Системы распознавания лиц сегодня окружают каждого из нас: с их помощью находят преступников, бесконтактно оплачивают покупки в супермаркетах и проходят через турникеты в метро. И речь не только о глобальном видеонаблюдении, но и о хорошо знакомом Face ID в смартфоне. Однако, несмотря на схожесть задач, принципы работы и методология у этих решений разные. Давайте разбираться.
Face ID: как это работает?
Функция распознавания лица в смартфоне – это способ идентификации и подтверждения личности. Алгоритм Face ID сопоставляет лицо, находящееся перед ним, с сохраненным ранее шаблоном и отвечает на запрос является ли данный пользователь владельцем аппарата.
Face ID применяется для разблокировки гаджета, входа в приложения и совершения покупок или денежных переводов. Система не предназначена для идентификации большого количества людей и, что важно, биометрические данные не отправляются в облако, а остаются на устройстве пользователя. Практически это означает следующее: когда FaceID применяется для подтверждения транзакции, например, в банковском мобильном приложении, банк не может быть абсолютно уверен, что операцию проводит непосредственно его Клиент, а не другой человек, имеющий доступ к телефону.
Как смартфон узнает, что Я это Я?! Детали технологии немного различаются в зависимости от моделей устройств, но в целом работу системы распознавания лиц в смартфонах можно условно разделить на четыре этапа:
сканирование лица при помощи сенсора или фронтальной камеры
получение уникальных данных – система ориентируется на набор особенностей сканируемого лица: контуры глазниц, форма скул и ширина носа
получение шаблона с ранее полученными данными о пользователе
поиск соответствий или сравнение – этап, на котором система “отвечает” разрешить доступ или нет.
Весь этот процесс, учитывая мощности современных процессоров, занимает всего доли секунды.
А как работает видеоаналитика с распознавание лиц? И в чем различия?!
Обнаружение и распознавание лиц в видеонаблюдении (facial recognition technology) — это технология, способная сопоставить лицо человека из видео или фото с базой данных лиц на сервере. Интеллектуальная видеоаналитика распознавания лиц работает следующим образом:
Шаг 1 – камера фиксирует и определяет лицо человека отдельно или в толпе. Современные комплексы позволяют распознать человека, даже если он не смотрит в камеру, но находится в допустимых пределах поворота головы.
Биометрический комплекс FaceNeuroVision, к примеру, гарантирует распознавание лица с поворотом до 35 градусов по горизонтали и вертикали. На практике – до 90.
Шаг 2 – подробный анализ изображения лица с помощью ИИ и машинного обучения в режиме реального времени. Алгоритм системы оценивает узловые точки лица, расположение которых уникально для каждого человека.
Шаг 3 – преобразование цифрового изображения в биометрические данные и получение так называемого “отпечатка лица”.
Шаг 4 – передача данных на сервер и сравнение полученного отпечатка лица с имеющимися в базе данных образцами.
В отличие от Face ID, которая используется в большей мере для биометрической аутентификации, видеоаналитические системы применяются для решения задач в самых разных отраслях – от безопасности до образования:
Безопасность. Правоохранительные органы и спецслужбы используют системы распознавания лиц для поиска преступников, доказательства правонарушений и их предотвращения. Биометрическую видеоаналитику применяют для обеспечения безопасности в аэропортах и метро, на спортивных мероприятиях, в торговых и образовательных центрах, а также на закрытых режимных объектах.
Розничная торговля, общепит и банки. Система распознавания лиц помогает узнавать клиентов в лицо, понимать портрет аудитории, предотвращать мошенничество и оптимизировать сервис так, чтобы продавать больше, а также гарантировать безопасность проводимых транзакций. Использование сервисов биометрической верификации в мобильном банкинге позволяет проводить сравнение цифрового отпечатка лица с эталонным профилем Клиента непосредственно на сервере банка, а не на устройстве Клиента. Это является надежной защитой от подлога личности и проведения транзакции другим пользователем.
Совсем недавно на рынке появились сверхкомпактные коробочные решения для биометрического распознавания лиц, которые позволяют использовать видеоаналитику Facial recognition даже на объектах, где установка серверов или персональных компьютеров затруднительна или не представляется возможной (банкоматы, рестораны, кафе, мини магазины). FNV Appliance – самый простой и экономически выгодный способ внедрить нейросетевую систему биометрического распознавания лиц FaceNeuroVision на объектах малого бизнеса и ритейла. Несмотря на достаточно компактный размер он позволяет контролировать доступ в охраняемые зоны, вести учет рабочего времени сотрудников, минимизировать риски недобросовестных действий, идентифицировать нарушителей и сокращать потери от воровства, а также идентифицировать VIP-клиентов и отслеживать поведение покупателей для маркетинговых целей.
Здравоохранение и медицина. Распознавание лиц в клиниках, больницах и домах престарелых помогает идентифицировать пациентов для сокращения очередей, отслеживать прием лекарств и наблюдать за состоянием больных. Кроме того, нейросети уже научились быстро и точно устанавливать диагнозы и обнаруживать генетические заболевания по характерным признакам на лице.
Образование. Сервисы распознавания лиц помогают и в учебных заведениях: они могут отслеживать посещаемость, а также наблюдать за учащимися во время важных тестов или экзаменов, чтобы те не списывали и не использовали подсказки.
Резюме
Системы распознавания лиц позволяют решать широчайший спектр задач, поэтому интерес к ним стабильно высок, а спрос возрастает в геометрической прогрессии.
Face ID и видеоаналитические биометрические системы предназначены для разных целей и соответственно, механизмы их работы, инструменты и процессы передачи данных различаются. Важным отличием также является алгоритм сравнения лица с эталонными данными – производится он на устройстве пользователя или на сервере Заказчика.
