na několika faktorech:

• Kvalita obrazu. Pravděpodobnost bezchybného fungování systému se znatelně snižuje, pokud se osoba, kterou se snažíme identifikovat, nedívá přímo do kamery nebo je natáčena za špatného osvětlení.
• Relevance fotografie vložené do databáze.
• Velikost databáze.

Technologie rozpoznávání obličeje dobře fungují se standardními videokamerami, které přenášejí data a jsou řízeny osobním počítačem a vyžadují rozlišení 320 x 240 pixelů na palec s rychlostí toku videa alespoň 3–5 snímků za sekundu. Pro srovnání, přijatelná kvalita pro videokonference vyžaduje rychlost toku videa 15 snímků za sekundu. Vyšší rychlost toku videa při vyšším rozlišení vede k lepší kvalitě identifikace. Při detekci tváří z velké vzdálenosti existuje silný vztah mezi kvalitou videokamery a výsledkem identifikace.

Objem databází využívajících standardní osobní počítače nepřesahuje 10 000 obrázků.

Závěr

Dnes nabízené metody rozpoznávání obličeje jsou zajímavé a blízké širokému přijetí, nicméně zatím není možné, jako ve filmu, věřit otevření dveří pouze technologii rozpoznávání obličeje. Je dobrý jako pomocník pro ostrahu nebo jiný systém kontroly vstupu.

Tato metoda se používá v mnoha situacích, kdy se potřebujete ujistit, že předložený dokument skutečně patří osobě, která jej předložila. Stává se to například na mezinárodním letišti, kdy pohraničník zkontroluje pasovou fotografii s tváří držitele pasu a rozhodne, zda se jedná o jeho pas či nikoliv. Počítačový přístupový systém funguje podle podobného algoritmu. Jediný rozdíl je v tom, že fotografie se porovnává se šablonou již uloženou v databázi.

Již se objevily technologie, které jsou založeny na rozpoznávání obličeje v infračerveném světle. Nová technologie je založena na tom, že termosnímek vytvořený sáláním tepla cévami obličeje, nebo jinak řečeno termogram obličeje člověka, je pro každého jedinečný, a proto jej lze použít jako biometrická charakteristika pro systémy kontroly přístupu. Tento termogram je stabilnější identifikátor než geometrie obličeje, protože je téměř nezávislý na změnách vzhledu osoby.