ახლახან Habré-ზე გამოჩნდა მრავალი სტატია, რომელიც ეძღვნება Google-ის სახის იდენტიფიკაციის სისტემებს. მართალი გითხრათ, ბევრ მათგანს ჟურნალისტიკის და, რბილად რომ ვთქვათ, არაკომპეტენტურობის სუნი აქვს. და მე მინდოდა დამეწერა კარგი სტატია ბიომეტრიაზე, ეს არ არის ჩემი პირველი! Habré-ზე არის რამდენიმე კარგი სტატია ბიომეტრიის შესახებ - მაგრამ ისინი საკმაოდ მოკლე და არასრულია. აქ შევეცდები მოკლედ გამოვყო ბიომეტრიული იდენტიფიკაციის ზოგადი პრინციპები და კაცობრიობის თანამედროვე მიღწევები ამ საკითხში. მათ შორის პირების მიერ იდენტიფიკაციისას.

სტატიას აქვს გაგრძელება, რომელიც, ფაქტობრივად, მისი პრიკველია.

სტატიის საფუძვლად გამოყენებული იქნება ერთობლივი პუბლიკაცია კოლეგასთან ერთად ჟურნალში (BDI, 2009), შესწორებული თანამედროვე რეალობისთვის. ჰაბრეს ჯერ არ ჰყავს კოლეგა, მაგრამ მან მხარი დაუჭირა შესწორებული სტატიის აქ გამოქვეყნებას. გამოქვეყნების დროს სტატია წარმოადგენდა თანამედროვე ბიომეტრიული ტექნოლოგიების ბაზრის მოკლე მიმოხილვას, რომელიც ჩვენ თვითონ ჩავატარეთ ჩვენი პროდუქტის გამოშვებამდე. სტატიის მეორე ნაწილში მოყვანილი გამოყენების ღირებულებითი შეფასებები ეფუძნება იმ ადამიანების მოსაზრებებს, რომლებმაც გამოიყენეს და განახორციელეს პროდუქტები, ასევე იმ ადამიანების მოსაზრებებს, რომლებიც მონაწილეობენ ბიომეტრიული სისტემების წარმოებაში რუსეთსა და ევროპაში.

ზოგადი ინფორმაცია

დავიწყოთ საფუძვლებით. შემთხვევათა 95%-ში ბიომეტრია არსებითად მათემატიკური სტატისტიკაა. და მატსტატი არის ზუსტი მეცნიერება, რომლის ალგორითმები ყველგან გამოიყენება: რადარებში და ბაიესის სისტემებში. პირველი და მეორე სახის შეცდომები შეიძლება ჩაითვალოს ნებისმიერი ბიომეტრიული სისტემის ორ მთავარ მახასიათებელად). რადარის თეორიაში მათ ჩვეულებრივ უწოდებენ "ცრუ სიგნალიზაციას" ან "მიზნის გაცდენას", ხოლო ბიომეტრიაში ყველაზე ჩამოყალიბებული ცნებებია FAR (ცრუ მიღების მაჩვენებელი) და FRR (ცრუ უარყოფის მაჩვენებელი). პირველი რიცხვი ახასიათებს ორი ადამიანის ბიომეტრიული მახასიათებლების ცრუ შესატყვისობის ალბათობას. მეორე არის ნებართვის მქონე პირზე წვდომაზე უარის თქმის ალბათობა. სისტემა უკეთესია, რაც უფრო მცირეა FRR მნიშვნელობა იმავე FAR მნიშვნელობებზე. ზოგჯერ გამოიყენება EER-ის შედარებითი მახასიათებელიც, რომელიც განსაზღვრავს FRR და FAR გრაფიკების გადაკვეთის წერტილს. მაგრამ ის ყოველთვის არ არის წარმომადგენლობითი. მეტი დეტალი შეგიძლიათ ნახოთ, მაგალითად,.
შეიძლება აღინიშნოს შემდეგი: თუ ღია ბიომეტრიული მონაცემთა ბაზებისთვის FAR და FRR არ არის მოცემული სისტემის მახასიათებლებში, მაშინ რაც არ უნდა განაცხადონ მწარმოებლები მის მახასიათებლებზე, ეს სისტემა, სავარაუდოდ, ქმედუუნაროა ან გაცილებით სუსტია, ვიდრე მისი კონკურენტები..
მაგრამ არა მხოლოდ FAR და FRR განსაზღვრავს ბიომეტრიული სისტემის ხარისხს. ეს რომ ერთადერთი გზა ყოფილიყო, მაშინ წამყვანი ტექნოლოგია იქნებოდა ადამიანების დნმ-ის ამოცნობა, რისთვისაც FAR და FRR ნულისკენ მიდრეკილია. მაგრამ აშკარაა, რომ ეს ტექნოლოგია არ გამოიყენება ადამიანის განვითარების ამჟამინდელ ეტაპზე! ჩვენ შევიმუშავეთ რამდენიმე ემპირიული მახასიათებელი სისტემის ხარისხის შესაფასებლად. „გაყალბების წინააღმდეგობა“ არის ემპირიული ზომა, რომელიც აჯამებს, რამდენად ადვილია ბიომეტრიული იდენტიფიკატორის გაყალბება. „გარემოს სტაბილურობა“ არის მახასიათებელი, რომელიც ემპირიულად აფასებს სისტემის სტაბილურობას სხვადასხვა გარე პირობებში, როგორიცაა განათების ან ოთახის ტემპერატურის ცვლილებები. „გამოყენების სიმარტივე“ გვიჩვენებს, თუ რამდენად რთულია ბიომეტრიული სკანერის გამოყენება, შესაძლებელია თუ არა იდენტიფიკაცია „გადაადგილებისას“. მნიშვნელოვანი მახასიათებელია "მუშაობის სიჩქარე" და "სისტემის ღირებულება". არ დაგავიწყდეთ, რომ ადამიანის ბიომეტრიული მახასიათებელი შეიძლება დროთა განმავლობაში შეიცვალოს, ასე რომ, თუ ის არასტაბილურია, ეს მნიშვნელოვანი მინუსია.
ბიომეტრიული მეთოდების სიმრავლე გასაოცარია. პიროვნების სტატიკური ბიომეტრიული მახასიათებლების გამოყენებით ძირითადი მეთოდებია იდენტიფიკაცია პაპილარული ნიმუშით თითებზე, ირისი, სახის გეომეტრია, ბადურა, ხელის ვენის ნიმუში, ხელის გეომეტრია. ასევე არსებობს მეთოდების ოჯახი, რომელიც იყენებს დინამიურ მახასიათებლებს: ამოცნობა ხმით, ხელწერის დინამიკა, გულისცემა, სიარული. ქვემოთ მოცემულია ბიომეტრიული ბაზრის განაწილება რამდენიმე წლის წინ. ყოველ მეორე წყაროში ეს მონაცემები მერყეობს 15-20 პროცენტით, ასე რომ, ეს მხოლოდ სავარაუდოა. ასევე აქ, "ხელის გეომეტრიის" კონცეფციის ქვეშ, ორი განსხვავებული მეთოდი იმალება, რომლებიც ქვემოთ იქნება განხილული.

სტატიაში განვიხილავთ მხოლოდ იმ მახასიათებლებს, რომლებიც გამოიყენება წვდომის კონტროლისა და მართვის სისტემებში (ACS) ან მათთან დაახლოებულ ამოცანებში. მათი უპირატესობის გამო, ეს ძირითადად სტატიკური მახასიათებლებია. ამ დროისთვის დინამიური მახასიათებლებიდან მხოლოდ ხმის ამოცნობას აქვს მინიმუმ გარკვეული სტატისტიკური მნიშვნელობა (შედარებით ყველაზე უარეს სტატიკური ალგორითმებთან FAR ~ 0.1%, FRR ~ 6%), მაგრამ მხოლოდ იდეალურ პირობებში.
FAR-ისა და FRR-ის ალბათობის გასაგებად, შეიძლება შეფასდეს, რამდენად ხშირად მოხდება ცრუ დამთხვევები, თუ საიდენტიფიკაციო სისტემა დაინსტალირებულია დახურულ ორგანიზაციაში N პერსონალით. N თითის ანაბეჭდების მონაცემთა ბაზისთვის სკანერის მიერ მიღებული თითის ანაბეჭდის ცრუ შესატყვისობის ალბათობა არის FAR∙N. და ყოველდღე, დაახლოებით N ადამიანი ასევე გადის წვდომის კონტროლის პუნქტს. მაშინ შეცდომის ალბათობა სამუშაო დღეში არის FAR∙(N∙N). რა თქმა უნდა, საიდენტიფიკაციო სისტემის მიზნებიდან გამომდინარე, დროის ერთეულზე შეცდომის ალბათობა შეიძლება მნიშვნელოვნად განსხვავდებოდეს, მაგრამ თუ მიიღება ერთი შეცდომა სამუშაო დღეში, მაშინ:
(1)
შემდეგ მივიღებთ, რომ საიდენტიფიკაციო სისტემის სტაბილური მუშაობა FAR=0.1% =0.001-ზე შესაძლებელია N≈30 პერსონალის რაოდენობით.

ბიომეტრიული სკანერები

დღეს „ბიომეტრიული ალგორითმის“ და „ბიომეტრიული სკანერის“ ცნებები სულაც არ არის ერთმანეთთან დაკავშირებული. კომპანიას შეუძლია აწარმოოს ეს ელემენტები ინდივიდუალურად ან ერთად. სკანერების მწარმოებლებისა და პროგრამული უზრუნველყოფის მწარმოებლების უდიდესი დიფერენციაცია მიღწეულია პაპილარული თითის ნიმუშის ბიომეტრიულ ბაზარზე. ყველაზე პატარა 3D სახის სკანერი ბაზარზე. სინამდვილეში, დიფერენციაციის დონე დიდწილად ასახავს ბაზრის განვითარებასა და გაჯერებას. რაც მეტი არჩევანია - მით უფრო დამუშავებულია თემა და სრულყოფილებამდე მიიყვანს. სხვადასხვა სკანერს აქვს განსხვავებული შესაძლებლობები. ძირითადად, ეს არის ტესტების ერთობლიობა, რათა შეამოწმოს, იყო თუ არა ბიომეტრიული ობიექტის გაყალბება. თითის სკანერებისთვის ეს შეიძლება იყოს რელიეფის შემოწმება ან ტემპერატურის შემოწმება, თვალის სკანერებისთვის ეს შეიძლება იყოს მოსწავლის განსახლების შემოწმება, სახის სკანერებისთვის, სახის მოძრაობა.
სკანერებს აქვთ ძალიან ძლიერი გავლენა მიღებულ FAR და FRR სტატისტიკაზე. ზოგიერთ შემთხვევაში, ეს მაჩვენებლები შეიძლება შეიცვალოს ათობით ჯერ, განსაკუთრებით რეალურ პირობებში. როგორც წესი, ალგორითმის მახასიათებლები მოცემულია რომელიმე „იდეალურ“ ბაზაზე, ან უბრალოდ კარგად მორგებულზე, სადაც ბუნდოვანი და ბუნდოვანი ჩარჩოები იშლება. მხოლოდ რამდენიმე ალგორითმი გულწრფელად მიუთითებს როგორც საფუძველს, ასევე მის სრულ FAR / FRR გამომავალს.

ახლა კი უფრო დეტალურად თითოეული ტექნოლოგიის შესახებ.

თითის ანაბეჭდები

დაქტილოსკოპია (თითის ანაბეჭდის ამოცნობა) არის პერსონალური იდენტიფიკაციის ყველაზე განვითარებული ბიომეტრიული მეთოდი დღემდე. მეთოდის განვითარების კატალიზატორი იყო მისი ფართო გამოყენება სასამართლო მეცნიერებაში მე-20 საუკუნეში.
თითოეულ ადამიანს აქვს უნიკალური პაპილარული თითის ანაბეჭდის ნიმუში, რაც შესაძლებელს ხდის იდენტიფიკაციას. როგორც წესი, ალგორითმები იყენებენ დამახასიათებელ წერტილებს თითის ანაბეჭდებზე: ნიმუშის ხაზის დასასრული, ხაზის განშტოება, ცალკეული წერტილები. გარდა ამისა, ჩართულია ინფორმაცია თითის ანაბეჭდის მორფოლოგიური სტრუქტურის შესახებ: პაპილარული ნიმუშის დახურული ხაზების შედარებითი პოზიცია, "თაღოვანი" და სპირალური ხაზები. პაპილარული ნიმუშის მახასიათებლები გარდაიქმნება უნიკალურ კოდში, რომელიც ინახავს ბეჭდური სურათის საინფორმაციო შინაარსს. და ეს არის "თითის ანაბეჭდის კოდები", რომლებიც ინახება მონაცემთა ბაზაში, რომელიც გამოიყენება საძიებლად და შედარებისთვის. თითის ანაბეჭდის გამოსახულების კოდში გადატანისა და მისი იდენტიფიკაციის დრო ჩვეულებრივ არ აღემატება 1 წმ-ს, რაც დამოკიდებულია ბაზის ზომაზე. ხელის აწევაზე დახარჯული დრო არ არის გათვალისწინებული.

FAR და FRR მონაცემების წყაროდ გამოყენებული იყო VeriFinger SDK სტატისტიკა, მიღებული U.are.U DP თითის ანაბეჭდის სკანერის გამოყენებით. ბოლო 5-10 წლის განმავლობაში, თითით ამოცნობის მახასიათებლებმა დიდი ნაბიჯი არ წასულა, ამიტომ მოცემული ფიგურები აჩვენებს თანამედროვე ალგორითმების კარგ საშუალოს. თავად VeriFinger ალგორითმი რამდენიმე წლის განმავლობაში იგებდა საერთაშორისო თითის ანაბეჭდის დადასტურების კონკურსს, სადაც თითის ანაბეჭდის ამოცნობის ალგორითმები ეჯიბრებოდნენ ერთმანეთს.

ტიპიური FAR მნიშვნელობა თითის ანაბეჭდის ამოცნობის მეთოდისთვის არის 0,001%.
ფორმულიდან (1) ვიღებთ, რომ საიდენტიფიკაციო სისტემის სტაბილური ფუნქციონირება FAR=0.001%-ზე შესაძლებელია N≈300 პერსონალის რაოდენობით.

მეთოდის უპირატესობები. მაღალი სანდოობა - მეთოდის სტატისტიკური მაჩვენებლები უკეთესია, ვიდრე სახის, ხმის, ფერწერის იდენტიფიკაციის მეთოდები. იაფი მოწყობილობები, რომლებიც სკანირებენ თითის ანაბეჭდის სურათს. თითის ანაბეჭდის სკანირების საკმაოდ მარტივი პროცედურა.
ნაკლოვანებები: პაპილარული თითის ანაბეჭდის ნიმუში ძალიან ადვილად ზიანდება მცირე ნაკაწრებით, ჭრილობებით. ადამიანები, რომლებიც იყენებდნენ სკანერებს ბიზნესში, სადაც რამდენიმე ასეული თანამშრომელია, აღნიშნავენ სკანირების უკმარისობის მაღალ მაჩვენებელს. ბევრი სკანერი არ მკურნალობს მშრალ კანს ადეკვატურად და არ უშვებს მოხუცებს. MIPS-ის ბოლო გამოფენაზე კომუნიკაციისას, დიდი ქიმიური საწარმოს უსაფრთხოების სამსახურის ხელმძღვანელმა თქვა, რომ მათი მცდელობა, დაენერგათ თითის სკანერები საწარმოში (სხვადასხვა სისტემის სკანერები სცადეს) ჩაიშალა - თანამშრომლების თითების მინიმალური ზემოქმედება ქიმიკატებზე გამოიწვია. მარცხი სკანერების უსაფრთხოების სისტემებში - სკანერებმა თითები ყალბად გამოაცხადეს. ასევე არსებობს უსაფრთხოების ნაკლებობა თითის ანაბეჭდის გაყალბებისგან, ნაწილობრივ ამ მეთოდის ფართო გამოყენების გამო. რა თქმა უნდა, ყველა სკანერის მოტყუება შეუძლებელია MythBusters-ის მეთოდებით, მაგრამ მაინც. ზოგიერთი ადამიანისთვის, რომელსაც აქვს „არასათანადო“ თითები (სხეულის ტემპერატურა, ტენიანობა), წვდომის აკრძალვის ალბათობამ შეიძლება მიაღწიოს 100%-ს. ასეთი ადამიანების რაოდენობა მერყეობს პროცენტის წილადებიდან ძვირადღირებული სკანერებისთვის ათ პროცენტამდე იაფი სკანერებისთვის.
რა თქმა უნდა, აღსანიშნავია, რომ დიდი რაოდენობით ხარვეზები გამოწვეულია სისტემის ფართო გამოყენების გამო, მაგრამ ეს ხარვეზები არსებობს და ძალიან ხშირად ჩნდება.

ბაზრის მდგომარეობა

ამჟამად თითის ანაბეჭდის ამოცნობის სისტემები ბიომეტრიული ბაზრის ნახევარზე მეტს იკავებს. ბევრი რუსული და უცხოური კომპანია თითის ანაბეჭდის იდენტიფიკაციის მეთოდის საფუძველზე დაშვების კონტროლის სისტემების წარმოებაშია დაკავებული. იმის გამო, რომ ეს მიმართულება ერთ-ერთი უძველესია, მან მიიღო ყველაზე დიდი გავრცელება და გაცილებით განვითარებულია. თითის ანაბეჭდის სკანერებმა მართლაც დიდი გზა გაიარეს. თანამედროვე სისტემები აღჭურვილია სხვადასხვა სენსორებით (ტემპერატურა, დაჭერის ძალა და ა.შ.), რომლებიც ზრდის გაყალბებისგან დაცვის ხარისხს. ყოველდღიურად სისტემები უფრო და უფრო მოსახერხებელი და კომპაქტური ხდება. ფაქტობრივად, დეველოპერებმა უკვე მიაღწიეს გარკვეულ ზღვარს ამ სფეროში და ამ მეთოდის შემდგომი განვითარება არსად არსებობს. გარდა ამისა, კომპანიების უმეტესობა აწარმოებს მზა სისტემებს, რომლებიც აღჭურვილია ყველაფრით, რაც გჭირდებათ, მათ შორის პროგრამული უზრუნველყოფით. უბრალოდ არ არის საჭირო ამ სფეროში ინტეგრატორებმა სისტემის დამოუკიდებლად აწყობა, რადგან ის წამგებიანია და მეტი დრო და ძალისხმევა დასჭირდება, ვიდრე მზა და უკვე იაფი სისტემის შეძენას, მით მეტი არჩევანი იქნება მართლაც ფართო.
თითის ანაბეჭდის ამოცნობის სისტემებში ჩართულ უცხოურ კომპანიებს შორის შეიძლება აღინიშნოს SecuGen (USB სკანერები კომპიუტერებისთვის, სკანერები, რომლებიც შეიძლება დაინსტალირდეს საწარმოებში ან ჩაშენდეს საკეტებში, SDK და პროგრამული უზრუნველყოფა სისტემის კომპიუტერთან დასაკავშირებლად); Bayometric Inc. (თითის ანაბეჭდის სკანერები, TAA/Access კონტროლის სისტემები, თითის ანაბეჭდის SDK-ები, ჩაშენებული თითის ანაბეჭდის მოდულები); DigitalPersona Inc. (USB-სკანერები, SDK). რუსეთში ამ სფეროში ოპერირებენ შემდეგი კომპანიები: BioLink (თითის ანაბეჭდის სკანერები, ბიომეტრიული წვდომის კონტროლის მოწყობილობები, პროგრამული უზრუნველყოფა); Sonda (თითის ანაბეჭდის სკანერები, ბიომეტრიული წვდომის კონტროლის მოწყობილობები, SDK); SmartLock (თითის ანაბეჭდის სკანერები და მოდულები) და ა.შ.

ირისი

თვალის ირისი ადამიანის უნიკალური თვისებაა. ირისის ნიმუში ყალიბდება ნაყოფის განვითარების მერვე თვეში, საბოლოოდ სტაბილიზდება დაახლოებით ორი წლის ასაკში და პრაქტიკულად არ იცვლება მთელი ცხოვრების განმავლობაში, გარდა მძიმე დაზიანებების ან მძიმე პათოლოგიების შედეგად. მეთოდი ბიომეტრიულ მეთოდებს შორის ერთ-ერთი ყველაზე ზუსტია.
ირისის საიდენტიფიკაციო სისტემა ლოგიკურად იყოფა ორ ნაწილად: გამოსახულების გადაღების მოწყობილობა, მისი პირველადი დამუშავება და გადაცემა კალკულატორში და კომპიუტერი, რომელიც ადარებს სურათს მონაცემთა ბაზაში არსებულ სურათებთან, გადასცემს ბრძანებას დაშვების შესახებ აქტუატორზე.
პირველადი გამოსახულების დამუშავების დრო თანამედროვე სისტემებში არის დაახლოებით 300-500ms, მიღებული სურათის ბაზის შედარების სიჩქარე აქვს 50000-150000 შედარება წამში ჩვეულებრივ კომპიუტერზე. შედარების ეს სიჩქარე არ აწესებს შეზღუდვებს მეთოდის გამოყენებაზე დიდ ორგანიზაციებში, როდესაც გამოიყენება წვდომის სისტემებში. სპეციალიზებული კალკულატორებისა და ძიების ოპტიმიზაციის ალგორითმების გამოყენებისას შესაძლებელი ხდება პიროვნების იდენტიფიცირება მთელი ქვეყნის მცხოვრებთა შორის.
მაშინვე შემიძლია ვუპასუხო, რომ გარკვეულწილად მიკერძოებული ვარ და დადებითი დამოკიდებულება მაქვს ამ მეთოდის მიმართ, რადგან სწორედ ამ სფეროში გავუშვით ჩვენი სტარტაპი. ბოლოს აბზაცი დაეთმობა მცირე თვითრეკლამას.

მეთოდის სტატისტიკური მახასიათებლები

ირისისთვის FAR და FRR მახასიათებლები საუკეთესოა თანამედროვე ბიომეტრიული სისტემების კლასში (ბადურის ამოცნობის მეთოდის შესაძლო გამონაკლისის გარდა). სტატიაში წარმოდგენილია ჩვენი ალგორითმის - EyeR SDK ირისის ამომცნობი ბიბლიოთეკის მახასიათებლები, რომლებიც შეესაბამება იმავე მონაცემთა ბაზაზე შემოწმებულ VeriEye ალგორითმს. გამოყენებული იქნა მათი სკანერით მიღებული CASIA მონაცემთა ბაზები.

FAR-ის დამახასიათებელი მნიშვნელობა არის 0.00001%.
ფორმულის მიხედვით (1), N≈3000 არის ორგანიზაციის პერსონალის რაოდენობა, რომლის დროსაც თანამშრომლის იდენტიფიკაცია საკმაოდ სტაბილურად ხდება.
აქ აღსანიშნავია მნიშვნელოვანი მახასიათებელი, რომელიც განასხვავებს ირისის ამოცნობის სისტემას სხვა სისტემებისგან. 1,3 მეგაპიქსელი გარჩევადობის მქონე კამერის გამოყენების შემთხვევაში, შეგიძლიათ გადაიღოთ ორი თვალი ერთ კადრში. ვინაიდან FAR და FRR ალბათობები სტატისტიკურად დამოუკიდებელი ალბათობებია, ორი თვალით ამოცნობისას, FAR მნიშვნელობა დაახლოებით უდრის FAR მნიშვნელობის კვადრატს ერთი თვალისთვის. მაგალითად, FAR 0,001% ორი თვალის გამოყენებით, ცრუ ტოლერანტობის ალბათობა იქნება 10-8%, FRR მხოლოდ ორჯერ მეტია, ვიდრე შესაბამისი FRR მნიშვნელობა ერთი თვალისთვის FAR=0,001%.

მეთოდის უპირატესობები და უარყოფითი მხარეები

მეთოდის უპირატესობები. ალგორითმის სტატისტიკური სანდოობა. ირისის გამოსახულების გადაღება შეიძლება განხორციელდეს რამდენიმე სანტიმეტრიდან რამდენიმე მეტრამდე დაშორებით, მაშინ როცა ადამიანის ფიზიკური კონტაქტი მოწყობილობასთან არ ხდება. ირისი დაცულია დაზიანებისგან - რაც იმას ნიშნავს, რომ დროთა განმავლობაში არ შეიცვლება. ასევე შესაძლებელია გამოიყენოს დიდი რაოდენობით მეთოდები, რომლებიც იცავს გაყალბებისგან.
მეთოდის ნაკლოვანებები. ირისზე დაფუძნებული სისტემის ფასი უფრო მაღალია, ვიდრე თითის ამოცნობაზე ან სახის ამოცნობაზე დაფუძნებული სისტემის ფასი. მზა გადაწყვეტილებების დაბალი ხელმისაწვდომობა. ნებისმიერი ინტეგრატორი, რომელიც დღეს მოვა რუსულ ბაზარზე და იტყვის: „მომეცი მზა სისტემა“, დიდი ალბათობით გაწყდება. უმეტესწილად, იყიდება ძვირადღირებული ანაზრაურების სისტემები, რომლებიც დამონტაჟებულია მსხვილი კომპანიების მიერ, როგორიცაა Iridian ან LG.

ბაზრის მდგომარეობა

ამ დროისთვის, ირისის იდენტიფიკაციის ტექნოლოგიების წილი გლობალურ ბიომეტრულ ბაზარზე, სხვადასხვა შეფასებით, 6-დან 9 პროცენტამდეა (მაშინ როცა თითის ანაბეჭდის ამოცნობის ტექნოლოგიები ბაზრის ნახევარზე მეტს იკავებს). აღსანიშნავია, რომ ამ მეთოდის შემუშავების დაწყებიდანვე, მისი გაძლიერება ბაზარზე შენელდა საიდენტიფიკაციო სისტემის ასაწყობად საჭირო აღჭურვილობისა და კომპონენტების მაღალი ღირებულებით. თუმცა, ციფრული ტექნოლოგიების განვითარებასთან ერთად, ერთი სისტემის ღირებულებამ კლება დაიწყო.
ამ სფეროში პროგრამული უზრუნველყოფის დამუშავების ლიდერია Iridian Technologies.
მწარმოებლების დიდი რაოდენობის ბაზარზე შესვლა შეზღუდული იყო სკანერების ტექნიკური სირთულით და, შედეგად, მათი მაღალი ღირებულებით, ასევე პროგრამული უზრუნველყოფის მაღალი ფასით, Iridian-ის ბაზარზე მონოპოლიური პოზიციის გამო. ეს ფაქტორები საშუალებას აძლევდა მხოლოდ დიდ კომპანიებს განვითარებულიყვნენ ირისის ამოცნობის სფეროში, რომლებიც, სავარაუდოდ, უკვე იყვნენ დაკავებულნი იდენტიფიკაციის სისტემისთვის შესაფერისი ზოგიერთი კომპონენტის წარმოებაში (მაღალი რეზოლუციის ოპტიკა, მინიატურული კამერები ინფრაწითელი განათებით და ა.შ.). ასეთი კომპანიების მაგალითებია LG Electronics, Panasonic, OKI. მათ გააფორმეს ხელშეკრულება Iridian Technologies-თან და ერთობლივი მუშაობის შედეგად გაჩნდა შემდეგი საიდენტიფიკაციო სისტემები: Iris Access 2200, BM-ET500, OKI IrisPass. მომავალში, გაუმჯობესებული სისტემის მოდელები გაჩნდა, ამ კომპანიების ტექნიკური შესაძლებლობების წყალობით, დამოუკიდებლად განვითარდნენ ამ სფეროში. უნდა ითქვას, რომ ზემოხსენებულმა კომპანიებმაც შეიმუშავეს საკუთარი პროგრამული უზრუნველყოფა, მაგრამ საბოლოოდ დასრულებულ სისტემაში უპირატესობას ანიჭებენ Iridian Technologies პროგრამულ უზრუნველყოფას.
რუსეთის ბაზარზე დომინირებს უცხოური კომპანიების პროდუქტები. მიუხედავად იმისა, რომ ძნელია ყიდვა. დიდი ხნის განმავლობაში, პაპილონი ყველას არწმუნებდა, რომ მათ ჰქონდათ ირისის ამოცნობა. მაგრამ RosAtom-ის წარმომადგენლებიც კი, მათი პირდაპირი მყიდველი, ვისთვისაც მათ შექმნეს სისტემა, ამბობენ, რომ ეს სიმართლეს არ შეესაბამება. რაღაც მომენტში გამოჩნდა სხვა რუსული კომპანია, რომელმაც ირისის სკანერები დაამზადა. სახელი ახლა არ მახსოვს. მათ შეიძინეს ალგორითმი ვიღაცისგან, შესაძლოა, იგივე VeriEye-სგან. თავად სკანერი იყო 10-15 წლის სისტემა, არავითარ შემთხვევაში უკონტაქტო.
გასულ წელს, რამდენიმე ახალი მწარმოებელი შემოვიდა მსოფლიო ბაზარზე პირის თვალით ამოცნობის პირველადი პატენტის ვადის ამოწურვის გამო. მათგან ყველაზე სანდო, ჩემი აზრით, იმსახურებს AOptix-ს. ყოველ შემთხვევაში მათი გადახედვა და დოკუმენტაცია ეჭვს არ იწვევს. მეორე კომპანია არის SRI International. ერთი შეხედვითაც კი, ირისის ამოცნობის სისტემებში ჩართული ადამიანისთვის მათი ვიდეოები ძალიან ყალბი ჩანს. თუმცა არ გამიკვირდება, თუ რეალურად მათ შეუძლიათ რაიმე გააკეთონ. ორივე სისტემა არ აჩვენებს მონაცემებს FAR და FRR-ზე და ასევე, როგორც ჩანს, არ არის დაცული ყალბისაგან.

სახის ამოცნობა

სახის გეომეტრიის ამოცნობის მრავალი მეთოდი არსებობს. ყველა მათგანი ეფუძნება იმ ფაქტს, რომ თითოეული ადამიანის სახის თვისებები და თავის ქალას ფორმა ინდივიდუალურია. ბიომეტრიის ეს სფერო ბევრს მიმზიდველად ეჩვენება, რადგან ერთმანეთს პირველ რიგში სახეზე ვიცნობთ. ეს ტერიტორია იყოფა ორ სფეროდ: 2-D ამოცნობა და 3-D ამოცნობა. თითოეულ მათგანს აქვს დადებითი და უარყოფითი მხარეები, მაგრამ ასევე ბევრი რამ არის დამოკიდებული კონკრეტული ალგორითმის მოცულობასა და მოთხოვნებზე.
მოკლედ ვისაუბრებ 2-d-ზე და გადავალ დღეს ერთ-ერთ ყველაზე საინტერესო მეთოდზე - 3-d.

2D სახის ამოცნობა

2-D სახის ამოცნობა არის სტატისტიკურად ერთ-ერთი ყველაზე არაეფექტური ბიომეტრიული მეთოდი. იგი საკმაოდ დიდი ხნის წინ გამოჩნდა და ძირითადად გამოიყენებოდა სასამართლო მეცნიერებაში, რამაც ხელი შეუწყო მის განვითარებას. შემდგომში გაჩნდა მეთოდის კომპიუტერული ინტერპრეტაციები, რის შედეგადაც იგი უფრო სანდო გახდა, მაგრამ, რა თქმა უნდა, დაქვეითებული იყო და ყოველწლიურად უფრო და უფრო ჩამოუვარდება პიროვნული იდენტიფიკაციის სხვა ბიომეტრიულ მეთოდებს. ამჟამად, ცუდი სტატისტიკური მუშაობის გამო, იგი გამოიყენება მულტიმოდალურ ან, როგორც მას ასევე უწოდებენ, ჯვარედინი ბიომეტრიაში, ან სოციალურ ქსელებში.

მეთოდის სტატისტიკური მახასიათებლები

FAR და FRR-სთვის გამოყენებული იქნა VeriLook ალგორითმების მონაცემები. ისევ და ისევ, თანამედროვე ალგორითმებისთვის, მას აქვს ძალიან ჩვეულებრივი მახასიათებლები. ზოგჯერ ალგორითმები FRR 0.1% მსგავსი FAR-ით ანათებენ, მაგრამ საფუძვლები, რომლებზედაც ისინი იქნა მიღებული, ძალიან საეჭვოა (ფონის ამოჭრა, სახის იგივე გამომეტყველება, თმის ვარცხნილობა, განათება).

FAR-ის დამახასიათებელი მნიშვნელობა არის 0,1%.
ფორმულიდან (1) ვიღებთ N≈30 - ორგანიზაციის პერსონალის რაოდენობას, რომლის დროსაც თანამშრომლის იდენტიფიკაცია საკმაოდ სტაბილურად ხდება.
როგორც ჩანს, მეთოდის სტატისტიკური მაჩვენებლები საკმაოდ მოკრძალებულია: ეს გამორიცხავს მეთოდის უპირატესობას, რომ შესაძლებელია სახეების ფარული სროლა ხალხმრავალ ადგილებში. სასაცილოა იმის ყურება, თუ როგორ ფინანსდება წელიწადში რამდენჯერმე სხვა პროექტი კრიმინალების გამოსავლენად ხალხმრავალ ადგილებში დამონტაჟებული ვიდეოკამერების საშუალებით. ბოლო ათი წლის განმავლობაში, ალგორითმის სტატისტიკური მახასიათებლები არ გაუმჯობესებულა და ასეთი პროექტების რაოდენობა გაიზარდა. თუმცა, აღსანიშნავია, რომ ალგორითმი საკმაოდ შესაფერისია ხალხის ბრბოში მრავალი კამერის საშუალებით წარმართვისთვის.

მეთოდის უპირატესობები და უარყოფითი მხარეები

მეთოდის უპირატესობები. 2-D ამოცნობით, ბიომეტრიული მეთოდების უმეტესობისგან განსხვავებით, ძვირადღირებული აღჭურვილობა არ არის საჭირო. შესაბამისი აღჭურვილობით, კამერიდან მნიშვნელოვან მანძილზე ამოცნობის შესაძლებლობა.
ხარვეზები. დაბალი სტატისტიკური მნიშვნელობა. არის განათების მოთხოვნები (მაგალითად, მზიან დღეს ქუჩიდან შემოსული ადამიანების სახეები ვერ აღირიცხება). მრავალი ალგორითმისთვის ნებისმიერი გარე ჩარევის მიუღებლობა, როგორიცაა სათვალე, წვერი, თმის ვარცხნილობის ზოგიერთი ელემენტი. სახის სავალდებულო შუბლის გამოსახულება, ძალიან მცირე გადახრებით. ბევრი ალგორითმი არ ითვალისწინებს სახის გამონათქვამების შესაძლო ცვლილებებს, ანუ გამოხატვა უნდა იყოს ნეიტრალური.

3-D სახის ამოცნობა

ამ მეთოდის განხორციელება საკმაოდ რთული ამოცანაა. ამის მიუხედავად, ამჟამად არსებობს მრავალი მეთოდი 3-D სახის ამოცნობისთვის. მეთოდები ერთმანეთთან შედარება შეუძლებელია, რადგან ისინი იყენებენ სხვადასხვა სკანერებსა და ბაზებს. ყველა მათგანისგან შორს არის FAR და FRR, სრულიად განსხვავებული მიდგომები გამოიყენება.
გარდამავალი მეთოდი 2-d-დან 3-d-მდე არის მეთოდი, რომელიც ახორციელებს პიროვნების შესახებ ინფორმაციის დაგროვებას. ამ მეთოდს აქვს უკეთესი მახასიათებლები, ვიდრე 2d მეთოდი, მაგრამ ისევე, როგორც ის იყენებს მხოლოდ ერთ კამერას. მონაცემთა ბაზაში საგნის შეყვანისას, სუბიექტი თავს აბრუნებს და ალგორითმი აკავშირებს სურათს ერთმანეთთან, ქმნის 3D შაბლონს. ხოლო ამოცნობისას გამოიყენება ვიდეო ნაკადის რამდენიმე ჩარჩო. ეს მეთოდი საკმაოდ ექსპერიმენტულია და მე არასოდეს მინახავს დანერგვა ACS სისტემებისთვის.
ყველაზე კლასიკური მეთოდია შაბლონის პროექციის მეთოდი. ის მდგომარეობს იმაში, რომ ბადე დაპროექტებულია ობიექტზე (სახეზე). შემდეგი, კამერა იღებს სურათებს წამში ათობით კადრის სიჩქარით და მიღებული სურათები მუშავდება სპეციალური პროგრამით. მრუდე ზედაპირზე ჩამოვარდნილი სხივი იღუნება - რაც უფრო დიდია ზედაპირის გამრუდება, მით უფრო ძლიერია სხივი. თავდაპირველად, ეს იყენებდა ხილული სინათლის წყაროს, რომელიც მიეწოდებოდა "ჟალუზების" მეშვეობით. შემდეგ ხილული სინათლე შეიცვალა ინფრაწითელით, რომელსაც არაერთი უპირატესობა აქვს. ჩვეულებრივ, დამუშავების პირველ ეტაპზე იგდებენ სურათებს, რომლებშიც სახე საერთოდ არ ჩანს ან არის უცხო საგნები, რომლებიც ხელს უშლიან იდენტიფიკაციას. მიღებული სურათების საფუძველზე აღდგენილია სახის 3-D მოდელი, რომელზედაც ხაზგასმულია და მოიხსნება არასაჭირო ჩარევა (თმის ვარცხნილობა, წვერი, ულვაში და სათვალე). შემდეგ ხდება მოდელის ანალიზი – ხაზგასმულია ანთროპომეტრიული მახასიათებლები, რომლებიც საბოლოოდ დაფიქსირებულია მონაცემთა ბაზაში შეყვანილ უნიკალურ კოდში. საუკეთესო მოდელებისთვის სურათის გადაღებისა და დამუშავების დრო 1-2 წამია.
ასევე, პოპულარობას იძენს 3-D ამოცნობის მეთოდი რამდენიმე კამერიდან მიღებული სურათის საფუძველზე. ამის მაგალითია Vocord თავისი 3D სკანერით. ეს მეთოდი იძლევა პოზიციონირების სიზუსტეს, დეველოპერების დარწმუნებით, უფრო მაღალია, ვიდრე შაბლონის პროექციის მეთოდი. მაგრამ, სანამ არ ვნახავ FAR და FRR მინიმუმ საკუთარ მონაცემთა ბაზაში, არ დავიჯერებ !!! მაგრამ ის უკვე 3 წელია შემუშავებულია და გამოფენებზე პროგრესი ჯერ არ ჩანს.

მეთოდის სტატისტიკური მაჩვენებლები

სრული მონაცემები FRR და FAR-ის შესახებ ამ კლასის ალგორითმებისთვის ღიად არ არის მოწოდებული მწარმოებლების ვებსაიტებზე. მაგრამ საუკეთესო Bioscript მოდელებისთვის (3D EnrolCam, 3D FastPass), რომლებიც მუშაობენ შაბლონის პროექციის მეთოდით FAR = 0.0047% FRR არის 0.103%.
ითვლება, რომ მეთოდის სტატისტიკური სანდოობა შედარებულია თითის ანაბეჭდის იდენტიფიკაციის მეთოდის სანდოობასთან.

მეთოდის უპირატესობები და უარყოფითი მხარეები

მეთოდის უპირატესობები. არ არის საჭირო სკანირების მოწყობილობასთან დაკავშირება. დაბალი მგრძნობელობა გარე ფაქტორების მიმართ, როგორც თავად ადამიანზე (სათვალეების გამოჩენა, წვერი, ვარცხნილობის შეცვლა), ასევე მის გარემოში (განათება, თავის მობრუნება). უსაფრთხოების მაღალი დონე, თითის ანაბეჭდის იდენტიფიკაციასთან შედარებით.
მეთოდის ნაკლოვანებები. ძვირადღირებული აღჭურვილობა. გასაყიდად ხელმისაწვდომი კომპლექსები უფრო ძვირი ღირდა, ვიდრე ირისის სკანერები. სახის გამომეტყველების ცვლილებები და სახეზე ხმაური ამცირებს მეთოდის სტატისტიკურ სანდოობას. მეთოდი ჯერ არ არის კარგად განვითარებული, განსაკუთრებით თითის ანაბეჭდთან შედარებით, რომელიც უკვე დიდი ხანია გამოიყენება, რაც ართულებს მის ფართო გამოყენებას.

ბაზრის მდგომარეობა

სახის გეომეტრიის ამოცნობა არის ერთ-ერთი "სამი დიდი ბიომეტრიიდან" თითის ანაბეჭდისა და ირისის ამოცნობასთან ერთად. უნდა ითქვას, რომ ეს მეთოდი საკმაოდ გავრცელებულია და ჯერჯერობით მას უპირატესობა ენიჭება თვალის ირისის მიერ ამოცნობაზე. სახის გეომეტრიის ამომცნობი ტექნოლოგიების წილი გლობალური ბიომეტრიული ბაზრის მთლიან მოცულობაში შეიძლება შეფასდეს 13-18 პროცენტით. რუსეთში ეს ტექნოლოგია ასევე უფრო მეტ ინტერესს იჩენს, ვიდრე, მაგალითად, ირისის იდენტიფიკაცია. როგორც უკვე აღვნიშნეთ, არსებობს მრავალი 3-D ამოცნობის ალგორითმი. უმეტესწილად, კომპანიები ურჩევნიათ განავითარონ ანაზრაურების სისტემები, რომლებიც მოიცავს სკანერებს, სერვერებს და პროგრამულ უზრუნველყოფას. თუმცა არიან ისეთებიც, ვინც მომხმარებელს მხოლოდ SDK-ს სთავაზობს. დღეისათვის შეგვიძლია აღვნიშნოთ ამ ტექნოლოგიის შემუშავებაში ჩართული შემდეგი კომპანიები: Geometrix, Inc. (3D სახის სკანერები, პროგრამული უზრუნველყოფა), Genex Technologies (3D სახის სკანერები, პროგრამული უზრუნველყოფა) აშშ-ში, Cognitec Systems GmbH (SDK, სპეციალური კომპიუტერები, 2D კამერები) გერმანიაში, Bioscrypt (3D სახის სკანერები, პროგრამული უზრუნველყოფა) არის ამერიკული შვილობილი კომპანია. კომპანია L-1 Identity Solutions.
რუსეთში ამ მიმართულებით მუშაობენ არტეკ ჯგუფის კომპანიები (სახის 3D სკანერები და პროგრამული უზრუნველყოფა) - კომპანია, რომლის სათაო ოფისი კალიფორნიაშია, ხოლო განვითარება და წარმოება მოსკოვში მიმდინარეობს. ასევე, რამდენიმე რუსული კომპანია ფლობს 2D სახის ამოცნობის ტექნოლოგიას - Vocord, ITV და ა.შ.
2D სახის ამოცნობის სფეროში განვითარების მთავარი საგანია პროგრამული უზრუნველყოფა, რადგან ჩვეულებრივი კამერები შესანიშნავად იღებენ სახეებს. სახის ამოცნობის პრობლემის გადაწყვეტა გარკვეულწილად ჩიხში მივიდა - უკვე რამდენიმე წელია, ალგორითმების სტატისტიკური მაჩვენებლების გაუმჯობესება პრაქტიკულად არ შეინიშნება. ამ სფეროში სისტემატიურად მიმდინარეობს „მუშაობა ბაგებზე“.
3D სახის ამოცნობა ახლა ბევრად უფრო მიმზიდველი სფეროა დეველოპერებისთვის. მასში დასაქმებულია მრავალი გუნდი და რეგულარულად ისმის ახალი აღმოჩენების შესახებ. ბევრი ნამუშევარი „ახლა გამოსვლის“ მდგომარეობაშია. მაგრამ ჯერჯერობით ბაზარზე მხოლოდ ძველი შეთავაზებებია, ბოლო წლებში არჩევანი არ შეცვლილა.
ერთ-ერთი საინტერესო პუნქტი, რომელზეც ხანდახან ვფიქრობ და რომელსაც, ალბათ, ჰაბრმა უპასუხოს: საკმარისია თუ არა kinect-ის სიზუსტე ასეთი სისტემის შესაქმნელად? საკმაოდ ბევრი პროექტია ადამიანის 3D მოდელის გამოსაყვანად.

ამოცნობა ხელის ვენებით

ეს არის ახალი ტექნოლოგია ბიომეტრიის სფეროში, მისი ფართო გამოყენება მხოლოდ 5-10 წლის წინ დაიწყო. ინფრაწითელი კამერა იღებს სურათებს ხელის გარედან ან შიგნით. ვენების ნიმუში იქმნება იმის გამო, რომ სისხლის ჰემოგლობინი შთანთქავს ინფრაწითელ გამოსხივებას. შედეგად, ასახვის ხარისხი მცირდება და ვენები ჩანს კამერაზე შავი ხაზების სახით. მიღებული მონაცემების საფუძველზე სპეციალური პროგრამა ქმნის ციფრულ კონვოლუციას. არ არის საჭირო ადამიანის კონტაქტი სკანირების მოწყობილობასთან.
ტექნოლოგია შედარებადია თვალის ირისის მიერ ამოცნობის საიმედოობით, გარკვეულწილად აღემატება მას და გარკვეულწილად დაბალია.
FRR და FAR მნიშვნელობები განკუთვნილია პალმის ვენის სკანერისთვის. დეველოპერის მიხედვით FAR 0.0008% FRR არის 0.01%. არცერთი კომპანია არ აწარმოებს უფრო ზუსტ გრაფიკს რამდენიმე ღირებულებისთვის.

მეთოდის უპირატესობები და უარყოფითი მხარეები

მეთოდის უპირატესობები. არ არის საჭირო სკანირების მოწყობილობასთან დაკავშირება. მაღალი სანდოობა - მეთოდის სტატისტიკური მაჩვენებლები შედარებულია ირისის ჩვენებასთან. ფარული მახასიათებლები: ყოველივე ზემოთქმულისგან განსხვავებით, ძალიან რთულია ამ მახასიათებლის მიღება „ქუჩაში“ ადამიანისგან, მაგალითად, ფოტოაპარატის საშუალებით.
მეთოდის ნაკლოვანებები. სკანერის ზემოქმედება მზის შუქზე და ჰალოგენური ნათურების სხივებზე მიუღებელია. ასაკთან დაკავშირებული ზოგიერთი დაავადება, როგორიცაა ართრიტი, მნიშვნელოვნად აზიანებს FAR და FRR. მეთოდი ნაკლებად არის შესწავლილი სხვა სტატიკური ბიომეტრიულ მეთოდებთან შედარებით.

ბაზრის მდგომარეობა

ხელის ვენების ამოცნობა საკმაოდ ახალი ტექნოლოგიაა და, შესაბამისად, მისი გლობალური ბაზრის წილი მცირეა, დაახლოებით 3%. თუმცა, ამ მეთოდის მიმართ ინტერესი იზრდება. ფაქტია, რომ საკმაოდ ზუსტია, ეს მეთოდი არ საჭიროებს ისეთ ძვირადღირებულ აღჭურვილობას, როგორიცაა, მაგალითად, სახის გეომეტრიის ან ირისის საფუძველზე ამოცნობის მეთოდები. ახლა ბევრი კომპანია ვითარდება ამ სფეროში. მაგალითად, ინგლისური კომპანია TDSi-ს დაკვეთით, შეიქმნა პროგრამული უზრუნველყოფა პალმის ვენების ბიომეტრიული მკითხველისთვის PalmVein, რომელიც წარმოდგენილია Fujitsu-ს მიერ. თავად სკანერი შეიქმნა Fujitsu-ს მიერ, ძირითადად, იაპონიაში ფინანსური თაღლითობის წინააღმდეგ საბრძოლველად.
ასევე ვენების იდენტიფიკაციის სფეროში არიან შემდეგი კომპანიები Veid Pte. შ.პ.ს. (სკანერი, პროგრამული უზრუნველყოფა), Hitachi VeinID (სკანერები)
მე არ ვიცი რუსეთში არცერთი კომპანია, რომელიც ამ ტექნოლოგიით მუშაობს.

ბადურა

ბოლო დრომდე ითვლებოდა, რომ პიროვნების ბიომეტრიული იდენტიფიკაციისა და ავთენტიფიკაციის ყველაზე საიმედო მეთოდი ბადურის სკანირებაზე დაფუძნებული მეთოდია. ის შეიცავს იდენტიფიკაციის საუკეთესო მახასიათებლებს ხელის ირისით და ვენებით. სკანერი კითხულობს კაპილარების ნიმუშს ბადურის ზედაპირზე. ბადურას აქვს ფიქსირებული სტრუქტურა, რომელიც დროთა განმავლობაში არ იცვლება, გარდა დაავადების შედეგად, როგორიცაა კატარაქტი.
ბადურის სკანირება იყენებს დაბალი ინტენსივობის ინფრაწითელ შუქს, რომელიც მიმართულია გუგის მეშვეობით თვალის უკანა სისხლძარღვებისკენ. ბადურის სკანერები ფართოდ გამოიყენება წვდომის კონტროლის სისტემებში უაღრესად საიდუმლო ობიექტებისთვის, რადგან მათ აქვთ დარეგისტრირებულ მომხმარებლებზე უარის თქმის ერთ-ერთი ყველაზე დაბალი პროცენტი და პრაქტიკულად არ არსებობს მცდარი წვდომის ნებართვა.
სამწუხაროდ, ამ ბიომეტრიული მეთოდის გამოყენებისას წარმოიქმნება მთელი რიგი სირთულეები. სკანერი აქ არის ძალიან რთული ოპტიკური სისტემა და ადამიანმა არ უნდა იმოძრაოს დიდი ხნის განმავლობაში, სანამ სისტემა ინდუცირებულია, რაც იწვევს დისკომფორტს.
EyeDentify-ის მიხედვით ICAM2001 სკანერისთვის FAR=0.001%, FRR მნიშვნელობა არის 0.4%.

მეთოდის უპირატესობები და უარყოფითი მხარეები

უპირატესობები. სტატისტიკური სანდოობის მაღალი დონე. სისტემების დაბალი გავრცელების გამო, მათი „მოტყუების“ ხერხის შემუშავების მცირე შანსია.
ხარვეზები. რთულია სისტემის გამოყენება მაღალი დამუშავების დროით. სისტემის მაღალი ღირებულება. ფართო ბაზრის შეთავაზების ნაკლებობა და, შედეგად, მეთოდის განვითარების არასაკმარისი ინტენსივობა.

ხელის გეომეტრია

10 წლის წინ საკმაოდ გავრცელებული და სასამართლო მეცნიერებიდან მომდინარე ეს მეთოდი ბოლო წლებში კლებულობს. იგი ეფუძნება ხელების გეომეტრიული მახასიათებლების მიღებას: თითების სიგრძე, ხელის სიგანე და ა.შ. ეს მეთოდი, ისევე როგორც თვალის ბადურა, კვდება და რადგან მას გაცილებით დაბალი მახასიათებლები აქვს, მის უფრო სრულ აღწერაშიც კი არ შევალთ.
ზოგჯერ ითვლება, რომ გეომეტრიული ამოცნობის მეთოდები გამოიყენება ვენების ამოცნობის სისტემებში. მაგრამ გაყიდვაში, ჩვენ არასდროს გვინახავს ასეთი ნათლად ნათქვამი. თანაც, ხშირად ვენებით ამოცნობისას მხოლოდ ხელის გულს იღებენ, გეომეტრიით ამოცნობისას კი თითებს იღებენ სურათს.

ცოტა თვითრეკლამაც

ერთ დროს ჩვენ შევიმუშავეთ თვალის ამოცნობის კარგი ალგორითმი. მაგრამ მაშინ ამ ქვეყანაში ასეთი მაღალტექნოლოგიური რამ არ იყო საჭირო და არც ბურჟუაზიაში (სადაც პირველივე სტატიის შემდეგ დაგვპატიჟეს) არ მინდოდა წასვლა. მაგრამ მოულოდნელად, წელიწადნახევრის შემდეგ, კვლავ გამოჩნდნენ ინვესტორები, რომლებსაც სურდათ შეექმნათ "ბიომეტრიული პორტალი" - სისტემა, რომელიც შეჭამდა 2 თვალს და გამოიყენებდა ირისის ფერთა კომპონენტს (რაზეც ინვესტორს ჰქონდა მსოფლიო პატენტი. ). სინამდვილეში, ეს არის ის, რასაც ახლა ვაკეთებთ. მაგრამ ეს არ არის სტატია თვითრეკლამის შესახებ, ეს არის მოკლე ლირიკული გადახრა. თუ ვინმეს აინტერესებს, არის რაიმე ინფორმაცია და ოდესმე მომავალში, როცა ბაზარზე შევალთ (ან არა), აქ დავწერ რამდენიმე სიტყვას რუსეთში ბიომეტრიული პროექტის აღმავლობაზე და ვარდნაზე.

დასკვნები

სტატიკური ბიომეტრიული სისტემების კლასშიც კი არსებობს სისტემების დიდი არჩევანი. რომელი აირჩიოს? ეს ყველაფერი დამოკიდებულია უსაფრთხოების მოთხოვნებზე. სტატისტიკურად ყველაზე სანდო და შეფერხებისადმი მდგრადი წვდომის სისტემებია ირისისა და მკლავის ვენების წვდომის სისტემები. პირველი მათგანისთვის წინადადებების უფრო ფართო ბაზარია. მაგრამ ეს არ არის ზღვარი. ბიომეტრიული იდენტიფიკაციის სისტემები შეიძლება გაერთიანდეს ასტრონომიული სიზუსტის მისაღწევად. ყველაზე იაფი და მარტივი გამოსაყენებელი, მაგრამ კარგი სტატისტიკით, არის თითების ტოლერანტობის სისტემები. 2D სახის ტოლერანტობა მოსახერხებელი და იაფია, მაგრამ აქვს შეზღუდული მასშტაბი ცუდი სტატისტიკის გამო.
განვიხილოთ ის მახასიათებლები, რომლებიც ექნება თითოეულ სისტემას: გაყალბებისადმი გამძლეობა, გარემოსადმი გამძლეობა, გამოყენების სიმარტივე, ღირებულება, სიჩქარე, ბიომეტრიული მახასიათებლის სტაბილურობა დროთა განმავლობაში. დავდოთ ნიშნები 1-დან 10-მდე თითოეულ სვეტში. რაც უფრო ახლოს არის ქულა 10-თან, მით უკეთესია სისტემა ამ მხრივ. ქულების არჩევის პრინციპები აღწერილი იყო სტატიის დასაწყისში.


ჩვენ ასევე განვიხილავთ FAR და FRR-ის თანაფარდობას ამ სისტემებისთვის. ეს თანაფარდობა განსაზღვრავს სისტემის ეფექტურობას და მისი გამოყენების სიგანს.


უნდა გვახსოვდეს, რომ ირისისთვის, თქვენ შეგიძლიათ გაზარდოთ სისტემის სიზუსტე თითქმის კვადრატულად, დროის დაკარგვის გარეშე, თუ გაართულებთ სისტემას ორი თვალისთვის. თითის ანაბეჭდის მეთოდისთვის - რამდენიმე თითის კომბინაციით და ვენებით ამოცნობა, ორი ხელის კომბინაციით, მაგრამ ასეთი გაუმჯობესება შესაძლებელია მხოლოდ ადამიანთან მუშაობის დროის გაზრდით.
მეთოდების შედეგების შეჯამებით, შეგვიძლია ვთქვათ, რომ საშუალო და დიდი ობიექტებისთვის, ისევე როგორც მაქსიმალური უსაფრთხოების მოთხოვნების მქონე ობიექტებისთვის, ირისი უნდა იყოს გამოყენებული, როგორც ბიომეტრიული წვდომა და, შესაძლოა, ამოცნობა ხელის ვენებით. რამდენიმე ასეულამდე თანამშრომელი დაწესებულებისთვის, თითის ანაბეჭდის წვდომა ოპტიმალური იქნება. სახის ამოცნობის 2D სისტემები ძალიან სპეციფიკურია. ისინი შეიძლება საჭირო გახდეს იმ შემთხვევებში, როდესაც ამოცნობა მოითხოვს ფიზიკური კონტაქტის არარსებობას, მაგრამ შეუძლებელია კონტროლის სისტემის განთავსება ირისზე. მაგალითად, თუ აუცილებელია პირის იდენტიფიცირება მისი მონაწილეობის გარეშე, ფარული კამერით, ან გარე აღმოჩენის კამერით, მაგრამ ეს შესაძლებელია მხოლოდ მონაცემთა ბაზაში სუბიექტების მცირე რაოდენობით და კამერის მიერ გადაღებული ადამიანების მცირე ნაკადით. .

ახალგაზრდა ტექნიკოსები გაითვალისწინებენ

ზოგიერთ მწარმოებელს, როგორიცაა ნეიროტექნოლოგია, აქვს ბიომეტრიული მეთოდების დემო ვერსიები, რომლებსაც ისინი ავრცელებენ თავიანთ ვებსაიტზე, ასე რომ თქვენ შეგიძლიათ შეაერთოთ ისინი და ითამაშონ. ვისაც გადაწყვეტს უფრო სერიოზულად ჩაუღრმავდეს პრობლემას, შემიძლია ვურჩიო ერთადერთი წიგნი, რომელიც მინახავს რუსულ ენაზე - "ბიომეტრიის გზამკვლევი" რ.მ. ბურთი, ჯ.ჰ. კონელი, ს.პანკანტი. არსებობს მრავალი ალგორითმი და მათი მათემატიკური მოდელები. ყველაფერი არ არის სრულყოფილი და ყველაფერი არ შეესაბამება აწმყოს, მაგრამ საფუძველი არ არის ცუდი და ყოვლისმომცველი.

P.S.

ამ ოპუსში მე არ შევედი ავთენტიფიკაციის პრობლემაზე, არამედ მხოლოდ იდენტიფიკაციას შევეხე. პრინციპში, FAR / FRR-ის მახასიათებლებისა და გაყალბების შესაძლებლობიდან გამომდინარე, ყველა დასკვნა ავტორიზაციის საკითხზე თავისთავად გვთავაზობს.

ბოლო წლებში ბიომეტრია სულ უფრო და უფრო აღწევს ჩვენს ცხოვრებაში. მსოფლიოს წამყვანმა ქვეყნებმა უკვე შეიტანეს ან უახლოეს მომავალში გეგმავენ შემოიღონ ელექტრონული პასპორტები, რომლებიც შეიცავს ინფორმაციას მათი მფლობელის ბიომეტრიული მახასიათებლების შესახებ; ბევრ საოფისე ცენტრს აქვს დანერგილი ბიომეტრიული სენსორები კორპორატიული წვდომის კონტროლის სისტემებში; ლეპტოპები დიდი ხანია აღჭურვილია მომხმარებლის ბიომეტრიული ავთენტიფიკაციით; უსაფრთხოების სამსახურები შეიარაღებულნი არიან თანამედროვე საშუალებებით, რათა გამოავლინონ ნებისმიერი ძებნილი დამნაშავე ხალხის ბრბოში

ანდრეი ხრულევი
ბიომეტრიული განყოფილების უფროსი
და უსაფრთხოების ინტეგრირებული სისტემები
ტექნოსერვის კომპანიების ჯგუფი, ფ.

ბიომეტრიული სისტემების გამოყენების უფრო და უფრო მეტი მაგალითია. ბიომეტრიის წარმატება ადვილი ასახსნელია. „მე ვარ ის, რაც მაქვს“ (საიდენტიფიკაციო ბარათები, ნიშნები, დამადასტურებელი დოკუმენტები) და „მე ვარ ის, რაც ვიცი“ (პაროლები, პინ-კოდები) პრინციპებზე დაფუძნებული პირადი იდენტიფიკაციის ტრადიციული საშუალებები არ არის სრულყოფილი. ბარათის დაკარგვა მარტივია, პაროლის დავიწყება შესაძლებელია, გარდა ამისა, ნებისმიერ თავდამსხმელს შეუძლია მათი გამოყენება და ვერცერთი სისტემა ვერ გაგასხვავებთ თქვენ ფიგურულისგან.

გარდა ამისა, იდენტიფიკაციის ტრადიციული საშუალებები აბსოლუტურად უსარგებლოა, როდესაც საქმე ეხება პიროვნების ფარული იდენტიფიკაციის ამოცანებს და სულ უფრო მეტია ასეთი ამოცანები:

• კრიმინალის ამოცნობა ბრბოში;
• შეამოწმეთ, ნამდვილად არის თუ არა პასპორტი წარმოდგენილი მისი მფლობელის მიერ;
• გაარკვიეთ არის თუ არა ადამიანი ძებნაში;
• გაარკვიეთ, იყო თუ არა პირი ადრე ჩართული ფინანსურ თაღლითობაში სესხებით;
• პოტენციურად საშიში გულშემატკივრების იდენტიფიცირება სტადიონის შესასვლელთან და ა.შ.

ყველა ამ ამოცანის გადაჭრა შესაძლებელია მხოლოდ ბიომეტრიული იდენტიფიკაციის ინსტრუმენტების გამოყენებით პრინციპით „მე ვარ ის, რაც ვარ“. ეს პრინციპი საშუალებას აძლევს საინფორმაციო სისტემას უშუალოდ დაადგინოს პირი და არა ის ობიექტები, რომლებსაც ის წარმოადგენს, ან ინფორმაციას, რომელსაც ის აცნობებს.

სახის ბიომეტრიის უნიკალურობა

პიროვნების ბიომეტრიული მახასიათებლების მრავალფეროვნებას შორის, რომელიც გამოიყენება პირადი იდენტიფიკაციისთვის, აღსანიშნავია სახის გამოსახულება. სახის ბიომეტრია უნიკალურია იმით, რომ არ საჭიროებს სპეციალიზებული სენსორების შექმნას გამოსახულების მისაღებად - სახის გამოსახულების მიღება შესაძლებელია ვიდეოთვალთვალის სისტემის ჩვეულებრივი კამერიდან. უფრო მეტიც, სახის ფოტოსურათი წარმოდგენილია თითქმის ნებისმიერ პირადობის დამადასტურებელ დოკუმენტზე, რაც ნიშნავს, რომ ამ ტექნოლოგიის პრაქტიკაში დანერგვა არ არის დაკავშირებული მრავალფეროვან მარეგულირებელ პრობლემებთან და ტექნოლოგიის სოციალური აღქმის სირთულეებთან.

აღსანიშნავია ისიც, რომ სახის გამოსახულება შეიძლება მიღებულ იქნეს იმპლიციტურად თავად ადამიანისთვის, რაც ნიშნავს, რომ სახის ბიომეტრია ოპტიმალურად შეეფერება მონიტორინგის სისტემების მშენებლობას და ფარული იდენტიფიკაციისთვის.

სახის ამოცნობის ნებისმიერი სისტემა არის ტიპიური გამოსახულების ამომცნობი სისტემა, რომლის ამოცანაა სისტემაში ჩადებული მათემატიკური მოდელის მიხედვით ფუნქციების გარკვეული ნაკრების, ეგრეთ წოდებული ბიომეტრიული შაბლონის ჩამოყალიბება. სწორედ ეს მოდელი წარმოადგენს ნებისმიერი ბიომეტრიული სისტემის ძირითად ნოუ-ჰაუს და სახის ამოცნობის ეფექტურობა პირდაპირ დამოკიდებულია ისეთ ფაქტორებზე, როგორიცაა ბიომეტრიული შაბლონის წინააღმდეგობა სხვადასხვა სახის ჩარევაზე, დამახინჯებებზე ორიგინალურ ფოტოსა თუ ვიდეო სურათზე.

სახის ამოცნობის ეფექტურობა პირდაპირ დამოკიდებულია ისეთ ფაქტორებზე, როგორიცაა ბიომეტრიული შაბლონის წინააღმდეგობა სხვადასხვა სახის ჩარევის მიმართ, დამახინჯება ორიგინალურ ფოტოში ან ვიდეო სურათში.

სახეების ამოცნობის სისტემების უზარმაზარი მრავალფეროვნების მიუხედავად, რომლებიც წარმოდგენილია როგორც რუსულ ბაზარზე, ასევე მსოფლიოში, ბევრი მათგანი იყენებს იგივე ბიომეტრიულ ძრავებს - მათემატიკური სახის მოდელების აგებისა და შედარების მეთოდების რეალურ პროგრამულ დანერგვას. რუსეთში, ისეთი ბიომეტრიული ძრავები, როგორიცაა Cognitec (შემუშავებული Cognitec Systems GmbH, გერმანია), Kaskad-Potok (შემუშავებული Technoserv, რუსეთი), FRS SDK (შემუშავებული Asia Software, ყაზახეთი), FaceIt (შემუშავებული L1 Identity Solutions, აშშ) .

როგორც წესი, სახის ამოცნობა ნებისმიერ ბიომეტრულ ძრავში ხდება რამდენიმე ეტაპად: სახის ამოცნობა, ხარისხის შეფასება, შაბლონის აგება, შესატყვისი და გადაწყვეტილების მიღება.

ეტაპი 1: სახის გამოვლენა

ამ ეტაპზე სისტემა ავტომატურად ირჩევს (ამოიცნობს) ადამიანების სახეებს ვიდეო კადრების ნაკადში ან ფოტოში, ხოლო სახეების კუთხისა და მასშტაბების დიაპაზონი შეიძლება მნიშვნელოვნად განსხვავდებოდეს, რაც ძალზე მნიშვნელოვანია უსაფრთხოების სისტემების მშენებლობისთვის. არ არის აუცილებელი ყველა შერჩეული სახის ამოცნობა (როგორც წესი, ეს შეუძლებელია), მაგრამ ძალზე სასარგებლოა ნაკადში სახეების მაქსიმალური რაოდენობის აღმოჩენა და საჭიროების შემთხვევაში მათი არქივში განთავსება (ნახ. 1). .

სახის ამოცნობა ამოცნობის ერთ-ერთი მთავარი ეტაპია, რადგან დეტექტორის მიერ სახის ამოცნობა ავტომატურად ნიშნავს, რომ შემდგომი იდენტიფიკაცია შეუძლებელია. დეტექტორის მუშაობის ხარისხი ჩვეულებრივ ხასიათდება სახის ამოცნობის ალბათობით P0. თანამედროვე ბიომეტრიული სისტემებისთვის, რომლებიც მუშაობენ ხალხის ნაკადის პირობებში, სახის გამოვლენის ალბათობის მნიშვნელობა არის 95-დან 99% -მდე და დამოკიდებულია ვიდეო ჩაწერის პირობებზე (განათება, კამერის გარჩევადობა და ა.შ.).

ბიომეტრიული ბაზრის განვითარების ერთ-ერთი ყველაზე პერსპექტიული ტენდენციაა ინტელექტუალური ციფრული ვიდეოკამერების გაჩენა, რომლებიც ახორციელებენ სახის ამოცნობის ფუნქციას ჩაშენებული ლოგიკის საფუძველზე (ნახ. 2). ინტელექტუალური ვიდეოკამერები საშუალებას გაძლევთ მიიღოთ არა მხოლოდ მაღალი ხარისხის ვიდეო ნაკადი, არამედ ასოცირებული მეტამონაცემები, რომლებიც შეიცავს ინფორმაციას ნაპოვნი სახეების შესახებ.

ამ მიდგომამ შეიძლება მნიშვნელოვნად შეამციროს დატვირთვა ამოცნობის სისტემის ტექნიკის სიმძლავრეზე, რაც, თავის მხრივ, ამცირებს ბიომეტრიული სისტემების საბოლოო ღირებულებას, რაც მათ უფრო ხელმისაწვდომს გახდის საბოლოო მომხმარებლისთვის. გარდა ამისა, მონაცემთა გადაცემის არხების მოთხოვნები მცირდება, რადგან ამ მიდგომით ჩვენ არ გვჭირდება გიგაბიტიანი საკომუნიკაციო ხაზები მაღალი ხარისხის ვიდეოს გადასაცემად, არამედ სტანდარტული ქსელების ხელმისაწვდომობა შეკუმშული ვიდეოს გადასაცემად და აღმოჩენილი სახის სურათების მცირე ნაკადი.

ეტაპი 2: ხარისხის შეფასება

ეს არის ამოცნობის ძალიან მნიშვნელოვანი ეტაპი, რომლის დროსაც ბიომეტრიული ძრავა გამოვლენილი სახეების მთელი მასიიდან ირჩევს მხოლოდ იმ სურათებს, რომლებიც აკმაყოფილებს განსაზღვრულ ხარისხის კრიტერიუმებს.

ხშირად ბიომეტრიული სისტემების დეველოპერები ეშმაკობენ და აცხადებენ, რომ მათი სისტემა უზრუნველყოფს მაღალი დონის ამოცნობას, თუ სახის გამოსახულებები ვიდეო ნაკადში აკმაყოფილებს ხარისხის მოთხოვნებს, რომლებიც განსაზღვრულია GOST R ISO/IEC 19794-5. ამასთან, ეს GOST აწესებს ძალიან მკაცრ (თითქმის იდეალურ) პირობებს სახის ფოტოების ხარისხზე (სახის ფრონტალური ხედი გადახრით არაუმეტეს 5 გრადუსით; ერთგვაროვანი განათება; სახის ნეიტრალური გამონათქვამები და ა.შ.), რომლის შესრულება შეუძლებელია სისტემური ვიდეოთვალთვალის რეალური პირობები. GOST-ის ასეთი მოთხოვნები სრულად გამართლებულია იმით, რომ, ფაქტობრივად, ეს სტანდარტი გამიზნულია ახალი თაობის საპასპორტო და სავიზო დოკუმენტებში ელექტრონული ფოტოების შენახვის ფორმატის გაერთიანებისთვის - ეგრეთ წოდებული ბიომეტრიული პასპორტები. პრაქტიკაში, ბიომეტრიული იდენტიფიკაციის სისტემები უნდა გაუმკლავდნენ ბევრად ნაკლებად ხელსაყრელ ოპერაციულ პირობებს:

• სახის გადახრა შუბლის პოზიციიდან 20 გრადუსზე მეტი კუთხით;
• ძლიერი განათება;
• სახის ნაწილის დაფარვა;
• სახეზე ჩრდილების არსებობა;
• სურათის მცირე ზომა და ა.შ.

სწორედ ბიომეტრიული ძრავის სტაბილურობა ასეთ რთულ პირობებში განაპირობებს მის ხარისხს. თანამედროვე ბიომეტრიულ ძრავებში ხარისხის შეფასების ეტაპზე, როგორც წესი, ფასდება:

• სახის კუთხე (არ უნდა აღემატებოდეს 20-30 გრადუსს);
• სახის ზომა (შეფასებული თვალების გუგებს შორის მანძილით და უნდა იყოს 50-80 px-ზე მეტი);
• სახის ნაწილობრივი დახურვა (სახის დახურვა არ უნდა იყოს სახის მთლიანი ფართობის 10-25%-ზე მეტი).

არსებობს გავრცელებული მცდარი მოსაზრება, რომ თუ თვალები დახუჭულია სახის გამოსახულებაში (მოციმციმე ან სათვალე), მაშინ სისტემა, სავარაუდოდ, ვერ ცნობს ადამიანს. მართლაც, ადრეული სახის ამოცნობის ალგორითმები იყენებდნენ თვალის გუგების ცენტრებს, როგორც გამოსახულების შემდგომი დამუშავების საფუძველს, კერძოდ, სახის სტანდარტული სკალირების მიზნით. თუმცა, ამ დროისთვის, ბევრი თანამედროვე ბიომეტრიული ძრავა (მაგალითად, Cognitec ან Kaskad-Potok) იყენებს უფრო რთულ სახის კოდირების სქემებს და არ არის მიბმული მოსწავლეთა ცენტრების პოზიციაზე.

ეტაპი 3: შაბლონის აგება

ეს არის სახის ამოცნობის ერთ-ერთი ყველაზე რთული და უნიკალური ეტაპი და წარმოადგენს ბიომეტრიული ძრავის ტექნოლოგიის ძირითად ნოუ-ჰაუს. ამ ეტაპის არსი არის სახის გამოსახულების არატრივიალური მათემატიკური ტრანსფორმაცია ბიომეტრიულ შაბლონში შერწყმული მახასიათებლების ერთობლიობაში.

თითოეულ სახეს აქვს თავისი უნიკალური ბიომეტრიული შაბლონი. ბიომეტრიული შაბლონების აგების პრინციპები უკიდურესად მრავალფეროვანია: შაბლონი შეიძლება დაფუძნდეს სახის ტექსტურ თვისებებზე, გეომეტრიულ მახასიათებლებზე, დამახასიათებელ წერტილებზე, სხვადასხვა ჰეტეროგენული მახასიათებლების ერთობლიობაზე.

ბიომეტრიული შაბლონის ყველაზე მნიშვნელოვანი მახასიათებელი მისი ზომაა. რაც უფრო დიდია შაბლონის ზომა, მით უფრო მეტ ინფორმაციულ ფუნქციებს შეიცავს იგი, მაგრამ მით უფრო დაბალია ამ შაბლონის ძიების სიჩქარე და ეფექტურობა. ბიომეტრიულ სისტემებში სახის შაბლონის ტიპიური ზომის მნიშვნელობა არის 1-დან 20 კბ-მდე.

ეტაპი 4: შედარება და გადაწყვეტილება

ეს არის ამოცნობის სისტემის კომბინირებული ეტაპი, რომელიც ადარებს აღმოჩენილი სახის საფუძველზე აგებულ ბიომეტრიულ სახის შაბლონს მონაცემთა ბაზაში შენახულ შაბლონების მასივთან. უმარტივეს შემთხვევაში, დამთხვევა ხდება ყველა შაბლონის უბრალოდ ჩამოთვლით და მათი მსგავსების საზომის შეფასებით. მიღებული შეფასებებისა და მოცემულ ზღვრებთან მათი შედარების საფუძველზე მიიღება გადაწყვეტილება მონაცემთა ბაზაში იდენტური პირის ყოფნა-არყოფნის შესახებ.

თანამედროვე სისტემებში დამთხვევა ხორციელდება კომპლექსური ოპტიმალური შესატყვისი სქემების მიხედვით, რომლებიც უზრუნველყოფენ შესატყვის სიჩქარეს 10000-დან 200000-მდე შედარება წამში ან მეტი. უფრო მეტიც, უნდა გვესმოდეს, რომ შესატყვისი პროცესის პარალელიზება შესაძლებელია, რაც საიდენტიფიკაციო სისტემებს საშუალებას აძლევს იმუშაონ თითქმის რეალურ დროში, სურათების დიდი მასივებისთვისაც კი, მაგალითად, 100000 ადამიანისთვის.

სახის ამოცნობის სისტემების მუშაობის ხარისხი ჩვეულებრივ ხასიათდება იდენტიფიკაციის ალბათობით. ცხადია, ბიომეტრიული იდენტიფიკაციის დროს შეიძლება მოხდეს ორი ტიპის შეცდომა.

1. პირველი შეცდომა დაკავშირებულია მონაცემთა ბაზაში არსებული პიროვნების დაკარგვისა და არ ამოცნობის შესაძლებლობასთან - ამას ხშირად უწოდებენ პირველ ტიპის შეცდომას. და ხშირად ისინი მიუთითებენ არა პირველი ტიპის შეცდომის მნიშვნელობაზე, არამედ ერთის გამოკლებით პირველი ტიპის შეცდომის ალბათობაზე. ამ მნიშვნელობას ეწოდება PPR სწორი ამოცნობის ალბათობა.
2. მეორე შეცდომა ასახავს შემთხვევებს, როდესაც სისტემა ამოიცნობს ადამიანს, რომელიც რეალურად არ არის მონაცემთა ბაზაში ან აბნევს მას სხვა ადამიანთან - მას ჩვეულებრივ უწოდებენ 2 ტიპის შეცდომას. სახის ამოცნობის თანამედროვე სისტემებისთვის, სწორი ამოცნობის ალბათობის ტიპიური მნიშვნელობა, როგორც წესი, არის 80-დან 97%-მდე დიაპაზონში, მეორე სახის ცდომილება არ აღემატება 1%-ს.

წარმატებული იდენტიფიკაციის პირობები

უნდა გვესმოდეს, რომ სახის ამოცნობა არ არის აბსოლუტური ტექნოლოგია. ხშირად შეიძლება მოისმინოთ ბიომეტრიული სისტემების კრიტიკა, რომ შეუძლებელია რეალურ ობიექტებზე ისეთივე მაღალი მაჩვენებლის მიღწევა, როგორც „ლაბორატორიულ“ პირობებში. ეს განცხადება მხოლოდ ნაწილობრივ შეესაბამება სიმართლეს. მართლაც, სახის ეფექტურად ამოცნობა შესაძლებელია მხოლოდ გარკვეულ პირობებში, რის გამოც ძალზე მნიშვნელოვანია სახის ბიომეტრიის დანერგვისას იმის გაგება, თუ რა პირობებში იმუშავებს სისტემა. თუმცა, ყველაზე თანამედროვე ამოცნობის სისტემებისთვის, ეს პირობები საკმაოდ მიღწევადია რეალურ ობიექტებზე. ამრიგად, საიდენტიფიკაციო ზონებში სახის ამოცნობის ეფექტურობის გასაუმჯობესებლად, უნდა მოეწყოს ხალხის მიმართული ნაკადი (კარები, ლითონის დეტექტორის ჩარჩოები, ტურნიკები და ა.შ.), რათა უზრუნველყოს მოკლევადიანი (არაუმეტეს 1-2 წმ) შესაძლებლობა. თითოეული სტუმრის სახის ფიქსაცია. ამავდროულად, ვიდეო გადამღები კამერები უნდა იყოს დამონტაჟებული ისე, რომ ჩაწერილი სახეების გადახრის კუთხე შუბლის მდგომარეობიდან არ აღემატებოდეს 20-30 გრადუსს. (მაგალითად, კამერების დაყენება გადასასვლელი ზონიდან 8–10 მ მანძილზე, შეკიდვის სიმაღლით 2–3 მ).

ამ პირობების დაცვა ამოცნობის სისტემების დანერგვისას საშუალებას გაძლევთ ეფექტურად გადაჭრათ პიროვნების იდენტიფიკაციისა და განსაკუთრებული ინტერესის მქონე ადამიანების ძიების პრობლემა, რაც შეიძლება ახლოს იყოს დეველოპერების მიერ გამოცხადებული წარმატებული იდენტიფიკაციის ინდიკატორების მნიშვნელობებთან.

დღეს ბაზარზე ერთდროულად რამდენიმე ტიპის ასეთი სისტემაა წარმოდგენილი და ისინი ასრულებენ სხვადასხვა დონის სირთულის დავალებებს: ხალხში დისტანციური ამოცნობიდან ოფისში სამუშაო საათების აღრიცხვამდე. სახის ამოცნობის გადაწყვეტილებები მომხმარებლებისთვის ხელმისაწვდომია სხვადასხვა პლატფორმაზე - ეს არის სერვერის არქიტექტურა, მობილური და ჩაშენებული გადაწყვეტილებები და ღრუბლოვანი სერვისები.

თანამედროვე სისტემები მუშაობენ ღრმა სწავლის ნეირონული ქსელის ალგორითმებზე, ამიტომ ამოცნობის სიზუსტე მაქსიმალურია დაბალი ხარისხის სურათებისთვისაც კი, ისინი მდგრადია თავის მოხვევის მიმართ და აქვთ სხვა უპირატესობები.

მაგალითი 1: საზოგადოებრივი უსაფრთხოება

უსაფრთხოების უზრუნველყოფა არის ერთგვარი საწყისი წერტილი, საიდანაც დაიწყო ბიომეტრიული იდენტიფიკაციის სისტემების დანერგვა. ხალხმრავალი ობიექტების უსაფრთხოების უზრუნველსაყოფად გამოიყენება სახის ამოცნობის დისტანციური სისტემები.

ყველაზე რთული ამოცანაა ბრბოში ადამიანის იდენტიფიცირება.

ეგრეთ წოდებული არათანამშრომლობითი აღიარება, როდესაც ადამიანი არ ურთიერთობს სისტემასთან, არ იყურება კამერის ობიექტივში, იხრება ან ცდილობს სახის დამალვას. მაგალითად, სატრანსპორტო კვანძებში, მეტროში, დიდ საერთაშორისო ღონისძიებებზე.

საქმეები

ჩვენი კომპანიისთვის 2017 წლის ერთ-ერთი ყველაზე მნიშვნელოვანი პროექტი იყო ყველაზე დიდი საერთაშორისო გამოფენა EXPO-2017, რომელიც ამ ზაფხულს ყაზახეთში გაიმართა. სპეციალიზებული კამერები გამოიყენებოდა დისტანციური ბიომეტრიული სახის ამოცნობის სისტემაში.

კადრში სახეების შერჩევა ხდება თავად კამერაში და მხოლოდ სახის გამოსახულება გადაეცემა სერვერს, ეს განტვირთავს არხს და მნიშვნელოვნად ამცირებს ქსელის ინფრასტრუქტურის ღირებულებას. კამერებმა კომპლექსის სხვადასხვა ნაწილში ოთხი შესასვლელი ჯგუფი დააკვირდნენ. სისტემის არქიტექტურა ისე იყო შემუშავებული, რომ შეყვანის ჯგუფები მუშაობდნენ ცალ-ცალკე ან ყველა ერთად, ხოლო სისტემის სწორ მუშაობას უზრუნველყოფდა მხოლოდ 4 სერვერი და 48 კამერა.

ონლაინ ვიდეო ანალიტიკის დახმარებით, ეჭვმიტანილებსა და დაკარგულებს ეძებენ დიდ გეოგრაფიულად განაწილებულ ობიექტებში, იკვლევენ ავარიებს და ინციდენტებს და აანალიზებენ მგზავრთა მოძრაობას.

ზოგიერთ აეროპორტში, 2017 წლის ბოლოსთვის, ბიომეტრია ასევე გამოყენებული იქნება ფრენისთვის მგზავრების შესამოწმებლად. პორტალ Tadviser-ის ცნობით, 12 ევროპული ქვეყანა (ესპანეთი, საფრანგეთი, ნიდერლანდები, გერმანია, ფინეთი, შვედეთი, ესტონეთი, უნგრეთი, საბერძნეთი, იტალია, რუმინეთი) ასევე გეგმავს აეროპორტებში ჭკვიანი კარიბჭის სისტემების დანერგვას.

და შემდეგი ნაბიჯი უნდა იყოს საზღვრისა და მიგრაციის კონტროლისთვის სახის ამოცნობის სისტემების დანერგვა. მთავრობის მხარდაჭერით, სახის იდენტიფიკაციის დანერგვა შეიძლება გახდეს ისეთივე ჩვეულებრივი, როგორც ლითონის დეტექტორის ჩარჩოები მომდევნო სამიდან ხუთ წელიწადში.

მაგალითი 2. გაიცანით თქვენი მომხმარებელი ნახვით

ბიზნესი ასევე დებს ფსონს სახის ბიომეტრიულ იდენტიფიკაციაზე. პირველ რიგში, ეს არის საცალო ვაჭრობა.

სისტემები აღიარებენ მომხმარებელთა სქესსა და ასაკს, საცალო მაღაზიებში სტუმრობის სიხშირესა და დროს და აგროვებენ სტატისტიკას ქსელში თითოეული ცალკეული მაღაზიისთვის.

ამის შემდეგ, დეტალური ანგარიშები ავტომატურად გამოჩნდება დეპარტამენტისთვის, როგორც მთელი ქსელისთვის, ასევე განყოფილებების მიხედვით. ამ მოხსენებებზე დაყრდნობით მოსახერხებელია „კლიენტის პროფილის“ შედგენა და ეფექტური მარკეტინგული კამპანიების დაგეგმვა.

სამწუხაროდ, კლიენტებს ვერ ვამხელთ.მათ შორისაა უმსხვილესი საცალო და DIY (Do It Youself) ქსელები, რომლებიც მოიცავს ძვირადღირებულ ინსტრუმენტებსა და კომპონენტებს.

Როგორ მუშაობს

ბევრს ეშინია კონფიდენციალური ინფორმაციის გაჟონვის, მაგრამ ჩვენ კონკრეტულად ხაზს ვუსვამთ, რომ არქივში არ ინახება აღიარებული ადამიანების პერსონალური მონაცემები. მეტიც, სურათი კი არ ინახება, არამედ მისი ბიომეტრიული შაბლონი, რომლის მიხედვითაც გამოსახულების აღდგენა შეუძლებელია.

განმეორებითი ვიზიტებისას, ბიომეტრიული სახის შაბლონი „ამოწეულია“, ასე რომ სისტემამ ზუსტად იცის, ვინ და რამდენჯერ იყო მაღაზიაში. პერსონალური მონაცემების უსაფრთხოებისთვის შეგიძლიათ მშვიდად იყოთ.

მცირე მაღაზიებისთვის, ავტომობილების დილერებისთვის, აფთიაქებისთვის, მარკეტინგული ანალიტიკის შეგროვების მექანიზმი დანერგილია ღრუბლის ამოცნობის სერვისში. მცირე და საშუალო ბიზნესისთვის ეს ვარიანტი უფრო სასურველია, რადგან არ საჭიროებს სერვერის ტექნიკის ღირებულებას, დამატებითი პერსონალის დაქირავებას, პროგრამული უზრუნველყოფის განახლებას და ა.შ. პირველ რიგში, ეს არის მოსახერხებელი ინსტრუმენტი განყოფილებების ეფექტურობის შესაფასებლად, და მეორეც, ეს არის შესანიშნავი ასისტენტი ქურდების გამოსავლენად. ანუ ერთი სისტემა ერთდროულად რამდენიმე ფუნქციას ასრულებს.

მაგალითი 3. წვდომის კონტროლისა და მართვის სისტემები

ზემოაღნიშნული ფუნქციების გარდა, მოსახერხებელია გამოიყენოს სახის ამოცნობის სისტემა, როგორც Proximity ბარათების ალტერნატივა წვდომის კონტროლისა და მართვის სისტემებში (ACS).

მათ აქვთ მთელი რიგი უპირატესობები:უზრუნველყოფენ ამოცნობის მაღალ საიმედოობას, მათი მოტყუება, კოპირება ან იდენტიფიკატორის მოპარვა შეუძლებელია, ისინი ადვილად ინტეგრირდება არსებულ უსაფრთხოების აღჭურვილობასთან. თქვენ შეგიძლიათ გამოიყენოთ არსებული სათვალთვალო კამერებიც. ბიომეტრიული სახის იდენტიფიკაციის სისტემები მუშაობს დისტანციურად და ძალიან სწრაფად არქივში მოვლენების ჩაწერით.

ბიომეტრიული ACS-ის საფუძველზე მოსახერხებელია თანამშრომლების სამუშაო საათების თვალყურის დევნება, განსაკუთრებით დიდ საოფისე ცენტრებში.

საქმე

ასეთი სისტემა შარშან დავანერგეთ მსხვილ ინდურ საწარმოში, რომელიც სპეციალიზირებულია ლოჯისტიკის სფეროში. მუდმივ დასაქმებულთა რაოდენობა 600-ზე მეტი ადამიანია. ამავდროულად, კომპანია მუშაობს მთელი საათის განმავლობაში და ახორციელებს "მცურავ" სამუშაო გრაფიკს. ჩვენი დისტანციური ბიომეტრიული იდენტიფიკაციის სისტემის დახმარებით, მომხმარებელმა მიიღო თანამშრომლების სამუშაო დროის სრული და საიმედო ჩანაწერი, პრევენციული დაწესებულების უსაფრთხოების ინსტრუმენტი და წვდომის კონტროლის სისტემა.

მაგალითი 4. გულშემატკივართა პასი სტადიონზე

სალაროებში ბილეთის შეძენის დროს, თითოეული მყიდველის სახე ავტომატურად იღებება და იტვირთება სისტემაში. ასე ყალიბდება მატჩის სტუმრების ბაზა. თუ შეძენა მოხდა ინტერნეტის ან მობილური აპლიკაციის საშუალებით, მაშინ ავტორიზაცია შესაძლებელია დისტანციურად "სელფის" გამოყენებით. მომავალში, როცა ადამიანი სტადიონზე მოვა, სისტემა მას ყოველგვარი პასპორტის გარეშე ამოიცნობს.

სპორტულ შეჯიბრებებზე ვიზიტორების იდენტიფიცირება სავალდებულო გახდა ფედერალური კანონის No284-FZ „რუსეთის ფედერაციაში ფიზიკური კულტურისა და სპორტის შესახებ“ ფედერალური კანონის მე-20 მუხლში და ადმინისტრაციულ სამართალდარღვევათა კოდექსის 32.14 მუხლის შესწორების შესახებ. რუსეთის ფედერაციის.

სტადიონზე სწორედ ის შევა, ვინც იყიდა ბილეთი, შეუძლებელია ბილეთის სხვა პირზე გადაცემა ან ყალბი ბილეთის გავლა. სტადიონებზე სახის დისტანციური ამოცნობა მუშაობს იმავე პრინციპით, როგორც დიდ გეოგრაფიულად განაწილებულ სატრანსპორტო ობიექტებში: თუ ადამიანი შედის იმ პირთა სიაში, რომლებსაც უარი ეთქვათ სტადიონზე წვდომაზე, სისტემა მას არ გაუშვებს.

საქმე

2016 წლის მარტში, Vocord-ისა და PJSC Rostelecom-ის ხანტი-მანსიისკის ფილიალის ერთობლივი პროექტის ფარგლებში, გამოიყენეს სახის ამოცნობის დისტანციური სისტემა ხანტი-მანსიისკში ჩატარებული ბიატლონის მსოფლიო თასის უსაფრთხოების უზრუნველსაყოფად. 2015 წლიდან იგივე სისტემა წარმატებით ფუნქციონირებს Arena Omsk მრავალფუნქციურ სპორტულ კომპლექსში. ეს არის რუსეთის ექვსი უმსხვილესი სპორტული ობიექტიდან ერთ-ერთი, არის ყველაზე დიდი სპორტული და გასართობი დაწესებულება ციმბირში და ავანგარდის ჰოკეის კლუბის ბაზა.

მაგალითი 5: ინტერნეტ ბანკი და ბანკომატები

კიდევ ერთი ნიშა, რომელშიც სახის ამოცნობა დამკვიდრდა, არის საბანკო სექტორი. აქ ახალი ტექნოლოგიების დანერგვა ინტენსიურია, ვინაიდან ფინანსური სექტორი სხვებზე მეტად დაინტერესებულია პერსონალიზებული ინფორმაციის სანდოობითა და უსაფრთხოებით.

დღეს თანდათანობით იწყება ბიომეტრია, თუ არა ჩვეული და კარგად ჩამოყალიბებული „ქაღალდის“ დოკუმენტების გადაადგილება, მაშინ მათთან ასვლა. ამავდროულად, მნიშვნელოვნად გაიზარდა დაცვის ხარისხი გადახდების განხორციელებისას: ტრანზაქციის დასადასტურებლად საკმარისია ჩახედოთ თქვენი სმარტფონის კამერას. ამავდროულად, თავად ბიომეტრიული მონაცემები არსად არ არის გადაცემული, შესაბამისად, მისი ჩაჭრა შეუძლებელია.

ბიომეტრიული იდენტიფიკაციის ტექნოლოგიების დანერგვა პირდაპირ კავშირშია ელექტრონული სერვისებისა და მოწყობილობების მასიურ გამოყენებასთან, ონლაინ კომერციის განვითარებასთან და ნაღდი ფულის ნაცვლად პლასტიკური ბარათების გავრცელებასთან.

მაღალი ხარისხის გრაფიკული დამუშავების ერთეულების (GPU) და მათზე დაფუძნებული ულტრა კომპაქტური ტექნიკის პლატფორმების გამოჩენით - როგორიცაა NVIDIA Jetson - სახის ამოცნობა დაიწყო ბანკომატებში დანერგვა. ახლა მხოლოდ ბარათის მფლობელს შეუძლია ნაღდი ფულის გატანა ან ანგარიშზე ტრანზაქციების განხორციელება, მაგალითად, Tinkoff Bank ბანკომატების მეშვეობით. და PIN შეიძლება მალე ამოღებული იყოს.

უსაფრთხოების თანამედროვე ინტეგრირებულ სისტემებს შეუძლიათ გადაჭრას ნებისმიერი სირთულის პრობლემები სხვადასხვა ინდუსტრიულ, სოციალურ და საყოფაცხოვრებო ობიექტებში. ვიდეოთვალთვალის სისტემები ძალზე მნიშვნელოვანი ინსტრუმენტია უსაფრთხოების სისტემებში და მოთხოვნები სეგმენტის ფუნქციონირებაზე სტაბილურად იზრდება.

ინტეგრირებული უსაფრთხოების სისტემები

ერთი პლატფორმა მოიცავს მოდულებს უსაფრთხოებისა და სახანძრო აღჭურვილობისთვის, წვდომის კონტროლისა და მართვისთვის, ვიდეოთვალთვალის ან უსაფრთხოების ტელევიზიისთვის (SOT). ბოლო დრომდე ამ უკანასკნელის ფუნქციები შემოიფარგლებოდა დაწესებულებაში და მიმდებარე ტერიტორიაზე არსებული ვითარების ვიდეო მონიტორინგით და აღრიცხვით, მონაცემთა დაარქივებითა და შენახვით. კლასიკურ ვიდეო სისტემებს აქვს მრავალი მნიშვნელოვანი ნაკლი:

• ადამიანური ფაქტორი. ოპერატორის არაეფექტური მუშაობა დიდი რაოდენობით ინფორმაციის გადაცემისას.
• ქირურგიული ჩარევის შეუძლებლობა, დროული ანალიზი.
• მოვლენის ძიებასა და იდენტიფიცირებაზე დახარჯული მნიშვნელოვანი დრო.

ციფრული ტექნოლოგიების განვითარებამ გამოიწვია „ჭკვიანი“ ავტომატიზირებული სისტემების შექმნა.

სიძლიერე ინტელექტში

ინტელექტუალის ძირითადი პრინციპი არის ვიდეო ანალიტიკა - ტექნოლოგია, რომელიც დაფუძნებულია მეთოდებსა და ალგორითმებზე შაბლონის ამოცნობისა და ვიდეო ნაკადის ანალიზის შედეგად მონაცემთა ავტომატური შეგროვებისთვის. ასეთ აღჭურვილობას, ადამიანის ჩარევის გარეშე, შეუძლია რეალურ დროში აღმოაჩინოს და აკონტროლოს მოცემული სამიზნეები (მანქანა, ადამიანების ჯგუფი), პოტენციურად სახიფათო სიტუაციები (კვამლი, ხანძარი, არასანქცირებული ჩარევა ვიდეოკამერების მუშაობაში), დაპროგრამებული მოვლენები და დროული. გაუშვით განგაშის სიგნალი. არასაინტერესო ვიდეო მონაცემების გაფილტვრით საგრძნობლად მცირდება დატვირთვა საკომუნიკაციო არხებზე და საარქივო ბაზაზე.

ვიდეო ანალიტიკის ყველაზე პოპულარული ინსტრუმენტია სახის ამოცნობის სისტემა. შესრულებული ფუნქციებიდან და დასახული ამოცანებიდან გამომდინარე, აღჭურვილობას ეკისრება გარკვეული მოთხოვნები.

პროგრამული უზრუნველყოფა და აპარატურა

სისტემის ეფექტური მუშაობისთვის გამოიყენება რამდენიმე ტიპის IP კამერა სხვადასხვა შესრულების მახასიათებლებით. კონტროლირებად ზონაში ობიექტის აღმოჩენას აფიქსირებს პანორამული კამერები 1 მეგაპიქსელი ან მეტი გარჩევადობით და 1 მმ ფოკუსური მანძილით და სკანირების მოწყობილობები მიმართულია მასზე. ეს არის უფრო მოწინავე კამერები (2 მეგაპიქსელიდან, 2 მმ-დან), რომლებიც აწარმოებენ ამოცნობას მარტივი მეთოდების გამოყენებით (3-4 პარამეტრი). ობიექტის იდენტიფიცირებისთვის გამოიყენება კარგი გამოსახულების ხარისხის მქონე კამერები, რომლებიც საკმარისია რთული ალგორითმების გამოსაყენებლად (5 მეგაპიქსელიდან, 8-12 მმ).

სახის ამოცნობის ყველაზე პოპულარული პროგრამული პროდუქტები "Face Intellect" (დეველოპერი - House Control კომპანია), Face დირექტორი (კომპანია Synesis) და VOCORD FaceControl (VOCORD) აჩვენებს:

• ობიექტის იდენტიფიკაციის მაღალი ალბათობა (99%-მდე).
• კამერის ბრუნვის კუთხის ფართო დიაპაზონის მხარდაჭერა.
• სახეების ხაზგასმის უნარი მკვრივ საცალფეხო მასაშიც კი.
• ცვალებადობა ანალიტიკური ანგარიშების მომზადებაში.

ნიმუშის ამოცნობის საფუძვლები

ნებისმიერი ბიომეტრიული ამოცნობის სისტემა ემყარება პირის წაკითხული ფიზიოლოგიური მახასიათებლების შესაბამისობის განსაზღვრას წინასწარ განსაზღვრულ შაბლონთან.

სკანირება ხდება რეალურ დროში. IP კამერა ავრცელებს ვიდეო ნაკადს ტერმინალში და სახის ამოცნობის სისტემა განსაზღვრავს, შეესაბამება თუ არა სურათი მონაცემთა ბაზაში შენახულ ფოტოებს. არსებობს ორი ძირითადი მეთოდი. პირველი ეფუძნება სტატიკურ პრინციპებს: ბიომეტრიული პარამეტრების დამუშავების შედეგების საფუძველზე იქმნება ელექტრონული ნიმუში კონკრეტული პიროვნების შესაბამისი უნიკალური ნომრის სახით. მეორე მეთოდი ასახავს „ადამიანურ“ მიდგომას და ხასიათდება თვითსწავლებითა და გამძლეობით. ვიდეო გამოსახულების საშუალებით პირის იდენტიფიკაცია ითვალისწინებს ასაკთან დაკავშირებულ ცვლილებებს და სხვა ფაქტორებს (თავსაფარის, წვერის ან ულვაშის არსებობა, სათვალე). ეს ტექნოლოგია საშუალებას გაძლევთ იმუშაოთ თუნდაც ძველ ფოტოსურათებთან და, საჭიროების შემთხვევაში, რენტგენით.

სახის ძიების ალგორითმი

სახის გამოვლენის ყველაზე გავრცელებული ტექნიკაა ჰაარის კასკადების (ნიღბების ნაკრები) გამოყენება.

ნიღაბი არის მართკუთხა ფანჯარა თეთრი და შავი სეგმენტების სხვადასხვა კომბინაციით.

პროგრამის მექანიზმი ასეთია: ვიდეო ჩარჩო დაფარულია ნიღბების ნაკრებით და კონვოლუციის შედეგების საფუძველზე (პიქსელების დათვლა, რომლებიც ხვდებიან თეთრ და შავ სექტორებში), განსხვავება გამოითვლება და შედარება გარკვეულთან. ბარიერის მნიშვნელობა.

კლასიფიკატორის მუშაობის გასაუმჯობესებლად იქმნება დადებითი (ჩარჩოები ხალხის სახეებით) და უარყოფითი (მათ გარეშე) სასწავლო ნიმუშები. პირველ შემთხვევაში, კონვოლუციის შედეგი არის ზღურბლის მნიშვნელობის ზემოთ, მეორეში - ქვემოთ. მისაღები შეცდომით, სახის დეტექტორი განსაზღვრავს ყველა კასკადის კონვოლუციის ჯამს და, თუ ზღვარი გადააჭარბებს, სიგნალს აძლევს ჩარჩოში სახეების არსებობას.

ამოცნობის ტექნოლოგიები

წინასწარ ეტაპზე გამოვლენისა და ლოკალიზაციის შემდეგ ხდება გამოსახულების სიკაშკაშე და გეომეტრიული გასწორება. შემდგომი ქმედებები - ნიშნების გამოთვლა და იდენტიფიკაცია - შეიძლება განხორციელდეს სხვადასხვა მეთოდით.

შესანიშნავი განათების მქონე ოთახში სრული სახის სკანირებისას, ალგორითმები, რომლებიც მუშაობენ ორგანზომილებიან გამოსახულებებთან, აჩვენებს კარგ შედეგებს. უნიკალური წერტილებისა და მათ შორის მანძილების გაანალიზებისას, სახის ამოცნობის სისტემა განსაზღვრავს იდენტიფიკაციის ფაქტს „ცოცხალ“ სურათსა და რეგისტრირებულ შაბლონს შორის სხვაობის კოეფიციენტებით.

სამგანზომილებიანი ტექნოლოგიები მდგრადია სინათლის ნაკადის ცვლილებების მიმართ, შუბლის ხედიდან დასაშვები გადახრა 45 გრადუსამდეა. აქ გაანალიზებულია არა მხოლოდ წერტილები და ხაზები, არამედ ზედაპირების თვისებები (მრუდე, პროფილი), მათ შორის მანძილების მეტრიკა. ასეთი ალგორითმების მუშაობისთვის საჭიროა ვიდეო ჩაწერის მაქსიმალური ხარისხი 200 კადრი/წმ-მდე სიხშირით. სისტემა დაფუძნებულია სტერეო ვიდეო კამერებზე 5 მეგაპიქსელიანი მატრიცით, მაღალი ოპტიკური გარჩევადობით და სინქრონიზაციის შეცდომა მინიმუმამდეა დაყვანილი. გარდა ამისა, ისინი დაკავშირებულია სპეციალური საათის კაბელით საათის იმპულსების გადასაცემად.

თანამედროვე სისტემების ბაზრის მდგომარეობა

პირველი, მათი მაღალი ღირებულების გამო, შეიქმნა მხოლოდ სახელმწიფო სამხედრო ობიექტებისთვის და მხოლოდ 90-იანი წლების შუა ხანებში გახდა ხელმისაწვდომი კომერციული ორგანიზაციებისთვის. ტექნოლოგიების სწრაფმა განვითარებამ შესაძლებელი გახადა სისტემების სიზუსტის გაზრდა და მათი გამოყენების სფეროს გაფართოება. ჩვენი ქვეყნის ბაზარზე მოწინავე პოზიციები ეკუთვნით უსაფრთხოების სისტემების ამერიკელ და დასავლეთ ევროპელ მწარმოებლებს. გაყიდვების ლიდერია ZN Vision Technologies და Visionics კორპორაციების აღჭურვილობა. შიდა დეველოპერებს შორის ყველაზე პერსპექტიულია Vocord, NTechLab, Soling, VisionLabs LLC და STC ჯგუფის კვლევები და პროდუქტები, რომლებიც, სხვა საკითხებთან ერთად, ასევე ეწევიან უცხოური კომპლექსების რუსულ პირობებთან ადაპტირებას.

კომპიუტერის სახის კონტროლი

უკონტაქტო იდენტიფიკაციის გამოყენების ყველაზე ფართო სფეროა ტერორიზმთან და დანაშაულთან ბრძოლა. კრიმინალის სახის გამოსახულება ინახება მონაცემთა ბაზაში. ხალხმრავალ ადგილებში (აეროპორტები, მატარებლის სადგურები, სავაჭრო ცენტრები, სპორტული ობიექტები) რეალურ დროში ხდება ადამიანების გადაღება ძებნილი ადამიანების იდენტიფიცირებისთვის.

შემდეგი სფეროა წვდომის კონტროლის სისტემები: ელექტრონულ უღელტეხილზე ფოტო გამოსახულების ნიმუში შედარებულია მოდელთან, რომელიც მიღებულ იქნა ვიდეო კამერებიდან მონაცემების დამუშავების შედეგად. პროცედურა ტარდება მყისიერად, გავლილი პირებისგან რაიმე დამატებითი მოქმედების საჭიროების გარეშე (ბადურას სკანირების ან თითის ანაბეჭდისგან განსხვავებით).

კიდევ ერთი სწრაფად მზარდი ინდუსტრია მარკეტინგია. ინტერაქტიული ბილბორდი, რომელიც სკანირებს ადამიანის სახეს, განსაზღვრავს მის სქესს და ასაკს, ასახავს მხოლოდ იმ რეკლამებს, რომლებიც პოტენციურად საინტერესო იქნება კლიენტისთვის.

ტენდენციები და განვითარების პერსპექტივები

სახის ამოცნობის სისტემები საბანკო სექტორში დიდი მოთხოვნაა.

გასული წლის შედეგების შემდეგ, ოფისებში 50 000 ინტელექტუალური ვიდეოკამერის დაყენების შემდეგ, Post Bank-ის ხელმძღვანელობამ მოახერხა მილიონობით რუბლის დაზოგვა დაკრედიტების და გადახდების სეგმენტებში თაღლითობის თავიდან აცილებით. ექსპერტები ამბობენ, რომ 2021 წლისთვის შეიქმნება საჭირო ინფრასტრუქტურული ქსელი და ბანკომატებზე ნებისმიერი ოპერაცია მხოლოდ კლიენტის სახის ბიომეტრიული იდენტიფიკაციის შემდეგ გახდება შესაძლებელი.

მომდევნო ათწლეულში მაღალი ტექნოლოგიები საშუალებას მისცემს გახსნას სრული თვითმომსახურების მაღაზიების ქსელი: მყიდველი მიდის ფანჯრების წინ, ირჩევს იმ პროდუქტს, რომელიც მოსწონს და ტოვებს. სახისა და გამოსახულების ამოცნობის სისტემა განსაზღვრავს მყიდველის ვინაობას, შესყიდვას და ჩამოწერს საჭირო თანხას მისი ანგარიშიდან.

მიმდინარეობს მუშაობა ფსიქო-ემოციური მდგომარეობის ამოცნობის სისტემების შესაქმნელად. ადამიანის ემოციების ანალიზი მოთხოვნადი იქნება მულტიმედიური სფეროებში: ანიმაცია, კინემატოგრაფია, კომპიუტერული თამაშების შექმნის ინდუსტრია.

ყველამ იცის სცენები სამეცნიერო ფანტასტიკური ფილმებიდან: გმირი მიდის კართან და კარი იღება, ცნობს მას. ეს არის წვდომის კონტროლისთვის ბიომეტრიული ტექნოლოგიების გამოყენების მოხერხებულობისა და საიმედოობის ერთ-ერთი აშკარა დემონსტრირება. თუმცა, პრაქტიკაში ეს არც ისე მარტივია. დღეს, ზოგიერთი ფირმა მზად არის შესთავაზოს მომხმარებლებს წვდომის კონტროლი ბიომეტრიული ტექნოლოგიების გამოყენებით.

პერსონალური იდენტიფიკაციის ტრადიციული მეთოდები, რომლებიც ეფუძნება სხვადასხვა საიდენტიფიკაციო ბარათებს, გასაღებებს ან უნიკალურ მონაცემებს, როგორიცაა, მაგალითად, პაროლი, არ არის სანდო იმ მოცულობით, რაც დღეს საჭიროა. იდენტიფიკატორების სანდოობის გაუმჯობესების ბუნებრივი ნაბიჯი იყო უსაფრთხოების სისტემებისთვის ბიომეტრიული ტექნოლოგიების გამოყენების მცდელობა.

პრობლემების სპექტრი, რომელთა გადაჭრაც შესაძლებელია ახალი ტექნოლოგიების გამოყენებით, ძალიან ფართოა:

1. თავიდან აიცილონ თავდამსხმელები დაცულ ტერიტორიებსა და შენობებში საბუთების, ბარათების, პაროლების გაყალბებით, ქურდობით;
2. შეზღუდოს ინფორმაციაზე წვდომა და უზრუნველყოს პირადი პასუხისმგებლობა მის უსაფრთხოებაზე;
3. პასუხისმგებელი ობიექტების ხელმისაწვდომობის უზრუნველყოფა მხოლოდ სერტიფიცირებული სპეციალისტებისთვის;
4. თავიდან აიცილოთ ზედნადები ხარჯები, რომლებიც დაკავშირებულია წვდომის კონტროლის სისტემების მუშაობასთან (ბარათები, გასაღებები);
5. აღმოფხვრას გასაღებების, ბარათების, პაროლების დაკარგვასთან, დაზიანებასთან ან ელემენტარულ დავიწყებასთან დაკავშირებული უხერხულობა;
6. თანამშრომლებისთვის წვდომისა და დასწრების ჩანაწერების ორგანიზება.

სხვადასხვა ბიომეტრიული მახასიათებლებით ნიმუშის ამოცნობის ტექნოლოგიების განვითარება საკმაოდ დიდი ხნის წინ დაიწყო, დასაწყისი 60-იან წლებში დაიწყო. ჩვენმა თანამემამულეებმა მნიშვნელოვანი პროგრესი მიაღწიეს ამ ტექნოლოგიების თეორიული საფუძვლების შემუშავებაში. თუმცა პრაქტიკული შედეგები ძირითადად დასავლეთში მიიღეს და მხოლოდ „გუშინ“. თანამედროვე კომპიუტერების ძალამ და გაუმჯობესებულმა ალგორითმებმა შესაძლებელი გახადა ისეთი პროდუქტების შექმნა, რომლებიც მათი მახასიათებლებისა და თანაფარდობის თვალსაზრისით გახდა ხელმისაწვდომი და საინტერესო მომხმარებელთა ფართო სპექტრისთვის.

მისი იდენტიფიცირებისთვის პიროვნების ინდივიდუალური მახასიათებლების გამოყენების იდეა ახალი არ არის. დღეისათვის ცნობილია მრავალი ტექნოლოგია, რომელიც შეიძლება გამოყენებულ იქნას უსაფრთხოების სისტემებში პირადი იდენტიფიკაციისთვის:

1. თითის ანაბეჭდები (როგორც ინდივიდუალური, ასევე ხელი მთლიანად);
2. სახის თვისებები (ოპტიკური და ინფრაწითელი გამოსახულებების საფუძველზე);
3. თვალის ირისი;
4. ხმა
5. სხვა მახასიათებლები.

ყველა ბიომეტრიულ ტექნოლოგიას აქვს საერთო მიდგომები იდენტიფიკაციის პრობლემის გადასაჭრელად, თუმცა ყველა მეთოდი განსხვავდება გამოყენების სიმარტივით და შედეგების სიზუსტით.

ნებისმიერი ბიომეტრიული ტექნოლოგია გამოიყენება ეტაპად:

1. ობიექტების სკანირება;
2. ინდივიდუალური ინფორმაციის მოპოვება;
3. შაბლონის ფორმირება;
4. მიმდინარე შაბლონის მონაცემთა ბაზასთან შედარება.

ბიომეტრიული ამოცნობის სისტემა ადგენს მომხმარებლის სპეციფიკური ფიზიოლოგიური ან ქცევითი მახასიათებლების შესაბამისობას რომელიმე მოცემულ შაბლონთან. როგორც წესი, ბიომეტრიული სისტემა შედგება ორი მოდულისგან: სარეგისტრაციო მოდული და საიდენტიფიკაციო მოდული.

რეგისტრაციის მოდული„ავარჯიშებს“ სისტემას კონკრეტული ადამიანის იდენტიფიცირებისთვის. რეგისტრაციის ფაზაში ვიდეოკამერა ან სხვა სენსორები სკანირებენ პირს, რათა შექმნან მისი გარეგნობის ციფრული წარმოდგენა. სახის სკანირებას დაახლოებით 20-დან 30 წამამდე სჭირდება, რაც იწვევს მრავალ სურათს. იდეალურ შემთხვევაში, ამ სურათებს ექნებათ ოდნავ განსხვავებული კუთხეები და სახის გამონათქვამები, რაც უფრო ზუსტი მონაცემების მიღების საშუალებას იძლევა. სპეციალური პროგრამული მოდული ამუშავებს ამ წარმოდგენას და განსაზღვრავს პიროვნების თვისებებს, შემდეგ ქმნის შაბლონს. სახის ზოგიერთი ნაწილი დროთა განმავლობაში თითქმის არ იცვლება, მაგალითად, თვალის კაკლის ზედა კონტურები, ლოყების მიმდებარე ადგილები და პირის კიდეები. ბიომეტრიული ტექნოლოგიებისთვის შემუშავებული ალგორითმების უმეტესობა ითვალისწინებს ადამიანის ვარცხნილობის შესაძლო ცვლილებებს, ვინაიდან ანალიზისთვის ისინი არ იყენებენ სახის ზონას თმის ხაზის ზემოთ. თითოეული მომხმარებლის გამოსახულების შაბლონი ინახება ბიომეტრიული სისტემის მონაცემთა ბაზაში.

საიდენტიფიკაციო მოდულიიღებს ადამიანის გამოსახულებას ვიდეოკამერიდან და გარდაქმნის მას იმავე ციფრულ ფორმატში, რომელშიც ინახება შაბლონი. მიღებული მონაცემები შედარებულია მონაცემთა ბაზაში შენახულ შაბლონთან, რათა დადგინდეს ემთხვევა თუ არა სურათები ერთმანეთს. გადამოწმებისთვის საჭირო მსგავსების ხარისხი არის ბარიერი, რომელიც შეიძლება დარეგულირდეს სხვადასხვა ტიპის პერსონალისთვის, კომპიუტერის სიმძლავრეზე, დღის დროზე და სხვა ფაქტორებზე.

იდენტიფიკაცია შეიძლება იყოს გადამოწმების, ავთენტიფიკაციის ან ამოცნობის სახით. გადამოწმება ადასტურებს მიღებული მონაცემებისა და მონაცემთა ბაზაში შენახული შაბლონის იდენტურობას. ავთენტიფიკაცია - ადასტურებს ვიდეოკამერიდან მიღებული სურათის შესაბამისობას მონაცემთა ბაზაში შენახულ ერთ-ერთ შაბლონთან. ამოცნობისას, თუ მიღებული მახასიათებლები და ერთ-ერთი შენახული შაბლონი ერთნაირია, მაშინ სისტემა ახდენს პირის იდენტიფიცირებას შესაბამის შაბლონთან.

ბიომეტრიული სისტემების, განსაკუთრებით სახის ამოცნობის სისტემების გამოყენებისას, თუნდაც სწორი ბიომეტრიული მახასიათებლების დანერგვით, ავთენტიფიკაციის გადაწყვეტილება ყოველთვის არ არის სწორი. ეს გამოწვეულია მთელი რიგი მახასიათებლებით და, პირველ რიგში, იმით, რომ ბევრი ბიომეტრიული მახასიათებელი შეიძლება შეიცვალოს. არსებობს სისტემური შეცდომის ალბათობის გარკვეული ხარისხი. უფრო მეტიც, სხვადასხვა ტექნოლოგიების გამოყენებისას, შეცდომა შეიძლება მნიშვნელოვნად განსხვავდებოდეს. ბიომეტრიული ტექნოლოგიების გამოყენებისას წვდომის კონტროლის სისტემებისთვის აუცილებელია განისაზღვროს, რა არის უფრო მნიშვნელოვანი, რომ არ გამოტოვოთ „უცხო“ ან გამოტოვოთ ყველა „მეგობარი“.

უსაფრთხოების სისტემებში ბიომეტრიული ტექნოლოგიების მომხმარებლებისთვის მნიშვნელოვანი ფაქტორია გამოყენების სიმარტივე. პირი, რომლის მახასიათებლებიც სკანირებულია, არ უნდა განიცადოს რაიმე უხერხულობა. ამ მხრივ, ყველაზე საინტერესო მეთოდი, რა თქმა უნდა, სახის ამოცნობის ტექნოლოგიაა. მართალია, ამ შემთხვევაში, სხვა პრობლემები წარმოიქმნება, პირველ რიგში, სისტემის სიზუსტესთან.

აშკარა უპირატესობების მიუხედავად, არსებობს მთელი რიგი უარყოფითი მიკერძოება ბიომეტრიის მიმართ, რაც ხშირად აჩენს კითხვებს იმის შესახებ, გამოყენებული იქნება თუ არა ბიომეტრია ხალხის თვალთვალის და მათი კონფიდენციალურობის დარღვევისთვის. სენსაციური პრეტენზიებისა და უსაფუძვლო აჟიოტაჟის გამო, ბიომეტრიული ტექნოლოგიების აღქმა მკვეთრად განსხვავდება რეალური მდგომარეობისგან.

და მაინც, ბიომეტრიული იდენტიფიკაციის მეთოდების გამოყენებამ განსაკუთრებული აქტუალობა მოიპოვა ბოლო წლებში. ეს პრობლემა განსაკუთრებით გამწვავდა აშშ-ში 11 სექტემბრის მოვლენების შემდეგ. მსოფლიო საზოგადოებამ გააცნობიერა ტერორიზმის მზარდი საფრთხის მასშტაბები მთელ მსოფლიოში და ტრადიციული მეთოდების გამოყენებით საიმედო დაცვის ორგანიზების სირთულე. სწორედ ეს ტრაგიკული მოვლენები გახდა ამოსავალი წერტილი გაზრდილი ყურადღება უსაფრთხოების თანამედროვე ინტეგრირებულ სისტემებზე. ცნობილი მოსაზრებაა, რომ აეროპორტებში კონტროლი რომ გამკაცრდეს, უბედურების თავიდან აცილება შეიძლებოდა. და დღესაც, უამრავ სხვა ინციდენტზე პასუხისმგებელი პირების ძებნა შეიძლება მნიშვნელოვნად გაადვილდეს თანამედროვე ვიდეოსათვალთვალო სისტემების გამოყენებით სახის ამოცნობის სისტემებთან ინტეგრაციაში.

ამჟამად სახეების ამოცნობის ოთხი ძირითადი მეთოდი არსებობს:

1. "საკუთრივ სახეები";
2. „განმასხვავებელი ნიშნების“ ანალიზი;
3. ანალიზი „ნერვულ ქსელებზე“ დაფუძნებული;
4. "სახის გამოსახულების ავტომატური დამუშავების" მეთოდი.

ყველა ეს მეთოდი განსხვავდება განხორციელების სირთულისა და გამოყენების მიზნით.

"Eigenface" შეიძლება ითარგმნოს როგორც "საკუთარი სახე". ეს ტექნოლოგია იყენებს ორგანზომილებიან ნაცრისფერ სურათებს, რომლებიც წარმოადგენს სახის გამოსახულების განმასხვავებელ მახასიათებლებს. „საკუთრივ სახე“ მეთოდი ხშირად გამოიყენება სახის ამოცნობის სხვა მეთოდების საფუძვლად.

100 - 120 "საკუთრივ სახე" მახასიათებლების კომბინაციით შესაძლებელია სახეების დიდი რაოდენობის აღდგენა. რეგისტრაციის დროს თითოეული კონკრეტული პირის „საკუთრივ სახე“ წარმოდგენილია კოეფიციენტების წყების სახით. ავთენტიფიკაციის რეჟიმისთვის, რომელშიც გამოსახულება გამოიყენება პირადობის გადამოწმებისთვის, ცოცხალი შაბლონი შედარებულია უკვე რეგისტრირებულ შაბლონთან, რათა განისაზღვროს სხვაობის ფაქტორი. ნიმუშებს შორის განსხვავების ხარისხი განსაზღვრავს იდენტიფიკაციის ფაქტს. "eigenface" ტექნოლოგია ოპტიმალურია კარგად განათებულ ოთახებში გამოყენებისას, როდესაც შესაძლებელია წინა სახის სკანირება.

"განმასხვავებელი" ანალიზის ტექნიკა არის ყველაზე ფართოდ გამოყენებული საიდენტიფიკაციო ტექნოლოგია. ეს ტექნოლოგია "Eigenface" ტექნიკის მსგავსია, მაგრამ უფრო ადაპტირებულია ადამიანის გარეგნობის ან სახის გამომეტყველების შეცვლაზე (მოღიმებული ან წარბშეკრული სახე). განმასხვავებელი ნიშნები იყენებს სახის სხვადასხვა უბნის ათობით განმასხვავებელ მახასიათებელს, მათი შედარებითი მდებარეობის გათვალისწინებით. ამ პარამეტრების ინდივიდუალური კომბინაცია განსაზღვრავს თითოეული კონკრეტული ადამიანის მახასიათებლებს. ადამიანის სახე უნიკალურია, მაგრამ საკმაოდ დინამიური, რადგან. ადამიანს შეუძლია გაიღიმოს, გაიზარდოს წვერი და ულვაში, გაიკეთოს სათვალე - ეს ყველაფერი ზრდის იდენტიფიკაციის პროცედურის სირთულეს. ასე, მაგალითად, გაღიმებისას ხდება პირის ღრუს მახლობლად მდებარე სახის ნაწილების გარკვეული გადაადგილება, რაც თავის მხრივ გამოიწვევს მიმდებარე ნაწილების მსგავს მოძრაობას. ასეთი ძვრების გათვალისწინებით შესაძლებელია პირის ცალსახად ამოცნობა სახის სხვადასხვა მიმიკური ცვლილებებით. ვინაიდან ეს ანალიზი ითვალისწინებს სახის ადგილობრივ უბნებს, ტოლერანტობა შეიძლება იყოს 25°-მდე ჰორიზონტალურ სიბრტყეში და დაახლოებით 15°-მდე ვერტიკალურ სიბრტყეში და მოითხოვს საკმარისად მძლავრ და ძვირადღირებულ აღჭურვილობას, რაც შესაბამისად ამცირებს ამ განაწილების ხარისხს. მეთოდი.

ნერვულ ქსელზე დაფუძნებულ მეთოდში, ორივე სახის დამახასიათებელი ნიშნები - რეგისტრირებული და დამოწმებული შედარება ხდება შესატყვისად. „ნერვული ქსელები“ ​​იყენებს ალგორითმს, რომელიც ემთხვევა შემოწმებული პირის სახის უნიკალურ პარამეტრებს და მონაცემთა ბაზაში მდებარე შაბლონის პარამეტრებს, პარამეტრების მაქსიმალური შესაძლო რაოდენობის გამოყენებისას. როგორც შედარება მიმდინარეობს, დგინდება შეუსაბამობები შემოწმებულ პირსა და მონაცემთა ბაზიდან შაბლონს შორის, შემდეგ ამოქმედდება მექანიზმი, რომელიც შესაბამისი წონის კოეფიციენტების გამოყენებით განსაზღვრავს შემოწმებული პირის შესაბამისობის ხარისხს მონაცემთა ბაზიდან შაბლონთან. ეს მეთოდი ზრდის სახის ამოცნობის ხარისხს რთულ პირობებში.

„სახის გამოსახულების ავტომატური დამუშავების“ მეთოდი უმარტივესი ტექნოლოგიაა, რომელიც იყენებს დისტანციებს და მანძილების თანაფარდობას სახის ადვილად განსაზღვრულ წერტილებს შორის, როგორიცაა თვალები, ცხვირის ბოლო, პირის კუთხეები. მიუხედავად იმისა, რომ ეს მეთოდი არ არის ისეთი ძლიერი, როგორც „საკუთრივ სახეები“ ან „ნეირონული ქსელი“, მისი გამოყენება საკმაოდ ეფექტურად შეიძლება დაბალი განათების პირობებში.

სახის ამოცნობის სისტემები ბაზარზე

დღემდე შემუშავებულია არაერთი კომერციული პროდუქტი, რომელიც განკუთვნილია სახის ამოცნობისთვის. ამ პროდუქტებში გამოყენებული ალგორითმები განსხვავებულია და ჯერ კიდევ რთულია იმის შეფასება, თუ რომელ ტექნოლოგიას აქვს უპირატესობა. ამ დროისთვის ლიდერები არიან შემდეგი სისტემები: Visionic, Viisage და Miros.

• Visionic-ის FaceI აპლიკაცია ეფუძნება როკფელერის უნივერსიტეტში შემუშავებულ ლოკალური მახასიათებლების ანალიზის ალგორითმს. ერთმა კომერციულმა კომპანიამ დიდ ბრიტანეთში გააერთიანა FaceIt სატელევიზიო დანაშაულებრივ სისტემაში სახელად Mandrake. ეს სისტემა კრიმინალებს ეძებს დახურულ ქსელში ჩართული 144 კამერის ვიდეო მონაცემების გამოყენებით. როდესაც ვინაობა დადგინდება, სისტემა აცნობებს უსაფრთხოების ოფიცერს. რუსეთში Visionic-ის წარმომადგენელია DanCom.
• ამ სფეროში კიდევ ერთი ლიდერი Viisage იყენებს მასაჩუსეტსის ტექნოლოგიის ინსტიტუტში შემუშავებულ ალგორითმს. ბიზნესები და მთავრობები აშშ-ს ბევრ შტატში და რამდენიმე სხვა ქვეყანაში იყენებენ Viisage სისტემას საიდენტიფიკაციო სერთიფიკატებთან ერთად, როგორიცაა მართვის მოწმობები.
• ZN Vision Technologies AG (გერმანია) გთავაზობთ უამრავ პროდუქტს ბაზარზე, რომლებიც იყენებენ სახის ამოცნობის ტექნოლოგიას. ეს სისტემები რუსეთის ბაზარზე წარმოდგენილია Soling-ის მიერ.
• Miros' TrueFace სახის ამოცნობის სისტემა იყენებს ნერვულ ქსელის ტექნოლოგიას და თავად სისტემა გამოიყენება Mr.Payroll Corporation-ის ფულადი სახსრების გაცემის კომპლექსში და დამონტაჟებულია კაზინოებსა და სხვა გასართობ დაწესებულებებში აშშ-ს ბევრ შტატში.

შეერთებულ შტატებში დამოუკიდებელმა ექსპერტებმა ჩაატარეს სახის ამოცნობის სხვადასხვა ტექნოლოგიების შედარებითი ტესტი. ტესტის შედეგები წარმოდგენილია ქვემოთ.

ბრინჯი. 1. სახის ამოცნობის ეფექტურობის შედარებითი ანალიზი სხვადასხვა სისტემაში

პრაქტიკაში, სტანდარტული ელექტრონული უსაფრთხოების სისტემების სახით სახის ამოცნობის სისტემების გამოყენებისას, ვარაუდობენ, რომ იდენტიფიცირებული პირი პირდაპირ კამერაში იყურება. ამრიგად, სისტემა მუშაობს შედარებით მარტივ ორგანზომილებიან გამოსახულებით, რაც მნიშვნელოვნად ამარტივებს ალგორითმებს და ამცირებს გამოთვლების ინტენსივობას. მაგრამ ამ შემთხვევაშიც კი, ამოცნობის ამოცანა ჯერ კიდევ არ არის ტრივიალური, რადგან ალგორითმებმა უნდა გაითვალისწინონ განათების დონის შეცვლის შესაძლებლობა, სახის გამონათქვამების შეცვლა, მაკიაჟის ან სათვალეების არსებობა ან არარსებობა.

სახის ამოცნობის სისტემის საიმედოობა დიდად არის დამოკიდებული რამდენიმე ფაქტორზე:

• Სურათის ხარისხი. სისტემის უპრობლემოდ მუშაობის ალბათობა შესამჩნევად მცირდება, თუ ადამიანი, რომლის ამოცნობას ვცდილობთ, პირდაპირ არ ჩაიხედოს კამერაში ან ცუდ განათებაში გადაიღეს.
• მონაცემთა ბაზაში შეტანილი ფოტოს შესაბამისობა.
• მონაცემთა ბაზის ზომა.

სახის ამოცნობის ტექნოლოგიები კარგად მუშაობს სტანდარტულ ვიდეოკამერებთან, რომლებიც გადასცემენ მონაცემებს და აკონტროლებენ პერსონალურ კომპიუტერს და საჭიროებენ გარჩევადობას 320x240 პიქსელი ინჩზე ვიდეოს სიხშირით მინიმუმ 3-დან 5 კადრ წამში. შედარებისთვის, ვიდეოკონფერენციისთვის მისაღები ხარისხისთვის საჭიროა ვიდეო ნაკადის სიჩქარე წამში 15 კადრი. უფრო მაღალი ვიდეო ბიტის სიხშირე უფრო მაღალი გარჩევადობით იწვევს უკეთეს იდენტიფიკაციის ხარისხს. შორ მანძილზე სახეების ამოცნობისას, არსებობს ძლიერი კავშირი ვიდეოკამერის ხარისხსა და იდენტიფიკაციის შედეგს შორის.

სტანდარტული პერსონალური კომპიუტერების გამოყენებისას მონაცემთა ბაზების მოცულობა არ აღემატება 10000 სურათს.

დასკვნა

დღეს შემოთავაზებული სახის ამოცნობის მეთოდები საინტერესოა და ახლოსაა ფართო დანერგვასთან, მაგრამ ჯერჯერობით შეუძლებელია, როგორც კინოში, კარის გასაღებად მხოლოდ სახის ამოცნობის ტექნოლოგიას ენდო. კარგია როგორც დაცვის თანამშრომლის ან სხვა წვდომის კონტროლის სისტემის ასისტენტი.

სწორედ ეს მეთოდი გამოიყენება ბევრ სიტუაციაში, როდესაც საჭიროა დარწმუნდეთ, რომ წარმოდგენილი დოკუმენტი ნამდვილად ეკუთვნის მას, ვინც ის წარმოადგინა. ეს ხდება, მაგალითად, საერთაშორისო აეროპორტში, როდესაც მესაზღვრე პასპორტის მფლობელის სახეზე ამოწმებს პასპორტზე გამოსახულ ფოტოს და წყვეტს მისი პასპორტია თუ არა. კომპიუტერთან წვდომის სისტემა მუშაობს მსგავსი ალგორითმის მიხედვით. ერთადერთი განსხვავება ისაა, რომ ფოტო შედარებულია მონაცემთა ბაზაში უკვე შენახულ შაბლონთან.

უკვე გამოჩნდა ტექნოლოგიები, რომლებიც დაფუძნებულია სახის ამოცნობაზე ინფრაწითელ შუქზე. ახალი ტექნოლოგია ეფუძნება იმ ფაქტს, რომ თერმული გამოსახულება, რომელიც შექმნილია სახის სისხლძარღვების სითბური გამოსხივებით ან სხვა სიტყვებით რომ ვთქვათ, ადამიანის სახის თერმოგრამაზე, უნიკალურია ყველასთვის და, შესაბამისად, შეიძლება გამოყენებულ იქნას როგორც ბიომეტრიული. დამახასიათებელია წვდომის კონტროლის სისტემებისთვის. ეს თერმოგრამა უფრო სტაბილური იდენტიფიკატორია, ვიდრე სახის გეომეტრია, რადგან ის თითქმის არ არის დამოკიდებული ადამიანის გარეგნობის ცვლილებებზე.