Как настроить распознавание лиц на видеорегистраторе
Опубликовано: 18.05.2024
В статье рассмотрены различные способы реализации функции распознавания лиц, их достоинства и недостатки, принципы построения системы, а также применение в области обеспечения безопасности.
Видеоаналитика в системах видеонаблюдения не стоит на месте. Таким функционалом, как выход из периметра, пропажа предмета из области, детекция пешеходов и прочее, уже никого не удивить.
На смену приходят все более сложные интеллектуальные сценарии и функции, одна из которых - распознавание лиц в системах видеонаблюдения. Эта технология не нова в данной сфере, но уверенно захватывать рынок начала относительно недавно, так как стала более доступной.
Распознавание лиц – это один из самых прогрессивных и перспективных способов идентификации человека, позволяющий распознать лицо на большом расстоянии и при наличии большого количества людей в зоне видимости. Такая система позволяет решить большое количество задач, связанных с обеспечением безопасности, таких как:
- - Поиск в местах скопления людей, объявленных в розыск
- - Поиск по записи определенного участника инцидента или пропавшего человека
- - Организация контроля доступа, когда система оповещает о появлении в запрещенной зоне не внесенного в базу сотрудника
- - и другие варианты использования
На сегодняшний день существует два основных способа осуществления видеоналитики:
1. С помощью специального программного обеспечения (рис.1), устанавливаемого на принимающее устройство (Сервер, ПК)
При таком способе построения системы, вся аналитика осуществляется специальным программным обеспечением (ПО), установленным на сервер или персональном компьютере (ПК). Установленное оборудование видеонаблюдения лишь формирует видеопоток и никак не участвует в последующем его анализе. Такие системы сейчас наиболее распространены и имеют свои преимущества и недостатки:
Преимущества:
- - Широкий функционал системы
- - Высокая отказоустойчивость
- - Совместимость с практически любым оборудованием видеонаблюдения различных производителей
- - Необходимость покупать дорогостоящие лицензии на каждый канал видео
- - Сложность установки и настройки ПО, а также последующего обслуживания
- - Высокие требования к техническим характеристикам оборудования, на которое установлено ПО
- - Высокая цена
2. Аналитика, встроенная в оборудования видеонаблюдения. Такая система является автономной и не требует подключения к серверу или компьютеру, так как все необходимое ПО уже установлено «на борту». Оборудование со встроенной аналитикой, на сегодняшний день, мало распространено в бюджетном секторе из-за новизны решения, однако быстро развивается за счет своих главных преимуществ:
- - Простота установки и настройки
- - Отсутствие необходимости покупки дорогостоящих лицензий
- - Компактность системы
- - Не требует разворачивания серверов
- - Возможность выгрузки баз для интеграции в другие системы
К недостаткам таких систем можно отнести:
- - Ограниченный функционал в количестве разных видов аналитики
- - Сложность интеграции в уже существующую систему видеонаблюдения
- - Ограниченное количество видеоканалов в одной системе
При этом в системах со встроенной аналитикой выделяют 2 основных вида:
- с аналитикой на стороне видеорегистратора (рис.3), когда камера передает только видеопоток, а всю аналитику производит регистратор. Такая система отличается быстродействием и масштабируемостью в отличии от варианта с аналитикой на стороне камеры
Рассмотрим реализацию системы распознавания лиц на базе оборудования NOVICAM, имеющего встроенную аналитику.
Алгоритм работы системы прост: камера с предустановленной функцией детекции лица на основании модели глубокого обучения (Multi-task Cascaded Convolutional Networks), выделяет попавшие в кадр лица и отправляет их на видеорегистратор, который и производит анализ полученных картинок. Анализ и сравнение лиц, которые производит видеорегистратор, реализован на программном языке Python (технология arcface) и осуществляется на основании опорных точек (Рис. 4) человеческого лица, создавая уникальную математическую модель. Этот математический код расположения опорных точек и сравнивает видеорегистратор с имеющейся у него базой и, в зависимости от сделанных настроек, совершает то или иное действие .
Для корректного анализа и распознавания лиц, требуется соблюсти несколько правил:
1. Правильный выбор видеокамеры. Для лучшей работы системы распознавания лица, камера должна иметь следующие характеристики
- Количество кадров в секунду не менее 20.
- Наличие технологии WDR
- Установка выдержки в ручном режиме
2 Правильная установка видеокамеры (Рис.5). Камера не сможет произвести распознавания лица, если направлена, например, сверху и вниз и обозревает только головной убор человека. Поэтому существую правила относительно углов, под которыми камера должна быть установлена
3 Соблюдение необходимой плотности пикселей. Для корректного распознавания, лицо на изображении должно быть не менее определённого размера. В противном случае камера не сможет определить опорные точки и произвести анализ. Поэтому при настройке системы необходимо придерживаться требуемой плотности пикселей (количество пикселей на метр). Требуемая плотность зависит от того, какой результат необходимо получить (Таблица 1)
Таким образом, правильно подобранная и установленная система будет работать с высокой точностью и сможет значительно помочь с обеспечением безопасности на любом объекте, выполняя работу, не доступную человеку.
Как мы понимаем, человек не может, например, рассмотреть в толпе сразу десятки, а то и сотни лиц и быстро сравнить их с имеющимися у него тысячами ориентировок.
Системы распознавания лиц, как и интеллектуальные системы видеонаблюдения в целом, непрерывно развиваются и, вместе с этим, становятся все более доступными. Уже сейчас камеры с распознаванием лиц по цене приблизились к стандартным камерам среднего ценового сегмента. Поэтому уже сейчас любой пост охраны, аэропорт, вокзал или другое особо охраняемое место можно оснастить высокофункциональным оборудованием, практически не потратив лишних средств из бюджета.
Основные настройки модуля расположены на вкладке Модули -> Распознавание лиц . В случае необходимости, они могут быть настроены индивидуально для каждой камеры.
Глобальные настройки
Одновременно, модуль может обрабатывать изображения со всех подключенных к нему камер. Максимальное количество одновременно включенных детекторов определяется лицензией и отображается в блоке Доступные лицензии в поле детекторы .
Во время работы модуль использует две базы:
- Временную базу лиц для хранения всех распознанных лиц. Ее размер определяется в настройке Глубина хранения .
- Базу лиц содержащую информацию о персоне и его антропометрические данные, которые используются для сравнения с лицом, обнаруженным на видео. Максимальный размер этой базы определяется лицензией и отображается в поле Размер базы данных лиц .
Максимальное количество потоков - количество "очередей", в которых производится обнаружение лиц. В каждом полученном кадре он пытается обнаружить лицо и, увеличив число потоков, вы увеличите скорость обнаружения. Максимальное значение потоков ограничено количеством ядер процессора на сервере.
Важно
Будьте внимательны, увеличение числа потоков приведет к увеличению нагрузки на сервер.
Модуль может искать лица во всех кадрах. Однако, не на всех кадрах лицо человека отображается в хорошем качестве. Чтобы исключить ложные срабатывания модуля, измените следующие настройки:
Флаг Режим для Системы Контроля и Управления Доступом включает режим работы детектора в качестве СКУД. Нажмите на кнопку Задать настройки по умолчанию чтобы задать оптимальные настройки детектора для работы со СКУД.
Порог качества исключает лица с плохим качеством: смазанные, частично скрытые и др.
Порог уверенности - граница, определяющая степень соответствия обнаруженного лица и персоны в базе данных лиц.
Минимальный размер лица и Максимальный размер лица определяют диапазон размеров лиц, с которыми работает модуль.
Период детектирования - интервал между кадрами, которые будут использоваться для обнаружения лиц, чем он меньше, тем чаще производится поиск лиц на видео.
Алгоритм детекции - внутренний набор правил, при помощи которых производится обнаружение лиц на видео.
Алгоритм распознавания - еще один набор правил, при помощи которых производится распознавание лиц среди обнаруженных. Алгоритм выбирается в зависимости от требуемого качества распознавания, и ресурсов сервера, который будет анализировать видео:
АЛГ1 - среднее качество распознавания при небольшом использовании ресурсов;
АЛГ2 - высокое качество распознавания при среднем использовании ресурсов;
АЛГ3 - наивысшее качество распознавания при большом использовании ресурсов.
Порог живости - граница, определяющая степень живости лица или на сколько обнаруженное лицо похоже на фотографию.
Алгоритм эмоций - набор правил, позволяющий среди всех обнаруженных лиц отображать людей только со счастливым выражением лица.
Во время движения, человек может поворачивать голову или лицо может скрываться за естественными препятствиями. Очередное появление лица в кадре будет восприниматься модулем как новое. Установите флаг Объединять короткие треки и модуль будет объединять эти движения в одно, в зависимости от следующих параметров:
Время жизни трека - это время, в течении которого модуль хранит, лицо одного человека, обнаруженные в разных кадрах. Например, время жизни трека - 5 сек, модуль обнаружил лицо и человек отвернулся от камеры. Если он повернется через 4 секунды, то информация о лице дополнит существующую запись. А если через 6 секунд, то создаст новую.
Порог похожести - граница, определяющая степень похожести обнаруженного лица человека и сохраненного ранее. Если лицо похоже, то информация о нем дополнит текущую запись в базе данных. Если нет, то создает новую.
База данных лиц
База данных лиц может хранится как локально, так и на любом сервере TRASSIR, с соответствующей лицензией. Для того, чтобы подключиться к базе данных настройте соединение с сервером и укажите его в настройке Расположение . Для перехода в базу данных лиц нажмите на ссылку посмотреть содержимое .
Важно
TRASSIR, для распознавания, использует локальный кэш базы данных лиц. Поэтому, при потерях связи с сервером, на котором расположена БД лиц, распознавание будет продолжено. Локальный кэш базы данных лиц будет обновлен сразу после восстановления связи.
Управления каналами
В нижней части окна, отображается список каналов, на которых включен модуль Трекер/Распознаватель лиц . Нажав на ссылку вы перейдете к настройкам модуля на выбранном канале. Установив соответствующий флаг напротив канала вы включите:
Определять возраст и Определять пол - отображение в интерфейсе оператора пола и возраста человека, определенных по антропометрическим характеристикам его лица.
Атрибуты - поиск лиц по определённым атрибутам внешности.
Живость - функция, позволяющая отличить человека в кадре от фото или изображения.
Аналитика - передачу данных о распознанном лице скрипту "Аналитика".
Распознавать - функцию распознавание лиц по базе данных лиц
Подсказка
Подробное описание интерфейса оператора смотрите в разделе Распознавание лиц Руководства оператора.
Настройка функции распознавания лиц на сетевых видеорегистраторах Dahua?
Интеллектуальный поисковый инструмент распознавания лиц людей встроен в сетевые видеорегистраторы Dahua. Причем, распознавание лиц используется вместе с функцией обнаружения лиц для сравнения сходства их с базой данных людей.
Для настройки распознавания лиц в видеорегистраторах Dahua войдите в меню AI через главное меню вашего сетевого видеорегистратора. Это раздел, в котором вы управляете и просматриваете настройки искусственного интеллекта.
При использовании камеры без искусственного интеллекта интеллектуальный план может быть недоступен для конкретного канала. Таким образом, и камера, и сетевой видеорегистратор должны поддерживать функции AI.
Нажмите на опцию «База данных» в меню AI и нажмите «Добавить», чтобы начать регистрацию изображений в библиотеке лиц. Вам необходимо создать библиотеку лиц людей, чтобы эта функция работала правильно. Система должна сравнить захваченное лицо с этой базой данных.
После этого введите имя вашей библиотеки лиц и нажмите кнопку Сохранить. Теперь библиотека будет сохранена в базе данных. Щелкните раздел «Подробности», чтобы начать добавлять изображения в библиотеку лиц.
Вы можете добавить одно изображение, нажав « Зарегистрировать идентификатор». Если у вас есть несколько изображений для добавления, нажмите « Пакетный регистр».
Следуйте инструкциям на экране, чтобы добавить изображения в библиотеку. После того, как изображения были успешно внесены в базу данных, выйдите из интерфейса (щелкните левой кнопкой мыши для выхода).
После этого вернитесь в меню «Распознавание лиц» в разделе « Параметры» и выберите параметр «Настройка» в поле « База данных целевых лиц» . Выберите только что созданную библиотеку лиц и нажмите «Сохранить», чтобы связать библиотеку зарегистрированных изображений с интерфейсом.
Чтобы просмотреть данные распознавания лиц в видеорегистраторах Dahua, нужно зайти в раздел распознавания лиц, расположенный в меню интеллектуального поиска. Здесь возможен поиск по атрибутам или поиск по изображению.
При поиске по атрибутам будут загружены все данные распознавания лиц, найденные в системе, тогда как поиск по изображению будет фильтровать и отображать только лица, выбранные пользователем.
Чтобы просмотреть определенные данные распознавания лиц по изображению, щелкните вкладку «Поиск по изображению» в интерфейсе распознавания лиц.
Если доступные для поиска изображения уже загружены в библиотеку лиц, нажмите «Библиотека лиц» и выберите изображение в интерфейсе, затем нажмите «Сохранить», чтобы начать поиск. Если вы хотите добавить изображения локально, нажмите «Локальная загрузка» и следуйте инструкциям на экране для загрузки изображений.
Также можно использовать USB-накопитель с соответствующими изображениями (в формате jpeg) для загрузки изображений в NVR. После загрузки изображений введите время начала и окончания события и нажмите «Умный поиск».
Система отобразит все данные распознавания лиц на основе выбранного изображения. Все данные распознавания лиц могут быть скопированы локально на USB-накопитель.
Данное руководство предназначено для Dahua и их OEM-производителей сетевых видеорегистраторов, продаваемых под следующими брендами: Activecam, Advidia, Amcrest, Ameta, Ascendent, Backstreet Surveillance, BV Security, CCTV Security Pros, CCTV Star, CP Plus (Orange Line), Dax Networks, eLine, ENS (ранее Eastern CCTV и SavvyTech), Expose, Lorex, GSS, Honeywell, IC Realtime, Ikegami, Impath Networks, Inaxsys, IndigoVision, Infinity CCTV, Innekt, Intelbras, KBVision, Lumixen, Maxron, Montavue, Oco, Optiview, Rhodium, RVI, Saxco, Security Camera King (Elite), Space Technology, Speco, ToughDog, Tyco Holis, Tyco Illustra Essentials, Unisight, VIP Vision, Watchnet, Winic, Zuum.
Ну а мы напоминаем, что наша компания «Запишем всё» с 2010 года занимается проектированием, монтажом, обслуживанием и ремонтом систем видеонаблюдения и видеодомофонов в Москве и Подмосковье.
Мы работаем быстро, качественно и по доступным ценам. Перечень услуг и цены на их вы можете посмотреть здесь.
Звоните +7 (499) 390-28-45 с 8-00 до 22-00 в любой день недели, в том числе и в выходные. Мы будем рады Вам помочь!
Первоначально желательно ознакомиться с имеющимся практическим опытом по сделанным тестам по для распознавания человеческих лиц. Важно уяснить, какие задачи можно решить при помощи использования техники распознавания лиц, а когда в этом нет никакой практической необходимости и пользы. Далее нужно разобраться с надежностью работы системы по распознаванию лиц, а также принять во внимание полезные рекомендации тем, кто проектирует и создает системы такого типа.
Стандартные задачи, решаемые при распознавании лиц
На основании практического опыта можно сделать вывод, что все объекты различны, чем и обусловлены выполняемые в процессе распознавания задачи.
Однако можно выделить типичные черты:
Рассмотрение каждой задачи
Осуществление контроля доступа с использованием распознавания лиц
При эмпирических исследованиях узнавание является стопроцентным. Поэтому технология практична и полезна.
Стоит отметить, что на больших предприятиях, с численностью в сотни и тысячи сотрудников, возможно возникновение ошибки. Поэтому ежедневно её вероятность возникновения следует рассчитывать.
Поскольку используется система распознавания 2D, то её можно обмануть при помощи фотографии. Поэтому желательно совмещать её с другими способами идентификации личности. К ним можно отнести, например, верификацию с помощью прикладывания карты.
Такой зоной считается территория, где человек пребывает в единственном числе и имеются хорошие условия для его распознавания. Важно место размещения камеры и надлежащее освещение. Это может быть место турникета, проходной, шлюза и т.д.
В этом случае в базу загружают фотографии лиц, которые будут распознаваться. Фото должно быть надлежащего качества. Лучший результат будет в том случае, если проходящий человек посмотрит в камеру. Однако систему легко обмануть, например, надев парик или используя грим. Таким образом, система работает и подходит в том случае, если человек не планирует прятаться умышленно.
Обнаружение личности в группе людей
Услуга является очень востребованной у заказчика. Насколько же это реально?
Чтобы система идеально сработала, требуется правильное освещение. Но его трудно организовать в яркий солнечный день или при свете фонарей вечером. Препятствием станет также маскировка самого человека и качество фотографии, размещенной в базе системы. Таким образом, поиск личности в толпе способом 2D пока что не реален.
Обнаружение незнакомых лиц
Маркетинговое изучение
Результаты распознавания довольно часто используется в сфере маркетинга. Важны данные о числе посетителей, тепловых картах и т.д Изучаются места большого скопления людей, такие как магазины, кинотеатры. В исследованиях нуждаются крупные компании для определения собственной маркетинговой политики и восполнения потребностей посетителей, увеличение объемов продаж. В этом случае, задача именно маркетинговая, направленная на получение прибыли, не связанная с безопасностью.
На основании проведенных исследований можно сделать вывод о том, что данные получаются адекватные, хотя их точность имеет определенную погрешность.
Насколько надежная система распознавания людей
Распознавание лиц относится к биометрической системе, в основе которой лежит математическая статистика и вероятности.
Варианты ошибок (FAR и FRR)
Информация о возможных ошибках предоставляется разработчиками программного продукта. Но проводить сравнительный анализ между алгоритмами в этом ракурсе некорректно. Суть в том, что каждый разработчик для определения ошибок имеет собственную эталонную базу с изображениями.
Результатом деятельности системы станет информация о процентном соответствии распознаваемых лиц по отношению к изображению, находящемуся в базе. Пользователь сам устанавливает порог идентификации и положительного или отрицательного результата распознавания.
Это касается возможности пропуска злоумышленника, которого система распознала как своего и впустила.
Вся информация предоставляется каждым производителем продукта в форме таблиц или графиков.
Возможность ошибки при пропуске лиц через проходную
Такой показатель считается позитивным. Возможность остановки своего сотрудника равняется 7 процентам. При шестистах распознаваниях необходимость подтвердить свою личность возникнуть у 43-х людей. Принимать окончательное решение об установке системы должен заказчик, имея оценочную информацию.
Возможность найти человека в толпе
Для примера можно взять вокзал, с проходной способностью 100000 человек ежедневно. При этом имеется база, в которой 100 разыскиваемых людей, возможно, преступников. Вероятность ошибки равна 3%, так что каждый 33-й человек не будет обнаружен системой, особенно в случае использования им маскировки (парик).
Возможность срабатывания ложной тревоги составляет 0,1%. Так как в базу внесено 100 лиц, то вероятность ошибки увеличивается на 10%. Таким образом, система отреагирует на каждого 10 человека, что составит в нашем случае 10000 невиновных людей для проверки документов дополнительно.
Таким образом, вряд ли рационально устанавливать систему на вокзале.
Требования к установке камеры и ее характеристикам
Характеристики объектов и преследуемые цели могут быть абсолютно различные у каждого заказчика системы. Поэтому пару возможных потенциальных ошибок, рассмотренных выше, нужно подбирать индивидуально, с учётом преследуемых целей. Принимать окончательное решение должен заказчик на основании представленных приблизительных данных.
Проект монтажа системы
Прежде всего, необходимо поместить в базу фотографию человека хорошего качества. Важно также, чтобы картинка, сделанная видеокамерой, была высокого качества, но не обязательно с высоким расширением. При установке камеры необходимо соблюдать условия по отклонению для каждой точки распознаваемого пространства. Камера должна иметь надлежащую светочувствительность.
Важно также, чтобы задний фон отличался нейтральностью и был однородным.
Подведение итогов
Таким образом, использование системы распознавания лиц может быть достаточно результативным только в случаях создания идеальных условий. Однако даже в таком варианте необходимо учитывать погрешности и перспективы возникновения ошибок. Установка системы принесет положительные адекватные результаты только в некоторых определенных случаях для решения поставленных задач. Заказчик должен изначально учитывать статистику отказов вследствие ошибок системы.
Важный момент
Пользователь может получить бесплатные услуги при проведении консалтинговых работ по проектированию, включая систему распознавания человеческих лиц. Также предоставляется аудит спецификации проекта, который исключит риски совершения ошибок.
Портфолио
Свежие записи
Рубрики
Всё для для Вашей выгоды
Полезные статьи
+7 (499) 390-48-38 (Москва и Московская область)
+7 (917) 554-88-96 - WhatsApp/Viber (Бесплатный звонок из всех городов России)
Пн-Пт: с 9:00 до 19:00
Сб-Вс: с 10:00 до 18:00
140408, Московская область, г. Коломна, улица Октябрьской Революции 291 B, этаж 2
Существует довольно много методов биометрического распознавания личности человека. Методов много: от идентификации по отпечатку пальца до сканирования радужной оболочки глаза. Так же давно известна методика распознавания человека по профилю лица. Еще в шестидесятые годы прошлого века появились первые компьютерные наработки в этой области. Но так как в то время компьютерные системы были огромного размера и занимали большие площади, то какого-то практического назначения они не получили. Все изменилось с приходом компьютеров большой мощности и нередко с кластерным распределением задач по вычислению, а так же с практическим применением программ искусственного интеллекта.
Мнения о удаленной идентификации слишком разнятся. Кто-то боится вторжения в личную жизнь и мошенничества, кто-то, наоборот, в восторге от возможности выявления опасных преступников в массе народа. Все это потребует переработки законодательства и постоянных поправок. Но плюсы и минусы оставим и поговорим о самых передовых технологиях и алгоритмах распознавания и непосредственно о реализации таких решений. Упор будет на современные технологии, и немного посмотрим на готовые решения в этой сфере.
Техническая реализация систем распознавания лиц
Существует три основных способа построений комплексов распознавания человека по лицу.
Непосредственный локальный контроль и обработка данных с видеокамеры на персональном компьютере. Такие системы используются на пропускных пунктах и терминалах, предназначение которых контроль потока граждан. Например, такие простые комплексы используются на проходных предприятия вместо пропускной системы. Это довольно удобно, так как данные непосредственно попадают в табель учета рабочего времени. Такая реализация локальная и не преследует иных целей кроме местного контроля.
Удаленная обработка данных передаваемых с IP- видеокамер. Реализация предусматривает обработку видео потока на сервере, где установлено соответствующее программное обеспечение.
Обработка информации непосредственно в видеокамерах. Обработанные метаданные передаются уже практически в чистом виде на сервер. Обычно связка камера – сервер имеют программное обеспечение, специально разработанное для конкретных камер со встроенными функциями распознавания (клиент – сервер). Недостатком этого способа является достаточно высокая цена на такие видеокамеры. Но есть возможность экономии на сервере взаимодействия, так как часть работы по идентификации выполняет встроенное в камеру обеспечение, оно обычно является гибридом аппаратно-программной реализации.
Практика реализации распознавания лиц
2D – распознавание лиц
Сегодня наибольшее распространение получило программное обеспечение, основанное на двумерном анализе изображения. Большинство выпускаемой продукции в мире поддерживают именно 2D технологию. При определенном программном обеспечении 2D изображения преобразуются в 3D, и обрабатываются уже методами, предусмотренными для трехмерных изображений. Но все по порядку.
Распространению 2D распознавания способствует наличие в мире огромных баз уже наработанных и поддерживающих определенную структуру, которая хорошо задокументирована и практически готова к применению. Так же базы постоянно обновляются и совершенствуются алгоритмы выборки из них. Существуют общедоступные и коммерческие реализации баз изображений лиц.
3D – распознавание лиц
Такое распознавание содержит более низкий процент ошибок, но реализация его многократно сложнее. 3D – маски для анализа получить довольно сложно. Для успешного сканирования лица необходимо оборудование с точками наблюдения из разных ракурсов и позиций. То есть за высоким процентом точности распознавания в 3D кроется дороговизна оборудования. Так как говорилось выше проще всего 2D – изображения преобразовывать в 3D с помощью соответствующего программного обеспечения.
Распознавание лица человека по текстуре кожи
Сегодня матрицы видеокамер совершенствуются и изображения высокой четкости уже пригодны для анализа в таком разрешении, что анализ возможен по порам кожи и структуре эпидермиса. А так же различных индивидуальных особенностей человека, например цвета волосков на коже их длины и толщины. Еще одно направление включает в себя изменение поверхности кожных покровов, например морщин и складок вокруг глаз. По анализу эпидермиса на фото большой четкости хорошо реализуется распознавание лиц близнецов, что не дает четкого определения при использовании только 2D и 3D технологий. Хотя самый лучший результат приносит техника, использующая эти способы вместе.
Распознавание лиц по тепловому излучению
Довольно перспективная технология, но сейчас есть только опытные образцы реализации. Если коротко, то определенные участки оголенного тела (лицо) довольно четко отдают тепло внешней среде, связано это с расположением кровеносных сосудов к поверхности кожи. И разные участки с разным тепловым излучением легко сопоставить друг другу, это будет являться качеством идентификации. При таком анализе достаточно не эффективно скрытие методами изменения внешности (изменение прически, накладные элементы, макияж, очки и аксессуары). Но как говорилась, технология в промышленных масштабах еще не реализована.
В программном обеспечении приняты несколько важных измерений или метрик. Параметр FRR – уровень ошибочных отказов. Это обозначает, что программное обеспечение не смогло определить подлинность зарегистрированного в системе человека. То есть в базе есть данные, но по каким-то причинам сравнение не прошло. Параметр в расшифровке звучит как False Reject Rate.
Следующий важный показатель FAR – уровень ошибочных подтверждений. То есть из описания ясно, что определенная личность человека не занесена в базу данных, а система по какой-то причине выдает подтверждения в существовании записи. Расшифровывается параметр как False Acceptance Rate.
Эти параметры не единственные в базовом принципе идентификации и служат начальными вводными и могут значительно обостряться или притупляться в зависимости от настроек программы распознавания. Метрики эти противоположны друг другу, например, при уменьшении одного параметра увеличивается другой и наоборот.
- megvii-000 (Китай);
- visionlabs-003 (Россия);
- morpho-002(Франция);
- ntechlab-003 (Россия);
- cogent-000 (США).
Производители программного обеспечения и модулей распознавания лиц
Здесь рассмотрим производителей, которые добились значительных результатов в данном сегменте рынка, и их оборудование действительно завоевало признание у потребителя. Начнем с Российских игроков, названия это ссылки на их представительства в сети интернет:
-
– Россия, Разработчик ПО «SecurOS® Face» – Россия ведущий разработчик по многим показателям;
- ITV – Россия, Программа «Интеллект»; – Россия, Программное обеспечение «Macroscop Basic».
Каждая компания предлагает собственное программное обеспечение и СКУД. С условиями использования можно ознакомиться на их сайтах.
Для систем распознавания лиц необходимы базы данных. Они, конечно, существуют как в государственном сегменте, так и в коммерческом. Отсутствие централизованных баз, тормозит общую тенденцию развития комплексов идентификации.
Государственные базы данных:
Государственная монополия позволяет законно собирать данные на своих граждан. Это паспортные столы, регистрационные данные водительских прав и прочего всегда содержат фотографии. Так же обязательна фото-фиксация законодательно принята для въезда и выезда граждан из страны. Доступ к государственным базам, как правило, платный, но так как существуют утечки из любых даже закрытых госструктур воспользоваться ими нет особых проблем. Тут появляется другая сложность – это невозможность легальной работы софта и оборудования на территории страны, где была украдена база. Элементарно при регистрации будет отказано в сертификации.
Коммерческие базы данных:
Такие базы наиболее доступны в плане использования, но зачастую требуют специальной обработки. Так как в них не всегда сведения достоверны. Например, крупнейшая социальная сеть «В контакте» располагает огромной базой. Но процент достоверности связки аккаунт и фото аккаунта намного ниже, чем в базах государства.
Для использования любых баз данных необходимо понимать, что идеальных баз не существует и для наилучшего распознавания необходимы следующие показатели:
- Количество пикселей на фото;
- Контраст и прорисовка деталей лица;
- Фон, на котором находится основная часть лица;
- Освещение;
- Отсутствие мешающих деталей на области лица и т. д.
Системы контроля доступа
Самый наименьший процент отказов именно в СКУД. Например, устройства для контроля и учета рабочего времени и доступа устанавливаются таким способом, чтобы обеспечить наиболее оптимальный режим распознавания. Сюда входит нужное освещение, положение проверяемого, фон и другие условия для получения наилучшего результата. Не маловажным фактором является выполнение всех требований самим проверяемым, так как в его интересах беспрепятственно пройти вахту или КПП.
Системы распознавания лиц в городе и транспорте
Основные назначения систем опознавания
- Поиск пропавших людей;
- Поиск преступников находящихся в розыске;
- Извлечение демографической информации людей для лучшего обслуживания;
- Измерение удовлетворенности людей от их лиц;
- Подсчет количества пассажиров, использующих общественный транспорт.
В этой области применения есть свои достоинства и недостатки. Например, приходится вносить изменения, в рабочие программы, учитывая поправки на время суток, погодные условия, а в движимом транспорте учитывать неравномерность движения и вибрации. Плюсом является так называемый фактор внезапности. Это то, что предполагаемый преступник не будет носить в повседневной жизни, какой либо маскировки. Так же плюсом является и большое количество камер установленных в мегаполисах.
По статистике в Париже средний прохожий попадает в объектив камер не менее трехсот раз за день. Соединенные камеры в одну инфраструктуру могут довольно точно отслеживать человека по маршруту его ежедневного перемещения. Так же при обработке по определенному алгоритму имеется возможность прогнозирования будущих передвижений человека по городу.
Отраслей и предприятий, где используются системы распознавания лиц с каждым годом становится всё больше. Ниже представлен процентный график и прогноз использования систем распознавания.
Если у Вас стоит задача установки системы видеонаблюдения с функцией распознавания лиц, то наша компания с удовольствием будет рада предоставить наши услуги.
Читайте также: