Представьте себе эпоху, когда появится возможность идентифицировать вора или преступника, как только он войдет в здание. Представили? Эта эпоха настала.
Система распознавания лиц меняет привычный нам облик и предупреждает кражи. До недавнего времени выяснение личности мошенника происходила после совершения правонарушения. Хотя это отлично подходит для профилактики на будущее, но не сможет остановить злодеяние до того, как оно произойдет. Но революционная технология распознавания лиц все меняет — дает нам возможность не только предотвращать преступные действия, но и определять, кем являются люди, знать, где они были, куда направляются.
Чтобы помочь вам лучше понять технологию, это руководство объяснит:
- что такое распознавание лиц,
- как оно работает,
- какие существуют методы.
Что такое распознавание лиц
Распознавание лиц — это технология использования таких нововведений, как поисковые системы или прикладные программы, для нахождения сходства людей или поиска похожих. Исследователи в основном работают над созданием методики для помощи бизнесу и улучшению общественной жизни.
Как найти человека по фото — 3 способа
Сферы и области применения технологии распознавания лиц достаточно объемны:
- видеонаблюдение,
- маркетинг,
- реклама,
- осуществление платежей,
- медицина,
- приложения для смартфонов.
Благодаря развитию и эффективности она используется для установления преступников и личности людей.
В современном видеонаблюдении функция распознавания лица онлайн является одной из ключевых.
При попытке использовать интеллектуальный анализ видео, основанный на движении, такой как: обнаружение движения, отключение камеры, вторжение и т.д., для превентивной безопасности, пользователи часто раздражаются из-за ложных уведомлений. Эти срабатывания возникают из-за того, что аналитика, базирующаяся на перемещении объектов, выдает сигнал даже тогда, когда в поле зрения камеры появляются животные или раскачиваются деревья из-за сильного ветра. В конечном итоге это приводит к тому, что просто отключают функциональную возможность уже через несколько дней после установки. Даже сотрудники службы безопасности перестают обращать внимание на такие события.
Устройство распознавания лиц гарантирует, что уведомления будут отправляться только тогда, когда в отмеченной области присутствует именно человек.
Как работает распознавание лиц в видеонаблюдении
На сегодняшний день, для воплощения такого механизма, применяются два основных способа:
1. Процесс распознавания лица осуществляется на стороне снимающей камеры и затем передаются мета-данные и видеопоток на сервер. Плюсы метода при подключении большого количества устройств к медиа-серверу — существенной нагрузки на ресурсы и производительность не оказывается. Недостатком способа является то, что потребуется устанавливать модели одного производителя.
2. Специальная программа распознавания лиц устанавливается на самом сервере. Тогда с камеры принимается только видеопоток. Это удобно эксплуатировать в случае, если видеонаблюдение уже установлено на объекте — просто заменить устаревшее серверное оборудование.
Замена оборудования, покупка лицензии на каждый канал — все это стоит не «очень» дешево. Но и сами камеры со встроенным детектором лиц имеют немалую стоимость. Также нужно будет произвести замену ранее установленных видеокамер.
Для каждого конкретного случая выбор индивидуален.
Технологии идентификации
Системы распознавания лиц по фото
Большинство программ и технологий аутентификации опираются на 2D-изображения. Но это сделано не потому, что оно очень точное, а просто для удобства.
Подавляющее большинство камер получают картинку без какой-либо глубины. И общедоступные фотографии, которые можно использовать для баз данных, все в 2D.
Почему 2D контуры лица не является точным?
Неповторимые особенности лица на ровном снимке испытывают недостаток в рельефе. С помощью плоского изображения компьютер может измерять, например, расстояние между зрачками и ширину рта. Но он не может определить длину или выпуклость лба.
Кроме того, полученный снимок сильно зависит от электромагнитных колебаний, воспринимаемых радужной оболочкой. Что означает, что двухмерная визуализация лица не работает в темноте и ненадежная при ярком или темном освещении.
Для обхода этих недостатков надо использовать другие варианты.
3D моделирование для распознаний лиц
Приложение распознавания лиц людей опирается на 3D имитацию. Такая модель обеспечивает бОльшую точность.
Для получения 3-х-мерного вида поверхности лица используются отличительные черты, где наиболее очевидны кости и жесткие ткани, например изгибы глазниц, подбородка или носа. Такие области лица не меняются со временем, они — уникальны.
Используя ось измерения и глубину, на которую не оказывает влияние освещение, 3-х мерная идентификация может применяться в темноте. Она позволяет определять объект под разными углами обзора с возможностью различения до 90 градусов (лицо в профиль).
Применяя ПО для 3D системы распознавания, лицо подвергается серии промежуточных шагов для проверки личности:
Обнаружение лиц
Получение изображения для обработки может быть выполнено путем оцифровки существующей фотографии или с использованием видео.
Центровка изображения
Как только обнаруживается лицо, определяется положение головы, размер и поза. Как указывалось ранее, идентификация протекает при ракурсе до 90° для 3D. В то время как в 2D системе распознавания лиц голова должна быть повернута как минимум на 35 градусов в направлении объектива.
Измерение
Затем измеряются кривые грани в миллиметровом (или микроволновом) масштабе и создается шаблон.
Особенности лица — создание кода
Система распознавания лиц переводит шаблон в уникальный код. Эта кодировка дает каждой модели набор чисел для представления особенностей лица субъекта.
Согласование
Если снимок является трехмерным и массив данных содержит аналогичные, то сопоставление и распознание лица будет выполнено без каких-либо изменений. Однако в настоящее время существует проблема, с которой сталкиваются информационные базы с 2D изображениями.
Но уже есть решение проблемы.
При съемке пространственного объекта высчитываются разные точки (обычно три). Например, наружная и внутренняя часть глаза и кончик носа будут определены и измерены. Как только эти измерения выполнены, к картинке применяется алгоритм (пошаговая процедура), чтобы преобразовать его в двухмерное. После преобразования программное обеспечение будет сравнивать полученный результат с изображениями в базе, чтобы найти потенциальное совпадение.
Распознавание человека
При проверке, исходная информация сопоставляется только одному результату в банке данных (1: 1). Это делается, чтобы проверить, является ли субъект тем, кем он говорит. Если целью является авторизация, то кадр сравнивается со всеми файлами базы, что дает оценку для каждого потенциального соответствия (1: N, где N — количество сравнений).
Далее рассмотрим, как биометрия кожи может помочь проверить совпадения.
Биометрические технологии идентификации
Текстурный анализ кожи оказался успешным инструментом за счет значительного повышения разрешения изображения. Метод использует уникальность текстуры, для получения еще более точных результатов.
Процесс работает почти так же, как и система распознавания лиц.
- Выбирается участок кожи, называемый отпечатком.
- Затем отпечаток разбивается на более мелкие блоки.
- Используя алгоритмы, чтобы превратить рассматриваемый участок в математическое уравнение, будут различаться любые линии, пористость и фактическая текстура.
Согласно Identix, благодаря сочетанию технологии распознавания лиц с анализом текстуры кожи, точность совпадения может увеличиться на 20-25 процентов.
Тепловизионное распознавание
На сегодняшний день исследования в основном сосредоточены на видимом спектре, решая такие проблемы, как изменения освещенности и разрешение. Тем не менее, для видеонаблюдения в ночное время отсутствие освещения не позволяет эффективно использовать камеры с распознаванием лиц.
Отдельный объект в видимом (а) и тепловом (b-e) спектрах
Тепловизионный анализ измеряет излучение в инфракрасном спектре средней и длинной волны, которое естественным образом излучается живой тканью, и поэтому является весьма практичным способом визуализации для работы ночью. Однако, поскольку большинство данных и списков наблюдения содержат только результаты видимого диапазона, трудно сопоставить неизвестное тепловое изображение с набором известных видимых снимков.
Резюме
Технологии распознавания становятся все более заметными в нашем мире. За последние несколько лет мы стали свидетелями серьезных разработок в этой области. Детектор лиц — одна из новейших формирований биометрических идентификаторов, которая не требует много времени на обработку или вмешательства человека в проверку.
Благодаря тому, что видеонаблюдение с системами распознавания лиц и передовые охранные организации работают вместе, преступное поведение можно отслеживать и понимать. И результаты феноменальны.
Источник: elcomienzo.ru
Что такое распознавание лиц?
Программное обеспечение анализатора лица идентифицирует или подтверждает личность человека по его лицу. Он работает путем идентификации и измерения черт лица на изображении. Распознавание лиц позволяет идентифицировать человеческие лица на изображениях или видео, определить, принадлежит ли лицо на двух изображениях одному и тому же человеку, или найти лицо среди большой коллекции существующих изображений. Биометрические системы безопасности используют распознавание лиц для уникальной идентификации людей во время регистрации пользователей или входа в систему, а также для укрепления процедуры аутентификации пользователей. Мобильные и персональные устройства также часто используют технологию анализатора лиц для обеспечения безопасности устройства.
Каковы преимущества технологии распознавания лиц?
Некоторые преимущества систем распознавания лиц заключаются в следующем:
Безопасность
Распознавание лиц – это быстрая и эффективная система проверки. Она быстрее и удобнее по сравнению с другими биометрическими технологиями, такими как сканирование отпечатков пальцев или сетчатки глаза. Кроме того, при распознавании лиц требуется меньше точек соприкосновения по сравнению с вводом паролей или PIN-кодов. Оно поддерживает многофакторную аутентификацию для дополнительной проверки безопасности.
Повышенная точность
Распознавание лиц является более точным способом идентификации личности, чем простое использование номера мобильного телефона, адреса электронной почты, почтового адреса или IP-адреса. Например, большинство биржевых сервисов, которые занимаются как акциями, так и криптовалютами, теперь полагаются на распознавание лиц для защиты клиентов и их активов.
Более простая интеграция
Технология распознавания лиц совместима и легко интегрируется с большинством программ безопасности. Например, смартфоны с фронтальными камерами имеют встроенную поддержку алгоритмов распознавания лиц или программного кода.
Каковы сферы применения систем распознавания лиц?
Ниже приведены некоторые практические применения системы распознавания лиц.
Выявление мошенничества
Компании используют распознавание лиц для уникальной идентификации пользователей, создающих новый аккаунт на онлайн-платформе. После этого распознавание лиц может быть использовано для проверки личности человека, использующего аккаунт, в случае рискованной или подозрительной активности аккаунта.
Кибербезопасность
Компании используют технологию распознавания лиц вместо паролей для усиления мер кибербезопасности. Получить несанкционированный доступ к системам распознавания лиц довольно сложно, поскольку лицо невозможно изменить. Программа распознавания лиц также является удобным и высокоточным инструментом безопасности для разблокировки смартфонов и других персональных устройств.
Контроль в аэропорту и на границе
Многие аэропорты используют биометрические данные в качестве паспортов, позволяя путешественникам пропустить длинные очереди и пройти через автоматизированный терминал, чтобы быстрее добраться до выхода на посадку. Благодаря технологии распознавания лиц в виде электронных паспортов сокращается время ожидания и повышается безопасность.
Банковская сфера
Люди проверяют подлинность транзакций, просто взглянув на свой телефон или компьютер, вместо того чтобы использовать одноразовые пароли или двухэтапную верификацию. Технология распознавания лиц является более безопасной, поскольку не требует паролей, которые могли бы взломать хакеры. Аналогичным образом, некоторые банкоматы для снятия наличных и кассовые аппараты могут использовать распознавание лиц для одобрения платежей.
Здравоохранение
Распознавание лиц может быть использовано для получения доступа к записям пациентов. Оно может упростить процесс регистрации пациентов в медицинском учреждении и автоматически определять боль и эмоции у пациентов.
Как работает распознавание лиц?
Распознавание лиц происходит в три этапа: обнаружение, анализ и распознавание.
Обнаружение
Обнаружение – это процесс поиска лица на изображении. С помощью компьютерного зрения распознавание лиц позволяет обнаружить и идентифицировать отдельные лица на изображении, содержащем лица одного или многих людей. Оно может распознавать данные лица как в профиль, так и в анфас.
Машинное зрение
Машинное зрение позволяет компьютерам идентифицировать на изображениях людей, места и предметы с точностью, которая сравнима с человеческими способностями или даже превышает их, и при этом с гораздо более высокой скоростью и эффективностью. Используя сложную технологию искусственного интеллекта, компьютерное зрение автоматизирует извлечение, анализ, классификацию и понимание полезной информации из данных изображения. Данные изображения принимают различные формы, например, следующие:
- Одиночные изображения
- Последовательности видео
- Вид с нескольких камер
- Трехмерные данные
Анализ
Затем система распознавания лиц анализирует изображение лица. Она отображает и считывает геометрию лица и мимику, а затем определяет ориентиры на лице, которые являются ключевыми для отличия лица от других объектов. Технология распознавания лиц обычно определяет следующее:
- Расстояние между глазами
- Расстояние от лба до подбородка
- Расстояние между носом и ртом
- Глубина глазниц
- Форма скул
- Контур губ, ушей и подбородка
Затем система преобразует данные распознавания лица в строку цифр или точек, называемую отпечатком лица. Каждый человек имеет уникальный отпечаток лица, подобный отпечатку пальца. Информация, используемая при распознавании лиц, также может быть использована в обратном направлении для цифровой реконструкции лица человека.
Признание
Распознавание лиц позволяет идентифицировать человека путем сравнения лиц на двух или более изображениях и оценки вероятности их совпадения. Например, так можно проверить, совпадает ли лицо, изображенное на селфи, снятом камерой мобильного телефона, с лицом на изображении выданного правительством удостоверения личности, такого как водительские права или паспорт, а также узнать, совпадает ли лицо, изображенное на селфи, с лицом в коллекции лиц, снятых ранее.
.17dd47b37653b78bde98e0102ab804e4a3149cc1.png)
Точно ли распознавание лиц?
Алгоритмы распознавания лиц имеют практически идеальную точность в идеальных условиях. В контролируемых условиях наблюдается более высокий процент точности, но в реальном мире он, как правило, ниже. Трудно предсказать уровень точности этой технологии, поскольку ни один показатель не дает полной картины.
Например, алгоритмы проверки лица, сопоставляющие людей с четкими эталонными изображениями, такими как водительские права или фоторобот, достигают высокой точности. Однако такая степень точности возможна только при соблюдении следующих условий:
- Последовательное позиционирование и освещение
- Четкие и ничем не закрытые черты лица
- Управляемые цвета и фон
- Высокое качество камеры и разрешение изображения
Еще одним фактором, влияющим на количество ошибок, является старение. Со временем изменения в лице затрудняют сопоставление фотографий, сделанных несколькими годами ранее.
Безопасно ли распознавание лиц?
Системы распознавания человеческого лица используют уникальные математические шаблоны для хранения биометрических данных. Таким образом, они являются одними из самых безопасных и эффективных методов идентификации среди биометрических технологий. Данные о лице можно анонимизировать и сохранить их конфиденциальность, чтобы снизить риск несанкционированного доступа. Технология обнаружения живых пользователей отличает их от изображений их лиц. Это предотвращает обман системы фотографией живого пользователя.
Что такое степень уверенности при распознавании лиц?
Степень уверенности, также известная как оценка сходства, имеет решающее значение для систем обнаружения и сравнения лиц. Благодаря ей можно получить информацию о том, насколько два изображения похожи друг на друга. Более высокая степень уверенности указывает на большую вероятность того, что два изображения принадлежат одному и тому же человеку. Таким образом, доверительные оценки используют искусственный интеллект для предопределения того, существует ли лицо на изображении или совпадает ли оно с лицом на другом изображении.
Порог степени уверенности
Каждое предопределение, которое делает система распознавания лиц с помощью искусственного интеллекта, имеет соответствующий пороговый уровень уверенности, который вы можете изменить. В типичном сценарии большинство автоматических совпадений приходится на очень высокий процент, например выше 99% степени уверенности. Совпадения с более низкими показателями уверенности могут быть использованы для просмотра следующих ближайших потенциальных совпадений, которые затем дополнительно оцениваются человеком-исследователем.
Каковы другие типы технологий биометрической идентификации?
Биометрическая идентификация – это процесс идентификации личности на основе уникальных, различимых признаков. Помимо распознавания лиц, существует множество других видов биометрической идентификации:
Проверка отпечатков пальцев
Программное обеспечение для распознавания отпечатков пальцев проверяет личность человека, сравнивая его отпечатки пальцев с одним или несколькими отпечатками пальцев в базе данных.
Сопоставление ДНК
Сопоставление ДНК идентифицирует человека путем анализа сегментов его ДНК. Технология секвенирует ДНК в лаборатории и сравнивает ее с образцами в базе данных.
Распознавание глаз
При распознавании глаз анализируются особенности радужной оболочки глаза или узоры вен на сетчатке глаза для определения соответствия и идентификации человека.
Распознавание геометрии руки
Вы можете однозначно идентифицировать человека по геометрическим характеристикам его рук, таким как длина пальцев и ширина ладони. Камера снимает силуэтное изображение руки и сравнивает его с базой данных.
Распознавание голоса
Системы распознавания голоса извлекают характеристики, которые отличают речь человека от других. Они создают отпечаток голоса, который похож на отпечаток пальца или лица, и сопоставляют его с образцами в базе данных.
Распознавание подписи
Вы можете использовать технологию для анализа стиля почерка или сравнить две отсканированные подписи с помощью усовершенствованных алгоритмов.
Как AWS может помочь в распознавании лиц?
Вы можете использовать Amazon Rekognition для автоматизации анализа изображений и видео с помощью машинного обучения. Amazon Rekognition предлагает возможности предварительно обученного и настраиваемого машинного зрения (CV), которое позволяет получать полезную информацию о лице из ваших изображений и видеозаписей. Вы можете использовать Amazon Rekognition для выполнения следующих задач:
- Анализ и обнаружение лиц на миллионах фотографий и видео в течение нескольких минут
- Использование в рабочих процессах регистрации и аутентификации пользователей сравнения и аналитики лиц, чтобы удаленно проверять личность зарегистрированных пользователей
- Определение сходства лица с изображением из личного хранилища изображений или любым другим изображением
- Обеспечение автоматизации, например автоматическое включение света в гараже при обнаружении человека
Начните работу с распознаванием лиц на AWS, создав бесплатный аккаунт уже сегодня.
Источник: aws.amazon.com
Как работает распознавание лиц и можно ли обмануть эту систему
Систему камер с распознаванием лиц в Москве признали одной из самых развитых в мире. Чем это нам грозит? Как работают алгоритмы и можно ли их обмануть? И какое будущее у этой технологии?
Что такое распознавание лиц?
Распознавание лиц — это технология, которая позволяет автоматически идентифицировать (распознать, кто на фото) или верифицировать (подтвердить, что на фото именно этот человек) человека на фото, видео или вживую. Для распознавания используют нейросети, которые умеют считывать и анализировать уникальные черты человеческого лица, а затем сверять их с базой.
Об эксперте: Татьяна Гайнцева, преподаватель Deep Learning School (МФТИ), автор блога об искусственном интеллекте и нейронных сетях.
Как развивалась технология распознавания лиц
- Первые эксперименты в области машинного распознавания лиц представил в 1960-х годах Вуди Бледсо — профессор Техасского университета в Остине, исследователь искусственного интеллекта. Его рабочая группа создала базу из 800 снимков людей в разных ракурсах. Далее ученые размечали лица 46 точками-координатами с помощью прототипа современного планшета. Посредством специального алгоритма система разворачивала лица под разными углами, увеличивала и уменьшала масштаб. На втором этапе алгоритм использовал 22 измерения, действуя согласно байесовской теории принятия решений — чтобы общий вывод был максимально точным. В итоге система, разработанная Бледсо, справлялась в 100 раз быстрее, чем человек.
- В 1988 году Майкл Кирби и Лоуренс Сирович из Университета Брауна применили подход Eigenface с использованием линейной алгебры для анализа изображений. Для разметки лиц они применяли менее 100 различных значений.
- В 1991 году Алекс Пентланд и Мэтью Терк из MIT усовершенствовали технологию Eigenfaces, задействуя факторы окружающей среды. Им удалось автоматизировать процесс распознавания.
- В конце 1990-х годов Управление перспективных исследовательских проектов при Минобороне США (DAPRA) и Национальный институт стандартов и технологий выпустили программу FERET с самой обширной базой лиц — более 14 тыс. изображений. Изначально ее использовали, чтобы находить и распознавать преступников по всему миру, но затем представили для открытого доступа.
- С 2010 года Facebook начал использовать функцию распознавания лиц, чтобы находить пользователей на публикуемых фото и предлагать их отметить.
- В 2011 году власти Панамы и США запустили совместный проект FaceFirst. Это технология распознавания лиц, которую использовали для пресечения незаконной деятельности в аэропорту Токумен в Панаме. В том же году полиция и спецслужбы США начали применять распознавание лиц для опознания трупов — включая Усаму бен Ладена.
- С 2014 года распознавание лиц используют в камерах мобильных телефонов, а с 2017 — в ретейле.
Как работает распознавание лиц?
В основе технологии — две нейросети:
Первая — сеть-«выравниватель» (англ. aligner). Она берет картинку, которая поступает с камеры наблюдения, детектирует на ней все лица, которые сможет найти, «вырезает» и «выравнивает» их.
Вот как это выглядит:
Этап №1. Программа вырезает лица (Фото: wikipedia.org)
Программа вырезает обнаруженные лица (те, что плотно расположены друг к другу, повернуты в профиль или просто очень маленькие и нечеткие, система может не распознать).
Затем она их выравнивает: детектирует на лице точки глаз, носа и рта.
Этап №2. Программа распознает ключевые точки на лице (Фото: wikipedia.org)
Наконец, поворачивает и подгоняет размер фото так, чтобы точки глаз, носа и рта находились в определенных местах.
Этап №3. Программа приводит фото к стандартному виду (Фото: Tsinghua University)
Некоторые алгоритмы используют больше семи точек — то есть, обводят контуры лица. Это может понадобиться, к примеру, для создания дипфейков.
Вторая — сеть-«распознаватель». Она принимает на входе выровненное изображение, которое передала первая нейросеть, а на выходе выдает вектор лица — то есть, набор чисел фиксированной длины. У разных сетей эти векторы могут отличаться, но чаще всего это некая степень двойки. Например, 512:
Как работает вторая нейросеть, которая распознает лица (Фото: KDnuggets)
На похожие лица сеть выдает похожие векторы и наоборот.
Возьмем одно фото Анджелины Джоли и два изображения Брэда Питта и прогоним их через сеть. На выходе получим три вектора. Измерим расстояние между вектором Анджелины Джоли и вектором первого Брэда Питта, а также между векторами двух Брэдов Питтов. В первом случае расстояние будет большим — это разные люди, а во втором — маленьким: это один человек.
Как нейросеть отличает одного человека от другого (Фото: KDnuggets)
Чтобы обучить нейросети, используют огромные базы данных с лицами людей. Нейросети на входе сообщают, кому принадлежит это лицо, а затем, в ходе обучения, добиваются, чтобы она выдавала максимально точные результаты. Обучившись на миллионах разных людей, нейросеть начинает распознавать и новые лица — те, которых не было в базе.
Технология Face ID в смартфонах устроена немного иначе. Алгоритм распознает вас не по фото, а с помощью инфракрасных точек, которые проецируются на ваше лицо через камеру. После этого создается трехмерная модель и сравнивается с той, что вы уже внесли ранее.
Где применяют распознавание лиц?
Безопасность
Криминалисты, полиция и спецслужбы используют автоматизированные системы биометрической идентификации (ABIS) для поиска преступников, доказательства преступлений и их предотвращения — например, терактов или мошенничества с документами.
Камеры с распознаванием лиц применяют для обеспечения безопасности на массовых мероприятиях, для прохождения контроля в аэропортах, контроля доступа в различных организациях. Системы помогают находить пропавших детей, дезориентированных взрослых или людей, которых держат в рабстве.
Здравоохранение и медицина
Распознавание лиц в больницах и домах престарелых помогает отслеживать, принимают ли пациенты лекарства и следить за их состоянием через специальный монитор. Нейросети даже умеют обнаруживать по лицу генетические заболевания по характерным признакам на лице — такие, как синдром Ди Джорджи, — и оценивать общее состояние пациента.
Ретейл, общепит и банки
Технология распознавания лиц помогает идентифицировать клиента и предотвратить мошенничество во время покупки в магазине, анализировать поведение покупателей и оптимизировать сервис так, чтобы продавать больше.
С помощью онлайн-биометрии можно открыть счет и получить кредит, а также снять деньги в банкомате. Например, в Китайском KFC и американском Amazon Go действует «оплата по лицу». В России биометрию планируют внедрить во всех крупнейших банках вместо обычной идентификации.
Еще одно перспективное направление — распознавание эмоций. Например, чтобы улучшить взаимодействие с клиентами и сотрудниками, работая онлайн, или анализировать, как пользователи реагируют на контент. В России подобными разработками занимается компания Neurodata Lab.
Образование
Сервисы на базе распознавания лиц помогают во время онлайн-обучения: следят, чтобы ученик не отвлекался во время экзамена, не списывал и не пользовался устными подсказками.
Самые продвинутые разработки в этой области
С 2016 по 2020 год точность распознавания лиц нейросетями улучшилась в 50 раз: коэффициент ошибок составил 0,8%. Согласно исследованию Facial Recognition Market 2019 года, мировой рынок распознавания лиц тогда оценивали в $3,2 млрд. Прогноз на 2024 год — $7 млрд, при ежегодном росте в 16%.
Самые масштабные разработки в области распознавания лиц — у Google, Apple, Facebook, Amazon и Microsoft (GAFAM).
В 2014 году Facebook запустил сервис DeepFace, который определяет, принадлежат ли два сфотографированных лица одному и тому же человеку с точностью 97,25%.
В 2015 Google представила свою разработку — FaceNet. Благодаря огромному массиву данных, которые собирают сервисы Google, FaceNet достигла рекордной точности — 99,63%. Технологию, в частности, используют в Google Фото для сортировки изображений и автоматических отметок людей на них.
Amazon с 2018 года активно продвигает свой облачный сервис распознавания лиц под названием Rekognition, которым пользуются правоохранительные органы США. Система умеет распознавать до 100 человек на одном фото и искать их в базах данных, содержащих десятки миллионов лиц.
По данным Центра стратегических и международных исследований, а также Управления по науке и технологиям МВД США, лучшим решением в 2020 году было признано FRT: его точность распознавания составила 99,97%.
В России есть пять крупных игроков на рынке распознавания лиц:
- NTechLab;
- VisionLabs;
- Sensemaking Lab;
- Группа ЦРТ.
NTechLab — разработчик нашумевшего приложения FindFace, которое использовали для поиска людей во «ВКонтакте» по фото. Сервис неоднократно оказывался в центре скандалов с нарушением приватности. Максимальная точность их алгоритмов для распознавания лиц — 99%. Компания также выступила подрядчиком для внедрения камер с распознаванием лиц в Москве.
Второй подрядчик московских властей в этой области — VisionLabs. Они также разрабатывали системы для московских камер и участвовали в других городских проектах. С недавних пор VisionLab стала частью экосистемы «Сбера», и теперь их разработки применяют, в том числе, для внедрения биометрии в банковских сервисах.
Группа ЦРТ в 2014 году первой внедрила систему распознавания лиц в спорте. Ее решения используются на стадионах «Газпром-Арена», «ВТБ-Арена» и других.
Что не так с распознаванием лиц в Москве?
В Москве действует одна из крупнейших в мире сетей с распознаванием лиц — более 200 тыс. камер общей стоимостью около 5 млрд руб.
Российскую технологию NTechLab признали лучшей в результате тестирования Национального института стандартов и технологий США. NTechLab вели совместные разработки с Genetec — поставщиком систем видеонаблюдения для американского правительства и спецслужб.
Систему для Москвы начали разрабатывать еще в 2015 году, а пилотный проект запустили в 2017-м: тогда это были 1,5 тыс. камер во дворах и подъездах. В 2018-м систему расширили, протестировав на чемпионате мира по футболу. Камеры помогли задержать около 100 нарушителей из базы уголовного розыска. В том же году с помощью камеры с распознаванием лиц задержали грабителя, находящегося в розыске МВД.
Московскую систему видеонаблюдения использовали во время пандемии в 2020 году. С ее помощью выявили более 200 нарушителей карантина и самоизоляции, которым пришлось выплатить штрафы.
Правозащитники указывают на опасность технологии для обычных граждан. Например, юрист Алена Попова неоднократно подавала иски к управлению МВД Москвы и московскому Департаменту информационных технологий с требованием запретить систему распознавания лиц на митингах.
Распознавание лиц и правда используют на митингах?
В феврале 2021-го появилась информация о том, что с помощью камер власти отслеживали участников митингов в Москве и привлекали их к ответственности. Полицейские останавливали людей на входе в метро или приходили к ним домой. Такое бывало и в других странах.
Во время протестов в Гонконге 2019-20 годов власти тоже использовали распознавание лиц, чтобы вычислять активистов. Для борьбы с этим протестующие использовали лазерные указки, маски с чужими лицами и проекторы для лица, а также громили столбы с камерами.
По мнению оппозиции, для распознавания используют программу Face++ от китайского стартапа Megvii. Эта система, предположительно, попала в черный список властей США за нарушение прав человека.
Еще один недавний пример — сайт Faces of the Riot, созданный студентом из Вашингтона. Он использовал приложение с открытым исходным кодом, чтобы извлечь лица из 827 видео, размещенных в соцсети Parler во время штурма Капитолия 6 января 2021 года. Затем он применил нейросеть для распознавания лиц, обученную на 200 тыс. фото из базы ФБР, и идентифицировал людей.
Какие еще проблемы есть у технологии сегодня?
️️ Утечки . В данном случае в сеть утекают доступы к камерам наблюдения и результатам распознавания. За деньги можно проверить по фотографии, где и когда камеры засекли конкретного человека.
Ошибки в распознавании. В 2018 году технология распознавания лиц от Amazon ошибочно опознала 28 членов Конгресса США как преступников. Недавний пример — москвич Сергей Межуев, которого система распознавания лиц в метро ошибочно приняла за преступника в розыске. В итоге мужчину задержали, собрали все данные и не сняли подозрения, пока реальный подозреваемый не нашелся.
❌ Использование лиц без согласия. В США до недавнего времени для обучения нейросетей распознаванию лиц использовали датасеты с лицами из открытых источников. Готовые датасеты тоже были в открытом доступе. Однако сейчас их убрали, так как это нарушает законы о защите персональных данных. Теперь доступ к ним можно получить по запросу и только для исследовательских (некоммерческих) целей.
The New York Times опубликовала расследование, согласно которому система распознавания лиц ClearView использует фото из Facebook и Twitter, чтобы помогать полиции находить людей. Аналогичные претензии были и к NtechLab: у компании был доступ к фото пользователей в «ВКонтакте».
Дискриминация и расизм. Для обучения нейросетей используют датасеты, которые содержат, в основном, фото людей титульной нации и расы. В итоге системы распознавания лиц плохо распознают азиатов, латиноамериканцев или афроамериканцев. Системы, которые используют в криминалистике, чаще указывают на чернокожих людей как на потенциальных преступников.
Исследование MIT от 2018 года показало, что алгоритмы Microsoft, IBM и китайского Megvii (FACE ++) очень часто ошибаются при идентификации темнокожих женщин по сравнению со светлокожими мужчинами.
Есть примеры дискриминации по полу: например, нейросеть, которая дорисовывает женским фото тело в бикини, а мужским — в костюме. Просто потому, что в сети большинство изображений именно такие.
Использование технологии для манипуляции людьми . Оказавшись в руках властей, системы с распознаванием лиц вместе с базами персональных данных дают неограниченные возможности. Самый радикальный пример того, к чему это может привести — Китай.
Распознавание лиц в Китае: социальная антиутопия
В Китае распознавание лиц используют в полиции, аэропортах, на улицах, в общественном транспорте. Государство планирует распространить систему по всей стране: по данным CNBC, в конце 2018 года в Китае использовали более 200 млн камер наблюдения, а к концу 2021-го их число достигнет более 500 млн.
Одна из главных причин — внедрение системы социального рейтинга или кредита. Каждый гражданин страны получает положительные баллы за общественно-полезную деятельность, отсутствие нарушений, своевременную уплату налогов. За проступки баллы снимаются. Низкий или отрицательный рейтинг влечет разные последствия: отказ в выдаче кредита и социальных выплатах, запрет на вылет из страны и работу в определенных организациях.
Также при помощи этой технологии правительство Китая следит за представителями уйгурского этнического меньшинства. Сотни тысяч уйгуров поместили в города-гетто и лагеря для политзаключенных и всячески ограничивают их в перемещении.
Можно ли обмануть систему распознавания лиц?
Чтобы бороться с «умными» камерами, в ход идут специальные маски, проекторы, лазеры и другие приемы:
- В 2017 году Григорий Бакунов, отвечающий за ИИ-технологии в «Яндексе», придумал специальный макияж, который якобы помогает обмануть нейросети. При создании макияжа он использовал генетический алгоритм, который подбирает образ по принципу анти-сходства.
Источник: dzen.ru