Журнал "Системы Безопасности" № 2‘2020

www.secuteck.ru апрель – май 2020 в характерных точках. Полученные метаданные сравниваются с метаданными каждого лица, находящегося в базе. В этих системах могут использоваться практи- чески любые устройства видеофиксации совместно с необходимым ПО. Все, что тре- буется, – обеспечить камеру комфортными для распознавания лица условиями. Важно, чтобы съемка велась с достаточной детализа- цией. В первую очередь это достигается выбо- ром качественного устройства для видео- съемки, его установкой на нужном расстоя- нии, под необходимым углом и использова- нием подходящего источника освещения. Но принципиально этот алгоритм распознает лицо только с небольшим углом поворота относительно оси объектива. 3D-технологии распознавания лиц Системы с 3D-распознаванием лица обычно подразумевают использование нескольких устройств записи видеоизображения. Обычно два устройства видеофиксации располагают перед посетителем под небольшим углом. Когда человек подходит к условной двери, его лицо снимается в разных ракурсах с двух сто- рон. Получается, что у системы есть фотогра- фии геометрии головы человека в нескольких ракурсах для анализа, а не только изображение его лица в анфас. Из этих данных на программ- ном уровне составляется 3D-модель лица и сравнивается с находящимися в базе моделями. Производители отмечают, что благодаря анали- зу не только лица, но и головы человека точ- ность распознавания существенно повышается. Отмечается возможность распознавания чело- века в базе, даже если он надел очки, капюшон, отрастил бороду. Функция распознавания лица может быть зало- жена как в само устройство, так и во внешнее ПО. К примеру, в одном устройстве могут быть два видеосенсора и объектива, встроенные в корпус недалеко друг от друга или, напротив, разнесенные на десятки сантиметров и находя- щиеся фактически в разных устройствах. Воз- можна поддержка и нескольких независимых видеокамер, подключенных к одному вычисли- тельному устройству. Точность распознавания В любой задаче детекции существует два типа ошибок, первого и второго рода. Ошибки пер- вого рода (FRR – False Rejection Rate) – случаи, когда система должна сработать, но этого не происходит. При распознавании лиц – проход человека не был разрешен, хотя его лицо нахо- дится в базе данных. Ошибки второго рода (FAR – False Acceptance Rate) – ситуация, когда система сработала, хотя не должна была. При распознавании лиц – человек был допущен на территорию, хотя его лица в базе данных нет. В настоящее время функция распознавания лиц стала максимально точной благодаря появле- нию технологии машинного обучения. Человек обычно делает оценку лица другого человека по нескольким привычным деталям, и эти детали характерны для его региона проживания. Поэтому часто кажется, что все иностранцы на одно лицо. Это же справедливо и для разработ- чиков, делающих анализ на основе стереоти- пов. В итоге при проектировании системы рас- познавания лица разработчик закладывает ана- лиз только очевидных для него деталей. Для машины эта проблема не настолько существен- на. Грамотно обученная нейронная сеть может различать несколько десятков незаметных для разработчика деталей. Естественно, чем боль- ший объем независимых деталей оценивается, тем более точной оказывается общая оценка. Нейронные сети в распознавании лиц Проще всего представить нейронную сеть как аналог человеческого мозга. Изначально ней- ронная сеть распознавать ничего не умеет. Процесс создания алгоритмов детекции на базе глубокой нейронной сети сводится к обучению машины обнаружению нужного Рис. 1. Модель лица при 2D-распознавании www.picapital.co.uk Рис. 2. Модель лица при 3D-распознавании www.appadvice.com ОБЗОР В Ц Е Н Т Р Е В Н И М А Н И Я 57

RkJQdWJsaXNoZXIy Mzk4NzYw