Վերջերս Habré-ում բազմաթիվ հոդվածներ են հայտնվել՝ նվիրված Google-ի դեմքերի նույնականացման համակարգերին: Անկեղծ ասած, նրանցից շատերի հոտը լրագրության ու, մեղմ ասած, ոչ կոմպետենտության հոտ է գալիս։ Եվ ես ուզում էի մի լավ հոդված գրել կենսաչափության մասին, դա իմ առաջինը չէ: Habré-ում մի քանի լավ հոդված կա կենսաչափության վերաբերյալ, բայց դրանք բավականին կարճ են և թերի: Այստեղ ես կփորձեմ համառոտ ուրվագծել կենսաչափական նույնականացման ընդհանուր սկզբունքները և մարդկության ժամանակակից ձեռքբերումներն այս հարցում։ Այդ թվում՝ անձանց կողմից նույնականացման մեջ:

Հոդվածն ունի շարունակություն, որն, ըստ էության, նրա նախածանցն է։

Որպես հոդվածի հիմք կօգտագործվի համատեղ հրապարակումը գործընկերոջ հետ ամսագրում (BDI, 2009), վերանայված ժամանակակից իրողությունների համար: Հաբրեն դեռ գործընկեր չունի, բայց նա աջակցել է վերանայված հոդվածի հրապարակմանը այստեղ։ Հրապարակման պահին հոդվածը համառոտ ակնարկ էր ժամանակակից կենսաչափական տեխնոլոգիաների շուկայի մասին, որը մենք ինքներս ենք իրականացրել նախքան մեր արտադրանքի թողարկումը: Հոդվածի երկրորդ մասում ներկայացված կիրառելիության արժեքային դատողությունները հիմնված են արտադրանքն օգտագործած և իրագործած մարդկանց կարծիքների, ինչպես նաև Ռուսաստանում և Եվրոպայում կենսաչափական համակարգերի արտադրության մեջ ներգրավված մարդկանց կարծիքների վրա:

ընդհանուր տեղեկություն

Սկսենք հիմունքներից: Դեպքերի 95%-ի դեպքում կենսաչափությունը ներհատուկ մաթեմատիկական վիճակագրություն է: Իսկ matstat-ը ճշգրիտ գիտություն է, որի ալգորիթմներն օգտագործվում են ամենուր՝ ռադարներում և բայեսյան համակարգերում։ Առաջին և երկրորդ տեսակի սխալները կարող են ընկալվել որպես ցանկացած կենսաչափական համակարգի երկու հիմնական բնութագրիչ): Ռադարների տեսության մեջ դրանք սովորաբար կոչվում են «կեղծ տագնապներ» կամ «թիրախի բացթողումներ», իսկ կենսաչափության մեջ առավել հաստատված հասկացություններն են FAR (False Acceptance Rate) և FRR (False Rejection Rate): Առաջին թիվը բնութագրում է երկու մարդու կենսաչափական բնութագրերի կեղծ համընկնման հավանականությունը: Երկրորդը թույլտվություն ունեցող անձի մուտքը մերժելու հավանականությունն է։ Համակարգն ավելի լավն է, այնքան փոքր է FRR արժեքը նույն FAR արժեքներով: Երբեմն օգտագործվում է նաև EER-ի համեմատական ​​բնութագիրը, որը որոշում է FRR և FAR գրաֆիկների հատման կետը: Բայց դա միշտ չէ, որ ներկայացուցչական է: Ավելի մանրամասն կարելի է տեսնել, օրինակ,.
Կարելի է նշել հետևյալը. եթե FAR-ը և FRR-ը բաց կենսաչափական տվյալների բազաների համար տրված չեն համակարգի բնութագրերում, ապա անկախ նրանից, թե արտադրողները ինչ են հայտարարում դրա բնութագրերի մասին, այս համակարգը, ամենայն հավանականությամբ, անգործունակ է կամ շատ ավելի թույլ, քան իր մրցակիցները:.
Բայց ոչ միայն FAR-ը և FRR-ն են որոշում կենսաչափական համակարգի որակը: Եթե ​​սա լիներ միակ ճանապարհը, ապա առաջատար տեխնոլոգիան կլիներ մարդկանց ԴՆԹ-ի ճանաչումը, որի համար FAR-ը և FRR-ը հակված են զրոյի: Բայց ակնհայտ է, որ այս տեխնոլոգիան կիրառելի չէ մարդկային զարգացման ներկա փուլում։ Մենք մշակել ենք մի քանի էմպիրիկ բնութագրեր՝ համակարգի որակը գնահատելու համար: «Կեղծիքի դիմադրությունը» էմպիրիկ միջոց է, որն ամփոփում է, թե որքան հեշտ է կեղծել կենսաչափական նույնացուցիչը: «Շրջակա միջավայրի կայունությունը» բնութագրիչ է, որը էմպիրիկորեն գնահատում է համակարգի կայունությունը տարբեր արտաքին պայմաններում, ինչպիսիք են լուսավորության կամ սենյակի ջերմաստիճանի փոփոխությունները: «Օգտագործման հեշտությունը» ցույց է տալիս, թե որքան դժվար է կենսաչափական սկաների օգտագործումը, արդյոք նույնականացումը հնարավոր է «երթևեկելիս»: Կարևոր բնութագիր է «աշխատանքի արագությունը» և «համակարգի արժեքը»: Մի մոռացեք, որ մարդու կենսաչափական բնութագիրը կարող է փոխվել ժամանակի ընթացքում, ուստի, եթե այն անկայուն է, սա նշանակալի մինուս է:
Կենսաչափական մեթոդների առատությունը զարմանալի է։ Մարդու ստատիկ կենսաչափական բնութագրիչները օգտագործող հիմնական մեթոդներն են՝ նույնականացումն ըստ մատների պապիլյար օրինակի, ծիածանաթաղանթի, դեմքի երկրաչափության, ցանցաթաղանթի, ձեռքի երակների ձևավորման, ձեռքի երկրաչափության: Գոյություն ունի նաև մեթոդների ընտանիք, որոնք օգտագործում են դինամիկ բնութագրեր՝ նույնականացում ձայնով, ձեռագրի դինամիկա, սրտի հաճախություն, քայլվածք: Ստորև ներկայացնում ենք կենսաչափական շուկայի բաշխումը մի քանի տարի առաջ։ Յուրաքանչյուր երկրորդ աղբյուրում այս տվյալները տատանվում են 15-20 տոկոսով, ուստի սա ընդամենը գնահատական ​​է։ Նաև այստեղ, «ձեռքի երկրաչափություն» հասկացության ներքո թաքնված են երկու տարբեր մեթոդներ, որոնք կքննարկվեն ստորև:

Հոդվածում մենք կքննարկենք միայն այն բնութագրերը, որոնք կիրառելի են մուտքի վերահսկման և կառավարման համակարգերում (ACS) կամ դրանց մոտ առաջադրանքներում: Իրենց գերազանցության ուժով դրանք հիմնականում ստատիկ բնութագրիչներ են: Այս պահին դինամիկ բնութագրերից միայն ձայնի ճանաչումն ունի առնվազն որոշակի վիճակագրական նշանակություն (համեմատելի է ամենավատ ստատիկ ալգորիթմների հետ FAR ~ 0,1%, FRR ~ 6%), բայց միայն իդեալական պայմաններում:
FAR-ի և FRR-ի հավանականությունը զգալու համար կարելի է գնահատել, թե որքան հաճախ տեղի կունենան կեղծ համընկնումներ, եթե N անձնակազմով փակ կազմակերպությունում տեղադրվի նույնականացման համակարգ: N մատնահետքերի տվյալների բազայի համար սկաների կողմից ստացված մատնահետքի կեղծ համընկնման հավանականությունը FAR∙N է: Եվ ամեն օր մոտ N մարդ նույնպես անցնում է մուտքի կառավարման կետով։ Այնուհետև աշխատանքային օրվա ընթացքում սխալի հավանականությունը FAR∙(N∙N) է: Իհարկե, կախված նույնականացման համակարգի նպատակներից, ժամանակի միավորի վրա սխալի հավանականությունը կարող է շատ տարբեր լինել, բայց եթե ընդունվի մեկ աշխատանքային օրվա մեկ սխալ, ապա.
(1)
Այնուհետև մենք ստանում ենք, որ նույնականացման համակարգի կայուն աշխատանքը FAR=0.1% =0.001-ում հնարավոր է N≈30 անձնակազմով։

Կենսաչափական սկաներներ

Այսօր «կենսաչափական ալգորիթմ» և «կենսաչափական սկաներ» հասկացությունները պարտադիր չէ, որ փոխկապակցված լինեն։ Ընկերությունը կարող է արտադրել այս տարրերը առանձին կամ միասին: Սկաներ արտադրողների և ծրագրային ապահովման արտադրողների ամենամեծ տարբերակումը ձեռք է բերվել պապիլյար մատների օրինակի կենսաչափական շուկայում: Շուկայի ամենափոքր դեմքի 3D սկաները: Իրականում տարբերակման մակարդակը մեծապես արտացոլում է շուկայի զարգացումն ու հագեցվածությունը։ Որքան շատ ընտրություն, այնքան թեման մշակված և կատարելության է հասցվում: Տարբեր սկաներներ ունեն տարբեր ունակություններ: Հիմնականում սա թեստերի մի շարք է՝ ստուգելու՝ արդյոք կենսաչափական օբյեկտը կեղծվել է, թե ոչ: Մատների սկաների համար սա կարող է լինել ռելիեֆի կամ ջերմաստիճանի ստուգում, աչքի սկաների համար սա կարող է լինել աշակերտի տեղավորման ստուգում, դեմքի սկաների համար՝ դեմքի շարժում:
Սկաներները շատ ուժեղ ազդեցություն ունեն ստացված FAR և FRR վիճակագրության վրա: Որոշ դեպքերում այդ թվերը կարող են տասնյակ անգամ փոխվել, հատկապես իրական պայմաններում։ Սովորաբար ալգորիթմի բնութագրերը տրվում են ինչ-որ «իդեալական» հիմքի համար կամ պարզապես հարմար հիմքի համար, որտեղ մշուշոտ և մշուշոտ շրջանակները դուրս են նետվում: Միայն մի քանի ալգորիթմներ ազնվորեն ցույց են տալիս դրա հիմքը և ամբողջական FAR / FRR ելքը:

Իսկ հիմա ավելի մանրամասն՝ տեխնոլոգիաներից յուրաքանչյուրի մասին։

Մատնահետքեր

Դակտիլոսկոպիան (մատնահետքի ճանաչում) մինչ օրս անձնական նույնականացման ամենազարգացած կենսաչափական մեթոդն է: Մեթոդի զարգացման կատալիզատորը 20-րդ դարում դրա լայն կիրառումն էր դատական ​​գիտության մեջ։
Յուրաքանչյուր մարդ ունի յուրահատուկ պապիլյար մատնահետքի նախշ, որը հնարավոր է դարձնում նույնականացումը: Սովորաբար, ալգորիթմներն օգտագործում են մատնահետքերի վրա բնորոշ կետեր՝ նախշի գծի վերջը, գծի ճյուղավորումը, առանձին կետերը: Բացի այդ, ներառված է մատնահետքի մորֆոլոգիական կառուցվածքի մասին տեղեկություն՝ պապիլյար նախշի փակ գծերի, «կամարակապ» և պարուրաձև գծերի հարաբերական դիրքը։ Պապիլյար օրինակի առանձնահատկությունները վերածվում են եզակի կոդի, որը պահպանում է տպագիր պատկերի տեղեկատվական բովանդակությունը: Եվ հենց «մատնահետքի կոդերն» են պահվում որոնման և համեմատության համար օգտագործվող տվյալների բազայում։ Մատնահետքի պատկերը կոդով թարգմանելու և դրա նույնականացման ժամանակը սովորաբար չի գերազանցում 1 վրկ-ը՝ կախված բազայի չափից: Ձեռքը բարձրացնելու վրա ծախսված ժամանակը հաշվի չի առնվում։

Որպես FAR և FRR տվյալների աղբյուր, օգտագործվել է VeriFinger SDK վիճակագրությունը, որը ստացվել է U.are.U DP մատնահետքի սկաների միջոցով: Վերջին 5-10 տարիների ընթացքում մատով ճանաչման առանձնահատկությունները շատ առաջ չեն գնացել, ուստի տրված թվերը ցույց են տալիս ժամանակակից ալգորիթմների լավ միջինը: «VeriFinger» ալգորիթմն ինքնին մի քանի տարի հաղթել է մատնահետքի ստուգման միջազգային մրցույթում, որտեղ մրցում էին մատնահետքի ճանաչման ալգորիթմները:

Մատնահետքի ճանաչման մեթոդի տիպիկ FAR արժեքը 0,001% է:
Բանաձևից (1) ստացվում է, որ նույնականացման համակարգի կայուն աշխատանքը FAR=0,001%-ում հնարավոր է N≈300 անձնակազմի թվով:

Մեթոդի առավելությունները. Բարձր հուսալիություն - մեթոդի վիճակագրական ցուցանիշներն ավելի լավն են, քան դեմքով, ձայնով, նկարչությամբ նույնականացման մեթոդները: Էժան սարքեր, որոնք սկանավորում են մատնահետքի պատկերը: Մատնահետքի սկանավորման բավականին պարզ ընթացակարգ:
Թերությունները՝ պապիլյար մատնահետքի նախշը շատ հեշտությամբ վնասվում է մանր քերծվածքներից, կտրվածքներից։ Մարդիկ, ովքեր օգտագործել են սկաներներ մի քանի հարյուր աշխատող ունեցող ձեռնարկություններում, հայտնում են սկանավորման ձախողման բարձր մակարդակ: Սկաներներից շատերը պատշաճ կերպով չեն բուժում չոր մաշկը և թույլ չեն տալիս ծերերին անցնել: MIPS-ի վերջին ցուցահանդեսում շփվելիս խոշոր քիմիական ձեռնարկության անվտանգության ծառայության ղեկավարն ասաց, որ ձեռնարկությունում մատների սկաներներ ներմուծելու իրենց փորձը (փորձարկվել են տարբեր համակարգերի սկաներներ) ձախողվել է. Սկաներների անվտանգության համակարգերի ձախողում. սկաներները մատները կեղծ են հայտարարել: Մատնահետքերի կեղծման դեմ անվտանգության պակաս կա նաև՝ մասամբ մեթոդի լայն կիրառման պատճառով: Իհարկե, ոչ բոլոր սկաներներին կարելի է խաբել MythBusters-ի մեթոդներով, բայց այնուամենայնիվ: «Անպատշաճ» մատներով որոշ մարդկանց համար (մարմնի ջերմաստիճան, խոնավություն) մուտքի մերժման հավանականությունը կարող է հասնել 100%-ի: Նման մարդկանց թիվը տատանվում է տոկոսի կոտորակներից թանկարժեք սկաների համար մինչև տասը տոկոս էժան սկաների համար:
Իհարկե, հարկ է նշել, որ մեծ թվով թերություններ առաջանում են համակարգի լայնածավալ կիրառմամբ, սակայն այդ թերությունները կան և շատ հաճախ են ի հայտ գալիս։

Շուկայի իրավիճակը

Ներկայումս մատնահետքերի ճանաչման համակարգերը զբաղեցնում են կենսաչափական շուկայի կեսից ավելին։ Շատ ռուսական և արտասահմանյան ընկերություններ զբաղվում են մուտքի վերահսկման համակարգերի արտադրությամբ՝ հիմնված մատնահետքի նույնականացման մեթոդի վրա։ Շնորհիվ այն բանի, որ այս ուղղությունը հնագույններից է, այն ստացել է ամենամեծ տարածումը և անհամեմատ ամենազարգացածն է։ Մատնահետքերի սկաներներն իսկապես երկար ճանապարհ են անցել: Ժամանակակից համակարգերը հագեցված են տարբեր սենսորներով (ջերմաստիճան, սեղմող ուժ և այլն), որոնք բարձրացնում են կեղծիքներից պաշտպանվածության աստիճանը։ Ամեն օր համակարգերը դառնում են ավելի ու ավելի հարմար և կոմպակտ: Փաստորեն, մշակողները արդեն հասել են որոշակի սահմանի այս ոլորտում, և մեթոդը հետագայում զարգացնելու տեղ չկա: Բացի այդ, ընկերությունների մեծ մասն արտադրում է պատրաստի համակարգեր, որոնք հագեցած են ձեզ անհրաժեշտ ամեն ինչով, ներառյալ ծրագրային ապահովումը: Պարզապես կարիք չկա, որ այս ոլորտում ինտեգրատորները ինքնուրույն հավաքեն համակարգը, քանի որ դա անշահավետ է և ավելի շատ ժամանակ և ջանք կխլի, քան պատրաստի և արդեն էժան համակարգ գնելը, այնքան ընտրությունն իսկապես լայն կլինի:
Մատնահետքերի ճանաչման համակարգերում ներգրավված օտարերկրյա ընկերությունների շարքում կարելի է նշել SecuGen-ը (USB սկաներներ համակարգիչների համար, սկաներներ, որոնք կարող են տեղադրվել ձեռնարկություններում կամ ներկառուցվել կողպեքների մեջ, SDK և ծրագրակազմ՝ համակարգը համակարգչին միացնելու համար); Bayometric Inc. (մատնահետքի սկաներներ, TAA/Access control համակարգեր, մատնահետքերի SDK-ներ, ներկառուցված մատնահետքերի մոդուլներ); DigitalPersona Inc. (USB սկաներներ, SDK): Այս ոլորտում Ռուսաստանում գործում են հետևյալ ընկերությունները՝ BioLink (մատնահետքերի սկաներներ, կենսաչափական մուտքի վերահսկման սարքեր, ծրագրային ապահովում); Sonda (մատնահետքերի սկաներներ, կենսաչափական մուտքի վերահսկման սարքեր, SDK); SmartLock (մատնահետքի սկաներներ և մոդուլներ) և այլն:

Իրիս

Աչքի ծիածանաթաղանթը մարդու յուրահատուկ հատկանիշ է։ Ծիածանաթաղանթի օրինաչափությունը ձևավորվում է պտղի զարգացման ութերորդ ամսում, վերջապես կայունանում է մոտ երկու տարեկան հասակում և գործնականում չի փոխվում ողջ կյանքի ընթացքում, բացառությամբ ծանր վնասվածքների կամ ծանր պաթոլոգիաների: Մեթոդը ամենաճշգրիտներից է կենսաչափական մեթոդներից։
Ծիածանաթաղանթի նույնականացման համակարգը տրամաբանորեն բաժանված է երկու մասի՝ պատկերի նկարահանման սարք, դրա առաջնային մշակում և փոխանցում հաշվիչին, և համակարգիչ, որը համեմատում է պատկերը տվյալների բազայի պատկերների հետ՝ փոխանցելով հրամանը ակտուատորին ընդունման մասին:
Պատկերի առաջնային մշակման ժամանակը ժամանակակից համակարգերում մոտավորապես 300-500 մս է, ստացված պատկերը բազայի հետ համեմատելու արագությունը սովորական ԱՀ-ի վրա վայրկյանում 50000-150000 համեմատության մակարդակ ունի: Համեմատության այս արագությունը սահմանափակումներ չի դնում մեթոդի կիրառման վրա խոշոր կազմակերպություններում, երբ օգտագործվում է մուտքի համակարգերում: Մասնագիտացված հաշվիչներ և որոնման օպտիմիզացման ալգորիթմներ օգտագործելիս հնարավոր է դառնում նույնականացնել մարդուն մի ամբողջ երկրի բնակիչների մեջ:
Անմիջապես կարող եմ պատասխանել, որ որոշ չափով կողմնակալ եմ և դրական եմ վերաբերվում այս մեթոդին, քանի որ հենց այս ոլորտում մենք գործարկեցինք մեր ստարտափը։ Վերջում մի պարբերություն կնվիրվի փոքրիկ ինքնագովազդին:

Մեթոդի վիճակագրական բնութագրերը

FAR-ի և FRR-ի բնութագրերը ծիածանաթաղանթի համար լավագույնն են ժամանակակից կենսաչափական համակարգերի դասում (բացառությամբ ցանցաթաղանթի ճանաչման մեթոդի հնարավոր բացառությամբ): Հոդվածում ներկայացված են մեր ալգորիթմի՝ EyeR SDK-ի ծիածանաթաղանթի ճանաչման գրադարանի բնութագրերը, որոնք համապատասխանում են նույն տվյալների բազաների վրա փորձարկված VeriEye ալգորիթմին: Օգտագործվել են նրանց սկաների միջոցով ստացված CASIA տվյալների բազաները:

FAR-ի բնորոշ արժեքը 0,00001% է:
Համաձայն (1) բանաձևի՝ N≈3000-ը կազմակերպության անձնակազմի թիվն է, որի դեպքում աշխատողի նույնականացումը տեղի է ունենում բավականին կայուն:
Այստեղ հարկ է նշել մի կարևոր առանձնահատկություն, որը տարբերում է ծիածանաթաղանթի ճանաչման համակարգը այլ համակարգերից. 1,3 ՄՊ լուծաչափով տեսախցիկի օգտագործման դեպքում կարող եք երկու աչք նկարել մեկ կադրում։ Քանի որ FAR և FRR հավանականությունները վիճակագրորեն անկախ հավանականություններ են, երկու աչքերում ճանաչման համար FAR արժեքը մոտավորապես հավասար կլինի մեկ աչքի համար FAR արժեքի քառակուսուն: Օրինակ, երկու աչքով օգտագործվող 0,001% FAR-ի դեպքում կեղծ հանդուրժողականության հավանականությունը կկազմի 10-8%, ընդ որում FRR միայն երկու անգամ ավելի բարձր է FAR=0,001% մեկ աչքի համապատասխան FRR արժեքից:

Մեթոդի առավելություններն ու թերությունները

Մեթոդի առավելությունները. Ալգորիթմի վիճակագրական հուսալիություն. Ծիածանաթաղանթի պատկերը նկարելը կարող է իրականացվել մի քանի սանտիմետրից մինչև մի քանի մետր հեռավորության վրա, մինչդեռ մարդու ֆիզիկական շփումը սարքի հետ չի առաջանում։ Ծիածանաթաղանթը պաշտպանված է վնասից, ինչը նշանակում է, որ այն չի փոխվի ժամանակի ընթացքում: Հնարավոր է նաև մեծ թվով մեթոդների կիրառում, որոնք պաշտպանում են կեղծիքից:
Մեթոդի թերությունները. Ծիածանաթաղանթի վրա հիմնված համակարգի գինը ավելի բարձր է, քան մատների ճանաչման կամ դեմքի ճանաչման վրա հիմնված համակարգի գինը: Պատրաստի լուծումների ցածր հասանելիություն. Ցանկացած ինտեգրատոր, ով այսօր կգա ռուսական շուկա և կասի «տուր ինձ պատրաստի համակարգ», ամենայն հավանականությամբ կփչանա: Մեծ մասամբ վաճառվում են թանկարժեք բանտի համակարգեր, որոնք տեղադրվում են խոշոր ընկերությունների կողմից, ինչպիսիք են Iridian-ը կամ LG-ն:

Շուկայի իրավիճակը

Այս պահին ծիածանաթաղանթի նույնականացման տեխնոլոգիաների մասնաբաժինը համաշխարհային կենսաչափական շուկայում, ըստ տարբեր գնահատականների, 6-ից 9 տոկոս է (մինչդեռ մատնահետքի ճանաչման տեխնոլոգիաները զբաղեցնում են շուկայի կեսից ավելին): Հարկ է նշել, որ այս մեթոդի մշակման հենց սկզբից շուկայում դրա ամրապնդումը դանդաղեցրեց նույնականացման համակարգ հավաքելու համար անհրաժեշտ սարքավորումների և բաղադրիչների բարձր արժեքը: Սակայն թվային տեխնոլոգիաների զարգացման հետ մեկտեղ մեկ համակարգի արժեքը սկսեց նվազել:
Այս ոլորտում ծրագրային ապահովման մշակման առաջատարը Iridian Technologies-ն է:
Մեծ թվով արտադրողների մուտքը շուկա սահմանափակվեց սկաներների տեխնիկական բարդությամբ և, որպես հետևանք, դրանց բարձր գնով, ինչպես նաև ծրագրային ապահովման բարձր գնով, որը պայմանավորված էր շուկայում Iridian-ի մենաշնորհային դիրքով: Այս գործոնները թույլ տվեցին միայն խոշոր ընկերություններին զարգանալ ծիածանաթաղանթի ճանաչման ոլորտում, որոնք, ամենայն հավանականությամբ, արդեն զբաղվում էին նույնականացման համակարգի համար հարմար որոշ բաղադրիչների արտադրությամբ (բարձր լուծաչափի օպտիկա, ինֆրակարմիր լուսավորությամբ մանրանկարչական տեսախցիկներ և այլն): Նման ընկերությունների օրինակներ են՝ LG Electronics, Panasonic, OKI: Նրանք պայմանագիր կնքեցին Iridian Technologies-ի հետ, և համատեղ աշխատանքի արդյունքում հայտնվեցին հետևյալ նույնականացման համակարգերը՝ Iris Access 2200, BM-ET500, OKI IrisPass։ Ապագայում ի հայտ եկան բարելավված համակարգերի մոդելներ՝ շնորհիվ այդ ընկերությունների՝ այս ոլորտում ինքնուրույն զարգանալու տեխնիկական հնարավորությունների: Պետք է ասել, որ վերոնշյալ ընկերությունները նույնպես մշակել են իրենց ծրագրային ապահովումը, սակայն, ի վերջո, պատրաստի համակարգում նախընտրում են Iridian Technologies-ի ծրագրային ապահովումը։
Ռուսական շուկայում գերակշռում են արտասահմանյան ընկերությունների արտադրանքը։ Չնայած այն դժվար է գնել: Երկար ժամանակ Պապիլոնը վստահեցնում էր բոլորին, որ նրանք ունեն ծիածանաթաղանթի ճանաչում։ Բայց նույնիսկ RosAtom-ի ներկայացուցիչները՝ նրանց ուղղակի գնորդը, ում համար իրենք ստեղծել են համակարգը, ասում են, որ դա ճիշտ չէ։ Ինչ-որ պահի հայտնվեց ռուսական այլ ընկերություն, որը պատրաստեց ծիածանաթաղանթի սկաներներ։ Անունը հիմա չեմ հիշում։ Նրանք գնել են ալգորիթմը ինչ-որ մեկից, գուցե նույն VeriEye-ից: Ինքը՝ սկաները, 10-15 տարեկան համակարգ էր, ոչ մի դեպքում ոչ կոնտակտային։
Անցած տարում մի քանի նոր արտադրողներ մտան համաշխարհային շուկա՝ մարդուն աչքերով ճանաչելու առաջնային արտոնագրի ժամկետի ավարտի պատճառով։ Նրանցից ամենավստահելին, իմ կարծիքով, արժանի է AOptix-ին։ Առնվազն դրանց նախադիտումն ու փաստաթղթավորումը կասկած չեն հարուցում։ Երկրորդ ընկերությունը SRI International-ն է։ Նույնիսկ առաջին հայացքից, ծիածանաթաղանթի ճանաչման համակարգերով զբաղվող մարդուն նրանց տեսանյութերը շատ կեղծ են թվում: Չնայած ես չեմ զարմանա, եթե իրականում նրանք կարողանան ինչ-որ բան անել։ Երկու համակարգերն էլ չեն ցուցադրում տվյալներ FAR-ի և FRR-ի վերաբերյալ, ինչպես նաև, ըստ երևույթին, պաշտպանված չեն կեղծիքներից:

դեմքի ճանաչում

Դեմքի երկրաչափության ճանաչման բազմաթիվ մեթոդներ կան: Նրանց բոլորի հիմքում ընկած է այն փաստը, որ յուրաքանչյուր մարդու դեմքի դիմագծերն ու գանգի ձևն անհատական ​​են։ Կենսաչափության այս ոլորտը շատերի համար գրավիչ է թվում, քանի որ մենք միմյանց ճանաչում ենք հիմնականում դեմքով: Այս տարածքը բաժանված է երկու ոլորտների՝ 2-D ճանաչում և 3-D ճանաչում: Նրանցից յուրաքանչյուրն ունի առավելություններ և թերություններ, բայց շատ բան կախված է նաև որոշակի ալգորիթմի շրջանակից և պահանջներից:
Համառոտ կխոսեմ 2-d-ի մասին և կանցնեմ այսօրվա ամենահետաքրքիր մեթոդներից մեկին՝ 3-d-ին։

2D դեմքի ճանաչում

Դեմքի 2-D ճանաչումը վիճակագրորեն ամենաանարդյունավետ կենսաչափական մեթոդներից մեկն է: Այն հայտնվել է բավականին վաղուց և կիրառվել է հիմնականում դատաբժշկական գիտության մեջ, ինչը նպաստել է դրա զարգացմանը։ Հետագայում հայտնվեցին մեթոդի համակարգչային մեկնաբանությունները, ինչի արդյունքում այն ​​դարձավ ավելի հուսալի, բայց, իհարկե, զիջում էր և տարեցտարի ավելի ու ավելի է զիջում անձնական նույնականացման այլ կենսաչափական մեթոդներին։ Ներկայումս, վատ վիճակագրական ցուցանիշների պատճառով, այն օգտագործվում է մուլտիմոդալ կամ, ինչպես նաև կոչվում է, խաչաձև կենսաչափական կամ սոցիալական ցանցերում:

Մեթոդի վիճակագրական բնութագրերը

FAR-ի և FRR-ի համար օգտագործվել են VeriLook ալգորիթմների տվյալները: Կրկին, ժամանակակից ալգորիթմների համար այն ունի շատ սովորական բնութագրեր: Երբեմն ալգորիթմները 0,1% FRR-ով, որոնք ունեն նմանատիպ FAR, բայց այն հիմքերը, որոնց հիման վրա դրանք ստացվել են, շատ կասկածելի են (կտրված ֆոն, նույն դեմքի արտահայտությունը, նույն սանրվածքը, լուսավորությունը):

FAR-ի բնորոշ արժեքը 0,1% է:
Բանաձևից (1) մենք ստանում ենք N≈30 - կազմակերպության անձնակազմի թիվը, որի դեպքում աշխատողի նույնականացումը տեղի է ունենում բավականին կայուն:
Ինչպես երևում է, մեթոդի վիճակագրական ցուցանիշները բավականին համեստ են. սա վերացնում է մեթոդի առավելությունը, որ մարդաշատ վայրերում հնարավոր է դեմքերի թաքնված նկարահանումներ իրականացնել։ Ծիծաղելի է տեսնել, թե ինչպես են տարին մի քանի անգամ ֆինանսավորվում հանցագործներին մարդաշատ վայրերում տեղադրված տեսախցիկների միջոցով հանցագործներին հայտնաբերելու մեկ այլ նախագիծ։ Վերջին տասը տարիների ընթացքում ալգորիթմի վիճակագրական բնութագրերը չեն բարելավվել, և նման նախագծերի թիվն աճել է։ Չնայած, հարկ է նշել, որ ալգորիթմը բավականին հարմար է բազմաթիվ տեսախցիկների միջոցով մարդկանց ամբոխի մեջ առաջնորդելու համար։

Մեթոդի առավելություններն ու թերությունները

Մեթոդի առավելությունները. 2-D ճանաչման դեպքում, ի տարբերություն կենսաչափական շատ մեթոդների, թանկարժեք սարքավորումները չեն պահանջվում: Համապատասխան սարքավորումներով տեսախցիկից զգալի հեռավորության վրա ճանաչելու հնարավորություն։
Թերություններ. Ցածր վիճակագրական նշանակություն. Լուսավորման պահանջներ կան (օրինակ՝ արևոտ օրը փողոցից ներս մտնող մարդկանց դեմքերը չեն կարող գրանցվել)։ Շատ ալգորիթմների համար ցանկացած արտաքին միջամտության անընդունելիություն, ինչպիսիք են ակնոցները, մորուքը, սանրվածքի որոշ տարրեր: Դեմքի պարտադիր դիմային պատկեր՝ շատ փոքր շեղումներով։ Շատ ալգորիթմներ հաշվի չեն առնում դեմքի արտահայտությունների հնարավոր փոփոխությունները, այսինքն՝ արտահայտությունը պետք է չեզոք լինի։

3-D դեմքի ճանաչում

Այս մեթոդի իրականացումը բավականին բարդ խնդիր է։ Չնայած դրան, ներկայումս դեմքի 3-D ճանաչման բազմաթիվ մեթոդներ կան: Մեթոդները չեն կարող համեմատվել միմյանց հետ, քանի որ դրանք օգտագործում են տարբեր սկաներներ և հիմքեր: բոլորից հեռու FAR և FRR են թողարկում, բոլորովին այլ մոտեցումներ են կիրառվում։
2-d-ից 3-d անցումային մեթոդը մեթոդ է, որն իրականացնում է անձի մասին տեղեկատվության կուտակում: Այս մեթոդը ավելի լավ բնութագրեր ունի, քան 2d մեթոդը, բայց ճիշտ այնպես, ինչպես այն օգտագործում է միայն մեկ տեսախցիկ: Թեման տվյալների բազա մուտքագրելիս սուբյեկտը շրջում է գլուխը և ալգորիթմը միացնում է պատկերը՝ ստեղծելով 3d ձևանմուշ։ Իսկ ճանաչելիս օգտագործվում են տեսահոսքի մի քանի կադրեր։ Այս մեթոդը բավականին փորձնական է, և ես երբեք չեմ տեսել ներդրում ACS համակարգերի համար:
Ամենադասական մեթոդը կաղապարի նախագծման մեթոդն է: Այն բաղկացած է նրանից, որ ցանցը նախագծված է օբյեկտի (դեմքի) վրա: Այնուհետև տեսախցիկը նկարում է տասնյակ կադր վայրկյանում արագությամբ, և ստացված պատկերները մշակվում են հատուկ ծրագրով։ Կոր մակերևույթի վրա ընկնող ճառագայթը թեքվում է - որքան մեծ է մակերեսի կորությունը, այնքան ավելի ուժեղ է ճառագայթի կռումը: Սկզբում սա օգտագործում էր տեսանելի լույսի աղբյուր, որը մատակարարվում էր «շերտավարագույրների» միջոցով: Հետո տեսանելի լույսը փոխարինվեց ինֆրակարմիրով, որն ունի մի շարք առավելություններ. Սովորաբար, մշակման առաջին փուլում անտեսվում են այն պատկերները, որոնցում դեմքն ընդհանրապես չի երևում կամ կան օտար առարկաներ, որոնք խանգարում են նույնականացմանը: Ստացված պատկերների հիման վրա վերականգնվում է դեմքի 3D մոդելը, որի վրա ընդգծվում և հեռացվում է անհարկի միջամտությունը (սանրվածք, մորուք, բեղ և ակնոց)։ Այնուհետև մոդելը վերլուծվում է. ընդգծվում են մարդաչափական հատկանիշները, որոնք ի վերջո գրանցվում են տվյալների բազա մուտքագրված եզակի կոդով։ Պատկերի նկարահանման և մշակման ժամանակը 1-2 վայրկյան է լավագույն մոդելների համար:
Նաև մի քանի տեսախցիկներից ստացված պատկերի վրա հիմնված 3-d ճանաչման մեթոդը դառնում է ժողովրդականություն: Դրա օրինակն է Vocord-ն իր 3d սկաներով: Այս մեթոդը տալիս է դիրքավորման ճշգրտություն, ըստ մշակողների հավաստիացումների, ավելի բարձր, քան կաղապարի նախագծման մեթոդը: Բայց մինչև չտեսնեմ FAR-ը և FRR-ը գոնե իրենց սեփական տվյալների բազայում, ես դրան չեմ հավատա !!! Բայց այն մշակվել է արդեն 3 տարի, իսկ ցուցահանդեսներում առաջընթաց դեռ տեսանելի չէ։

Մեթոդի վիճակագրական ցուցանիշները

Այս դասի ալգորիթմների FRR-ի և FAR-ի վերաբերյալ ամբողջական տվյալները բաց չեն տրամադրվում արտադրողների կայքերում: Բայց լավագույն Bioscript մոդելների համար (3D EnrolCam, 3D FastPass), որոնք աշխատում են կաղապարի պրոյեկցիայի մեթոդով FAR = 0,0047% FRR-ով, 0,103% է:
Ենթադրվում է, որ մեթոդի վիճակագրական հավաստիությունը համեմատելի է մատնահետքի նույնականացման մեթոդի հավաստիության հետ:

Մեթոդի առավելություններն ու թերությունները

Մեթոդի առավելությունները. Կարիք չկա կապվել սկանավորող սարքի հետ: Արտաքին գործոնների նկատմամբ ցածր զգայունություն ինչպես անձի վրա (ակնոցների տեսք, մորուք, սանրվածքի փոփոխություն), այնպես էլ նրա միջավայրում (լույս, գլխի պտույտ): Անվտանգության բարձր մակարդակ, որը համեմատելի է մատնահետքի նույնականացման հետ:
Մեթոդի թերությունները. Թանկարժեք սարքավորումներ. Վաճառքի համար հասանելի համալիրները նույնիսկ ավելի թանկ էին, քան ծիածանաթաղանթի սկաներները։ Դեմքի արտահայտությունների և դեմքի աղմուկի փոփոխությունները վատթարացնում են մեթոդի վիճակագրական հուսալիությունը: Մեթոդը դեռ լավ զարգացած չէ, հատկապես մատնահետքի համեմատությամբ, որը երկար ժամանակ կիրառվում է, ինչը դժվարացնում է դրա լայն կիրառումը։

Շուկայի իրավիճակը

Դեմքի երկրաչափության ճանաչումը մատնահետքի և ծիածանաթաղանթի ճանաչման հետ մեկտեղ «երեք մեծ կենսաչափականներից» մեկն է: Պետք է ասեմ, որ այս մեթոդը բավականին տարածված է, և առայժմ այն ​​նախընտրելի է ծիածանաթաղանթի կողմից ճանաչվելուց։ Դեմքի երկրաչափության ճանաչման տեխնոլոգիաների մասնաբաժինը համաշխարհային կենսաչափական շուկայի ընդհանուր ծավալում կարելի է գնահատել 13-18 տոկոս։ Ռուսաստանում այս տեխնոլոգիան նույնպես ավելի մեծ հետաքրքրություն է ցուցաբերում, քան, օրինակ, ծիածանաթաղանթի միջոցով նույնականացումը։ Ինչպես նշվեց ավելի վաղ, կան բազմաթիվ 3-D ճանաչման ալգորիթմներ: Մեծ մասամբ ընկերությունները նախընտրում են մշակել բանտապահ համակարգեր, որոնք ներառում են սկաներներ, սերվերներ և ծրագրակազմ: Այնուամենայնիվ, կան այնպիսիք, ովքեր սպառողին առաջարկում են միայն SDK-ն։ Մինչ օրս մենք կարող ենք նշել այս տեխնոլոգիայի մշակման մեջ ներգրավված հետևյալ ընկերությունները. Geometrix, Inc. (3D դեմքի սկաներներ, ծրագրակազմ), Genex Technologies (3D դեմքի սկաներներ, ծրագրակազմ) ԱՄՆ-ում, Cognitec Systems GmbH (SDK, հատուկ համակարգիչներ, 2D տեսախցիկներ) Գերմանիայում, Bioscrypt (3D դեմքի սկաներներ, ծրագրակազմ) ամերիկյան դուստր ձեռնարկությունն է։ ընկերությունը L- 1 Identity Solutions.
Ռուսաստանում Artec Group ընկերությունները (3D դեմքի սկաներներ և ծրագրային ապահովում) աշխատում են այս ուղղությամբ՝ ընկերություն, որի կենտրոնակայանը գտնվում է Կալիֆորնիայում, իսկ մշակումն ու արտադրությունն իրականացվում է Մոսկվայում։ Նաև մի քանի ռուսական ընկերություններ ունեն դեմքի 2D ճանաչման տեխնոլոգիա՝ Vocord, ITV և այլն:
Դեմքի 2D ճանաչման ոլորտում մշակման հիմնական առարկան ծրագրային ապահովումն է, քանի որ Սովորական տեսախցիկները հիանալի կերպով կարողանում են նկարել դեմքերը: Դեմքի ճանաչման խնդրի լուծումը որոշ չափով փակուղի է մտել՝ արդեն մի քանի տարի է, ինչ ալգորիթմների վիճակագրական ցուցանիշների բարելավում գործնականում չի նկատվում։ Այս ոլորտում կա համակարգված «աշխատանք բագերի վրա»։
3D դեմքի ճանաչումն այժմ շատ ավելի գրավիչ տարածք է մշակողների համար: Այն աշխատում է բազմաթիվ թիմեր և պարբերաբար լսում է նոր հայտնագործությունների մասին: Ստեղծագործություններից շատերը գտնվում են «հենց նոր թողարկվելիք» վիճակում։ Բայց առայժմ շուկայում կան միայն հին առաջարկներ, վերջին տարիներին ընտրությունը չի փոխվել։
Հետաքրքիր կետերից մեկը, որի մասին երբեմն մտածում եմ, և որի մասին, թերևս, Հաբրը կպատասխանի՝ արդյոք kinect-ի ճշգրտությունը բավարա՞ր է նման համակարգ ստեղծելու համար։ Բավականին շատ նախագծեր կան դրա միջոցով մարդու 3D մոդելը հանելու համար:

Ճանաչում ձեռքի երակներով

Սա նոր տեխնոլոգիա է կենսաչափության ոլորտում, դրա լայն կիրառումը սկսվել է ընդամենը 5-10 տարի առաջ։ Ինֆրակարմիր տեսախցիկը նկարում է ձեռքի արտաքին կամ ներսը: Երակների օրինաչափությունը ձևավորվում է այն պատճառով, որ արյան հեմոգլոբինը ներծծում է ինֆրակարմիր ճառագայթումը: Արդյունքում արտացոլման աստիճանը նվազում է, և տեսախցիկի վրա երակները տեսանելի են դառնում սև գծերի տեսքով։ Ստացված տվյալների վրա հիմնված հատուկ ծրագիրը ստեղծում է թվային կոնվոլյուցիա։ Սկանավորող սարքի հետ մարդկային շփում չի պահանջվում:
Տեխնոլոգիան հուսալիությամբ համեմատելի է աչքի ծիածանաթաղանթով ճանաչման հետ՝ որոշ առումներով գերազանցելով դրան և որոշ առումներով զիջում է:
FRR և FAR արժեքները նախատեսված են Palm Vein սկաների համար: Ըստ մշակողի FAR-ում 0,0008% FRR-ը 0,01% է: Ոչ մի ընկերություն չի արտադրում ավելի ճշգրիտ ժամանակացույց մի քանի արժեքների համար:

Մեթոդի առավելություններն ու թերությունները

Մեթոդի առավելությունները. Կարիք չկա կապվել սկանավորող սարքի հետ: Բարձր հուսալիություն - մեթոդի վիճակագրական ցուցանիշները համեմատելի են ծիածանաթաղանթի ընթերցումների հետ: Թաքնված հատկանիշներ. ի տարբերություն վերը նշված բոլորի, այս հատկանիշը շատ դժվար է ձեռք բերել «փողոցում» մարդուց, օրինակ՝ նրան լուսանկարելով տեսախցիկով:
Մեթոդի թերությունները. Սկաների ազդեցությունը արևի լույսի և հալոգեն լամպերի ճառագայթների վրա անընդունելի է: Որոշ տարիքային հիվանդություններ, ինչպիսիք են արթրիտը, մեծապես վնասում են FAR-ին և FRR-ին: Մեթոդը ավելի քիչ է ուսումնասիրված՝ համեմատած այլ ստատիկ կենսաչափական մեթոդների հետ։

Շուկայի իրավիճակը

Ձեռքի երակների ճանաչումը բավականին նոր տեխնոլոգիա է, և, հետևաբար, դրա համաշխարհային շուկայի մասնաբաժինը փոքր է՝ մոտ 3%: Այնուամենայնիվ, այս մեթոդի նկատմամբ հետաքրքրությունն աճում է: Փաստն այն է, որ լինելով բավականին ճշգրիտ, այս մեթոդը չի պահանջում այնպիսի թանկարժեք սարքավորումներ, ինչպիսիք են, օրինակ, դեմքի երկրաչափության կամ ծիածանաթաղանթի վրա հիմնված ճանաչման մեթոդները։ Այժմ այս ոլորտում բազմաթիվ ընկերություններ են զարգանում։ Այսպես, օրինակ, անգլիական TDSi ընկերության պատվերով ծրագրային ապահովում է մշակվել PalmVein-ի ափի երակների կենսաչափական ընթերցողի համար, որը ներկայացրել է Fujitsu-ն։ Ինքը՝ սկաները, մշակվել է Fujitsu-ի կողմից՝ հիմնականում Ճապոնիայում ֆինանսական խարդախությունների դեմ պայքարելու համար:
Նաև երակների նույնականացման ոլորտում են Veid Pte հետևյալ ընկերությունները. ՍՊԸ (սկաներ, ծրագրակազմ), Hitachi VeinID (սկաներներ)
Ես չգիտեմ Ռուսաստանում այս տեխնոլոգիայով զբաղվող ընկերություններ:

Ցանցաթաղանթ

Մինչև վերջերս համարվում էր, որ մարդու կենսաչափական նույնականացման և նույնականացման ամենահուսալի մեթոդը ցանցաթաղանթի սկանավորման վրա հիմնված մեթոդն է: Այն պարունակում է ձեռքի ծիածանաթաղանթի և երակների միջոցով նույնականացման լավագույն հատկանիշները: Սկաները կարդում է ցանցաթաղանթի մակերեսի մազանոթների օրինաչափությունը: Ցանցաթաղանթն ունի ֆիքսված կառուցվածք, որը ժամանակի ընթացքում չի փոխվում, բացառությամբ հիվանդության, օրինակ՝ կատարակտի։
Ցանցաթաղանթի սկանավորումն օգտագործում է ցածր ինտենսիվության ինֆրակարմիր լույս, որն ուղղվում է աշակերտի միջով դեպի աչքի հետևի արյունատար անոթները: Ցանցաթաղանթի սկաներները լայնորեն օգտագործվում են խիստ գաղտնի օբյեկտների մուտքի վերահսկման համակարգերում, քանի որ դրանք գրանցված օգտատերերի համար մերժված մուտքի ամենացածր տոկոսներից են և գործնականում չկան սխալ մուտքի թույլտվություններ:
Ցավոք, այս կենսաչափական մեթոդն օգտագործելիս մի շարք դժվարություններ են առաջանում։ Այստեղ սկաները շատ բարդ օպտիկական համակարգ է, և անձը չպետք է զգալի ժամանակ շարժվի, մինչ համակարգը դրդված է, ինչը տհաճություն է առաջացնում:
Ըստ EyeDentify ICAM2001 սկաների համար FAR=0.001%, FRR արժեքը 0.4% է:

Մեթոդի առավելություններն ու թերությունները

Առավելությունները. Վիճակագրական հուսալիության բարձր մակարդակ: Համակարգերի ցածր տարածվածության պատճառով նրանց «քցելու» միջոց մշակելու քիչ հնարավորություն կա:
Թերություններ. Դժվար է օգտագործել համակարգը բարձր մշակման ժամանակով: Համակարգի բարձր արժեքը. Շուկայական լայն առաջարկի բացակայություն և, որպես հետևանք, մեթոդի մշակման անբավարար ինտենսիվություն։

Ձեռքի երկրաչափություն

10 տարի առաջ բավականին տարածված այս մեթոդը, որը ծագում է դատաբժշկական գիտությունից, վերջին տարիներին անկում է ապրում։ Այն հիմնված է ձեռքերի երկրաչափական բնութագրերի ստացման վրա՝ մատների երկարություն, ափի լայնություն և այլն։ Այս մեթոդը, ինչպես և աչքի ցանցաթաղանթը, մահանում է, և քանի որ այն ունի շատ ավելի ցածր բնութագրեր, մենք նույնիսկ չենք մտնի դրա ավելի ամբողջական նկարագրությունը։
Երբեմն կարծում են, որ երակների ճանաչման համակարգերում օգտագործվում են երկրաչափական ճանաչման մեթոդներ: Բայց վաճառքում մենք երբեք չենք տեսել նման հստակ ասված. Եվ բացի այդ, հաճախ երակներով ճանաչելիս վերցվում է միայն ձեռքի ափը, մինչդեռ երկրաչափությամբ ճանաչելիս նկարում են մատները։

Մի փոքր ինքնագովազդում

Ժամանակին մենք մշակեցինք աչքի ճանաչման լավ ալգորիթմ: Բայց այն ժամանակ այս երկրում նման բարձր տեխնոլոգիական բան պետք չէր, և ես չէի ուզում գնալ բուրժուազիա (որտեղ մեզ հրավիրեցին հենց առաջին հոդվածից հետո)։ Բայց հանկարծ, մեկուկես տարի անց, դեռ կային ներդրողներ, ովքեր ցանկանում էին իրենց համար «կենսաչափական պորտալ» կառուցել՝ համակարգ, որը կուտի 2 աչք և կօգտագործեր ծիածանաթաղանթի գունային բաղադրիչը (որի համար ներդրողը համաշխարհային արտոնագիր ուներ։ ): Փաստորեն, սա այն է, ինչ մենք հիմա անում ենք։ Բայց սա ինքնագովազդի մասին հոդված չէ, սա համառոտ լիրիկական շեղում է։ Եթե ​​ինչ-որ մեկին հետաքրքրում է, ինչ-որ տեղեկություն կա, և երբևէ ապագայում, երբ մենք մտնենք շուկա (կամ չմտնենք), այստեղ մի քանի խոսք կգրեմ Ռուսաստանում կենսաչափական նախագծի վերելքների և վայրէջքների մասին:

եզրակացություններ

Նույնիսկ ստատիկ կենսաչափական համակարգերի դասում կա համակարգերի մեծ ընտրություն: Ո՞ր մեկն ընտրել: Ամեն ինչ կախված է անվտանգության պահանջներից: Վիճակագրորեն ամենահուսալի և խափանումների նկատմամբ հասանելիության համակարգերն են ծիածանաթաղանթի և ձեռքի երակների հասանելիության համակարգերը: Դրանցից առաջինի համար կա առաջարկների ավելի լայն շուկա։ Բայց սա սահմանը չէ։ Կենսաչափական նույնականացման համակարգերը կարող են համակցվել աստղագիտական ​​ճշգրտության հասնելու համար: Ամենաէժանն ու օգտագործման համար ամենահեշտը, բայց լավ վիճակագրությամբ, մատների հանդուրժողականության համակարգերն են: Դեմքի 2D հանդուրժողականությունը հարմար է և էժան, բայց վատ վիճակագրության պատճառով ունի սահմանափակ շրջանակ:
Հաշվի առեք այն բնութագրերը, որոնք կունենա համակարգերից յուրաքանչյուրը՝ կեղծիքի դիմադրություն, շրջակա միջավայրի նկատմամբ դիմադրություն, օգտագործման հեշտություն, ծախսեր, արագություն, ժամանակի ընթացքում կենսաչափական հատկանիշի կայունություն: Եկեք յուրաքանչյուր սյունակում տեղադրենք 1-ից 10 նշաններ: Որքան միավորը մոտ լինի 10-ին, այնքան համակարգը ավելի լավն է այս առումով: Գնահատականների ընտրության սկզբունքները նկարագրվել են հոդվածի հենց սկզբում։


Մենք նաև դիտարկում ենք FAR-ի և FRR-ի հարաբերակցությունը այս համակարգերի համար: Այս հարաբերակցությունը որոշում է համակարգի արդյունավետությունը և դրա օգտագործման լայնությունը:


Հարկ է հիշել, որ ծիածանաթաղանթի համար դուք կարող եք բարձրացնել համակարգի ճշգրտությունը գրեթե քառակուսի, առանց ժամանակի կորստի, եթե բարդացնեք համակարգը՝ այն դարձնելով երկու աչքի համար։ Մատնահետքի մեթոդի համար՝ մի քանի մատների համադրումով, և երակների միջոցով ճանաչում, երկու ձեռքերի համադրմամբ, բայց նման բարելավում հնարավոր է միայն մարդու հետ աշխատելու ժամանակի ավելացմամբ։
Ամփոփելով մեթոդների արդյունքները՝ կարող ենք ասել, որ միջին և մեծ օբյեկտների, ինչպես նաև անվտանգության առավելագույն պահանջ ունեցող առարկաների համար ծիածանաթաղանթը պետք է օգտագործվի որպես կենսաչափական մուտք և, հնարավոր է, ճանաչում ձեռքի երակների միջոցով: Մինչև մի քանի հարյուր աշխատող ունեցող հաստատությունների համար մատնահետքերի հասանելիությունը օպտիմալ կլինի: Դեմքի ճանաչման 2D համակարգերը շատ կոնկրետ են: Նրանք կարող են պահանջվել այն դեպքերում, երբ ճանաչումը պահանջում է ֆիզիկական շփման բացակայություն, սակայն հնարավոր չէ հսկողության համակարգը տեղադրել ծիածանաթաղանթի վրա: Օրինակ, եթե անհրաժեշտ է անձին նույնականացնել առանց նրա մասնակցության, թաքնված տեսախցիկով կամ բացօթյա հայտնաբերման տեսախցիկով, բայց դա հնարավոր է միայն տվյալների բազայում փոքր թվով առարկաների և տեսախցիկով նկարահանված մարդկանց փոքր հոսքի դեպքում: .

Երիտասարդ տեխնիկները ուշադրություն են դարձնում

Որոշ արտադրողներ, ինչպիսիք են Neurotechnology-ն, ունեն իրենց վեբկայքում թողարկված կենսաչափական մեթոդների ցուցադրական տարբերակները, այնպես որ կարող եք դրանք միացնել և խաղալ: Նրանց, ովքեր որոշել են ավելի լուրջ խորանալ խնդրի մեջ, կարող եմ խորհուրդ տալ ռուսերեն իմ տեսած միակ գիրքը՝ «Կենսաչափական ուղեցույց» Ռ.Մ. Բոլը, Ջ.Հ. Քոնել, Ս. Պանկանտի. Կան բազմաթիվ ալգորիթմներ և դրանց մաթեմատիկական մոդելներ: Ամեն ինչ չէ, որ ամբողջական է և ամեն ինչ չէ, որ համապատասխանում է ներկային, բայց հիմքը վատն ու ընդգրկուն չէ։

P.S.

Այս օպուսում ես չխորացա նույնականացման խնդրին, այլ միայն անդրադարձա նույնականացմանը: Սկզբունքորեն, FAR / FRR-ի բնութագրերից և կեղծիքի հնարավորությունից, նույնականացման հարցի վերաբերյալ բոլոր եզրակացությունները ինքնին հուշում են:

Վերջին տարիներին կենսաչափությունը գնալով ավելի է թափանցում մեր կյանք: Աշխարհի առաջատար երկրներն արդեն շրջանառության մեջ են դրել կամ պատրաստվում են մոտ ապագայում ներդնել դրանց սեփականատիրոջ կենսաչափական բնութագրերի մասին տեղեկատվություն պարունակող էլեկտրոնային անձնագրեր. շատ գրասենյակային կենտրոններ ներդրել են կենսաչափական սենսորներ կորպորատիվ մուտքի վերահսկման համակարգերում. դյուրակիր համակարգիչները վաղուց հագեցած են օգտագործողի կենսաչափական նույնականացմամբ. Անվտանգության ծառայությունները զինված են ժամանակակից միջոցներով՝ մարդկանց ամբոխի մեջ հայտնաբերելու ցանկացած հետախուզվող հանցագործի

Անդրեյ Խրուլև
Կենսաչափական բաժնի վարիչ
և անվտանգության ինտեգրված համակարգեր
Technoserv ընկերությունների խումբ, բ.գ.թ.

Կենսաչափական համակարգերի կիրառման ավելի ու ավելի շատ օրինակներ կան: Կենսաչափության հաջողությունը հեշտ է բացատրել: Անձի նույնականացման ավանդական միջոցները, որոնք հիմնված են «Ես այն եմ, ինչ ունեմ» (նույնականացման քարտեր, նշաններ, հավաստող փաստաթղթեր) և «Ես այն եմ, ինչ գիտեմ» (գաղտնաբառեր, փին կոդեր) սկզբունքների վրա կատարյալ չեն: Քարտը հեշտ է կորցնել, գաղտնաբառը կարելի է մոռանալ, բացի այդ, ցանկացած հարձակվող կարող է օգտագործել դրանք, և ոչ մի համակարգ չի կարողանա ձեզ տարբերել ֆիգուրից:

Բացի այդ, նույնականացման ավանդական միջոցները բացարձակապես անօգուտ են, երբ խոսքը վերաբերում է անձի թաքնված նույնականացման խնդիրներին, և ավելի ու ավելի շատ են այդպիսի առաջադրանքները.

• ճանաչել հանցագործին ամբոխի մեջ.
• ստուգեք, թե արդյոք անձնագիրն իսկապես ներկայացվել է դրա սեփականատիրոջ կողմից.
• պարզել, արդյոք անձը հետախուզման մեջ է.
• պարզել, արդյոք անձը նախկինում ներգրավված է եղել վարկերի հետ կապված ֆինանսական խարդախության մեջ.
• բացահայտել պոտենցիալ վտանգավոր երկրպագուներին մարզադաշտի մուտքի մոտ և այլն:

Այս բոլոր խնդիրները կարող են լուծվել միայն կենսաչափական նույնականացման գործիքների կիրառմամբ՝ «Ես այն եմ, ինչ կամ» սկզբունքով: Այս սկզբունքը թույլ է տալիս տեղեկատվական համակարգին ուղղակիորեն նույնականացնել անձին, այլ ոչ թե այն առարկաները, որոնք նա ներկայացնում է կամ տեղեկատվությունը, որը նա հաղորդում է:

Դեմքի կենսաչափության յուրահատկությունը

Անձի նույնականացման համար օգտագործվող անձի կենսաչափական բնութագրերի բազմազանության մեջ հարկ է նշել դեմքի պատկերը: Դեմքի կենսաչափությունը եզակի է նրանով, որ պատկեր ստանալու համար չի պահանջում մասնագիտացված սենսորների ստեղծում. դեմքի պատկերը կարելի է ստանալ տեսահսկման համակարգի սովորական տեսախցիկից: Ավելին, դեմքի լուսանկարը առկա է անձը հաստատող գրեթե ցանկացած փաստաթղթի վրա, ինչը նշանակում է, որ այս տեխնոլոգիայի ներդրումը գործնականում կապված չէ մի շարք կարգավորող խնդիրների և տեխնոլոգիայի սոցիալական ընկալման դժվարությունների հետ:

Հարկ է նաև նշել, որ դեմքի պատկերը կարող է անուղղակիորեն ստանալ հենց անձի համար, ինչը նշանակում է, որ դեմքի կենսաչափությունը լավագույնս հարմար է մոնիտորինգի համակարգեր կառուցելու և գաղտնի նույնականացման համար:

Դեմքի ճանաչման ցանկացած համակարգ պատկերների ճանաչման տիպիկ համակարգ է, որի խնդիրն է համակարգում ներդրված մաթեմատիկական մոդելի համաձայն ձևավորել առանձնահատկությունների որոշակի հավաքածու, այսպես կոչված, կենսաչափական կաղապար: Հենց այս մոդելն է ցանկացած կենսաչափական համակարգի հիմնական նոու-հաուը, և դեմքի ճանաչման արդյունավետությունն ուղղակիորեն կախված է այնպիսի գործոններից, ինչպիսիք են կենսաչափական ձևանմուշի դիմադրությունը տարբեր տեսակի միջամտությունների, բնօրինակ լուսանկարի կամ վիդեո պատկերի աղավաղումների:

Դեմքի ճանաչման արդյունավետությունը ուղղակիորեն կախված է այնպիսի գործոններից, ինչպիսիք են կենսաչափական կաղապարի դիմադրությունը տարբեր տեսակի միջամտություններին, բնօրինակ լուսանկարի կամ վիդեո պատկերի աղավաղումները:

Չնայած դեմքի ճանաչման համակարգերի հսկայական բազմազանությանը, որոնք ներկայացված են ինչպես ռուսական շուկայում, այնպես էլ աշխարհում, նրանցից շատերն օգտագործում են նույն կենսաչափական շարժիչները՝ դեմքի մաթեմատիկական մոդելների կառուցման և համեմատման մեթոդների իրական ծրագրային ներդրումը: Ռուսաստանում այնպիսի կենսաչափական շարժիչներ, ինչպիսիք են Cognitec (մշակված Cognitec Systems GmbH, Գերմանիա), Kaskad-Potok (մշակված է Technoserv, Ռուսաստան), FRS SDK (մշակված Asia Software, Ղազախստան), FaceIt (մշակված L1 Identity Solutions, ԱՄՆ) .

Որպես կանոն, ցանկացած կենսաչափական շարժիչում դեմքի ճանաչումն իրականացվում է մի քանի փուլով՝ դեմքի հայտնաբերում, որակի գնահատում, ձևանմուշների ստեղծում, համապատասխանեցում և որոշումների ընդունում։

Փուլ 1. դեմքի հայտնաբերում

Այս փուլում համակարգը ավտոմատ կերպով ընտրում է (հայտնաբերում) մարդկանց դեմքերը վիդեո կադրերի հոսքում կամ լուսանկարում, և դեմքերի անկյունների և մասշտաբների շրջանակը կարող է զգալիորեն տարբերվել, ինչը չափազանց կարևոր է անվտանգության համակարգեր կառուցելու համար: Պարտադիր չէ, որ բոլոր ընտրված դեմքերը ճանաչվեն (որպես կանոն, դա անհնար է), բայց չափազանց օգտակար է հոսքի մեջ հայտնաբերել դեմքերի առավելագույն քանակը և, անհրաժեշտության դեպքում, դրանք տեղադրել արխիվում (նկ. 1): .

Դեմքի հայտնաբերումը ճանաչման առանցքային փուլերից մեկն է, քանի որ այն փաստը, որ դեմքը բաց է թողնում դետեկտորը, նշանակում է, որ հետագա նույնականացումն անհնար է: Դետեկտորի աշխատանքի որակը սովորաբար բնութագրվում է դեմքի հայտնաբերման P0 հավանականությամբ: Մարդկանց հոսքի պայմաններում գործող ժամանակակից կենսաչափական համակարգերի համար դեմքի հայտնաբերման հավանականության արժեքը 95-ից 99% է և կախված է տեսագրման պայմաններից (լուսավորություն, տեսախցիկի լուծաչափ և այլն):

Կենսաչափական շուկայի զարգացման ամենախոստումնալից միտումներից է խելացի թվային տեսախցիկների առաջացումը, որոնք իրականացնում են դեմքի հայտնաբերման ֆունկցիա՝ հիմնված ներկառուցված տրամաբանության վրա (նկ. 2): Խելացի տեսախցիկները թույլ են տալիս ստանալ ոչ միայն բարձրորակ վիդեո հոսք, այլ նաև հայտնաբերված դեմքերի մասին տեղեկություններ պարունակող մետատվյալներ:

Այս մոտեցումը կարող է զգալիորեն նվազեցնել ճանաչման համակարգի ապարատային հզորության բեռը, որն, իր հերթին, նվազեցնում է կենսաչափական համակարգերի վերջնական արժեքը՝ դրանք առավել հասանելի դարձնելով վերջնական օգտագործողի համար: Բացի այդ, տվյալների փոխանցման ալիքների պահանջները կրճատվում են, քանի որ այս մոտեցմամբ մեզ անհրաժեշտ են ոչ թե գիգաբիթ կապի գծեր բարձրորակ տեսանյութեր փոխանցելու համար, այլ սեղմված տեսանյութերի փոխանցման ստանդարտ ցանցերի և հայտնաբերված դեմքի պատկերների փոքր հոսքի առկայություն:

Փուլ 2. որակի գնահատում

Սա ճանաչման շատ կարևոր փուլ է, որի ժամանակ կենսաչափական շարժիչը հայտնաբերված դեմքերի ամբողջ զանգվածից ընտրում է միայն այն պատկերները, որոնք համապատասխանում են նշված որակի չափանիշներին:

Հաճախ կենսաչափական համակարգերի մշակողները խորամանկ են՝ պնդելով, որ իրենց համակարգը ապահովում է ճանաչման բարձր մակարդակ, եթե տեսահոսքի դեմքի պատկերները համապատասխանում են ԳՕՍՏ Ռ ԻՍՕ/ԻԷԿ 19794-5-ում սահմանված որակի պահանջներին: Այնուամենայնիվ, այս ԳՕՍՏ-ը շատ խիստ (գրեթե իդեալական) պայմաններ է դնում դեմքի լուսանկարների որակի վրա (դեմքի ճակատային տեսք 5 աստիճանից ոչ ավելի շեղումով, միատեսակ լուսավորություն, չեզոք դեմքի արտահայտություններ և այլն), որոնք չեն կարող կատարվել: տեսահսկման համակարգերի իրական պայմանները. ԳՕՍՏ-ի նման պահանջները լիովին հիմնավորված են նրանով, որ, ըստ էության, այս ստանդարտը նախատեսված է նոր սերնդի անձնագրային և վիզայի փաստաթղթերում էլեկտրոնային լուսանկարների պահպանման ձևաչափը միավորելու համար, այսպես կոչված, կենսաչափական անձնագրեր: Գործնականում կենսաչափական նույնականացման համակարգերը պետք է գործ ունենան շատ ավելի քիչ բարենպաստ աշխատանքային պայմանների հետ.

• դեմքի շեղումը ճակատային դիրքից 20 աստիճանից ավելի անկյան տակ.
• ուժեղ լուսավորություն;
• ծածկելով դեմքի մի մասը;
• դեմքի ստվերների առկայությունը;
• պատկերի փոքր չափը և այլն:

Հենց նման բարդ պայմաններում կենսաչափական շարժիչի կայունությունն է որոշում դրա որակը։ Ժամանակակից կենսաչափական շարժիչներում որակի գնահատման փուլում, որպես կանոն, գնահատվում են.

• դեմքի անկյունը (չպետք է գերազանցի 20-30 աստիճան);
• դեմքի չափը (գնահատված է աչքերի աշակերտների միջև հեռավորությամբ և պետք է լինի ավելի քան 50–80 px);
• դեմքի մասնակի փակում (դեմքի փակումը չպետք է գերազանցի դեմքի ընդհանուր մակերեսի 10-25%-ը):

Տարածված սխալ կարծիք կա, որ եթե աչքերը փակ են դեմքի պատկերով (թարթելով կամ ակնոցներով), ապա համակարգը իբր չի կարողանա ճանաչել մարդուն։ Իրոք, դեմքի ճանաչման վաղ ալգորիթմներն օգտագործում էին աչքերի աշակերտների կենտրոնները՝ որպես հիմք հետագա պատկերի մշակման համար, մասնավորապես՝ ստանդարտ դեմքի մասշտաբման համար: Այնուամենայնիվ, այս պահին շատ ժամանակակից կենսաչափական շարժիչներ (օրինակ, Cognitec կամ Kaskad-Potok) օգտագործում են դեմքի կոդավորման ավելի բարդ սխեմաներ և կապված չեն աշակերտների կենտրոնների դիրքի հետ:

Փուլ 3. ձևանմուշ կառուցելը

Սա դեմքի ճանաչման ամենաբարդ և եզակի փուլերից մեկն է և կազմում է կենսաչափական շարժիչի տեխնոլոգիայի հիմնական գիտելիքները: Այս փուլի էությունը դեմքի պատկերի ոչ տրիվիալ մաթեմատիկական վերափոխումն է մի շարք հատկանիշների, որոնք համակցված են կենսաչափական ձևանմուշի մեջ:

Յուրաքանչյուր դեմք ունի իր յուրահատուկ կենսաչափական ձևանմուշը: Կենսաչափական կաղապարների կառուցման սկզբունքները չափազանց բազմազան են. կաղապարը կարող է հիմնված լինել դեմքի հյուսվածքային հատկությունների, երկրաչափական հատկանիշների, բնորոշ կետերի, տարբեր տարասեռ հատկանիշների համակցության վրա:

Կենսաչափական ձևանմուշի ամենակարևոր բնութագիրը դրա չափն է: Որքան մեծ է կաղապարի չափը, այնքան ավելի տեղեկատվական հնարավորություններ է այն ներառում, բայց այնքան ցածր է այս կաղապարի որոնման արագությունն ու արդյունավետությունը: Կենսաչափական համակարգերում դեմքի ձևանմուշի չափի տիպիկ արժեքը 1-ից 20 կԲ է:

Փուլ 4. համեմատություն և որոշում

Սա ճանաչման համակարգի համակցված փուլ է, որը համեմատում է հայտնաբերված դեմքի հիման վրա կառուցված կենսաչափական դեմքի ձևանմուշը տվյալների բազայում պահվող կաղապարների զանգվածի հետ: Ամենապարզ դեպքում համընկնումը կատարվում է պարզապես թվարկելով բոլոր կաղապարները և գնահատելով դրանց նմանության չափը։ Ստացված գնահատականների և տվյալ շեմերի հետ դրանց համեմատության հիման վրա որոշում է կայացվում տվյալների բազայում նույնական անձի առկայության կամ բացակայության մասին։

Ժամանակակից համակարգերում համընկնումն իրականացվում է ըստ բարդ օպտիմալ համընկնման սխեմաների, որոնք ապահովում են համապատասխան արագություններ 10,000-ից մինչև 200,000 համեմատություններ վայրկյանում կամ ավելի: Ավելին, պետք է հասկանալ, որ համընկնման գործընթացը կարող է զուգահեռացվել, ինչը թույլ է տալիս նույնականացման համակարգերին աշխատել գրեթե իրական ժամանակում նույնիսկ պատկերների մեծ զանգվածների համար, օրինակ՝ 100,000 մարդ:

Դեմքի ճանաչման համակարգերի աշխատանքի որակը սովորաբար բնութագրվում է նույնականացման հավանականություններով։ Ակնհայտ է, որ կենսաչափական նույնականացման ընթացքում կարող են առաջանալ երկու տեսակի սխալներ.

1. Առաջին սխալը կապված է տվյալների բազայում իրականում անձին բացակայելու և չճանաչելու հնարավորության հետ. սա հաճախ կոչվում է առաջին տիպի սխալ: Եվ հաճախ նրանք նշում են ոչ թե առաջին տեսակի սխալի արժեքը, այլ մեկ՝ հանած առաջին տեսակի սխալի հավանականությունը։ Այս արժեքը կոչվում է PPR ճիշտ ճանաչման հավանականություն:
2. Երկրորդ սխալն արտացոլում է այն դեպքերը, երբ համակարգը ճանաչում է մարդուն, ով իրականում չի գտնվում տվյալների բազայում կամ շփոթում է նրան մեկ այլ անձի հետ. դա սովորաբար կոչվում է 2-րդ տիպի սխալ: Դեմքի ճանաչման ժամանակակից համակարգերի համար ճիշտ ճանաչման հավանականության բնորոշ արժեքը, որպես կանոն, գտնվում է 80-ից 97% միջակայքում, իսկ երկրորդ տեսակի սխալը չի ​​գերազանցում 1% -ը:

Հաջող նույնականացման պայմանները

Պետք է հասկանալ, որ դեմքի ճանաչումը բացարձակ տեխնոլոգիա չէ։ Հաճախ կարելի է լսել կենսաչափական համակարգերի քննադատությունը, որ իրական օբյեկտների վրա հնարավոր չէ հասնել նույն բարձր արդյունավետության, ինչ «լաբորատոր» պայմաններում: Այս հայտարարությունը միայն մասամբ է ճիշտ: Իրոք, հնարավոր է արդյունավետ կերպով ճանաչել դեմքը միայն որոշակի պայմաններում, այդ իսկ պատճառով չափազանց կարևոր է դեմքի կենսաչափությունը ներմուծելիս հասկանալ, թե ինչ պայմաններով է աշխատելու համակարգը: Այնուամենայնիվ, ժամանակակից ճանաչման համակարգերի մեծ մասի համար այս պայմանները բավականին հասանելի են իրական օբյեկտների վրա: Այսպիսով, նույնականացման գոտիներում դեմքի ճանաչման արդյունավետությունը բարելավելու համար պետք է կազմակերպվի մարդկանց ուղղորդված հոսք (դռներ, մետաղական դետեկտորների շրջանակներ, պտտվող պտույտներ և այլն)՝ կարճաժամկետ (ոչ ավելի, քան 1-2 վրկ) հնարավորություն ապահովելու համար: յուրաքանչյուր այցելուի դեմքի ֆիքսում. Միաժամանակ տեսանկարահանող տեսախցիկները պետք է տեղադրվեն այնպես, որ ֆիքսված դեմքերի շեղման անկյունը ճակատային դիրքից չգերազանցի 20–30 աստիճանը։ (օրինակ՝ տեսախցիկների տեղադրում անցման գոտուց 8–10 մ հեռավորության վրա՝ 2–3 մ կախովի բարձրությամբ)։

Այս պայմաններին համապատասխանելը ճանաչման համակարգերի ներդրման ժամանակ թույլ է տալիս արդյունավետորեն լուծել անձի նույնականացման և հատուկ հետաքրքրություն ներկայացնող մարդկանց որոնելու խնդիրը՝ հնարավորինս մոտ ծրագրավորողների կողմից հայտարարված հաջող նույնականացման ցուցիչների արժեքներին:

Այսօր շուկայում ներկայացված են նման համակարգերի միանգամից մի քանի տեսակներ, որոնք կատարում են բարդության տարբեր մակարդակի առաջադրանքներ՝ ամբոխի մեջ հեռավոր ճանաչումից մինչև գրասենյակում աշխատանքային ժամերի հաշվառում: Դեմքի ճանաչման լուծումները հասանելի են հաճախորդներին տարբեր հարթակներում. դրանք են սերվերի ճարտարապետությունը, բջջային և ներկառուցված լուծումները և ամպային ծառայությունները:

Ժամանակակից համակարգերն աշխատում են խորը ուսուցման նեյրոնային ցանցի ալգորիթմների վրա, ուստի ճանաչման ճշգրտությունը առավելագույնն է նույնիսկ ցածրորակ պատկերների համար, դրանք դիմացկուն են գլխի շրջադարձերին և ունեն այլ առավելություններ:

Օրինակ 1. Հանրային անվտանգություն

Անվտանգության ապահովումը մի տեսակ ելակետ է, որտեղից սկսվել է նույնականացման կենսաչափական համակարգերի ներդրումը։ Հեռավոր դեմքի ճանաչման համակարգերը օգտագործվում են մարդաշատ օբյեկտների անվտանգությունն ապահովելու համար:

Ամենադժվար խնդիրը ամբոխի մեջ մարդուն նույնացնելն է։

Այսպես կոչված ոչ համագործակցային ճանաչումը, երբ մարդը չի շփվում համակարգի հետ, չի նայում տեսախցիկի օբյեկտիվին, շրջվում կամ փորձում է թաքցնել իր դեմքը։ Օրինակ՝ տրանսպորտային հանգույցներում, մետրոյում, խոշոր միջազգային միջոցառումներում։

Գործեր

Մեր ընկերության համար 2017 թվականի ամենանշանակալի նախագծերից էր EXPO-2017 խոշորագույն միջազգային ցուցահանդեսը, որը տեղի ունեցավ այս ամառ Ղազախստանում։ Դեմքի կենսաչափական հեռավոր ճանաչման համակարգում օգտագործվել են մասնագիտացված տեսախցիկներ։

Կադրում դեմքերի ընտրությունը տեղի է ունենում հենց տեսախցիկում, և միայն դեմքի պատկերն է փոխանցվում սերվերին, դա բեռնաթափում է ալիքը և զգալիորեն նվազեցնում ցանցային ենթակառուցվածքի արժեքը: Տեսախցիկները հսկել են մուտքի չորս խմբեր՝ համալիրի տարբեր հատվածներում։ Համակարգի ճարտարապետությունը նախագծված էր այնպես, որ մուտքային խմբերն աշխատեին առանձին կամ բոլորը միասին, մինչդեռ համակարգի ճիշտ աշխատանքն ապահովեցին ընդամենը 4 սերվեր և 48 տեսախցիկ։

Առցանց տեսավերլուծության օգնությամբ կասկածյալներին և անհայտ կորածներին որոնում են աշխարհագրորեն բաշխված խոշոր օբյեկտներում, հետաքննում են պատահարներն ու միջադեպերը և վերլուծվում ուղևորափոխադրումները:

Որոշ օդանավակայաններում մինչև 2017 թվականի վերջ կենսաչափական տվյալները կօգտագործվեն նաև թռիչքի համար ուղևորների գրանցման համար։ Ըստ Tadviser պորտալի՝ 12 եվրոպական երկրներ (Իսպանիա, Ֆրանսիա, Նիդեռլանդներ, Գերմանիա, Ֆինլանդիա, Շվեդիա, Էստոնիա, Հունգարիա, Հունաստան, Իտալիա, Ռումինիա) նույնպես նախատեսում են ներդնել խելացի դարպասների համակարգեր օդանավակայաններում։

Իսկ հաջորդ քայլը պետք է լինի սահմանների և միգրացիայի վերահսկողության դեմքերի ճանաչման համակարգերի ներդրումը։ Պետական ​​աջակցությամբ դեմքի նույնականացման համակարգի ներդրումը կարող է դառնալ նույնքան սովորական, որքան մետաղական դետեկտորների շրջանակները առաջիկա երեք-հինգ տարում:

Օրինակ 2. Ճանաչեք ձեր հաճախորդին հայացքով

Բիզնեսը նաև խաղադրույք է կատարում դեմքի կենսաչափական նույնականացման վրա: Առաջին հերթին դա մանրածախ է։

Համակարգերը ճանաչում են հաճախորդների սեռը և տարիքը, մանրածախ առևտրի կետեր այցելելու հաճախականությունն ու ժամանակը, կուտակում վիճակագրություն ցանցի յուրաքանչյուր առանձին խանութի համար:

Դրանից հետո բաժանմունքի համար ավտոմատ կերպով ցուցադրվում են մանրամասն հաշվետվություններ ինչպես ամբողջ ցանցի, այնպես էլ ըստ կետերի բաժանման: Այս հաշվետվությունների հիման վրա հարմար է կազմել «հաճախորդի պրոֆիլ» և պլանավորել արդյունավետ մարքեթինգային արշավներ:

Ցավոք, մենք չենք կարող բացահայտել հաճախորդներին:Դրանց թվում են խոշորագույն մանրածախ առևտուրը և DIY (Do It Youself) ցանցերը, որոնք ներառում են թանկարժեք գործիքներ և բաղադրիչներ:

Ինչպես է դա աշխատում

Շատերը վախենում են գաղտնի տեղեկատվության արտահոսքից, սակայն մենք հատուկ շեշտում ենք, որ ճանաչված անձանց անձնական տվյալներ չեն պահվում արխիվներում: Ընդ որում, պահվում է ոչ թե պատկերը, այլ դրա կենսաչափական կաղապարը, ըստ որի պատկերը հնարավոր չէ վերականգնել։

Կրկնվող այցելությունների դեպքում դեմքի կենսաչափական ձևանմուշը «ձգվում է», այնպես որ համակարգը հստակ գիտի, թե ով և քանի անգամ է եղել խանութում: Անձնական տվյալների անվտանգության համար կարող եք հանգիստ լինել։

Փոքր խանութների, ավտոսրահների, դեղատների համար մարքեթինգային վերլուծությունների հավաքագրման մեխանիզմը ներդրված է ամպային ճանաչման ծառայության մեջ: Փոքր և միջին բիզնեսի համար այս տարբերակն ավելի նախընտրելի է, քանի որ այն չի պահանջում սերվերի սարքավորումների ծախսեր, լրացուցիչ անձնակազմի վարձում, ծրագրային ապահովման թարմացում և այլն: Նախ, սա հարմար գործիք է վարդակների արդյունավետությունը գնահատելու համար, և երկրորդը, դա հիանալի օգնական է գողերին հայտնաբերելու համար: Այսինքն՝ մեկ համակարգը միանգամից մի քանի գործառույթ է կատարում։

Օրինակ 3. Մուտքի վերահսկման և կառավարման համակարգեր

Բացի վերը նշված գործառույթներից, հարմար է օգտագործել դեմքի ճանաչման համակարգը որպես Proximity քարտերի այլընտրանք մուտքի վերահսկման և կառավարման համակարգերում (ACS):

Նրանք ունեն մի շարք առավելություններ.ապահովում են ճանաչման բարձր հուսալիություն, դրանք չեն կարող խաբվել, պատճենվել կամ գողացվել նույնացուցիչը, դրանք հեշտ է ինտեգրվել առկա անվտանգության սարքավորումների հետ: Դուք նույնիսկ կարող եք օգտագործել առկա հսկողության տեսախցիկները: Դեմքի նույնականացման կենսաչափական համակարգերը աշխատում են հեռակա և շատ արագ արխիվում իրադարձությունների գրանցման հետ:

Կենսաչափական ACS-ի հիման վրա հարմար է հետևել աշխատակիցների աշխատանքային ժամերին, հատկապես խոշոր գրասենյակային կենտրոններում:

գործ

Նման համակարգ մենք ներդրել ենք հնդկական խոշոր ձեռնարկությունում, որը մասնագիտացած է լոգիստիկայի ոլորտում անցյալ տարի։ Մշտական ​​աշխատողների թիվը կազմում է ավելի քան 600 մարդ։ Միևնույն ժամանակ, ընկերությունն աշխատում է շուրջօրյա և կիրառում է «լողացող» աշխատանքային գրաֆիկ։ Մեր հեռահար կենսաչափական նույնականացման համակարգի օգնությամբ հաճախորդը ստացավ աշխատակիցների աշխատաժամանակի ամբողջական և հուսալի գրառում, հաստատությունների անվտանգության կանխարգելիչ գործիք և մուտքի վերահսկման համակարգ:

Օրինակ 4. Երկրպագուների փոխանցում դեպի մարզադաշտ

Տոմսերի տոմսարկղից գնելու պահին յուրաքանչյուր գնորդի դեմք ավտոմատ կերպով լուսանկարվում և բեռնվում է համակարգ։ Այսպես է ձևավորվում հանդիպման այցելուների բազան։ Եթե ​​գնումը կատարվել է ինտերնետի կամ բջջային հավելվածի միջոցով, ապա թույլտվությունը հնարավոր է հեռակա կարգով՝ օգտագործելով «սելֆի»: Հետագայում, երբ մարդը գա մարզադաշտ, համակարգը նրան կճանաչի առանց անձնագրի։

Սպորտային մրցումների այցելուների նույնականացումը պարտադիր է դարձել «Ռուսաստանի Դաշնությունում ֆիզիկական կուլտուրայի և սպորտի մասին» Դաշնային օրենքի 20-րդ հոդվածում փոփոխություններ կատարելու մասին թիվ 284-ФЗ դաշնային օրենքի և Վարչական իրավախախտումների մասին օրենսգրքի 32.14-րդ հոդվածի համաձայն: Ռուսաստանի Դաշնության.

Տոմսը գնողն է մտնելու մարզադաշտ, անհնար է տոմսը փոխանցել այլ անձի կամ կեղծ տոմսով անցնել։ Դեմքի հեռաճանաչումը մարզադաշտերում գործում է նույն սկզբունքով, ինչ աշխարհագրորեն բաշխված խոշոր տրանսպորտային օբյեկտներում. եթե անձը ներառված է այն անձանց ցուցակում, որոնց մուտքը մարզադաշտ արգելված է, համակարգը թույլ չի տա նրան անցնել:

գործ

2016 թվականի մարտին Vocord-ի և PJSC Rostelecom-ի Խանտի-Մանսիյսկի մասնաճյուղի համատեղ նախագծի շրջանակներում օգտագործվել է դեմքի ճանաչման հեռակառավարման համակարգ՝ Խանտի-Մանսիյսկում անցկացվող բիաթլոնի աշխարհի գավաթի անվտանգությունն ապահովելու համար: 2015 թվականից նույն համակարգը հաջողությամբ գործում է «Արենա Օմսկ» բազմաֆունկցիոնալ մարզահամալիրում։ Այն Ռուսաստանի վեց խոշորագույն սպորտային օբյեկտներից մեկն է, Սիբիրի ամենամեծ սպորտային և զվարճանքի հաստատությունն է և Ավանգարդ հոկեյի ակումբի բազան։

Օրինակ 5. Ինտերնետ-բանկինգ և բանկոմատներ

Մեկ այլ տեղը, որում տեղավորվել է դեմքի ճանաչումը, բանկային հատվածն է: Այստեղ նոր տեխնոլոգիաների ներդրումը ինտենսիվ է, քանի որ ֆինանսական հատվածն ավելի շատ հետաքրքրված է անհատականացված տեղեկատվության հուսալիությամբ և անվտանգությամբ, քան մյուսները:

Այսօր աստիճանաբար սկսվում է կենսաչափությունը, եթե ոչ սովորական ու կայացած «թղթային» փաստաթղթերը տեղահանելու, ապա դրանց հավասարության հասնելու համար։ Միևնույն ժամանակ զգալիորեն ավելացել է վճարումներ կատարելիս պաշտպանվածության աստիճանը՝ գործարքը հաստատելու համար բավական է նայել սմարթֆոնի տեսախցիկին։ Միևնույն ժամանակ, կենսաչափական տվյալներն ինքնին ոչ մի տեղ չեն փոխանցվում, հետևաբար, անհնար է դրանք գաղտնալսել։

Կենսաչափական նույնականացման տեխնոլոգիաների ներդրումն ուղղակիորեն կապված է էլեկտրոնային ծառայությունների և սարքերի զանգվածային օգտագործման, առցանց առևտրի զարգացման և կանխիկի փոխարեն պլաստիկ քարտերի տարածման հետ։

Բարձր արդյունավետությամբ գրաֆիկայի մշակման միավորների (GPU) և դրանց վրա հիմնված գերկոմպակտ ապարատային հարթակների հայտնվելով, ինչպիսին է NVIDIA Jetson-ը, դեմքի ճանաչման համակարգը սկսեց ներդրվել բանկոմատներում: Այժմ միայն քարտատերը կարող է կանխիկացնել կամ կատարել հաշվի գործարքներ, օրինակ՝ Tinkoff Bank բանկոմատների միջոցով։ Իսկ PIN-ը շուտով կարող է անջատվել:

Ժամանակակից ինտեգրված անվտանգության համակարգերը ի վիճակի են լուծել ցանկացած բարդության խնդիրներ տարբեր արդյունաբերական, սոցիալական և կենցաղային օբյեկտներում: Տեսահսկման համակարգերը շատ կարևոր գործիքներ են անվտանգության համակարգերում, և սեգմենտի ֆունկցիոնալության պահանջները անշեղորեն աճում են:

Ինտեգրված անվտանգության համակարգեր

Մեկ հարթակը ներառում է անվտանգության և հրդեհային սարքավորումների, մուտքի վերահսկման և կառավարման, տեսահսկման կամ անվտանգության հեռուստատեսության (SOT) մոդուլներ: Վերջինիս գործառույթները մինչև վերջերս սահմանափակվում էին օբյեկտում և հարակից տարածքում իրավիճակի տեսամոնիթորինգով և գրանցմամբ, տվյալների արխիվացումով և պահպանմամբ։ Դասական վիդեո համակարգերն ունեն մի շարք էական թերություններ.

• Մարդկային գործոն. Օպերատորի անարդյունավետ աշխատանքը մեծ քանակությամբ տեղեկատվություն հեռարձակելիս.
• Վիրահատական ​​միջամտության անհնարինությունը, անժամանակ անալիզը.
• Իրադարձության որոնման և նույնականացման համար ծախսված զգալի ժամանակ:

Թվային տեխնոլոգիաների զարգացումը հանգեցրել է «խելացի» ավտոմատացված համակարգերի ստեղծմանը։

Ուժ ինտելեկտի մեջ

Ինտելեկտուալի հիմնական սկզբունքը վիդեո վերլուծությունն է՝ տեխնոլոգիա, որը հիմնված է օրինաչափությունների ճանաչման և վիդեո հոսքերի վերլուծության արդյունքում տվյալների ավտոմատացված հավաքագրման մեթոդների և ալգորիթմների վրա: Նման սարքավորումները, առանց մարդու միջամտության, ի վիճակի են իրական ժամանակում հայտնաբերել և հետևել տվյալ թիրախներին (մեքենա, մարդկանց խումբ), պոտենցիալ վտանգավոր իրավիճակներին (ծուխ, հրդեհ, տեսախցիկների շահագործման չարտոնված միջամտություն), ծրագրավորված իրադարձությունները և ժամանակին: տագնապի ազդանշան տալ. Զտելով վիդեո տվյալները, որոնք հետաքրքրություն չեն ներկայացնում, զգալիորեն կրճատվում է կապի ուղիների և արխիվային բազայի ծանրաբեռնվածությունը:

Տեսանյութերի վերլուծության ամենատարածված գործիքը դեմքի ճանաչման համակարգն է: Կախված կատարվող գործառույթներից և առաջադրված խնդիրներից՝ սարքավորումների վրա դրվում են որոշակի պահանջներ։

Որոնվածը և սարքաշարը

Համակարգի արդյունավետ շահագործման համար օգտագործվում են տարբեր կատարողական բնութագրերով IP տեսախցիկների մի քանի տեսակներ: Վերահսկվող տարածքում օբյեկտի հայտնաբերումն արձանագրվում է 1 մեգապիքսել և ավելի թույլատրությամբ և 1 մմ կիզակետային երկարությամբ համայնապատկերային տեսախցիկների միջոցով, և սկան սարքերը ուղղում են դրա վրա: Սրանք ավելի առաջադեմ տեսախցիկներ են (2 մեգապիքսելից, 2 մմ-ից), որոնք ճանաչում են արտադրում պարզ մեթոդների միջոցով (3-4 պարամետր): Օբյեկտը նույնականացնելու համար օգտագործվում են պատկերի լավ որակով տեսախցիկներ, որոնք բավարար են բարդ ալգորիթմների կիրառման համար (5 մեգապիքսելից, 8-12 մմ):

Դեմքի ճանաչման ամենահայտնի ծրագրային արտադրանքները՝ «Face Intellect» (մշակող՝ House Control ընկերություն), Face Director (Synesis ընկերություն) և VOCORD FaceControl (VOCORD) ցուցադրում են.

• Օբյեկտի նույնականացման մեծ հավանականություն (մինչև 99%):
• Աջակցություն տեսախցիկի պտտման անկյունների լայն շրջանակին:
• Դեմքերն ընդգծելու ունակություն նույնիսկ խիտ հետիոտնի զանգվածում:
• Վերլուծական հաշվետվությունների պատրաստման փոփոխականություն:

Կաղապարների ճանաչման հիմունքները

Ցանկացած կենսաչափական ճանաչման համակարգեր հիմնված են անձի ընթերցված ֆիզիոլոգիական բնութագրերի համապատասխանությունը որոշակի կանխորոշված ​​ձևանմուշի հետ նույնականացնելու վրա:

Սկանավորումն իրականացվում է իրական ժամանակում: IP տեսախցիկը հեռարձակում է տեսահոսքը դեպի տերմինալ, և դեմքի ճանաչման համակարգը որոշում է, թե արդյոք պատկերը համապատասխանում է տվյալների բազայում պահվող լուսանկարներին: Կան երկու հիմնական մեթոդներ. Առաջինը հիմնված է ստատիկ սկզբունքների վրա՝ կենսաչափական պարամետրերի մշակման արդյունքների հիման վրա ստեղծվում է էլեկտրոնային նմուշ՝ կոնկրետ անձին համապատասխանող եզակի թվի տեսքով։ Երկրորդ մեթոդը մոդելավորում է «մարդկային» մոտեցումը և բնութագրվում է ինքնուսուցմամբ և կայունությամբ: Վիդեո պատկերով անձի նույնականացումը հաշվի է առնում տարիքային փոփոխությունները և այլ գործոններ (գլխազարդի, մորուքի կամ բեղի, ակնոցի առկայություն): Այս տեխնոլոգիան թույլ է տալիս աշխատել նույնիսկ հին լուսանկարներով, իսկ անհրաժեշտության դեպքում՝ ռենտգենով:

Դեմքի որոնման ալգորիթմ

Դեմքի հայտնաբերման ամենատարածված տեխնիկան Haar կասկադների օգտագործումն է (դիմակների հավաքածու):

Դիմակը ուղղանկյուն պատուհան է՝ սպիտակ և սև հատվածների տարբեր համակցություններով։

Ծրագրի մեխանիզմը հետևյալն է. վիդեո շրջանակը ծածկված է մի շարք դիմակներով, և հենվելով ոլորման արդյունքների վրա (հաշվելով այն պիքսելները, որոնք ընկնում են սպիտակ և սև հատվածներում) տարբերությունը հաշվարկվում և համեմատվում է որոշակի. շեմային արժեքը.

Դասակարգչի աշխատանքը բարելավելու համար ստեղծվում են դրական (մարդկանց դեմքերով շրջանակներ) և բացասական (առանց դրանց) ուսումնական նմուշներ։ Առաջին դեպքում ոլորման արդյունքը շեմային արժեքից բարձր է, երկրորդում՝ ներքև: Ընդունելի սխալով դեմքի դետեկտորը որոշում է բոլոր կասկադների ոլորումների գումարը և, եթե շեմը գերազանցում է, ազդանշան է տալիս շրջանակում դեմքերի առկայության մասին:

Ճանաչման տեխնոլոգիաներ

Նախնական փուլում հայտնաբերումից և տեղայնացումից հետո տեղի է ունենում պատկերի պայծառությունն ու երկրաչափական հավասարեցումը: Հետագա գործողությունները` նշանների հաշվարկը և նույնականացումը, կարող են իրականացվել տարբեր մեթոդներով:

Գերազանց լուսավորությամբ սենյակում ամբողջ դեմքը սկանավորելիս երկչափ պատկերներով աշխատող ալգորիթմները լավ արդյունքներ են ցույց տալիս: Վերլուծելով եզակի կետերը և դրանց միջև եղած հեռավորությունները՝ դեմքի ճանաչման համակարգը որոշում է նույնականացման փաստը «կենդանի» պատկերի և գրանցված կաղապարի տարբերության գործակիցներով։

Եռաչափ տեխնոլոգիաները դիմացկուն են լույսի հոսքի փոփոխություններին, դիմային տեսադաշտից թույլատրելի շեղումը մինչև 45 աստիճան է։ Այստեղ վերլուծվում են ոչ միայն կետերը և գծերը, այլև մակերեսների հատկությունները (կորություն, պրոֆիլ), դրանց միջև եղած հեռավորությունների չափումը: Նման ալգորիթմների գործարկման համար պահանջվում է մինչև 200 կադր/վ հաճախականությամբ տեսագրման առավելագույն որակ: Համակարգը հիմնված է 5 մեգապիքսել մատրիցով ստերեո տեսախցիկների վրա, բարձր օպտիկական լուծաչափով և նվազագույնի հասցնելով համաժամացման սխալը: Բացի այդ, դրանք միացված են ժամացույցի հատուկ մալուխով՝ ժամացույցի իմպուլսները փոխանցելու համար:

Ժամանակակից համակարգերի շուկայի վիճակը

Առաջինները, իրենց բարձր արժեքի պատճառով, մշակվել են միայն պետական ​​ռազմական օբյեկտների համար և միայն 90-ականների կեսերին հասանելի են դարձել առևտրային կազմակերպություններին։ Տեխնոլոգիաների արագ զարգացումը հնարավորություն է տվել բարձրացնել համակարգերի ճշգրտությունը և ընդլայնել դրանց կիրառման շրջանակը։ Մեր երկրի շուկայում առաջատար դիրքերը պատկանում են անվտանգության համակարգեր արտադրող ամերիկյան և արևմտաեվրոպական ընկերություններին։ Վաճառքի առաջատարը ZN Vision Technologies և Visionics կորպորացիաների սարքավորումներն են։ Ներքին մշակողների շրջանում ամենահեռանկարայինը Vocord-ի, NTechLab-ի, Soling-ի, VisionLabs LLC-ի և STC խմբի հետազոտություններն ու արտադրանքներն են, որոնք, ի թիվս այլ բաների, զբաղվում են նաև օտարերկրյա համալիրները ռուսական պայմաններին հարմարեցնելով:

Համակարգչային դեմքի հսկողություն

Անկոնտակտ նույնականացման կիրառման ամենալայն ոլորտը ահաբեկչության և հանցագործության դեմ պայքարն է։ Հանցագործի դեմքի պատկերը պահվում է տվյալների բազայում։ Մարդաշատ վայրերում (օդանավակայաններ, երկաթուղային կայարաններ, առևտրի կենտրոններ, սպորտային օբյեկտներ) մարդկանց իրական ժամանակում նկարահանում են՝ բացահայտելու հետախուզվողներին:

Հաջորդ ոլորտը մուտքի վերահսկման համակարգերն են. էլեկտրոնային անցագրի վրա լուսանկարչական պատկերի նմուշը համեմատվում է տեսախցիկների տվյալների մշակման արդյունքում ստացված մոդելի հետ: Պրոցեդուրան տեղի է ունենում ակնթարթորեն, առանց որևէ լրացուցիչ գործողություն պահանջելու նրանցից (ի տարբերություն ցանցաթաղանթի սկանավորման կամ մատնահետքի):

Մեկ այլ արագ աճող արդյունաբերություն մարքեթինգն է: Ինտերակտիվ գովազդային վահանակը, սկանավորելով մարդու դեմքը, որոշում է նրա սեռը և տարիքը, պատկերացնում միայն այն գովազդները, որոնք պոտենցիալ հետաքրքիր կլինեն հաճախորդի համար:

Միտումներ և զարգացման հեռանկարներ

Դեմքի ճանաչման համակարգերը մեծ պահանջարկ ունեն բանկային ոլորտում։

Անցյալ տարվա արդյունքներով, իրենց գրասենյակներում տեղադրելով 50,000 խելացի տեսախցիկներ, Post Bank-ի ղեկավարությանը հաջողվել է միլիոնավոր ռուբլի խնայել՝ կանխելով վարկավորման և վճարումների հատվածներում խարդախությունները: Փորձագետները նշում են, որ մինչև 2021 թվականը կստեղծվի անհրաժեշտ ենթակառուցվածքային ցանց, և բանկոմատներում ցանկացած աշխատանք հնարավոր կդառնա միայն հաճախորդի դեմքի կենսաչափական նույնականացումից հետո։

Առաջիկա տասնամյակում բարձր տեխնոլոգիաները թույլ կտան բացել ամբողջական ինքնասպասարկման խանութների ցանց՝ գնորդը քայլում է պատուհանների առջև, ընտրում իր հավանած ապրանքը և հեռանում։ Դեմքի և պատկերի ճանաչման համակարգը կորոշի գնորդի ինքնությունը, գնումը և նրա հաշվից դուրս կգա անհրաժեշտ գումարը։

Աշխատանքներ են տարվում հոգե-հուզական վիճակի ճանաչման համակարգերի ստեղծման ուղղությամբ։ Մարդկային հույզերի վերլուծությունը պահանջված կլինի մուլտիմեդիա ոլորտներում՝ անիմացիա, կինեմատոգրաֆիա, համակարգչային խաղերի ստեղծման արդյունաբերություն։

Բոլորին հայտնի են ֆանտաստիկ ֆիլմերի տեսարաններ՝ հերոսը գալիս է դռան մոտ, և դուռը բացվում է՝ ճանաչելով նրան։ Սա մուտքի վերահսկման համար կենսաչափական տեխնոլոգիաների կիրառման հարմարության և հուսալիության ակնհայտ ցուցադրումներից մեկն է: Այնուամենայնիվ, գործնականում դա այնքան էլ պարզ չէ. Այսօր որոշ ընկերություններ պատրաստ են սպառողներին առաջարկել մուտքի վերահսկում կենսաչափական տեխնոլոգիաների միջոցով:

Անձնական նույնականացման ավանդական մեթոդները, որոնք հիմնված են տարբեր նույնականացման քարտերի, բանալիների կամ եզակի տվյալների վրա, ինչպիսիք են, օրինակ, գաղտնաբառը, վստահելի չեն այնքանով, որքանով այսօր պահանջվում է: Նույնացուցիչների հուսալիության բարելավման բնական քայլը անվտանգության համակարգերի համար կենսաչափական տեխնոլոգիաների կիրառման փորձն էր:

Նոր տեխնոլոգիաների կիրառմամբ լուծվող խնդիրների շրջանակը չափազանց լայն է.

1. կանխել ներխուժողների մուտքը պահպանվող տարածքներ և տարածքներ՝ կեղծելով, գողանալով փաստաթղթեր, քարտեր, գաղտնաբառեր.
2. սահմանափակել տեղեկատվության հասանելիությունը և ապահովել անձնական պատասխանատվություն դրա անվտանգության համար.
3. ապահովել պատասխանատու հաստատությունների մուտքը միայն հավաստագրված մասնագետների համար.
4. խուսափել մուտքի վերահսկման համակարգերի (քարտեր, բանալիներ) շահագործման հետ կապված վերադիր ծախսերից.
5. վերացնել բանալիների, քարտերի, գաղտնաբառերի կորստի, վնասման կամ տարրական մոռացության հետ կապված անհարմարությունները.
6. կազմակերպել աշխատակիցների մուտքի և հաճախումների գրառումները:

Տարբեր կենսաչափական բնութագրերով օրինաչափությունների ճանաչման տեխնոլոգիաների զարգացումը սկսել է զբաղվել բավականին վաղուց, սկիզբը դրվել է 60-ականներին: Մեր հայրենակիցները զգալի առաջընթաց են գրանցել այդ տեխնոլոգիաների տեսական հիմքերի զարգացման գործում։ Սակայն գործնական արդյունքներ ստացվեցին հիմնականում Արեւմուտքում եւ միայն «երեկ»-ում։ Ժամանակակից համակարգիչների հզորությունը և բարելավված ալգորիթմները հնարավորություն են տվել ստեղծել այնպիսի ապրանքներ, որոնք իրենց բնութագրերով և հարաբերակցությամբ դարձել են հասանելի և հետաքրքիր օգտվողների լայն շրջանակի համար:

Նրան նույնականացնելու համար անձի անհատական ​​հատկանիշներն օգտագործելու գաղափարը նորություն չէ։ Մինչ օրս հայտնի են մի շարք տեխնոլոգիաներ, որոնք կարող են օգտագործվել անվտանգության համակարգերում՝ անձնական նույնականացման համար՝

1. մատնահետքեր (ինչպես անհատական, այնպես էլ ձեռքը որպես ամբողջություն);
2. դեմքի հատկություններ (օպտիկական և ինֆրակարմիր պատկերների հիման վրա);
3. աչքի ծիածանաթաղանթ;
4. ձայն
5. այլ հատկանիշներ:

Բոլոր կենսաչափական տեխնոլոգիաներն ունեն նույնականացման խնդրի լուծման ընդհանուր մոտեցումներ, թեև բոլոր մեթոդները տարբերվում են օգտագործման հեշտությամբ և արդյունքների ճշգրտությամբ:

Ցանկացած կենսաչափական տեխնոլոգիա կիրառվում է փուլերով.

1. օբյեկտների սկանավորում;
2. անհատական ​​տեղեկատվության արդյունահանում;
3. կաղապարի ձևավորում;
4. համեմատելով ընթացիկ ձևանմուշը տվյալների բազայի հետ:

Կենսաչափական ճանաչման համակարգը սահմանում է օգտագործողի հատուկ ֆիզիոլոգիական կամ վարքային բնութագրերի համապատասխանությունը տվյալ ձևանմուշին: Սովորաբար, կենսաչափական համակարգը բաղկացած է երկու մոդուլից՝ գրանցման մոդուլ և նույնականացման մոդուլ:

Գրանցման մոդուլ«մարզում» է համակարգը կոնկրետ անձի նույնականացման համար։ Գրանցման փուլում տեսախցիկը կամ այլ սենսորները սկանավորում են անձին՝ նրա արտաքին տեսքի թվային պատկերը ստեղծելու համար: Դեմքի սկանավորումը տևում է մոտ 20-30 վայրկյան, ինչը հանգեցնում է բազմաթիվ պատկերների: Իդեալում, այս պատկերները կունենան մի փոքր տարբեր անկյուններ և դեմքի արտահայտություններ, ինչը թույլ կտա ավելի ճշգրիտ տվյալներ ստանալ: Հատուկ ծրագրային մոդուլը մշակում է այս ներկայացումը և որոշում անհատականության գծերը, այնուհետև ստեղծում է ձևանմուշ: Կան դեմքի որոշ հատվածներ, որոնք գրեթե չեն փոխվում ժամանակի ընթացքում, օրինակ՝ ակնախորշերի վերին եզրագծերը, այտոսկրերը շրջապատող հատվածները և բերանի եզրերը։ Կենսաչափական տեխնոլոգիաների համար մշակված ալգորիթմների մեծ մասը հաշվի է առնում մարդու սանրվածքի հնարավոր փոփոխությունները, քանի որ վերլուծության համար նրանք չեն օգտագործում դեմքի հատվածը մազերի գծից վերև։ Յուրաքանչյուր օգտագործողի պատկերի ձևանմուշը պահվում է կենսաչափական համակարգի տվյալների բազայում:

Նույնականացման մոդուլստանում է մարդու պատկերը տեսախցիկից և փոխակերպում այն ​​նույն թվային ձևաչափի, որում պահվում է ձևանմուշը: Ստացված տվյալները համեմատվում են տվյալների բազայում պահվող ձևանմուշի հետ՝ որոշելու, թե արդյոք պատկերները համապատասխանում են միմյանց: Ստուգման համար պահանջվող նմանության աստիճանը շեմ է, որը կարող է ճշգրտվել տարբեր տեսակի անձնակազմի, ԱՀ-ի հզորության, օրվա ժամի և մի շարք այլ գործոնների համար:

Նույնականացումը կարող է լինել ստուգման, նույնականացման կամ ճանաչման ձևով: Ստուգումը հաստատում է ստացված տվյալների և տվյալների բազայում պահվող ձևանմուշի ինքնությունը: Նույնականացում - հաստատում է տեսախցիկից ստացված պատկերի համապատասխանությունը տվյալների բազայում պահվող ձևանմուշներից մեկին: Ճանաչման ժամանակ, եթե ստացված բնութագրերը և պահպանված կաղապարներից մեկը նույնն են, ապա համակարգը անձին նույնացնում է համապատասխան կաղապարով։

Կենսաչափական համակարգերի, հատկապես դեմքերի ճանաչման համակարգերի օգտագործման ժամանակ, նույնիսկ ճիշտ կենսաչափական բնութագրերի ներդրման դեպքում, իսկությունը հաստատելու որոշումը միշտ չէ, որ ճիշտ է: Դա պայմանավորված է մի շարք հատկանիշներով և, առաջին հերթին, նրանով, որ շատ կենսաչափական բնութագրեր կարող են փոխվել։ Համակարգի սխալի հավանականության որոշակի աստիճան կա: Ավելին, տարբեր տեխնոլոգիաներ օգտագործելիս սխալը կարող է զգալիորեն տարբերվել։ Կենսաչափական տեխնոլոգիաներ օգտագործելիս մուտքի վերահսկման համակարգերի համար անհրաժեշտ է որոշել, թե որն է ավելի կարևոր՝ բաց չթողնել «այլմոլորակայինը» կամ բաց թողնել բոլոր «ընկերներին»:

Անվտանգության համակարգերում կենսաչափական տեխնոլոգիաների օգտագործողների համար կարևոր գործոն է օգտագործման հեշտությունը: Անձը, ում բնութագրերը սկանավորվում են, չպետք է որևէ անհարմարություն ապրի: Այս առումով ամենահետաքրքիր մեթոդը, իհարկե, դեմքի ճանաչման տեխնոլոգիան է։ Ճիշտ է, այս դեպքում այլ խնդիրներ են առաջանում՝ կապված առաջին հերթին համակարգի ճշգրտության հետ։

Չնայած ակնհայտ առավելություններին, կան մի շարք բացասական կողմնակալություններ կենսաչափության դեմ, որոնք հաճախ հարցեր են առաջացնում այն ​​մասին, թե արդյոք կենսաչափական տվյալները կօգտագործվեն մարդկանց լրտեսելու և նրանց գաղտնիությունը խախտելու համար: Սենսացիոն պնդումների և անհիմն աղմուկի պատճառով կենսաչափական տեխնոլոգիաների ընկալումը կտրուկ տարբերվում է իրերի իրական վիճակից։

Եվ այնուամենայնիվ, վերջին տարիներին առանձնահատուկ արդիականություն է ձեռք բերել նույնականացման կենսաչափական մեթոդների կիրառումը: Այս խնդիրը հատկապես սրվեց ԱՄՆ-ում սեպտեմբերի 11-ի իրադարձություններից հետո։ Համաշխարհային հանրությունը գիտակցել է ամբողջ աշխարհում ահաբեկչության աճող սպառնալիքի չափը և ավանդական մեթոդներով հուսալի պաշտպանություն կազմակերպելու բարդությունը: Հենց այս ողբերգական իրադարձություններն էլ ելակետ հանդիսացան ժամանակակից ինտեգրված անվտանգության համակարգերի նկատմամբ ուշադրության մեծացման համար: Հայտնի կարծիք է, որ եթե օդանավակայաններում հսկողությունը խստացվեր, ապա դժբախտություններից կարելի էր խուսափել։ Եվ նույնիսկ այսօր, մի շարք այլ միջադեպերի համար պատասխանատուների որոնումը կարող է զգալիորեն հեշտացվել՝ օգտագործելով դեմքերի ճանաչման համակարգերի հետ ինտեգրված տեսահսկման ժամանակակից համակարգերը:

Ներկայումս դեմքի ճանաչման չորս հիմնական մեթոդ կա.

1. «սեփական դեմքեր»;
2. «տարբերակիչ հատկանիշների» վերլուծություն;
3. «նեյրոնային ցանցերի» վրա հիմնված վերլուծություն;
4. «դեմքի պատկերի ավտոմատ մշակման» մեթոդ.

Այս բոլոր մեթոդները տարբերվում են իրականացման բարդությամբ և կիրառման նպատակներով:

«Eigenface»-ը կարելի է թարգմանել որպես «սեփական դեմք»։ Այս տեխնոլոգիան օգտագործում է երկչափ մոխրագույն պատկերներ, որոնք ներկայացնում են դեմքի պատկերի տարբերակիչ բնութագրերը: «Eigenface» մեթոդը հաճախ օգտագործվում է որպես դեմքի ճանաչման այլ մեթոդների հիմք:

Համակցելով 100 - 120 «Eigenface» բնութագրերը՝ հնարավոր է վերականգնել մեծ թվով դեմքեր։ Գրանցման պահին յուրաքանչյուր կոնկրետ անձի «սեփական դեմքը» ներկայացված է որպես գործակիցների շարք: Նույնականացման ռեժիմի համար, որտեղ պատկերն օգտագործվում է ինքնությունը հաստատելու համար, կենդանի ձևանմուշը համեմատվում է արդեն գրանցված ձևանմուշի հետ՝ տարբերության հարաբերակցությունը որոշելու համար: Կաղապարների տարբերության աստիճանը որոշում է նույնականացման փաստը: «Eigenface» տեխնոլոգիան օպտիմալ է, երբ օգտագործվում է լավ լուսավորված սենյակներում, երբ հնարավոր է սկանավորել դիմացի դեմքը։

«Տարբերակող» վերլուծության տեխնիկան նույնականացման ամենաշատ կիրառվող տեխնոլոգիան է։ Այս տեխնոլոգիան նման է «Eigenface» տեխնիկային, բայց ավելի հարմարեցված է մարդու արտաքինը կամ դեմքի արտահայտությունը փոխելու համար (ժպտացող կամ խոժոռված դեմք): Տարբերակիչ հատկանիշներն օգտագործում են դեմքի տարբեր հատվածների տասնյակ տարբերվող գծեր՝ հաշվի առնելով դրանց հարաբերական դիրքը։ Այս պարամետրերի անհատական ​​համադրությունը որոշում է յուրաքանչյուր կոնկրետ անձի առանձնահատկությունները: Մարդու դեմքը յուրահատուկ է, բայց բավականին դինամիկ, քանի որ. մարդը կարող է ժպտալ, մորուք և բեղեր աճեցնել, ակնոցներ դնել. այս ամենը մեծացնում է նույնականացման ընթացակարգի բարդությունը: Այսպես, օրինակ, ժպտալիս տեղի է ունենում դեմքի բերանի մոտ գտնվող հատվածների որոշակի տեղաշարժ, որն իր հերթին կառաջացնի հարակից մասերի նմանատիպ շարժում։ Հաշվի առնելով նման տեղաշարժերը՝ հնարավոր է եզակի կերպով նույնացնել դեմքի տարբեր միմիկ փոփոխություններով մարդուն։ Քանի որ այս վերլուծությունը հաշվի է առնում դեմքի տեղային հատվածները, թույլատրելիությունը կարող է լինել մինչև 25° հորիզոնական հարթությունում և մինչև մոտավորապես 15° ուղղահայաց հարթությունում, և պահանջում է բավականաչափ հզոր և թանկարժեք սարքավորումներ, ինչը համապատասխանաբար նվազեցնում է դրա բաշխման աստիճանը: մեթոդ.

Նյարդային ցանցի վրա հիմնված մեթոդի դեպքում երկու դեմքերի բնորոշ գծերը՝ գրանցված և հաստատված, համեմատվում են համընկնման համար: «Նյարդային ցանցերը» օգտագործում են ալգորիթմ, որը համապատասխանում է ստուգվող անձի դեմքի եզակի պարամետրերին և տվյալների բազայում գտնվող կաղապարի պարամետրերին՝ միաժամանակ կիրառելով առավելագույն հնարավոր քանակի պարամետրեր։ Համեմատության ընթացքում պարզվում են անհամապատասխանությունները ստուգվող անձի և տվյալների բազայի ձևանմուշի միջև, այնուհետև գործարկվում է մեխանիզմ, որը, օգտագործելով համապատասխան քաշային գործակիցները, որոշում է ստուգվող անձի համապատասխանության աստիճանը տվյալների բազայի կաղապարին: Այս մեթոդը բարձրացնում է դեմքի նույնականացման որակը բարդ պայմաններում։

«Դեմքի պատկերի ավտոմատ մշակման» մեթոդը ամենապարզ տեխնոլոգիան է՝ օգտագործելով հեռավորությունները և դեմքի հեշտությամբ որոշվող կետերի միջև եղած հեռավորությունների հարաբերակցությունը, ինչպիսիք են աչքերը, քթի ծայրը, բերանի անկյունները։ Թեև այս մեթոդը այնքան հզոր չէ, որքան «սեփական դեմքերը» կամ «նյարդային ցանցը», այն կարող է բավականին արդյունավետ օգտագործվել ցածր լուսավորության պայմաններում։

Դեմքի ճանաչման համակարգեր շուկայում

Մինչ օրս մշակվել են մի շարք կոմերցիոն ապրանքներ, որոնք նախատեսված են դեմքի ճանաչման համար: Այս արտադրատեսակներում օգտագործվող ալգորիթմները տարբեր են, և դեռ դժվար է գնահատել, թե որ տեխնոլոգիան ունի առավելություն։ Այս պահին առաջատարները հետևյալ համակարգերն են՝ Visionic, Viisage և Miros:

• Visionic-ի FaceIt հավելվածը հիմնված է տեղական առանձնահատկությունների վերլուծության ալգորիթմի վրա, որը մշակվել է Ռոքֆելլերի համալսարանում: Մեծ Բրիտանիայում առևտրային ընկերություններից մեկը ինտեգրել է FaceIt հեռուստատեսային հանցավորության դեմ պայքարի համակարգին, որը կոչվում է Mandrake: Այս համակարգը որոնում է հանցագործներին՝ օգտագործելով փակ ցանցում միացված 144 տեսախցիկների տեսատվյալները։ Երբ ինքնությունը հաստատվում է, համակարգը տեղեկացնում է անվտանգության աշխատակցին: Ռուսաստանում Visionic-ի ներկայացուցիչը DanCom-ն է։
• Այս ոլորտում մեկ այլ առաջատար՝ Viisage-ը, օգտագործում է Մասաչուսեթսի տեխնոլոգիական ինստիտուտում մշակված ալգորիթմը: ԱՄՆ-ի շատ նահանգների և մի շարք այլ երկրների ձեռնարկություններն ու կառավարությունները օգտագործում են Viisage համակարգը նույնականացման հավատարմագրերի հետ միասին, ինչպիսիք են վարորդական վկայականները:
• ZN Vision Technologies AG-ն (Գերմանիա) շուկայում առաջարկում է մի շարք ապրանքներ, որոնք օգտագործում են դեմքի ճանաչման տեխնոլոգիա: Այս համակարգերը ռուսական շուկայում ներկայացված են Soling-ի կողմից։
• Miros' TrueFace դեմքի ճանաչման համակարգը օգտագործում է նեյրոնային ցանցի տեխնոլոգիա, և ինքնին համակարգը օգտագործվում է Mr.Payroll Corporation-ի կանխիկացման համալիրում և տեղադրված է ԱՄՆ շատ նահանգների կազինոներում և զվարճանքի այլ հաստատություններում:

ԱՄՆ-ում անկախ փորձագետները դեմքի ճանաչման տարբեր տեխնոլոգիաների համեմատական ​​թեստ են անցկացրել։ Թեստի արդյունքները ներկայացված են ստորև.

Բրինձ. 1. Դեմքի ճանաչման արդյունավետության համեմատական ​​վերլուծություն տարբեր համակարգերում

Գործնականում, երբ օգտագործվում են դեմքի ճանաչման համակարգերը որպես ստանդարտ էլեկտրոնային անվտանգության համակարգերի մաս, ենթադրվում է, որ նույնականացման ենթակա անձը նայում է անմիջապես տեսախցիկին: Այսպիսով, համակարգը աշխատում է համեմատաբար պարզ երկչափ պատկերով, ինչը զգալիորեն պարզեցնում է ալգորիթմները և նվազեցնում հաշվարկների ինտենսիվությունը։ Բայց նույնիսկ այս դեպքում ճանաչման խնդիրը դեռ չնչին չէ, քանի որ ալգորիթմները պետք է հաշվի առնեն լուսավորության մակարդակը փոխելու, դեմքի արտահայտությունները փոխելու, դիմահարդարման կամ ակնոցի առկայությունը կամ բացակայությունը:

Դեմքի ճանաչման համակարգի հուսալիությունը մեծապես կախված է մի քանի գործոններից.

• Պատկերի որակը. Համակարգի առանց սխալների գործելու հավանականությունը զգալիորեն նվազում է, եթե այն անձը, ում մենք փորձում ենք ճանաչել, չի նայում ուղիղ տեսախցիկին կամ նկարահանվում է վատ լուսավորության պայմաններում:
• Տվյալների բազայում մուտքագրված լուսանկարի համապատասխանությունը:
• Տվյալների բազայի չափը.

Դեմքի ճանաչման տեխնոլոգիաները լավ են աշխատում ստանդարտ տեսախցիկների հետ, որոնք փոխանցում են տվյալներ և կառավարվում են անհատական ​​համակարգչի կողմից և պահանջում են 320x240 պիքսել/դյույմի լուծաչափ՝ առնվազն 3-ից 5 կադր/վայրկյան արագությամբ: Համեմատության համար նշենք, որ վիդեոկոնֆերանսի համար ընդունելի որակը պահանջում է 15 կադր վայրկյանում տեսահոսքի արագություն: Տեսանյութի ավելի բարձր բիթային արագությունը ավելի բարձր լուծաչափով հանգեցնում է նույնականացման ավելի լավ որակի: Հեռավոր հեռավորությունից դեմքեր ճանաչելիս տեսախցիկի որակի և նույնականացման արդյունքի միջև ամուր կապ կա:

Ստանդարտ անհատական ​​համակարգիչներ օգտագործելիս տվյալների բազաների ծավալը չի ​​գերազանցում 10000 պատկերը։

Եզրակացություն

Այսօր առաջարկվող դեմքի ճանաչման մեթոդները հետաքրքիր են և մոտ են համատարած ներդրմանը, բայց դեռ հնարավոր չէ, ինչպես կինոյում, դռները բացելու համար վստահել միայն դեմքի ճանաչման տեխնոլոգիային։ Դա լավ է որպես անվտանգության աշխատակցի կամ մուտքի վերահսկման այլ համակարգի օգնական:

Հենց այս մեթոդն է կիրառվում բազմաթիվ իրավիճակներում, երբ պահանջվում է համոզվել, որ ներկայացված փաստաթուղթն իսկապես պատկանում է այն ներկայացնողին։ Դա տեղի է ունենում, օրինակ, միջազգային օդանավակայանում, երբ սահմանապահը ստուգում է անձնագրի նկարը անձնագրատիրոջ դեմքով և որոշում՝ դա իր անձնագիրն է, թե ոչ։ Համակարգչային հասանելիության համակարգը գործում է համանման ալգորիթմի համաձայն: Միակ տարբերությունն այն է, որ լուսանկարը համեմատվում է տվյալների բազայում արդեն պահված կաղապարի հետ։

Արդեն հայտնվել են տեխնոլոգիաներ, որոնք հիմնված են ինֆրակարմիր լույսի ներքո դեմքի ճանաչման վրա։ Նոր տեխնոլոգիան հիմնված է այն փաստի վրա, որ դեմքի արյունատար անոթների ջերմային ճառագայթման կամ այլ կերպ ասած՝ մարդու դեմքի ջերմագրման միջոցով ստեղծված ջերմային պատկերը եզակի է բոլորի համար և, հետևաբար, կարող է օգտագործվել որպես կենսաչափական։ մուտքի վերահսկման համակարգերի համար հատկանշական: Այս թերմոգրամն ավելի կայուն նույնացուցիչ է, քան դեմքի երկրաչափությունը, քանի որ այն գրեթե կախված չէ մարդու արտաքինի փոփոխություններից։