Все задают этот вопрос, а он некорректен, Основной принцип биометрии опровергает его, и вот почему… Не будет айтишных терминов, всё постараемся объяснить на пальцах, вернее на лицах.
Нас замучали вопросами, сравнениями и тестами качества нашей биометрической системы идентификации лиц. Академические методики непонятны населению, а практическое испытание упирается колом в человеческий фактор.
Мы сами что‑то покупаем и также часто страдаем от бесполезно потраченных денег, поэтому политика компании Спецлаб — не обижай клиента! Мы даем свои программы и устройства на бесплатный тест — пусть чел сам решает, подходит ли продукт его задаче.
Но без понимания Основного принципа биометрии никакие тесты не приведут к вменяемую результату. Поэтому эта статья для уровня знания тех, кто зачем‑то хочет поставить себе систему идентификации лиц. И будет реклама, поэтому приготовьтесь заткнуть уши; что делать, мы описываем именно свои технологии — других у нас нет.
Да, забыл представиться, не гордыни ради, а для оценки опыта в этом вопросе, компания Спецлаб одна из первых в нашей стране продемонстрировала систему распознавания лиц на выставке Софтул-1998, и было это понятно когда. Но меряться брендами и тем более их сравнивать между собой давно стало контрпродуктивно. Сейчас достаточно легко можно обзавестись самыми лучшими алгоритмами, взяв их у западных IT‑гигантов. Например, мы используем Face ID от GOOGLE, причем тот новый вариант, что даже еще не вышел на рынок, благодаря нашим бывшим программистам, которые бывшими не бывают.
Естественно, от Гугла там только математика ядра, а все то, что делает её продуктом, 90% написано нашими программистами. И это даже важнее, чем сам алгоритм идентификации. И вот почему… Все это бессмысленно, если не понимать антагонизмы Основного принципа биометрии.
Он строится на материале лиц в анфас и попытках определить его повороты в пространстве. Соответственно, пока мы видим человека в анфас, у нас все хорошо согласуется с базой. Повернутое наизнанку лицо тоже можно узнать за счет офигеть как умных ИИ‑алгоритмов, но с одной важной оговоркой — оно будет похоже на множество других лиц. И именно этот пункт вызывает раздражение клиентов.
Все думают, что лицо просто будет не похоже на себя, то бишь выдавать чужого человека. А с точки зрения релевантного сравнения, в базе вообще нет чужих лиц, сравнение всегда ищет того, кто больше похож.
В видеонаблюдении идентификация лиц представлена, прежде всего, двумя противоположными задачами: СКУД и Поиск злодея (фото из базы). Ключевое слово — противоположные, это и есть основной принцип биометрии.
В СКУД есть специально подготовленный рубеж, камера установлена так, чтобы видеть анфас, и люди знают, что, без того чтобы посмотреть в камеру, дверца не откроется. (Кстати, такие рубежи тоже надо уметь монтировать, особенно на входе с улицы, где часто приходится сталкиваться с негативным влиянием засветки.)
Здесь все просто, задаем максимальную достоверность, и лица определяются без сбоев. (Есть, конечно, нюансы — смотрите в ролике ниже.)
Но во всех других случаях человека не заставишь отложить телефон и смотреть вверх в камеру (видеонаблюдение обычно базируется намного выше уровня глаз), при этом не тереть глаза и не чесать нос.
Для поиска злодея в толпе выбираются флэксибэл (мягкие) настройки, при которых личность определяется в любых ракурсах и положениях головы.
Естественно, в таких случаях возможны ошибки, так как сильно искаженное лицо может быть похоже на нескольких человек из базы. Ну, просто потому что в базе лежит фотография в анфас, а при повороте это уже какой‑то аморфный скунс.
Чем меньше мы ставим точность идентификации, тем при большем отклонении от анфас нужного нам человека мы можем поймать. И тут надо выбрать такую величину, которая не мешает жить оператору, так как на сильных поворотах будут ложняки от ненужных людей.
В задаче поиска злодеев такое допускается, там главное — заменить рутину живого просмотра живых камер. И сразу по всем ста мониторам.
Думаю, вы получили ответ на свой вопрос: Насколько качественно работает система идентификации лиц? Все его задают, а он некорректен. В одних настройках ошибки исключены, но лицо смотрит строго анфас. В других они случаются, но позволяют найти злодея в любых положениях головы.
А теперь вопрос: как хакнуть этот базовый принцип идентификации лиц? Это именно теоретическая основа, а не какая‑то реализация одной из фирм. Нужно хакнуть саму теорию!
Часто стоит задача трекинга — хождения по предприятию. И желательно исключить ошибки базового принципа. Иначе они часто будут портить траекторию. Ну, не так уж, в траектории тоже есть свои допущения, что чел не может оказаться в далеком месте, если только что был у близкой камеры. Но всё же.
Наверное, уже кто‑то догадался. Если вам нужно отслеживать людей в любых условиях, а также отличать их от чужих, вам следует заносить лица не только анфас, но и во всех поворотах. Тогда ближайший к базе исковерканный скунс будет похож на того же самого человека из базы, в которой есть все виды поворотов его лица.
К нашему недоумению, все IT‑гиганты, что мы знаем, строго привязаны к тому, что лица заносятся в базу строго анфас. Нос должен быть строго по середине лица, и тогда алгоритмы поворота головы отлично обрабатывают метаморфы, естественно, до какого‑то предела. И даже улыбка не допускается.
Ну, видимо, задачи у них только такие. Поэтому при большом отклонении от анфас работает уже собственный спецлабовский алгоритм идентификации лиц, который, хоть и хорош, но не так адаптивен для слабых процессоров. Ну, мы не Гугл. Для примера, один видеоблейзер отрабатывает максимум 8 каналов потоков видеокамер. Хотя мощности, конечно же, с каждым годом растут.
Естественно, чужаков вы не заставите сдавать биометрию, поэтому их придется ловить по фотке с анфас. Но при этом мы уже исключаем всех своих — они не будут путаться.
Кому интересно, посмотрите видеоролик, там не только реклама, как кажется. Ценно что, это не синтезированные сюжеты, все используемые фрагменты видео — наши программы, наши устройства, наши объекты, которые мы реализовали за 30-летнию историю компании Спецлаб. Вряд ли вы у кого‑нибудь найдете подобный опыт. Поэтому я здесь ничего не теоретизирую, а даю практическое руководство по использованию систем распознавания и идентификации лиц.
В рыночном спросе есть еще третья задача — определение чужих. Она намного сложнее, так как любое лицо в какой‑то из поз не будет идентифицироваться, поэтому чужих среди своих будет много. Но она решаема, только с применением нескольких нейросетей. Об этом в другой статье.
Кроме алгоритма идентификации, в видеонаблюдении активно используется простой сермяжный алгоритм распознавания лиц, он тоже находит лица, только не персонализирует их. Не производит метрику, а значит, не может сравнивать с базой и определять имена. Для чего нужно такое простое распознавание?
Ну, во‑первых, чтобы лицо занести в метрическую базу, его надо сначала найти и выделить на кадре.
Во‑вторых, простое распознавание, порой, играет гораздо большую роль, нежели метрическая идентификация.
Очень часто видеонаблюдение ведется в темных местах, да еще и в черно‑белом режиме, где глубина пикселя уже не 16 миллионов, как в цветном, а всего 256 оттенков серого. Все это при плохих ракурсах лиц, сильно повернутых как по вертикали, так и по горизонтали, да еще и не в фокусе. Идентификатор лиц в таких условиях не определяет чьё‑то лицо, а вот человек сможет узнать своего друга или родственника даже со спины. Более того, человеческий интеллект легко справляется с опознаванием художественных изображений типа контура. Что пока недоступно для ИИ.
Очень часто нужно отфильтровать лиц, которые заходили на объект за прошедшую неделю. Обычно для этого требуется просмотреть 24ч х 7дн х 16 камер = 2688 часов видеозаписи, а с детектором лиц всего несколько минут. Он сокращает просмотр до одиночных кадров с лицами, более того, убирает повторяющиеся лица, еще более того, убирает сами кадры во всей их широте — выводит только лица.
Но на больших объектах, когда информации с камер очень много, идентификация лиц — единственный способ анализа персон. Как бы ни был хитер злоумышленник, все равно есть вероятность, где‑нибудь засветит своё лицо. Без СИЛ вероятность его поиска стремится к нулю.
P. S.:
Для тех, кто считает статью рекламой — да, это реклама, предупреждали же в начале. Хотите поговорить об этом?
Для тех, кто считает эту тему безнравственной — Любой нож можно использовать как для убийства, так и для приготовления ужина, мы делаем технологии. При всем желании прогресс не остановить, скоро идентификация лиц будет даже у холодильников.
Для тех, для кого второй пункт неубедителен — можем обрадовать. В силу своей профессиональной осведомленности успокоим, государственные структуры применяют эти технологии так же качественно, как и все остальные свои технологии. Можете привести хотя бы один доказательный случай поиска человека по лицу? СМИ в расчет не берем, там даже по фотороботу компьютер ищет. Сие невозможно даже теоретически. Естественно, мы говорим про «дикое» видеонаблюдение, а не о специально смонтированных рубежей считывания лиц — но это вопрос миллионов рублей, а не одной камеры. Кстати, можем затронуть и его.
Тему идентификации лиц продолжать?
Олег Гришанин = Спецлаб =
