Baru-baru ini, banyak artikel telah muncul di Habré yang ditujukan untuk sistem identifikasi wajah Google. Sejujurnya, banyak dari mereka berbau jurnalisme dan, secara halus, tidak kompeten. Dan saya ingin menulis artikel bagus tentang biometrik, ini bukan yang pertama! Ada beberapa artikel bagus tentang biometrik di Habré - tapi cukup pendek dan tidak lengkap. Di sini saya akan mencoba menguraikan secara singkat prinsip-prinsip umum identifikasi biometrik dan pencapaian modern umat manusia dalam hal ini. Termasuk dalam identifikasi oleh orang.

Artikel ini memiliki kelanjutan, yang sebenarnya adalah prekuelnya.

Sebagai dasar artikel, akan digunakan publikasi bersama dengan rekan di jurnal (BDI, 2009), direvisi untuk realitas modern. Habré belum memiliki rekan kerja, tetapi dia mendukung publikasi artikel yang direvisi di sini. Pada saat publikasi, artikel tersebut adalah gambaran singkat tentang pasar teknologi biometrik modern, yang kami lakukan sendiri sebelum meluncurkan produk kami. Penilaian nilai penerapan yang diajukan di bagian kedua artikel didasarkan pada pendapat orang-orang yang telah menggunakan dan menerapkan produk, serta pendapat orang-orang yang terlibat dalam produksi sistem biometrik di Rusia dan Eropa.

informasi Umum

Mari kita mulai dengan dasar-dasarnya. Dalam 95% kasus, biometrik pada dasarnya adalah statistik matematika. Dan matstat adalah ilmu pasti, algoritme yang digunakan di mana-mana: di radar dan sistem Bayesian. Kesalahan jenis pertama dan kedua dapat dianggap sebagai dua karakteristik utama dari setiap sistem biometrik). Dalam teori radar, mereka biasanya disebut "alarm palsu" atau "target meleset", dan dalam biometrik, konsep yang paling mapan adalah FAR (False Acceptance Rate) dan FRR (False Rejection Rate). Angka pertama mencirikan probabilitas kecocokan salah dari karakteristik biometrik dua orang. Yang kedua adalah kemungkinan menolak akses ke seseorang dengan izin. Semakin baik sistem, semakin kecil nilai FRR pada nilai FAR yang sama. Kadang-kadang karakteristik komparatif EER juga digunakan, yang menentukan titik di mana grafik FRR dan FAR berpotongan. Tapi tidak selalu representatif. Lebih jelasnya bisa dilihat, misalnya.
Berikut ini dapat dicatat: jika FAR dan FRR untuk database biometrik terbuka tidak diberikan dalam karakteristik sistem, maka tidak peduli apa yang dinyatakan pabrikan tentang karakteristiknya, sistem ini kemungkinan besar tidak mampu atau jauh lebih lemah daripada pesaingnya.
Tetapi tidak hanya FAR dan FRR yang menentukan kualitas sistem biometrik. Jika ini adalah satu-satunya cara, maka teknologi terdepan adalah pengenalan DNA orang, yang FAR dan FRR cenderung nol. Tetapi jelas bahwa teknologi ini tidak dapat diterapkan pada tahap perkembangan manusia saat ini! Kami telah mengembangkan beberapa karakteristik empiris untuk menilai kualitas sistem. "Resistensi pemalsuan" adalah ukuran empiris yang merangkum betapa mudahnya memalsukan pengenal biometrik. "Stabilitas lingkungan" adalah karakteristik yang secara empiris mengevaluasi stabilitas sistem di bawah berbagai kondisi eksternal, seperti perubahan pencahayaan atau suhu ruangan. "Kemudahan penggunaan" menunjukkan betapa sulitnya menggunakan pemindai biometrik, apakah identifikasi dimungkinkan "saat bepergian". Karakteristik penting adalah "Kecepatan kerja", dan "Biaya sistem". Jangan lupa bahwa karakteristik biometrik seseorang dapat berubah seiring waktu, jadi jika tidak stabil, ini adalah minus yang signifikan.
Banyaknya metode biometrik sungguh menakjubkan. Metode utama menggunakan karakteristik biometrik statis seseorang adalah identifikasi dengan pola papiler pada jari, iris, geometri wajah, retina, pola vena tangan, geometri tangan. Ada juga keluarga metode yang menggunakan karakteristik dinamis: identifikasi dengan suara, dinamika tulisan tangan, detak jantung, gaya berjalan. Di bawah ini adalah distribusi pasar biometrik beberapa tahun yang lalu. Di setiap sumber kedua, data ini berfluktuasi 15-20 persen, jadi ini hanya perkiraan. Juga di sini, di bawah konsep "geometri tangan", dua metode berbeda disembunyikan, yang akan dibahas di bawah.

Dalam artikel ini, kami hanya akan mempertimbangkan karakteristik yang berlaku dalam kontrol akses dan sistem manajemen (ACS) atau dalam tugas yang dekat dengannya. Berdasarkan keunggulan mereka, ini terutama karakteristik statis. Dari karakteristik dinamis saat ini, hanya pengenalan suara yang memiliki setidaknya beberapa signifikansi statistik (sebanding dengan algoritma statis terburuk FAR ~ 0,1%, FRR ~ 6%), tetapi hanya dalam kondisi ideal.
Untuk merasakan kemungkinan FAR dan FRR, seseorang dapat memperkirakan seberapa sering kecocokan palsu akan terjadi jika sistem identifikasi dipasang di organisasi yang terjaga keamanannya dengan staf N. Probabilitas kecocokan salah dari sidik jari yang diterima oleh pemindai untuk database N sidik jari adalah FAR∙N. Dan setiap hari, sekitar N orang juga melewati titik kontrol akses. Maka probabilitas kesalahan per hari kerja adalah FAR∙(N∙N). Tentu saja, tergantung pada tujuan sistem identifikasi, kemungkinan kesalahan per unit waktu dapat sangat bervariasi, tetapi jika satu kesalahan per hari kerja diterima, maka:
(1)
Kemudian kita mendapatkan bahwa operasi yang stabil dari sistem identifikasi pada FAR=0,1% =0,001 dimungkinkan dengan jumlah personel N≈30.

Pemindai biometrik

Saat ini, konsep "algoritma biometrik" dan "pemindai biometrik" belum tentu saling berhubungan. Perusahaan dapat memproduksi elemen-elemen ini secara individu, atau bersama-sama. Diferensiasi terbesar dari produsen pemindai dan produsen perangkat lunak telah dicapai di pasar biometrik pola jari papiler. Pemindai wajah 3D terkecil di pasaran. Bahkan, tingkat diferensiasi sebagian besar mencerminkan perkembangan dan kejenuhan pasar. Semakin banyak pilihan - semakin banyak tema yang dikerjakan dan dibawa ke kesempurnaan. Pemindai yang berbeda memiliki serangkaian kemampuan yang berbeda. Pada dasarnya, ini adalah serangkaian tes untuk memeriksa apakah suatu objek biometrik telah dirusak atau tidak. Untuk pemindai jari, ini bisa berupa pemeriksaan kelegaan atau pemeriksaan suhu, untuk pemindai mata, ini dapat berupa pemeriksaan akomodasi pupil, untuk pemindai wajah, gerakan wajah.
Pemindai memiliki pengaruh yang sangat kuat pada statistik FAR dan FRR yang diterima. Dalam beberapa kasus, angka-angka ini dapat berubah puluhan kali, terutama dalam kondisi nyata. Biasanya karakteristik algoritme diberikan untuk beberapa basis "ideal", atau hanya untuk basis yang cocok, di mana bingkai buram dan buram dibuang. Hanya beberapa algoritme yang secara jujur ​​menunjukkan basis dan keluaran FAR / FRR penuh untuknya.

Dan sekarang lebih detail tentang masing-masing teknologi.

sidik jari

Dactyloscopy (pengenalan sidik jari) adalah metode biometrik identifikasi pribadi yang paling berkembang hingga saat ini. Katalis untuk pengembangan metode ini digunakan secara luas dalam ilmu forensik di abad ke-20.
Setiap orang memiliki pola sidik jari papiler yang unik, yang memungkinkan identifikasi. Biasanya, algoritme menggunakan titik karakteristik pada sidik jari: ujung garis pola, percabangan garis, titik tunggal. Selain itu, informasi tentang struktur morfologi sidik jari terlibat: posisi relatif garis tertutup dari pola papiler, garis "melengkung" dan spiral. Fitur pola papiler diubah menjadi kode unik yang mempertahankan konten informasi dari gambar cetak. Dan itu adalah "kode sidik jari" yang disimpan dalam database yang digunakan untuk mencari dan membandingkan. Waktu untuk menerjemahkan citra sidik jari menjadi kode dan identifikasinya biasanya tidak lebih dari 1 detik, tergantung pada ukuran basisnya. Waktu yang dihabiskan untuk mengangkat tangan tidak diperhitungkan.

Sebagai sumber data untuk FAR dan FRR, statistik VeriFinger SDK yang diperoleh menggunakan pemindai sidik jari DP U.are.U digunakan. Selama 5-10 tahun terakhir, karakteristik pengenalan oleh jari belum banyak berkembang, sehingga angka yang diberikan menunjukkan rata-rata yang baik dari algoritma modern. Algoritma VeriFinger sendiri telah memenangkan Kompetisi Verifikasi Sidik Jari Internasional selama beberapa tahun, di mana algoritma pengenalan sidik jari berkompetisi.

Nilai FAR tipikal untuk metode pengenalan sidik jari adalah 0,001%.
Dari rumus (1) kami memperoleh bahwa pengoperasian sistem identifikasi yang stabil pada FAR=0,001% dimungkinkan dengan jumlah personel N≈300.

Keuntungan dari metode. Keandalan tinggi - indikator statistik metode ini lebih baik daripada metode identifikasi dengan wajah, suara, lukisan. Perangkat murah yang memindai gambar sidik jari. Prosedur yang cukup sederhana untuk memindai sidik jari.
Kekurangan: pola sidik jari papiler sangat mudah rusak oleh goresan kecil, terpotong. Orang-orang yang telah menggunakan pemindai dalam bisnis dengan beberapa ratus karyawan melaporkan tingkat kegagalan pemindaian yang tinggi. Banyak pemindai tidak cukup merawat kulit kering dan tidak membiarkan orang tua lewat. Ketika berkomunikasi di pameran MIPS terakhir, kepala layanan keamanan sebuah perusahaan kimia besar mengatakan bahwa upaya mereka untuk memperkenalkan pemindai jari di perusahaan (pemindai berbagai sistem telah dicoba) gagal - paparan minimal jari karyawan terhadap bahan kimia menyebabkan kegagalan dalam sistem keamanan pemindai - pemindai menyatakan jari palsu. Ada juga kurangnya keamanan terhadap pemalsuan sidik jari, sebagian karena meluasnya penggunaan metode ini. Tentu saja, tidak semua pemindai bisa tertipu oleh metode dari MythBusters, tapi tetap saja. Untuk beberapa orang dengan jari yang "tidak pantas" (suhu tubuh, kelembaban), kemungkinan akses ditolak bisa mencapai 100%. Jumlah orang seperti itu bervariasi dari pecahan persen untuk pemindai mahal hingga sepuluh persen untuk pemindai murah.
Tentu saja, perlu dicatat bahwa sejumlah besar kekurangan disebabkan oleh meluasnya penggunaan sistem, tetapi kekurangan ini memang ada dan sangat sering muncul.

Situasi pasar

Saat ini, sistem pengenalan sidik jari menempati lebih dari setengah pasar biometrik. Banyak perusahaan Rusia dan asing terlibat dalam produksi sistem kontrol akses berdasarkan metode identifikasi sidik jari. Karena kenyataan bahwa arah ini adalah salah satu yang tertua, ia telah menerima distribusi terbesar dan sejauh ini yang paling berkembang. Pemindai sidik jari memang telah berkembang jauh. Sistem modern dilengkapi dengan berbagai sensor (suhu, gaya tekan, dll.), yang meningkatkan tingkat perlindungan terhadap pemalsuan. Setiap hari sistem menjadi lebih dan lebih nyaman dan kompak. Faktanya, para pengembang telah mencapai batas tertentu di area ini, dan tidak ada tempat untuk mengembangkan metode ini lebih lanjut. Selain itu, sebagian besar perusahaan memproduksi sistem siap pakai yang dilengkapi dengan semua yang Anda butuhkan, termasuk perangkat lunak. Tidak perlu bagi integrator di area ini untuk merakit sistem mereka sendiri, karena tidak menguntungkan dan akan memakan lebih banyak waktu dan usaha daripada membeli sistem yang sudah jadi dan sudah murah, semakin banyak pilihan akan sangat luas.
Di antara perusahaan asing yang terlibat dalam sistem pengenalan sidik jari, dapat dicatat SecuGen (pemindai USB untuk PC, pemindai yang dapat dipasang di perusahaan atau dibangun ke dalam kunci, SDK dan perangkat lunak untuk menghubungkan sistem ke komputer); Bayometrik Inc. (pemindai sidik jari, sistem kontrol TAA/Access, SDK sidik jari, modul sidik jari tertanam); DigitalPersona Inc. (USB-scanner, SDK). Perusahaan berikut beroperasi di Rusia di bidang ini: BioLink (pemindai sidik jari, perangkat kontrol akses biometrik, perangkat lunak); Sonda (pemindai sidik jari, perangkat kontrol akses biometrik, SDK); SmartLock (pemindai sidik jari dan modul), dll.

iris

Iris mata adalah karakteristik manusia yang unik. Pola iris terbentuk pada bulan kedelapan perkembangan janin, akhirnya stabil pada usia sekitar dua tahun dan praktis tidak berubah sepanjang hidup, kecuali akibat cedera parah atau patologi parah. Metode ini adalah salah satu yang paling akurat di antara metode biometrik.
Sistem identifikasi iris secara logis dibagi menjadi dua bagian: perangkat pengambilan gambar, pemrosesan dan transfer utamanya ke kalkulator, dan komputer yang membandingkan gambar dengan gambar dalam database, mengirimkan perintah saat masuk ke aktuator.
Waktu pemrosesan gambar utama dalam sistem modern adalah sekitar 300-500ms, kecepatan membandingkan gambar yang dihasilkan dengan basis memiliki tingkat perbandingan 50000-150000 per detik pada PC konvensional. Kecepatan perbandingan ini tidak membatasi penerapan metode di organisasi besar ketika digunakan dalam sistem akses. Saat menggunakan kalkulator khusus dan algoritme pengoptimalan pencarian, menjadi mungkin untuk mengidentifikasi seseorang di antara penduduk seluruh negara.
Saya dapat langsung menjawab bahwa saya agak bias dan memiliki sikap positif terhadap metode ini, karena di bidang inilah kami meluncurkan startup kami. Sebuah paragraf di akhir akan dikhususkan untuk promosi diri kecil.

Karakteristik statistik dari metode

Karakteristik FAR dan FRR untuk iris adalah yang terbaik di kelas sistem biometrik modern (dengan kemungkinan pengecualian metode pengenalan retina). Artikel ini menyajikan karakteristik pustaka pengenalan iris dari algoritme kami - EyeR SDK, yang sesuai dengan algoritme VeriEye yang diuji pada basis data yang sama. Basis data CASIA yang diperoleh dari pemindai mereka digunakan.

Nilai karakteristik FAR adalah 0,00001%.
Menurut rumus (1), N≈3000 adalah jumlah personel organisasi, di mana identifikasi seorang karyawan cukup stabil.
Di sini perlu diperhatikan fitur penting yang membedakan sistem pengenalan iris dari sistem lain. Dalam hal menggunakan kamera dengan resolusi 1,3 MP, Anda dapat menangkap dua mata dalam satu bingkai. Karena probabilitas FAR dan FRR adalah probabilitas independen secara statistik, nilai FAR untuk pengenalan di dua mata kira-kira sama dengan kuadrat dari nilai FAR untuk satu mata. Misalnya, untuk FAR 0,001% menggunakan dua mata, kemungkinan toleransi palsu adalah 10-8%, dengan FRR hanya dua kali lebih tinggi dari nilai FRR yang sesuai untuk satu mata dengan FAR=0,001%.

Kelebihan dan kekurangan metode

Keuntungan dari metode. Keandalan statistik dari algoritma. Menangkap gambar iris dapat dilakukan pada jarak beberapa sentimeter hingga beberapa meter, sementara kontak fisik seseorang dengan perangkat tidak terjadi. Iris dilindungi dari kerusakan - yang berarti tidak akan berubah seiring waktu. Dimungkinkan juga untuk menggunakan sejumlah besar metode yang melindungi dari pemalsuan.
Kekurangan metode. Harga sistem berbasis iris lebih tinggi daripada harga sistem berbasis pengenalan jari atau pengenalan wajah. Rendahnya ketersediaan solusi siap pakai. Setiap integrator yang datang ke pasar Rusia hari ini dan mengatakan "beri saya sistem yang sudah jadi" kemungkinan besar akan putus. Sebagian besar, sistem turnkey yang mahal dijual, dipasang oleh perusahaan besar seperti Iridian atau LG.

Situasi pasar

Saat ini, pangsa teknologi identifikasi iris di pasar biometrik global, menurut berbagai perkiraan, dari 6 hingga 9 persen (sementara teknologi pengenalan sidik jari menempati lebih dari setengah pasar). Perlu dicatat bahwa sejak awal pengembangan metode ini, penguatannya di pasar diperlambat oleh tingginya biaya peralatan dan komponen yang diperlukan untuk merakit sistem identifikasi. Namun, dengan perkembangan teknologi digital, biaya sistem tunggal mulai menurun.
Pemimpin dalam pengembangan perangkat lunak di bidang ini adalah Iridian Technologies.
Masuk ke pasar untuk sejumlah besar produsen dibatasi oleh kompleksitas teknis pemindai dan, sebagai akibatnya, biayanya yang tinggi, serta tingginya harga perangkat lunak karena posisi monopoli Iridian di pasar. Faktor-faktor ini memungkinkan hanya perusahaan besar untuk berkembang di bidang pengenalan iris, kemungkinan besar sudah terlibat dalam produksi beberapa komponen yang cocok untuk sistem identifikasi (optik resolusi tinggi, kamera mini dengan penerangan inframerah, dll.). Contoh perusahaan tersebut adalah LG Electronics, Panasonic, OKI. Mereka menandatangani perjanjian dengan Iridian Technologies, dan sebagai hasil kerja sama, sistem identifikasi berikut muncul: Iris Access 2200, BM-ET500, OKI IrisPass. Di masa depan, model sistem yang ditingkatkan muncul, berkat kemampuan teknis perusahaan-perusahaan ini untuk berkembang secara mandiri di bidang ini. Harus dikatakan bahwa perusahaan-perusahaan di atas juga mengembangkan perangkat lunak mereka sendiri, tetapi pada akhirnya, dalam sistem yang sudah jadi, mereka lebih memilih perangkat lunak Iridian Technologies.
Pasar Rusia didominasi oleh produk-produk perusahaan asing. Meskipun sulit untuk membeli. Untuk waktu yang lama, Papillon meyakinkan semua orang bahwa mereka memiliki pengenalan iris. Tetapi bahkan perwakilan RosAtom, pembeli langsung mereka, untuk siapa mereka membuat sistem, mengatakan bahwa ini tidak benar. Pada titik tertentu, beberapa perusahaan Rusia lainnya muncul, yang membuat pemindai iris. Saya tidak ingat namanya sekarang. Mereka membeli algoritme dari seseorang, mungkin dari VeriEye yang sama. Pemindai itu sendiri adalah sistem yang berusia 10-15 tahun, tidak berarti non-kontak.
Pada tahun lalu, beberapa produsen baru memasuki pasar dunia karena berakhirnya paten utama untuk mengenali seseorang dengan mata. Yang paling tepercaya di antara mereka, menurut saya, layak mendapatkan AOptix. Setidaknya pratinjau dan dokumentasi mereka tidak menimbulkan kecurigaan. Perusahaan kedua adalah SRI Internasional. Bahkan pada pandangan pertama, bagi seseorang yang terlibat dalam sistem pengenalan iris, video mereka tampak sangat salah. Meskipun saya tidak akan terkejut jika pada kenyataannya mereka dapat melakukan sesuatu. Kedua sistem tidak menampilkan data tentang FAR dan FRR, dan juga, tampaknya, tidak dilindungi dari pemalsuan.

pengenalan wajah

Ada banyak metode pengenalan geometri wajah. Semuanya didasarkan pada fakta bahwa fitur wajah dan bentuk tengkorak setiap orang adalah individu. Area biometrik ini tampaknya menarik bagi banyak orang, karena kita saling mengenali terutama melalui wajah. Area ini dibagi menjadi dua area: pengenalan 2-D dan pengenalan 3-D. Masing-masing dari mereka memiliki kelebihan dan kekurangan, tetapi banyak juga tergantung pada ruang lingkup dan persyaratan untuk algoritma tertentu.
Saya akan berbicara secara singkat tentang 2-d dan beralih ke salah satu metode paling menarik hari ini - 3-d.

pengenalan wajah 2D

Pengenalan wajah 2-D adalah salah satu metode biometrik yang paling tidak efisien secara statistik. Itu muncul cukup lama dan digunakan terutama dalam ilmu forensik, yang berkontribusi pada perkembangannya. Selanjutnya, interpretasi komputer dari metode ini muncul, sebagai akibatnya menjadi lebih dapat diandalkan, tetapi, tentu saja, itu lebih rendah dan setiap tahun semakin kalah dengan metode biometrik identifikasi pribadi lainnya. Saat ini, karena kinerja statistik yang buruk, ini digunakan dalam multimodal atau, demikian juga disebut, biometrik silang, atau di jejaring sosial.

Karakteristik statistik dari metode

Untuk FAR dan FRR, data untuk algoritma VeriLook digunakan. Sekali lagi, untuk algoritma modern, ia memiliki karakteristik yang sangat biasa. Terkadang algoritme dengan FRR 0,1% dengan FAR serupa berkedip, tetapi dasar yang mereka peroleh sangat meragukan (memotong latar belakang, ekspresi wajah yang sama, gaya rambut yang sama, pencahayaan).

Nilai karakteristik FAR adalah 0,1%.
Dari rumus (1) kami memperoleh N≈30 - jumlah personel organisasi, di mana identifikasi seorang karyawan cukup stabil.
Seperti dapat dilihat, indikator statistik dari metode ini cukup sederhana: ini menghilangkan keuntungan dari metode yang memungkinkan untuk melakukan pemotretan terselubung wajah di tempat-tempat ramai. Lucu melihat bagaimana beberapa kali setahun proyek lain didanai untuk mendeteksi penjahat melalui kamera video yang dipasang di tempat-tempat ramai. Selama sepuluh tahun terakhir, karakteristik statistik algoritme belum membaik, dan jumlah proyek semacam itu telah meningkat. Meskipun, perlu dicatat bahwa algoritme ini cukup cocok untuk memimpin seseorang dalam kerumunan melalui banyak kamera.

Kelebihan dan kekurangan metode

Keuntungan dari metode. Dengan pengenalan 2-D, tidak seperti kebanyakan metode biometrik, peralatan mahal tidak diperlukan. Dengan peralatan yang sesuai, kemungkinan pengenalan pada jarak yang cukup jauh dari kamera.
Kekurangan. Signifikansi statistik rendah. Ada persyaratan untuk penerangan (misalnya, wajah orang yang masuk dari jalan pada hari yang cerah tidak dapat didaftarkan). Untuk banyak algoritma, tidak dapat diterimanya gangguan eksternal, seperti kacamata, janggut, beberapa elemen gaya rambut. Gambar frontal wajib dari wajah, dengan penyimpangan yang sangat kecil. Banyak algoritma tidak memperhitungkan kemungkinan perubahan ekspresi wajah, yaitu ekspresi harus netral.

Pengenalan wajah 3-D

Implementasi metode ini adalah tugas yang agak sulit. Meskipun demikian, saat ini ada banyak metode untuk pengenalan wajah 3-D. Metode tidak dapat dibandingkan satu sama lain karena mereka menggunakan pemindai dan basis yang berbeda. jauh dari semuanya mengeluarkan FAR dan FRR, pendekatan yang digunakan sama sekali berbeda.
Metode transisi dari 2-d ke 3-d adalah metode yang menerapkan akumulasi informasi tentang seseorang. Metode ini memiliki karakteristik yang lebih baik daripada metode 2d, tetapi seperti hanya menggunakan satu kamera. Saat memasukkan subjek ke dalam database, subjek menoleh dan algoritme menghubungkan gambar bersama-sama, membuat template 3d. Dan saat mengenali, beberapa bingkai aliran video digunakan. Metode ini agak eksperimental dan saya belum pernah melihat implementasi untuk sistem ACS.
Metode yang paling klasik adalah metode proyeksi template. Ini terdiri dari fakta bahwa kotak diproyeksikan ke objek (wajah). Selanjutnya, kamera mengambil gambar dengan kecepatan puluhan frame per detik, dan gambar yang dihasilkan diproses oleh program khusus. Balok yang jatuh pada permukaan melengkung melengkung - semakin besar kelengkungan permukaan, semakin kuat lentur balok. Awalnya, ini menggunakan sumber cahaya tampak yang dipasok melalui "tirai". Kemudian cahaya tampak digantikan oleh inframerah, yang memiliki sejumlah keunggulan. Biasanya pada pengolahan tahap pertama, citra dibuang dimana wajah tidak terlihat sama sekali atau terdapat benda asing yang mengganggu identifikasi. Berdasarkan gambar yang diperoleh, model wajah 3-D dipulihkan, di mana gangguan yang tidak perlu (gaya rambut, janggut, kumis, dan kacamata) disorot dan dihilangkan. Kemudian model dianalisis - fitur antropometrik disorot, yang akhirnya dicatat dalam kode unik yang dimasukkan ke dalam database. Pengambilan gambar dan waktu pemrosesan adalah 1-2 detik untuk model terbaik.
Selain itu, metode pengenalan 3-d berdasarkan gambar yang diperoleh dari beberapa kamera semakin populer. Contohnya adalah Vocord dengan pemindai 3dnya. Metode ini memberikan akurasi posisi, menurut jaminan pengembang, lebih tinggi dari metode proyeksi template. Tapi, sampai saya melihat FAR dan FRR setidaknya di database mereka sendiri, saya tidak akan percaya!!! Tapi sudah 3 tahun dikembangkan, dan kemajuan di pameran belum terlihat.

Indikator statistik dari metode ini

Data lengkap tentang FRR dan FAR untuk algoritme kelas ini tidak disediakan secara terbuka di situs web produsen. Namun untuk model Bioscript terbaik (3D EnrolCam, 3D FastPass) bekerja dengan metode proyeksi template dengan FAR = 0,0047% FRR adalah 0,103%.
Dipercaya bahwa keandalan statistik metode ini sebanding dengan keandalan metode identifikasi sidik jari.

Kelebihan dan kekurangan metode

Keuntungan dari metode. Tidak perlu menghubungi perangkat pemindaian. Sensitivitas rendah terhadap faktor eksternal, baik pada orang itu sendiri (penampilan kacamata, janggut, perubahan gaya rambut), dan di lingkungannya (cahaya, rotasi kepala). Tingkat keamanan yang tinggi, sebanding dengan identifikasi sidik jari.
Kekurangan metode. Peralatan mahal. Kompleks yang tersedia untuk dijual bahkan lebih mahal daripada pemindai iris. Perubahan ekspresi wajah dan kebisingan di wajah menurunkan keandalan statistik metode ini. Metode tersebut belum berkembang dengan baik, apalagi jika dibandingkan dengan sidik jari yang sudah lama digunakan sehingga sulit untuk digunakan secara luas.

Situasi pasar

Pengenalan geometri wajah adalah salah satu dari "tiga biometrik besar" bersama dengan pengenalan sidik jari dan iris. Saya harus mengatakan bahwa metode ini cukup umum, dan sejauh ini lebih disukai daripada pengenalan oleh iris. Pangsa teknologi pengenalan geometri wajah dalam total volume pasar biometrik global dapat diperkirakan 13-18 persen. Di Rusia, teknologi ini juga menunjukkan minat yang lebih besar daripada, misalnya, identifikasi dengan iris. Seperti disebutkan sebelumnya, ada banyak algoritma pengenalan 3-D. Untuk sebagian besar, perusahaan lebih suka mengembangkan sistem turnkey yang mencakup pemindai, server, dan perangkat lunak. Namun, ada yang hanya menawarkan SDK kepada konsumen. Sampai saat ini, kami dapat mencatat perusahaan berikut yang terlibat dalam pengembangan teknologi ini: Geometrix, Inc. (3D pemindai wajah, perangkat lunak), Genex Technologies (3D pemindai wajah, perangkat lunak) di AS, Cognitec Systems GmbH (SDK, komputer khusus, kamera 2D) di Jerman, Bioscrypt (3D pemindai wajah, perangkat lunak) adalah anak perusahaan dari Amerika perusahaan L-1 Solusi Identitas.
Di Rusia, perusahaan Grup Artec (pemindai wajah dan perangkat lunak 3D) bekerja ke arah ini - sebuah perusahaan yang berkantor pusat di California, dan pengembangan serta produksi dilakukan di Moskow. Juga, beberapa perusahaan Rusia memiliki teknologi pengenalan wajah 2D - Vocord, ITV, dll.
Di bidang pengenalan wajah 2D, subjek utama pengembangan adalah perangkat lunak, karena Kamera konvensional sangat bagus dalam menangkap gambar wajah. Solusi untuk masalah pengenalan wajah telah mencapai jalan buntu sampai batas tertentu - selama beberapa tahun sekarang, praktis tidak ada peningkatan dalam indikator statistik algoritme. Di area ini, ada "pekerjaan pada bug" yang sistematis.
Pengenalan wajah 3D sekarang menjadi area yang jauh lebih menarik bagi pengembang. Ini mempekerjakan banyak tim dan secara teratur mendengar tentang penemuan baru. Banyak dari karya-karya tersebut berada dalam status "baru saja akan dirilis". Namun sejauh ini, hanya penawaran lama yang ada di pasaran; dalam beberapa tahun terakhir, pilihannya tidak berubah.
Salah satu poin menarik yang terkadang saya pikirkan dan yang mungkin akan dijawab oleh Habr: apakah akurasi kinect cukup untuk membuat sistem seperti itu? Ada beberapa proyek untuk mengeluarkan model 3d seseorang melaluinya.

Pengakuan oleh pembuluh darah tangan

Ini adalah teknologi baru di bidang biometrik, penggunaannya secara luas dimulai hanya 5-10 tahun yang lalu. Kamera inframerah mengambil gambar dari luar atau dalam tangan. Pola pembuluh darah terbentuk karena fakta bahwa hemoglobin darah menyerap radiasi inframerah. Akibatnya, tingkat pantulan berkurang dan urat terlihat di kamera sebagai garis hitam. Program khusus berdasarkan data yang diterima menciptakan konvolusi digital. Tidak diperlukan kontak manusia dengan perangkat pemindai.
Teknologi ini sebanding dalam keandalannya dengan pengenalan oleh iris mata, melampauinya dalam beberapa hal, dan lebih rendah dalam beberapa hal.
Nilai FRR dan FAR adalah untuk pemindai Palm Vein. Menurut pengembang di FAR 0,0008% FRR adalah 0,01%. Tidak ada perusahaan yang menghasilkan jadwal yang lebih akurat untuk beberapa nilai.

Kelebihan dan kekurangan metode

Keuntungan dari metode. Tidak perlu menghubungi perangkat pemindaian. Keandalan tinggi - indikator statistik metode ini sebanding dengan pembacaan iris. Karakteristik tersembunyi: tidak seperti semua hal di atas, sangat sulit untuk mendapatkan karakteristik ini dari seseorang "di jalan", misalnya, dengan memotretnya dengan kamera.
Kekurangan metode. Paparan pemindai terhadap sinar matahari dan sinar lampu halogen tidak dapat diterima. Beberapa penyakit yang berkaitan dengan usia, seperti radang sendi, sangat merusak FAR dan FRR. Metode ini kurang dipelajari dibandingkan dengan metode biometrik statis lainnya.

Situasi pasar

Pengenalan vena tangan adalah teknologi yang cukup baru, dan oleh karena itu pangsa pasar globalnya kecil, sekitar 3%. Namun, ada peningkatan minat dalam metode ini. Faktanya adalah, karena cukup akurat, metode ini tidak memerlukan peralatan mahal seperti, misalnya, metode pengenalan berdasarkan geometri wajah atau iris. Sekarang banyak perusahaan yang berkembang di daerah ini. Jadi, misalnya, atas perintah perusahaan Inggris TDSi, perangkat lunak dikembangkan untuk pembaca biometrik vena telapak tangan PalmVein, yang dipersembahkan oleh Fujitsu. Pemindai itu sendiri dikembangkan oleh Fujitsu terutama untuk memerangi penipuan keuangan di Jepang.
Juga di bidang identifikasi vena adalah perusahaan berikut Veid Pte. Ltd. (pemindai, perangkat lunak), Hitachi VeinID (pemindai)
Saya tidak tahu ada perusahaan di Rusia yang berurusan dengan teknologi ini.

retina

Sampai saat ini, diyakini bahwa metode identifikasi biometrik dan otentikasi seseorang yang paling dapat diandalkan adalah metode berdasarkan pemindaian retina. Ini berisi fitur terbaik dari identifikasi oleh iris dan vena tangan. Pemindai membaca pola kapiler pada permukaan retina. Retina memiliki struktur tetap yang tidak berubah dari waktu ke waktu, kecuali akibat suatu penyakit, seperti katarak.
Pemindaian retina menggunakan cahaya inframerah intensitas rendah yang diarahkan melalui pupil ke pembuluh darah di bagian belakang mata. Pemindai retina telah menjadi banyak digunakan dalam sistem kontrol akses untuk objek yang sangat rahasia, karena mereka memiliki salah satu persentase terendah dari akses ditolak ke pengguna terdaftar dan praktis tidak ada izin akses yang salah.
Sayangnya, sejumlah kesulitan muncul saat menggunakan metode biometrik ini. Pemindai di sini adalah sistem optik yang sangat kompleks, dan seseorang tidak boleh bergerak untuk waktu yang lama saat sistem diinduksi, yang menyebabkan ketidaknyamanan.
Menurut EyeDentify untuk pemindai ICAM2001 dengan FAR=0,001%, nilai FRR adalah 0,4%.

Kelebihan dan kekurangan metode

Keuntungan. Tingkat keandalan statistik yang tinggi. Karena prevalensi sistem yang rendah, ada sedikit peluang untuk mengembangkan cara "menipu" mereka.
Kekurangan. Sulit untuk menggunakan sistem dengan waktu pemrosesan yang tinggi. Tingginya biaya sistem. Kurangnya penawaran pasar yang luas dan, sebagai akibatnya, intensitas pengembangan metode yang tidak memadai.

Geometri tangan

Metode ini, cukup umum 10 tahun yang lalu, dan berasal dari ilmu forensik, telah menurun dalam beberapa tahun terakhir. Ini didasarkan pada perolehan karakteristik geometris tangan: panjang jari, lebar telapak tangan, dll. Metode ini, seperti retina mata, sedang sekarat, dan karena memiliki karakteristik yang jauh lebih rendah, kita bahkan tidak akan memasukkan deskripsi yang lebih lengkap tentangnya.
Kadang-kadang diyakini bahwa metode pengenalan geometris digunakan dalam sistem pengenalan vena. Namun dalam penjualan, kami belum pernah melihat pernyataan yang begitu jelas. Dan selain itu, seringkali ketika mengenali dengan urat, hanya telapak tangan yang diambil, sedangkan ketika mengenali dengan geometri, gambar diambil dari jari.

Sedikit promosi diri

Pada suatu waktu, kami mengembangkan algoritma pengenalan mata yang baik. Tetapi pada waktu itu, hal berteknologi tinggi seperti itu tidak diperlukan di negara ini, dan saya tidak ingin pergi ke borjuasi (di mana kami diundang setelah artikel pertama). Tetapi tiba-tiba, setelah satu setengah tahun, masih ada investor yang ingin membangun "portal biometrik" untuk diri mereka sendiri - sebuah sistem yang akan memakan 2 mata dan menggunakan komponen warna iris (di mana investor memiliki paten dunia ). Sebenarnya, inilah yang sedang kita lakukan sekarang. Tapi ini bukan artikel tentang promosi diri, ini adalah penyimpangan liris singkat. Jika ada yang tertarik, ada beberapa informasi, dan suatu saat nanti, ketika kita memasuki pasar (atau tidak), saya akan menulis beberapa patah kata di sini tentang naik turunnya proyek biometrik di Rusia.

kesimpulan

Bahkan di kelas sistem biometrik statis, ada banyak pilihan sistem. Pilih yang mana? Itu semua tergantung pada persyaratan keamanan. Sistem akses yang paling andal secara statistik dan tahan gangguan adalah sistem akses vena iris dan lengan. Untuk yang pertama, ada pasar yang lebih luas untuk proposal. Tapi ini bukan batasnya. Sistem identifikasi biometrik dapat digabungkan untuk mencapai akurasi astronomis. Yang termurah dan termudah untuk digunakan, tetapi dengan statistik yang baik, adalah sistem toleransi jari. Toleransi wajah 2D nyaman dan murah, tetapi memiliki cakupan terbatas karena statistik yang buruk.
Pertimbangkan karakteristik yang akan dimiliki masing-masing sistem: ketahanan terhadap pemalsuan, ketahanan terhadap lingkungan, kemudahan penggunaan, biaya, kecepatan, stabilitas fitur biometrik dari waktu ke waktu. Mari kita beri tanda dari 1 sampai 10 di setiap kolom. Semakin dekat skor ke 10, semakin baik sistem dalam hal ini. Prinsip-prinsip untuk memilih nilai dijelaskan di awal artikel.


Kami juga mempertimbangkan rasio FAR dan FRR untuk sistem ini. Rasio ini menentukan efisiensi sistem dan luasnya penggunaannya.


Perlu diingat bahwa untuk iris, Anda dapat meningkatkan akurasi sistem hampir secara kuadrat, tanpa kehilangan waktu, jika Anda memperumit sistem dengan membuatnya untuk dua mata. Untuk metode sidik jari - dengan menggabungkan beberapa jari, dan pengenalan oleh pembuluh darah, dengan menggabungkan dua tangan, tetapi peningkatan seperti itu hanya mungkin dilakukan dengan peningkatan waktu yang dihabiskan untuk bekerja dengan seseorang.
Meringkas hasil untuk metode, kita dapat mengatakan bahwa untuk objek sedang dan besar, serta untuk objek dengan persyaratan keamanan maksimum, iris harus digunakan sebagai akses biometrik dan, mungkin, pengenalan oleh pembuluh darah tangan. Untuk fasilitas hingga beberapa ratus karyawan, akses sidik jari akan optimal. Sistem pengenalan wajah 2D sangat spesifik. Mereka mungkin diperlukan dalam kasus di mana pengenalan membutuhkan tidak adanya kontak fisik, tetapi tidak mungkin untuk menempatkan sistem kontrol pada iris. Misalnya, jika perlu untuk mengidentifikasi seseorang tanpa partisipasinya, dengan kamera tersembunyi, atau kamera deteksi luar ruangan, tetapi ini hanya mungkin dengan sejumlah kecil subjek dalam database dan sedikit orang yang difilmkan oleh kamera .

Teknisi muda perhatikan

Beberapa produsen, seperti Neurotechnology, memiliki versi demo dari metode biometrik yang mereka rilis di situs web mereka, sehingga Anda dapat menghubungkannya dan bermain-main. Bagi mereka yang memutuskan untuk menyelidiki masalah ini lebih serius, saya dapat menyarankan satu-satunya buku yang saya lihat dalam bahasa Rusia - "A Guide to Biometrics" oleh R.M. Bola, J.H. Connell, S.Pancanti. Ada banyak algoritma dan model matematikanya. Tidak semuanya lengkap dan tidak semuanya sesuai dengan masa kini, tetapi dasarnya tidak buruk dan komprehensif.

P.S.

Dalam karya ini, saya tidak masuk ke masalah otentikasi, tetapi hanya menyentuh identifikasi. Pada prinsipnya, dari karakteristik FAR / FRR dan kemungkinan pemalsuan, semua kesimpulan tentang masalah otentikasi menyarankan sendiri.

Dalam beberapa tahun terakhir, biometrik semakin menembus ke dalam kehidupan kita. Negara-negara terkemuka di dunia telah mengedarkan atau berencana untuk memperkenalkan dalam waktu dekat paspor elektronik yang berisi informasi tentang karakteristik biometrik pemiliknya; banyak pusat perkantoran telah menerapkan sensor biometrik dalam sistem kontrol akses perusahaan; laptop telah lama dilengkapi dengan otentikasi pengguna biometrik; dinas keamanan dipersenjatai dengan sarana modern untuk mengidentifikasi penjahat yang dicari di tengah kerumunan orang

Andrey Khrulev
Kepala departemen biometrik
dan sistem keamanan terintegrasi
Grup Perusahaan Technoserv, Ph.D.

Semakin banyak contoh penggunaan sistem biometrik. Keberhasilan biometrik mudah dijelaskan. Cara tradisional identifikasi pribadi berdasarkan prinsip "Saya adalah apa yang saya miliki" (kartu identitas, token, dokumen sertifikasi) dan "Saya adalah apa yang saya tahu" (sandi, kode pin) tidak sempurna. Kartunya mudah hilang, kata sandinya bisa dilupakan, selain itu, penyerang mana pun dapat menggunakannya, dan tidak ada sistem yang dapat membedakan Anda dari boneka.

Selain itu, alat identifikasi tradisional sama sekali tidak berguna dalam hal tugas identifikasi tersembunyi seseorang, dan semakin banyak tugas seperti itu:

• mengenali penjahat di antara orang banyak;
• memeriksa apakah paspor benar-benar ditunjukkan oleh pemiliknya;
• mencari tahu apakah seseorang diinginkan;
• mencari tahu apakah orang tersebut sebelumnya terlibat dalam penipuan keuangan dengan pinjaman;
• mengidentifikasi penggemar yang berpotensi berbahaya di pintu masuk stadion, dll.

Semua tugas ini hanya dapat diselesaikan dengan penggunaan alat identifikasi biometrik berdasarkan prinsip "Saya adalah saya". Prinsip ini memungkinkan sistem informasi untuk mengidentifikasi orang secara langsung, dan bukan objek yang dia sajikan, atau informasi yang dia laporkan.

Keunikan biometrik wajah

Di antara beragam karakteristik biometrik seseorang yang digunakan untuk identifikasi pribadi, perlu diperhatikan citra wajah. Biometrik wajah unik karena tidak memerlukan pembuatan sensor khusus untuk mendapatkan gambar - gambar wajah dapat diperoleh dari kamera konvensional sistem pengawasan video. Apalagi, foto wajah hadir di hampir semua dokumen identitas, yang berarti bahwa pengenalan teknologi ini dalam praktiknya tidak terkait dengan berbagai masalah regulasi dan kesulitan persepsi sosial terhadap teknologi tersebut.

Perlu juga dicatat bahwa citra wajah dapat diperoleh secara implisit untuk orang itu sendiri, yang berarti bahwa biometrik wajah secara optimal cocok untuk membangun sistem pemantauan dan identifikasi rahasia.

Sistem pengenalan wajah apa pun adalah sistem pengenalan gambar yang khas, yang tugasnya adalah membentuk serangkaian fitur tertentu, yang disebut templat biometrik, sesuai dengan model matematika yang tertanam dalam sistem. Model inilah yang merupakan kunci pengetahuan dari setiap sistem biometrik, dan efektivitas pengenalan wajah secara langsung bergantung pada faktor-faktor seperti ketahanan template biometrik terhadap berbagai jenis gangguan, distorsi pada foto atau gambar video asli.

Efektivitas pengenalan wajah secara langsung tergantung pada faktor-faktor seperti ketahanan template biometrik terhadap berbagai jenis gangguan, distorsi pada foto atau gambar video asli.

Terlepas dari berbagai macam sistem pengenalan wajah yang disajikan baik di pasar Rusia maupun di dunia, banyak dari mereka menggunakan mesin biometrik yang sama - implementasi perangkat lunak yang sebenarnya dari metode untuk membangun dan membandingkan model wajah matematis. Di Rusia, mesin biometrik seperti Cognitec (dikembangkan oleh Cognitec Systems GmbH, Jerman), Kaskad-Potok (dikembangkan oleh Technoserv, Rusia), FRS SDK (dikembangkan oleh Asia Software, Kazakhstan), FaceIt (dikembangkan oleh L1 Identity Solutions, AS) .

Sebagai aturan, pengenalan wajah di mesin biometrik apa pun dilakukan dalam beberapa tahap: deteksi wajah, penilaian kualitas, pembuatan template, pencocokan, dan pengambilan keputusan.

Tahap 1: deteksi wajah

Pada tahap ini, sistem secara otomatis memilih (mendeteksi) wajah orang dalam aliran bingkai video atau dalam foto, dan rentang sudut dan skala wajah dapat bervariasi secara signifikan, yang sangat penting untuk membangun sistem keamanan. Tidak semua wajah yang dipilih harus dikenali (sebagai aturan, ini tidak mungkin), tetapi sangat berguna untuk mendeteksi jumlah maksimum wajah dalam aliran dan, jika perlu, menempatkannya di arsip (Gbr. 1) .

Deteksi wajah adalah salah satu tahap kunci pengenalan, karena fakta bahwa wajah terlewatkan oleh detektor secara otomatis berarti bahwa identifikasi lebih lanjut tidak mungkin dilakukan. Kualitas operasi detektor biasanya ditandai dengan probabilitas deteksi wajah P0. Untuk sistem biometrik modern yang beroperasi dalam kondisi arus orang, nilai probabilitas deteksi wajah adalah dari 95 hingga 99% dan tergantung pada kondisi perekaman video (pencahayaan, resolusi kamera, dll.).

Salah satu tren yang paling menjanjikan dalam perkembangan pasar biometrik adalah munculnya kamera video digital cerdas yang mengimplementasikan fungsi deteksi wajah berdasarkan logika bawaan (Gbr. 2). Kamera video cerdas memungkinkan Anda menerima tidak hanya aliran video berkualitas tinggi, tetapi juga metadata terkait yang berisi informasi tentang wajah yang ditemukan.

Pendekatan ini dapat secara signifikan mengurangi beban pada kapasitas perangkat keras dari sistem pengenalan, yang, pada gilirannya, mengurangi biaya akhir sistem biometrik, membuatnya lebih mudah diakses oleh pengguna akhir. Selain itu, persyaratan untuk saluran transmisi data berkurang, karena dengan pendekatan ini kami tidak memerlukan jalur komunikasi gigabit untuk mengirimkan video berkualitas tinggi, melainkan ketersediaan jaringan standar untuk transmisi video terkompresi dan aliran kecil gambar wajah yang terdeteksi.

Tahap 2: penilaian kualitas

Ini adalah tahap pengenalan yang sangat penting, di mana mesin biometrik memilih dari seluruh susunan wajah yang terdeteksi hanya gambar yang memenuhi kriteria kualitas yang ditentukan.

Seringkali pengembang sistem biometrik licik, mengklaim bahwa sistem mereka memberikan pengenalan tingkat tinggi jika gambar wajah dalam aliran video memenuhi persyaratan kualitas yang ditentukan dalam GOST R ISO/IEC 19794-5. Namun, GOST ini memberlakukan kondisi yang sangat ketat (hampir ideal) pada kualitas foto wajah (tampilan depan wajah dengan deviasi tidak lebih dari 5 derajat; pencahayaan seragam; ekspresi wajah netral, dll.), yang tidak dapat dilakukan di kondisi nyata dari sistem pengawasan video. Persyaratan GOST semacam itu sepenuhnya dibenarkan oleh fakta bahwa, pada kenyataannya, standar ini dimaksudkan untuk menyatukan format penyimpanan foto elektronik dalam paspor dan dokumen visa generasi baru - yang disebut paspor biometrik. Dalam praktiknya, sistem identifikasi biometrik harus berurusan dengan kondisi operasi yang kurang menguntungkan:

• penyimpangan wajah dari posisi depan pada sudut melebihi 20 derajat;
• iluminasi yang kuat;
• menutupi sebagian wajah;
• kehadiran bayangan di wajah;
• ukuran gambar kecil, dll.

Stabilitas mesin biometrik dalam kondisi sulit seperti itu yang menentukan kualitasnya. Dalam mesin biometrik modern, pada tahap penilaian kualitas, sebagai suatu peraturan, hal-hal berikut dievaluasi:

• sudut wajah (tidak boleh melebihi 20-30 derajat);
• ukuran wajah (diperkirakan berdasarkan jarak antara pupil mata dan harus lebih dari 50–80 px);
• penutupan wajah sebagian (penutupan wajah tidak boleh lebih dari 10-25% dari total area wajah).

Ada kesalahpahaman umum bahwa jika mata tertutup pada gambar wajah (dengan berkedip atau berkacamata), maka sistem diduga tidak akan dapat mengenali orang tersebut. Memang, algoritma pengenalan wajah awal menggunakan pusat pupil mata sebagai dasar untuk pemrosesan gambar lebih lanjut, khususnya untuk penskalaan wajah standar. Namun, saat ini, banyak mesin biometrik modern (misalnya, Cognitec atau Kaskad-Potok) menggunakan skema pengkodean wajah yang lebih kompleks dan tidak terikat pada posisi pusat pupil.

Tahap 3: membangun template

Ini adalah salah satu tahap pengenalan wajah yang paling kompleks dan unik dan merupakan kunci pengetahuan teknologi mesin biometrik. Inti dari tahap ini adalah transformasi matematis non-sepele dari gambar wajah menjadi serangkaian fitur yang digabungkan menjadi template biometrik.

Setiap wajah memiliki template biometrik uniknya sendiri. Prinsip-prinsip membangun templat biometrik sangat beragam: templat dapat didasarkan pada sifat tekstur wajah, pada fitur geometris, pada titik karakteristik, pada kombinasi berbagai fitur heterogen.

Karakteristik paling penting dari template biometrik adalah ukurannya. Semakin besar ukuran templat, semakin banyak fitur informatif yang disertakan, tetapi semakin rendah kecepatan dan efisiensi pencarian templat ini. Nilai ukuran tipikal untuk templat wajah dalam sistem biometrik adalah antara 1 dan 20 kB.

Tahap 4: perbandingan dan keputusan

Ini adalah tahap gabungan dari sistem pengenalan, yang membandingkan templat wajah biometrik yang dibuat berdasarkan wajah yang terdeteksi dengan serangkaian templat yang disimpan dalam database. Dalam kasus yang paling sederhana, pencocokan dilakukan dengan hanya menghitung semua template dan mengevaluasi ukuran kesamaannya. Berdasarkan perkiraan yang diperoleh dan perbandingannya dengan ambang batas yang diberikan, keputusan dibuat tentang ada atau tidak adanya orang yang identik dalam database.

Dalam sistem modern, pencocokan diimplementasikan sesuai dengan skema pencocokan optimal yang kompleks yang memberikan kecepatan pencocokan dari 10.000 hingga 200.000 perbandingan per detik atau lebih. Selain itu, harus dipahami bahwa proses pencocokan dapat diparalelkan, yang memungkinkan sistem identifikasi bekerja hampir secara real time bahkan untuk susunan gambar yang besar, misalnya 100.000 orang.

Kualitas kerja sistem pengenalan wajah biasanya ditandai dengan probabilitas identifikasi. Jelas, dua jenis kesalahan dapat terjadi selama identifikasi biometrik.

1. Kesalahan pertama terkait dengan kemungkinan hilang dan tidak mengenali orang yang sebenarnya ada di database - ini sering disebut kesalahan tipe satu. Dan seringkali mereka tidak menunjukkan nilai kesalahan jenis pertama, tetapi satu dikurangi kemungkinan kesalahan jenis pertama. Nilai ini disebut probabilitas pengenalan yang benar PPR.
2. Kesalahan kedua mencerminkan kasus ketika sistem mengenali seseorang yang sebenarnya tidak ada dalam database atau membingungkannya dengan orang lain - ini biasa disebut kesalahan tipe 2. Untuk sistem pengenalan wajah modern, nilai khas dari kemungkinan pengenalan yang benar, sebagai suatu peraturan, berkisar antara 80 hingga 97%, dengan kesalahan jenis kedua tidak melebihi 1%.

Kondisi untuk identifikasi yang berhasil

Perlu dipahami bahwa pengenalan wajah bukanlah teknologi yang mutlak. Anda sering dapat mendengar kritik terhadap sistem biometrik bahwa tidak mungkin untuk mencapai kinerja tinggi yang sama pada objek nyata seperti dalam kondisi "laboratorium". Pernyataan ini hanya sebagian benar. Memang, adalah mungkin untuk mengenali wajah secara efektif hanya dalam kondisi tertentu, itulah mengapa sangat penting ketika memperkenalkan biometrik wajah untuk memahami kondisi di mana sistem akan dioperasikan. Namun, untuk sebagian besar sistem pengenalan modern, kondisi ini cukup dapat dicapai pada objek nyata. Jadi, untuk meningkatkan efisiensi pengenalan wajah di zona identifikasi, arus orang yang terarah (pintu masuk, bingkai detektor logam, pintu putar, dll.) harus diatur untuk memberikan kemungkinan jangka pendek (tidak lebih dari 1-2 detik) fiksasi wajah setiap pengunjung. Pada saat yang sama, kamera perekaman video harus dipasang sedemikian rupa sehingga sudut deviasi wajah yang direkam dari posisi depan tidak melebihi 20-30 derajat. (misalnya, memasang kamera pada jarak 8–10 m dari zona lintasan dengan ketinggian suspensi 2–3 m).

Kepatuhan terhadap kondisi ini saat memperkenalkan sistem pengenalan memungkinkan Anda untuk secara efektif menyelesaikan masalah mengidentifikasi seseorang dan mencari orang dengan minat tertentu, dengan probabilitas sedekat mungkin dengan nilai indikator identifikasi yang berhasil yang dinyatakan oleh pengembang.

Saat ini, beberapa jenis sistem seperti itu disajikan di pasar sekaligus dan mereka melakukan tugas dengan tingkat kerumitan yang berbeda: dari pengenalan jarak jauh di tengah keramaian hingga menghitung jam kerja di kantor. Solusi pengenalan wajah tersedia untuk pelanggan di berbagai platform - ini adalah arsitektur server, solusi seluler dan tertanam, dan layanan cloud.

Sistem modern bekerja pada algoritme jaringan saraf pembelajaran mendalam, sehingga akurasi pengenalan maksimum bahkan untuk gambar berkualitas rendah, tahan terhadap putaran kepala dan memiliki keunggulan lain.

Contoh 1: Keamanan Publik

Memastikan keamanan adalah semacam titik awal dari mana pengenalan sistem identifikasi biometrik dimulai. Sistem pengenalan wajah jarak jauh digunakan untuk memastikan keamanan fasilitas yang ramai.

Tugas yang paling sulit adalah mengidentifikasi seseorang di tengah keramaian.

Apa yang disebut pengenalan non-kooperatif, ketika seseorang tidak berinteraksi dengan sistem, tidak melihat ke lensa kamera, berpaling atau mencoba menyembunyikan wajahnya. Misalnya, di pusat transportasi, metro, acara internasional besar.

kasus

Salah satu proyek paling signifikan tahun 2017 bagi perusahaan kami adalah pameran internasional terbesar EXPO-2017, yang berlangsung di Kazakhstan musim panas ini. Kamera khusus digunakan dalam sistem pengenalan wajah biometrik jarak jauh.

Pemilihan wajah dalam bingkai terjadi di kamera itu sendiri dan hanya gambar wajah yang ditransmisikan ke server, ini menurunkan saluran dan secara signifikan mengurangi biaya infrastruktur jaringan. Kamera memantau empat kelompok pintu masuk, di berbagai bagian kompleks. Arsitektur sistem dirancang sedemikian rupa sehingga kelompok input bekerja secara terpisah atau bersama-sama, sementara pengoperasian sistem yang benar dipastikan hanya oleh 4 server dan 48 kamera.

Dengan bantuan analitik video online, tersangka dan orang hilang dicari di fasilitas yang tersebar secara geografis, kecelakaan dan insiden diselidiki, dan lalu lintas penumpang dianalisis.

Di beberapa bandara, pada akhir 2017, biometrik juga akan digunakan untuk check-in penumpang untuk penerbangan. Menurut portal Tadviser, 12 negara Eropa (Spanyol, Prancis, Belanda, Jerman, Finlandia, Swedia, Estonia, Hongaria, Yunani, Italia, Rumania) juga berencana untuk memperkenalkan sistem gerbang pintar di bandara.

Dan langkah selanjutnya adalah pengenalan sistem pengenalan wajah untuk kontrol perbatasan dan migrasi. Dengan dukungan negara, pengenalan pengenalan wajah dapat menjadi hal yang biasa seperti bingkai detektor logam dalam tiga hingga lima tahun ke depan.

Contoh 2. Kenali pelanggan Anda dengan melihat

Bisnis juga bertaruh pada identifikasi wajah biometrik. Pertama-tama, ini adalah ritel.

Sistem mengenali jenis kelamin dan usia pelanggan, frekuensi dan waktu mengunjungi gerai ritel, mengumpulkan statistik untuk setiap toko individu dalam rantai.

Setelah itu, laporan terperinci secara otomatis ditampilkan untuk departemen baik untuk seluruh jaringan maupun untuk perincian berdasarkan outlet. Berdasarkan laporan ini, akan lebih mudah untuk menyusun "profil klien" dan merencanakan kampanye pemasaran yang efektif.

Sayangnya, kami tidak dapat mengungkapkan pelanggan. Di antara mereka adalah pengecer terbesar dan jaringan DIY (Do It Yourself), yang mencakup alat dan komponen mahal.

Bagaimana itu bekerja

Banyak yang takut akan kebocoran informasi rahasia, tetapi kami secara khusus menekankan bahwa tidak ada data pribadi orang yang dikenal yang disimpan dalam arsip. Selain itu, bahkan gambar tidak disimpan, tetapi templat biometriknya, yang menurutnya gambar tidak dapat dipulihkan.

Dengan kunjungan berulang, templat wajah biometrik "ditarik", sehingga sistem tahu persis siapa dan berapa kali berada di toko. Untuk keamanan data pribadi, Anda bisa tenang.

Untuk toko kecil, dealer mobil, apotek, mekanisme pengumpulan analisis pemasaran diimplementasikan dalam layanan pengenalan cloud. Untuk usaha kecil dan menengah, opsi ini lebih disukai, karena tidak memerlukan biaya perangkat keras server, mempekerjakan staf tambahan, memperbarui perangkat lunak, dan sebagainya. Pertama, ini adalah alat yang nyaman untuk mengevaluasi efisiensi outlet, dan kedua, ini adalah asisten yang sangat baik untuk mendeteksi pencuri. Artinya, satu sistem melakukan beberapa fungsi sekaligus.

Contoh 3. Kontrol akses dan sistem manajemen

Selain fungsi di atas, akan lebih mudah menggunakan sistem pengenalan wajah sebagai alternatif kartu Proximity dalam sistem kontrol dan manajemen akses (ACS).

Mereka memiliki sejumlah keunggulan: memberikan keandalan pengakuan yang tinggi, mereka tidak dapat ditipu, disalin atau dicuri pengidentifikasi, mereka mudah diintegrasikan dengan peralatan keamanan yang ada. Anda bahkan dapat menggunakan kamera pengintai yang ada. Sistem identifikasi wajah biometrik bekerja dari jarak jauh dan sangat cepat dengan perekaman peristiwa di arsip.

Berdasarkan ACS biometrik, akan lebih mudah untuk melacak jam kerja karyawan, terutama di pusat perkantoran besar.

kasus

Kami menerapkan sistem seperti itu di perusahaan besar India yang berspesialisasi dalam bidang logistik tahun lalu. Jumlah pegawai tetap lebih dari 600 orang. Pada saat yang sama, perusahaan bekerja sepanjang waktu dan mempraktikkan jadwal kerja yang "mengambang". Dengan bantuan sistem identifikasi biometrik jarak jauh kami, pelanggan menerima catatan waktu kerja karyawan yang lengkap dan dapat diandalkan, alat keamanan fasilitas pencegahan, dan sistem kontrol akses.

Contoh 4. Fan pass ke stadion

Pada saat membeli tiket di box office, wajah setiap pembeli otomatis difoto dan diunggah ke sistem. Inilah bagaimana basis pengunjung pertandingan terbentuk. Jika pembelian dilakukan melalui Internet atau aplikasi seluler, maka otorisasi dimungkinkan dari jarak jauh menggunakan "selfie". Di masa depan, ketika seseorang datang ke stadion, sistem akan mengenalinya tanpa paspor.

Identifikasi pengunjung kompetisi olahraga telah menjadi wajib sesuai dengan Undang-Undang Federal No. 284-FZ “Tentang Amandemen Pasal 20 Undang-Undang Federal “Tentang Budaya Fisik dan Olahraga di Federasi Rusia” dan Pasal 32.14 dari Kode Pelanggaran Administratif dari Federasi Rusia.

Yang membeli tiketlah yang akan memasuki stadion, tidak mungkin untuk mentransfer tiket ke orang lain atau melewati dengan tiket palsu. Pengenalan wajah jarak jauh di stadion bekerja dengan prinsip yang sama seperti di fasilitas transportasi yang terdistribusi secara geografis: jika seseorang termasuk dalam daftar orang yang ditolak aksesnya ke stadion, sistem tidak akan membiarkannya lewat.

kasus

Pada bulan Maret 2016, sebagai bagian dari proyek bersama antara Vocord dan cabang Khanty-Mansiysk dari PJSC Rostelecom, sistem pengenalan wajah jarak jauh digunakan untuk memastikan keamanan Piala Dunia Biathlon yang diadakan di Khanty-Mansiysk. Sejak 2015, sistem yang sama telah berhasil beroperasi di kompleks olahraga multifungsi Arena Omsk. Ini adalah salah satu dari enam fasilitas olahraga terbesar di Rusia, adalah fasilitas olahraga dan hiburan terbesar di Siberia dan basis klub hoki Avangard.

Contoh 5: Internet banking dan ATM

Ceruk lain di mana pengenalan wajah telah diselesaikan adalah sektor perbankan. Di sini, pengenalan teknologi baru secara intensif, karena sektor keuangan lebih tertarik pada keandalan dan keamanan informasi yang dipersonalisasi daripada yang lain.

Saat ini, biometrik secara bertahap dimulai, jika tidak menggantikan dokumen "kertas" yang biasa dan mapan, kemudian setara dengan mereka. Pada saat yang sama, tingkat perlindungan saat melakukan pembayaran meningkat secara signifikan: untuk mengonfirmasi transaksi, cukup dengan melihat ke kamera ponsel cerdas Anda. Pada saat yang sama, data biometrik itu sendiri tidak ditransmisikan ke mana pun, oleh karena itu, tidak mungkin untuk mencegatnya.

Pengenalan teknologi identifikasi biometrik secara langsung terkait dengan penggunaan besar-besaran layanan dan perangkat elektronik, perkembangan perdagangan online dan penyebaran kartu plastik alih-alih uang tunai.

Dengan munculnya unit pemrosesan grafis (GPU) berkinerja tinggi dan platform perangkat keras ultra-kompak berdasarkan mereka - seperti NVIDIA Jetson - pengenalan wajah mulai diperkenalkan ke ATM. Kini hanya pemegang kartu yang dapat menarik uang tunai atau melakukan transaksi rekening, misalnya melalui ATM Tinkoff Bank. Dan PIN mungkin akan segera dipensiunkan.

Sistem keamanan terintegrasi modern mampu memecahkan masalah dengan kompleksitas apapun di berbagai fasilitas industri, sosial dan domestik. Sistem pengawasan video adalah alat yang sangat penting dalam sistem keamanan, dan persyaratan untuk fungsionalitas segmen terus berkembang.

Sistem keamanan terintegrasi

Platform tunggal mencakup modul untuk peralatan keamanan dan kebakaran, kontrol dan manajemen akses, pengawasan video atau televisi keamanan (SOT). Sampai saat ini, fungsi yang terakhir terbatas pada pemantauan video dan pendaftaran situasi di fasilitas dan wilayah yang berdekatan, pengarsipan dan penyimpanan data. Sistem video klasik memiliki sejumlah kelemahan signifikan:

• Faktor manusia. Kerja operator yang tidak efisien saat menyiarkan informasi dalam jumlah besar.
• Ketidakmungkinan intervensi bedah, analisis sebelum waktunya.
• Waktu yang signifikan dihabiskan untuk mencari dan mengidentifikasi suatu peristiwa.

Perkembangan teknologi digital telah menyebabkan terciptanya sistem otomatis "pintar".

Kekuatan dalam kecerdasan

Prinsip dasar intelektual adalah analitik video - teknologi yang didasarkan pada metode dan algoritme untuk pengenalan pola dan pengumpulan data otomatis sebagai hasil dari analisis aliran video. Peralatan tersebut, tanpa campur tangan manusia, mampu mendeteksi dan melacak target yang diberikan secara real time (mobil, sekelompok orang), situasi yang berpotensi berbahaya (asap, kebakaran, intervensi tidak sah dalam pengoperasian kamera video), acara terprogram dan tepat waktu. mengeluarkan sinyal alarm. Dengan memfilter data video yang tidak menarik, beban pada saluran komunikasi dan basis arsip berkurang secara signifikan.

Alat analisis video yang paling populer adalah sistem pengenalan wajah. Tergantung pada fungsi yang dilakukan dan tugas yang ditetapkan, persyaratan tertentu dikenakan pada peralatan.

Firmware dan perangkat keras

Untuk pengoperasian sistem yang efisien, beberapa jenis kamera IP dengan karakteristik kinerja yang berbeda digunakan. Deteksi suatu objek di area yang dikontrol direkam oleh kamera panorama dengan resolusi 1 megapiksel atau lebih dan panjang fokus 1 mm, dan perangkat pemindaian mengarah ke objek tersebut. Ini adalah kamera yang lebih canggih (dari 2 megapiksel, dari 2 mm), menghasilkan pengenalan menggunakan metode sederhana (3-4 parameter). Untuk mengidentifikasi suatu objek, kamera dengan kualitas gambar yang baik digunakan, cukup untuk penerapan algoritma yang kompleks (dari 5 megapiksel, 8-12 mm).

Produk perangkat lunak paling populer untuk pengenalan wajah "Face Intellect" (pengembang - perusahaan Kontrol Rumah), Direktur wajah (perusahaan Synesis) dan VOCORD FaceControl (VOCORD) menunjukkan:

• Probabilitas tinggi identifikasi objek (hingga 99%).
• Dukungan untuk berbagai sudut rotasi kamera.
• Kemampuan untuk menyorot wajah bahkan dalam massa pejalan kaki yang padat.
• Variabilitas dalam penyusunan laporan analitis.

Dasar-dasar pengenalan pola

Setiap sistem pengenalan biometrik didasarkan pada identifikasi kepatuhan membaca karakteristik fisiologis seseorang dengan templat tertentu yang telah ditentukan.

Pemindaian berlangsung secara real time. Kamera IP menyiarkan aliran video ke terminal, dan sistem pengenalan wajah menentukan apakah gambar cocok dengan foto yang disimpan dalam database. Ada dua metode utama. Yang pertama didasarkan pada prinsip statis: berdasarkan hasil pemrosesan parameter biometrik, sampel elektronik dibuat dalam bentuk nomor unik yang sesuai dengan orang tertentu. Metode kedua memodelkan pendekatan "manusia" dan dicirikan oleh pembelajaran mandiri dan ketangguhan. Identifikasi seseorang dengan gambar video memperhitungkan perubahan terkait usia dan faktor lainnya (adanya hiasan kepala, janggut atau kumis, kacamata). Teknologi ini memungkinkan Anda untuk bekerja bahkan dengan foto-foto lama dan, jika perlu, dengan sinar-x.

Algoritma pencarian wajah

Teknik deteksi wajah yang paling umum adalah menggunakan Haar cascades (set topeng).

Topeng adalah jendela persegi panjang dengan berbagai kombinasi segmen putih dan hitam.

Mekanisme program adalah sebagai berikut: bingkai video ditutupi dengan satu set topeng, dan berdasarkan hasil konvolusi (menghitung piksel yang masuk ke sektor putih dan hitam), selisihnya dihitung dan dibandingkan dengan nilai ambang.

Untuk meningkatkan kinerja pengklasifikasi, sampel pelatihan positif (bingkai dengan wajah orang) dan negatif (tanpa mereka) dibuat. Dalam kasus pertama, hasil konvolusi berada di atas nilai ambang, pada yang kedua - di bawah. Dengan kesalahan yang dapat diterima, detektor wajah menentukan jumlah konvolusi dari semua kaskade dan, jika ambang batas terlampaui, menandakan keberadaan wajah dalam bingkai.

Teknologi pengenalan

Setelah deteksi dan lokalisasi pada tahap awal, kecerahan dan keselarasan geometris gambar terjadi. Tindakan lebih lanjut - perhitungan tanda dan identifikasi - dapat dilakukan dengan berbagai metode.

Saat memindai wajah full-face di ruangan dengan pencahayaan yang sangat baik, algoritme yang bekerja dengan gambar dua dimensi menunjukkan hasil yang baik. Menganalisis titik dan jarak unik di antara mereka, sistem pengenalan wajah menentukan fakta identifikasi dengan koefisien perbedaan antara gambar "langsung" dan templat terdaftar.

Teknologi tiga dimensi tahan terhadap perubahan fluks cahaya, penyimpangan yang diizinkan dari tampilan depan hingga 45 derajat. Di sini, tidak hanya titik dan garis yang dianalisis, tetapi juga sifat permukaan (kelengkungan, profil), metrik jarak di antara mereka. Untuk pengoperasian algoritme semacam itu, diperlukan kualitas perekaman video maksimum dengan frekuensi hingga 200 frame / dtk. Sistem ini didasarkan pada kamera video stereo dengan matriks 5 megapiksel, resolusi optik tinggi dan kesalahan sinkronisasi yang diminimalkan. Selain itu, mereka dihubungkan oleh kabel jam khusus untuk mentransmisikan pulsa jam.

Keadaan pasar sistem modern

Yang pertama, karena biayanya yang tinggi, dikembangkan hanya untuk fasilitas militer negara dan hanya pada pertengahan 90-an tersedia untuk organisasi komersial. Pesatnya perkembangan teknologi telah memungkinkan untuk meningkatkan akurasi sistem dan memperluas ruang lingkup aplikasi mereka. Di pasar negara kita, posisi terdepan adalah milik produsen sistem keamanan Amerika dan Eropa Barat. Pemimpin penjualan adalah peralatan perusahaan ZN Vision Technologies dan Visionics. Yang paling menjanjikan di antara pengembang domestik adalah penelitian dan produk Vocord, NTechLab, Soling, VisionLabs LLC dan grup STC, yang, antara lain, juga terlibat dalam mengadaptasi kompleks asing dengan kondisi Rusia.

Kontrol wajah komputer

Area penerapan identifikasi nirsentuh yang paling luas adalah perang melawan terorisme dan kejahatan. Gambar wajah penjahat disimpan dalam database. Di tempat-tempat ramai (bandara, stasiun kereta api, mal, fasilitas olahraga), orang-orang difilmkan secara real time untuk mengidentifikasi orang yang dicari.

Area berikutnya adalah sistem kontrol akses: sampel gambar foto pada jalur elektronik dibandingkan dengan model yang diperoleh sebagai hasil pemrosesan data dari kamera video. Prosedur berlangsung seketika, tanpa memerlukan tindakan tambahan dari mereka yang menjalani (tidak seperti pemindaian retina atau sidik jari).

Industri lain yang berkembang pesat adalah pemasaran. Papan reklame interaktif, setelah memindai wajah seseorang, menentukan jenis kelamin dan usianya, hanya memvisualisasikan iklan yang berpotensi menarik bagi klien.

Tren dan prospek pengembangan

Sistem pengenalan wajah sangat diminati di sektor perbankan.

Mengikuti hasil tahun lalu, setelah memasang 50.000 kamera video cerdas di kantor mereka, manajemen Post Bank berhasil menghemat jutaan rubel dengan mencegah penipuan di segmen pinjaman dan pembayaran. Para ahli mengatakan bahwa pada tahun 2021 jaringan infrastruktur yang diperlukan akan dibuat dan setiap operasi di ATM akan menjadi mungkin hanya setelah identifikasi biometrik wajah klien.

Dalam dekade berikutnya, teknologi tinggi akan memungkinkan pembukaan rantai toko swalayan penuh: pembeli berjalan di depan jendela, memilih produk yang disukainya dan pergi. Sistem pengenalan wajah dan gambar akan menentukan identitas pembeli, pembelian, dan menghapus jumlah yang diperlukan dari akunnya.

Pekerjaan sedang dilakukan untuk menciptakan sistem untuk mengenali keadaan psiko-emosional. Analisis emosi manusia akan diminati di bidang multimedia: animasi, sinematografi, industri pembuatan game komputer.

Semua orang tahu adegan dari film fiksi ilmiah: pahlawan datang ke pintu dan pintu terbuka, mengenalinya. Ini adalah salah satu demonstrasi yang jelas tentang kenyamanan dan keandalan penggunaan teknologi biometrik untuk kontrol akses. Namun, dalam praktiknya tidak sesederhana itu. Saat ini, beberapa perusahaan siap menawarkan kontrol akses kepada konsumen menggunakan teknologi biometrik.

Metode tradisional identifikasi pribadi, yang didasarkan pada berbagai kartu identitas, kunci atau data unik, seperti, misalnya, kata sandi, tidak dapat diandalkan sejauh yang diperlukan saat ini. Langkah alami dalam meningkatkan keandalan pengidentifikasi adalah upaya menggunakan teknologi biometrik untuk sistem keamanan.

Rentang masalah yang dapat diselesaikan dengan menggunakan teknologi baru sangat luas:

1. mencegah penyusup memasuki area dan tempat yang dilindungi dengan memalsukan, mencuri dokumen, kartu, kata sandi;
2. membatasi akses ke informasi dan memastikan tanggung jawab pribadi atas keamanannya;
3. memastikan akses ke fasilitas yang bertanggung jawab hanya untuk spesialis bersertifikat;
4. menghindari biaya overhead yang terkait dengan pengoperasian sistem kontrol akses (kartu, kunci);
5. menghilangkan ketidaknyamanan yang terkait dengan kehilangan, kerusakan, atau kelupaan mendasar atas kunci, kartu, kata sandi;
6. mengatur akses dan catatan kehadiran untuk karyawan.

Perkembangan teknologi pengenalan pola dengan berbagai karakteristik biometrik mulai ditangani cukup lama, awal mulanya diletakkan pada tahun 60-an. Rekan-rekan kita telah membuat kemajuan yang signifikan dalam mengembangkan landasan teoretis dari teknologi ini. Namun, hasil praktis diperoleh terutama di Barat dan hanya "kemarin". Kecanggihan komputer modern dan algoritme yang ditingkatkan telah memungkinkan untuk membuat produk yang, dalam hal karakteristik dan rasionya, telah dapat diakses dan menarik bagi berbagai pengguna.

Gagasan menggunakan karakteristik individu seseorang untuk mengidentifikasi dirinya bukanlah hal baru. Sampai saat ini, sejumlah teknologi diketahui dapat digunakan dalam sistem keamanan untuk identifikasi pribadi dengan cara:

1. sidik jari (baik individu maupun tangan secara keseluruhan);
2. fitur wajah (berdasarkan gambar optik dan inframerah);
3. iris mata;
4. suara
5. karakteristik lain.

Semua teknologi biometrik memiliki pendekatan yang sama untuk memecahkan masalah identifikasi, meskipun semua metode berbeda dalam kemudahan penggunaan dan akurasi hasil.

Setiap teknologi biometrik diterapkan secara bertahap:

1. pemindaian objek;
2. ekstraksi informasi individu;
3. pembentukan templat;
4. membandingkan template saat ini dengan database.

Sistem pengenalan biometrik menetapkan korespondensi karakteristik fisiologis atau perilaku tertentu dari pengguna ke beberapa template yang diberikan. Biasanya, sistem biometrik terdiri dari dua modul: modul registrasi dan modul identifikasi.

Modul pendaftaran"melatih" sistem untuk mengidentifikasi orang tertentu. Selama fase pendaftaran, kamera video atau sensor lain memindai orang tersebut untuk membuat representasi digital dari penampilan mereka. Pemindaian wajah membutuhkan waktu sekitar 20 hingga 30 detik, menghasilkan banyak gambar. Idealnya, gambar-gambar ini akan memiliki sudut dan ekspresi wajah yang sedikit berbeda, memungkinkan data yang lebih akurat. Modul perangkat lunak khusus memproses representasi ini dan menentukan ciri kepribadian, kemudian membuat template. Ada beberapa bagian wajah yang hampir tidak berubah seiring waktu, seperti kontur bagian atas rongga mata, area di sekitar tulang pipi, dan tepi mulut. Sebagian besar algoritme yang dikembangkan untuk teknologi biometrik memperhitungkan kemungkinan perubahan gaya rambut seseorang, karena mereka tidak menggunakan area wajah di atas garis rambut untuk analisis. Setiap template gambar pengguna disimpan dalam database sistem biometrik.

Modul identifikasi menerima gambar seseorang dari kamera video dan mengubahnya menjadi format digital yang sama tempat template disimpan. Data yang dihasilkan dibandingkan dengan template yang disimpan dalam database untuk menentukan apakah gambar cocok satu sama lain. Tingkat kesamaan yang diperlukan untuk verifikasi adalah ambang batas yang dapat disesuaikan untuk berbagai jenis personel, daya PC, waktu, dan sejumlah faktor lainnya.

Identifikasi dapat berupa verifikasi, autentikasi atau pengenalan. Verifikasi mengkonfirmasi identitas data yang diterima dan template yang disimpan dalam database. Otentikasi - mengonfirmasi korespondensi gambar yang diterima dari kamera video ke salah satu templat yang disimpan dalam database. Selama pengenalan, jika karakteristik yang diperoleh dan salah satu templat yang disimpan adalah sama, maka sistem mengidentifikasi seseorang dengan templat yang sesuai.

Saat menggunakan sistem biometrik, terutama sistem pengenalan wajah, bahkan dengan pengenalan karakteristik biometrik yang benar, keputusan untuk mengautentikasi tidak selalu benar. Ini karena sejumlah fitur dan, pertama-tama, fakta bahwa banyak karakteristik biometrik dapat berubah. Ada tingkat tertentu kemungkinan kesalahan sistem. Selain itu, ketika menggunakan teknologi yang berbeda, kesalahannya dapat sangat bervariasi. Untuk sistem kontrol akses saat menggunakan teknologi biometrik, perlu untuk menentukan apa yang lebih penting untuk tidak melewatkan "alien" atau melewatkan semua "teman".

Faktor penting bagi pengguna teknologi biometrik dalam sistem keamanan adalah kemudahan penggunaan. Orang yang karakteristiknya sedang dipindai seharusnya tidak mengalami ketidaknyamanan. Dalam hal ini, metode yang paling menarik tentu saja adalah teknologi pengenalan wajah. Benar, dalam hal ini, masalah lain muncul, terutama terkait dengan keakuratan sistem.

Terlepas dari manfaatnya yang jelas, ada sejumlah bias negatif terhadap biometrik yang sering menimbulkan pertanyaan tentang apakah biometrik akan digunakan untuk memata-matai orang dan melanggar privasi mereka. Karena klaim sensasional dan hype yang tidak berdasar, persepsi teknologi biometrik sangat berbeda dari keadaan sebenarnya.

Namun, penggunaan metode identifikasi biometrik telah mendapatkan relevansi khusus dalam beberapa tahun terakhir. Masalah ini menjadi sangat akut setelah peristiwa 11 September di Amerika Serikat. Masyarakat dunia telah menyadari luasnya ancaman terorisme yang berkembang di seluruh dunia dan rumitnya penyelenggaraan perlindungan yang andal dengan menggunakan metode tradisional. Peristiwa tragis inilah yang menjadi titik awal untuk meningkatkan perhatian pada sistem keamanan terintegrasi modern. Sudah menjadi pendapat umum bahwa jika kontrol di bandara lebih ketat, maka malapetaka dapat dihindari. Dan bahkan hari ini, pencarian mereka yang bertanggung jawab atas sejumlah insiden lain dapat difasilitasi secara signifikan dengan menggunakan sistem pengawasan video modern yang terintegrasi dengan sistem pengenalan wajah.

Saat ini ada empat metode pengenalan wajah utama:

1. "wajah eigen";
2. analisis "fitur pembeda";
3. analisis berdasarkan "jaringan saraf";
4. metode "pemrosesan otomatis gambar wajah".

Semua metode ini berbeda dalam kompleksitas implementasi dan tujuan aplikasi.

"Eigenface" dapat diterjemahkan sebagai "wajah sendiri". Teknologi ini menggunakan gambar skala abu-abu dua dimensi yang mewakili karakteristik pembeda dari sebuah gambar wajah. Metode "eigenface" sering digunakan sebagai dasar untuk metode pengenalan wajah lainnya.

Dengan menggabungkan karakteristik 100 - 120 "eigenface" dimungkinkan untuk memulihkan sejumlah besar wajah. Pada saat pendaftaran, "eigenface" dari setiap orang tertentu direpresentasikan sebagai serangkaian koefisien. Untuk mode otentikasi di mana gambar digunakan untuk verifikasi identitas, template langsung dibandingkan dengan template yang sudah terdaftar untuk menentukan rasio perbedaan. Tingkat perbedaan antara pola menentukan fakta identifikasi. Teknologi "eigenface" optimal bila digunakan di ruangan yang cukup terang, bila memungkinkan untuk memindai wajah di depan.

Teknik analisis "pembeda" adalah teknologi identifikasi yang paling banyak digunakan. Teknologi ini mirip dengan teknik “Eigenface”, namun lebih disesuaikan dengan perubahan penampilan atau ekspresi wajah seseorang (wajah tersenyum atau cemberut). Ciri pembeda menggunakan lusinan ciri khas dari area wajah yang berbeda, dengan mempertimbangkan lokasi relatifnya. Kombinasi individu dari parameter ini menentukan karakteristik setiap orang tertentu. Wajah seseorang itu unik, tapi cukup dinamis, karena. seseorang dapat tersenyum, menumbuhkan janggut dan kumis, mengenakan kacamata - semua ini meningkatkan kompleksitas prosedur identifikasi. Jadi, misalnya, saat tersenyum, ada beberapa perpindahan bagian wajah yang terletak di dekat mulut, yang pada gilirannya akan menyebabkan gerakan serupa di bagian yang berdekatan. Dengan mempertimbangkan pergeseran seperti itu, dimungkinkan untuk mengidentifikasi seseorang secara unik dengan berbagai perubahan mimik di wajah. Karena analisis ini mempertimbangkan area wajah lokal, toleransi dapat mencapai 25 ° pada bidang horizontal, dan hingga sekitar 15 ° pada bidang vertikal, dan memerlukan peralatan yang cukup kuat dan mahal, yang dengan demikian mengurangi derajat distribusi ini. metode.

Dalam metode berdasarkan jaringan saraf, fitur karakteristik dari kedua wajah - terdaftar dan diverifikasi - dibandingkan untuk kecocokan. "Jaringan saraf" menggunakan algoritme yang cocok dengan parameter unik wajah orang yang diperiksa dan parameter templat yang terletak di database, sambil menerapkan jumlah parameter maksimum yang mungkin. Sebagai hasil perbandingan, inkonsistensi antara orang yang diperiksa dan template dari database ditentukan, kemudian mekanisme diluncurkan, dengan menggunakan koefisien bobot yang sesuai, menentukan tingkat kepatuhan orang yang diperiksa dengan template dari database. Metode ini meningkatkan kualitas identifikasi wajah dalam kondisi sulit.

Metode "pemrosesan otomatis gambar wajah" adalah teknologi paling sederhana, menggunakan jarak dan rasio jarak antara titik-titik wajah yang mudah ditentukan, seperti mata, ujung hidung, sudut mulut. Meskipun metode ini tidak sekuat "eigenfaces" atau "jaringan saraf", dapat digunakan dengan cukup efektif dalam kondisi cahaya rendah.

Sistem pengenalan wajah di pasaran

Sampai saat ini, sejumlah produk komersial yang dirancang untuk pengenalan wajah telah dikembangkan. Algoritma yang digunakan dalam produk ini berbeda dan masih sulit untuk menilai teknologi mana yang memiliki keunggulan. Para pemimpin saat ini adalah sistem berikut: Visionic, Visisage dan Miros.

• Aplikasi FaceIt Visionic didasarkan pada algoritma analisis fitur lokal yang dikembangkan di Universitas Rockefeller. Salah satu perusahaan komersial di Inggris telah mengintegrasikan FaceIt ke dalam sistem anti-kejahatan televisi yang disebut Mandrake. Sistem ini mencari penjahat menggunakan data video dari 144 kamera yang terhubung dalam jaringan tertutup. Ketika identitas ditetapkan, sistem memberi tahu petugas keamanan. Di Rusia, perwakilan Visionic adalah DanCom.
• Pemimpin lain di bidang ini, Visisage, menggunakan algoritma yang dikembangkan di Massachusetts Institute of Technology. Bisnis dan pemerintah di banyak negara bagian AS dan beberapa negara lain menggunakan sistem Visisage bersama dengan kredensial identifikasi seperti SIM.
• ZN Vision Technologies AG (Jerman) menawarkan sejumlah produk di pasaran yang menggunakan teknologi pengenalan wajah. Sistem ini disajikan di pasar Rusia oleh Soling.
• Sistem pengenalan wajah TrueFace Miros menggunakan teknologi jaringan saraf, dan sistem itu sendiri digunakan di kompleks pengeluaran uang Mr.Payroll Corporation dan dipasang di kasino dan tempat hiburan lainnya di banyak negara bagian AS.

Di Amerika Serikat, para ahli independen melakukan uji komparatif berbagai teknologi pengenalan wajah. Hasil tes disajikan di bawah ini.

Beras. 1. Analisis komparatif efektivitas pengenalan wajah dalam sistem yang berbeda

Dalam praktiknya, saat menggunakan sistem pengenalan wajah sebagai bagian dari sistem keamanan elektronik standar, diasumsikan bahwa orang yang akan diidentifikasi melihat langsung ke kamera. Dengan demikian, sistem bekerja dengan gambar dua dimensi yang relatif sederhana, yang secara signifikan menyederhanakan algoritme dan mengurangi intensitas perhitungan. Tetapi bahkan dalam kasus ini, tugas pengenalan masih tidak sepele, karena algoritme harus memperhitungkan kemungkinan mengubah tingkat pencahayaan, mengubah ekspresi wajah, ada tidaknya riasan atau kacamata.

Keandalan sistem pengenalan wajah sangat bergantung pada beberapa faktor:

• Kualitas gambar. Probabilitas pengoperasian sistem yang bebas kesalahan akan sangat berkurang jika orang yang kami coba identifikasi tidak melihat langsung ke kamera atau tertembak dalam pencahayaan yang buruk.
• Relevansi foto yang dimasukkan dalam database.
• Ukuran basis data.

Teknologi pengenalan wajah bekerja dengan baik dengan kamera video standar yang mengirimkan data dan dikendalikan oleh komputer pribadi dan memerlukan resolusi 320x240 piksel per inci pada kecepatan video minimal 3 hingga 5 bingkai per detik. Sebagai perbandingan, kualitas yang dapat diterima untuk konferensi video memerlukan kecepatan streaming video 15 frame per detik. Kecepatan bit video yang lebih tinggi pada resolusi yang lebih tinggi menghasilkan kualitas identifikasi yang lebih baik. Saat mengenali wajah dari jarak jauh, ada hubungan kuat antara kualitas kamera video dan hasil identifikasi.

Volume database saat menggunakan komputer pribadi standar tidak melebihi 10.000 gambar.

Kesimpulan

Metode pengenalan wajah yang ditawarkan saat ini menarik dan hampir diterapkan secara luas, tetapi belum memungkinkan, seperti di bioskop, untuk hanya mempercayai teknologi pengenalan wajah untuk membuka pintu. Ini bagus sebagai asisten penjaga keamanan atau sistem kontrol akses lainnya.

Metode inilah yang digunakan dalam banyak situasi ketika diperlukan untuk memastikan bahwa dokumen yang disajikan benar-benar milik orang yang menyerahkannya. Ini terjadi, misalnya, di bandara internasional, ketika penjaga perbatasan memeriksa foto di paspor dengan wajah pemegang paspor dan memutuskan apakah itu paspornya atau bukan. Sebuah sistem akses komputer beroperasi sesuai dengan algoritma yang sama. Satu-satunya perbedaan adalah foto tersebut dibandingkan dengan template yang sudah tersimpan di database.

Teknologi telah muncul yang didasarkan pada pengenalan wajah dalam cahaya inframerah. Teknologi baru ini didasarkan pada fakta bahwa gambar termal yang dibuat oleh radiasi panas dari pembuluh darah wajah atau, dengan kata lain, termogram wajah seseorang, adalah unik untuk semua orang dan, oleh karena itu, dapat digunakan sebagai biometrik. karakteristik untuk sistem kontrol akses. Termogram ini adalah pengidentifikasi yang lebih stabil daripada geometri wajah, karena hampir tidak bergantung pada perubahan penampilan seseorang.