Распознавание лиц в системах видеонаблюдения

Умная видеоаналитика сделала гигантский скачок в развитии за первые два десятилетия XXI века. Системы видеонаблюдения сегодня идентифицируют личность за доли секунды, вычисляют нежелательных лиц, собирают статистику для маркетинговых и социальных исследований, обеспечивают безопасность на режимных объектах. Разбираемся, как работает и какие возможности открывает технология распознавания лиц, а также посмотрим, как использовать ее по максимуму.

Как устроено распознавание лиц

Методика распознавания лиц повсеместно применяется в повседневной жизни. Технологию используют в смартфонах, видеодомофонах, банкоматах и транспортных средствах. Камеры видеонаблюдения, используемые для идентификации людей, работают в помещениях и на улице.

Принцип функционирования технологии распознавания лиц выглядит просто. Система состоит из нескольких компонентов:

• видеокамеры или лидара (лазерного локатора для обнаружения объектов);
• базы данных с фотографиями людей для сличения изображений с видеокамер;
• алгоритмов поиска лиц в кадре;
• алгоритмов векторных вычислений для сравнения изображения с образцом из базы данных.

Сложность задач, выполняемых системой распознавания лиц, зависит от совокупных параметров оборудования и программного обеспечения.

Как происходит идентификация личности в системе поэтапно:

• первый этап — получение изображения с помощью камеры видеонаблюдения или лидара. В зависимости от задачи для аналитики используют плоское изображение или объемную модель объекта. Подвижные трехмерные модели снижают вероятность ошибок при идентификации личности;
• второй этап — обнаружение лица в кадре. Алгоритм применяет метод Виолы-Джонса и задействует примитивы Хаара, выглядящие как черные и белые прямоугольники. Суть работы алгоритма заключается в поиске похожих переходов между светлыми и темными зонами на изображении. Для проверки результата алгоритмы часто выделяют участок, где по расчетам находится лицо;
• третий этап — построение цифровой модели лица по точкам, обозначающим ключевые зоны (глаза, нос, рот). Методика размещения точек определяет эффективность алгоритма. Минимальное число точек, достаточное для построения вектора — 68. Компании держат в секрете алгоритм построения модели лица;
• четвертый этап — расчет вектора, который представляет собой математическую обработку характеристик точек цифровой модели. При настройке алгоритма на запоминание людей вектор сохраняется в памяти с некоторым обозначением. При поиске человека из базы данных алгоритм сравнивает полученный вектор с имеющимися данными о людях и ищет совпадения. Коэффициент совпадения, при котором личность считается распознанной, для каждого алгоритма уникальна.

Алгоритмы, настроенные на самообучение, обладают высокой эффективностью. Например, вы сделали фотографию для СКУД на проходной бизнес-центра с длинными черными волосами и в очках. Через месяц вы пришли на работу с прической каре и рубиновым цветом волос, сменив очки с диоптриями на линзы. Алгоритм занесет в базу данных изменения в вашем облике.

Задачи, решаемые с помощью распознавания лиц

Несмотря на дебаты вокруг этичности применения видеонаблюдения для слежения и сбора данных, популярность технологии идентификации лиц растет. Вот прикладные задачи, решаемые с помощью распознавания личности:

• контроль доступа в здание. Простейший вариант оборудования СКУД в зоне входной группы — видеокамера с триподом. Когда на проходной появляется человек, имеющий право доступа, система его узнает и разблокирует вход;
• контроль прихода и ухода сотрудников. Видеокамеры точно фиксируют время, когда человек зашел в здание и покинул его. Система распознавания лиц помогает бороться с опозданиями и следить за рабочей дисциплиной;
• идентификация человека в «чистой зоне» и в толпе. С помощью распознавания лиц ищут преступников, опознают пропавших, выявляют мошенников и нарушителей;
• проведение маркетинговых исследований. Установка систем видеонаблюдения с распознаванием лиц в торговых центрах и магазинах открывает широкие возможности перед владельцами коммерческих структур. Обширные данные помогают многое узнать о целевой аудитории, ее возрасте, предпочтениях и интересах.

Каждая задача имеет свои особенности, расскажем о них подробно.

Контроль доступа. Установить видеонаблюдение с распознаванием по лицу на проходной — один из самых частых запросов, с которым клиенты обращаются в компании по установке систем безопасности. Бесконтактная идентификация по лицу в СКУД имеет ряд преимуществ:

• человек, имеющий разрешение на доступ в здание или помещение, без задержки преодолевает проходную или зону досмотра. Не нужно предъявлять охраннику паспорт, алгоритм сравнивает лицо посетителя с эталонами из базы данных и открывает турникет (шлагбаум) для прохода;
• карточку-пропуск можно забыть или потерять. Биометрические данные не теряются;
• другой человек не пройдет по чужому пропуску: после того, как алгоритм проанализирует изображение визитера, система выявит несовпадение личностей и заблокирует вход;
• двери открываются автоматически, человеку не требуется к ним прикасаться. Это удобно и гигиенично;
• чтобы избежать прохода болеющих и потенциально заразных людей, систему можно дополнить опцией измерения температуры на расстоянии. Актуально для учебных, общественных и медицинских учреждений;
• биометрическое программное обеспечение и оснащение можно интегрировать в существующую систему видеонаблюдения, безопасности и пожаротушения. При наличии установленных видеокамер для внедрения технологии распознавания лиц достаточно подобрать подходящее программное обеспечение и настроить обработку данных.

При всех достоинствах биометрическая идентификация имеет недостатки, связанные с ограниченными возможностями программного обеспечения. Наличие маски, грима на лице или парика значительно усложняет работу алгоритмов. Для решения подобных задач используют нейросети. Комбинация машинного обучения и дополнительных данных повышает эффективность систем распознавания личности.

Как только видеонаблюдение с опцией идентификации личности получило широкое распространение, люди стали искать способы обхитрить систему. Практика показала, что алгоритм 2D-распознавания можно обмануть с помощью распечатанного портрета. На проходных, где нет людей, метод работает безотказно. Если оператор видеонаблюдения не заметит подлог, на территорию вполне может попасть злоумышленник. Эти и другие слабые места системы нужно продумывать и устранять на этапе проектирования оснащения, чтобы мошенники не воспользовались лазейками.

Распознавание личности в «чистой зоне». Термин «чистая зона» означает место, где созданы безупречные условия для работы алгоритма идентификации человека:

• пространство хорошо освещено;
• камеры расположены под оптимальным углом для съемки в определенной части помещения;
• человек находится в пространстве один.

Варианты «чистых зон»: проходная, зона опознания в учреждении (полицейский участок, аэропорт, вокзал), пространство шлюза.

Задачи, для которых применяется идентификация по биометрии в «чистых зонах»:

• обеспечение безопасности на территории учреждений, предприятий, транспортных хабов, общественных пространств;
• автоматизация досмотра и устранение очередей в зонах контроля;
• экономия времени за счет исключения поиска документов с целью идентификации личности человека.

Примеры использования биометрии в «чистой зоне» — багажная машина с распознаванием лиц в аэропорту, биометрическая идентификация в банкомате. В обоих случаях алгоритм имеет дело с изображением одного человека в хороших условиях, что обеспечивает до 100% точность определения личности.

Распознавание личности в толпе. Распознавание людей в толпе применяется для разных целей:

• поиск преступников и злоумышленников;
• вычисление людей из «черного списка»;
• идентификация личностей посетителей в торговых центрах, госучреждениях и других местах;
• распознавание зачинщиков массовых беспорядков;
• выявление нарушителей общественного правопорядка.

Найти и опознать человека среди большого количества людей труднее, чем обработать биометрию в «чистой зоне». Факторы, усложняющие поиск личности среди толпы:

• условия съемки не контролируются. Низкий уровень освещенности способен снизить четкость изображения, что помешает распознать человека;
• тени и другие люди могут закрывать от камеры нужного человека. Кроме того, человек может специально носить маску или использовать грим, мешающий алгоритму распознать его;
• при сборе биометрии в «чистых зонах» система видеоаналитики имеет дело с базой данных ограниченного объема. Обработка видеозаписи толпы требует привлечения огромных массивов данных, что повышает нагрузку на программное обеспечение и вычислительное оборудование;
• при передаче и хранении данных изображения подвергаются сжатию, что влияет на их качество и усложняет идентификацию личности.

Для повышения производительности систем распознавания применяют высокопроизводительные графические процессоры. Устройства за доли секунды находят объекты в видеопотоке и сопоставляют их с эталонами из базы данных. Использование графических процессоров позволяет обрабатывать данные с видеокамер в режиме реального времени.

Графические процессоры незаменимы для обработки данных с уличных видеокамер. Полученные сведения применяют для выявления нарушителей ПДД, розыска людей и контроля обстановки. В Китае уличное видеонаблюдение с распознаванием лиц помогает приучать пешеходов к дисциплине: если человек перешел дорогу на красный свет, система распознает личность и ищет его аккаунты в социальных сетях. Уведомление о штрафе появляется на странице нарушителя правил дорожного движения. Использование личного аккаунта для обнародования штрафа работает как сильный сдерживающий фактор. Власти страны отмечают, что такой способ борьбы с торопливыми пешеходами очень эффективен.

Маркетинговые исследования. Ритейлеры и владельцы торговых центров давно используют возможности видеоаналитики для бизнеса. Фейс-контроль в коммерции применяется для разных задач:

• сбор данных о посетителях магазинов. Бизнесменов интересует все: возраст, пол, социальное положение людей, разглядывающих витрины;
• отслеживание действий посетителей. С помощью этой информации маркетологи определяют эффективность выкладки товара, работают над ассортиментом в различных зонах для привлечения внимания людей;
• оценка удовлетворенности покупателей товарами и обслуживанием. По поведению и выражению лица человека видеоаналитика способна выяснить, какие впечатления у него остались после шопинга. Система видеоаналитики американского ритейлера Walmart определяет, остались ли посетители довольны итогами визита.

Для маркетологов такие данные — идеальная почва для разработки эффективных торговых стратегий. Однако сбор биометрии в магазинах некоторые воспринимают как вмешательство в частную жизнь индивида со стороны коммерческих организаций. Поэтому возможности систем видеонаблюдения и видеоаналитики в маркетинговых исследованиях имеют ограниченный характер по этическим соображениям.

Если вас интересуют системы распознавания личности, специалисты ООО «Форс» готовы подробно рассказать о них и подобрать оптимальное программно-техническое решение для вашего объекта. Мы проектируем и устанавливаем СКУД и видеонаблюдение с идентификацией личности с нуля, интегрируем видеоаналитику в существующие системы, работаем с самыми сложными и нестандартными запросами в области систем безопасности. На счету компании свыше 580 реализованных проектов. Оставьте заявку на расчет проекта СКУД и видеонаблюдения с распознаванием лиц на нашем сайте или позвоните для получения консультации.