Информация

Система распознавания лиц

Система распознавания лиц

Система распознавания лиц — очень распространенная система на сегодняшний день. Она широко используется в различных областях, таких как безопасность, развлечения, социальные сети и т.д. Данная технология развивается каждый год с невероятными темпами. В этой статье будет по полочкам разложено то, как работает система распознавания лиц, очень простыми словами.

Оглавление

Введение

Как я и обещал в своей первой статье я выпускаю новую статью. На Хабре уже есть две статьи на данную тему — тык, тык, которые тоже неплохо оценивают данную статью, но они используют много формул научных терминов и т.д.

В своей статье я хотел рассказать про систему распознавания лиц от лица обычного разработчика в наипростой для рядового человека форме, отсюда и название. Но не пугайтесь названия, тут будут описываться не такие уж и простые вещи. Да я и не думаю, что чайники будут интересоваться такими темами ????.

Само название было вдохновлено названием книги Стефана Дэвиса: C++ для чайников.

Так как данная тема слишком большая, она будет разделена на 3 части.

  1. Основа систем распознавания лиц и как устроен FaceID.

  2. Роль нейросетей в системах распознавания лиц.

  3. Проблемы и перспективы развития систем распознавания лиц.

Для чего же вообще нужно распознавание лиц?

Конечно же, перед объяснением всего стоит понять, а зачем оно нам надо?

Распознавание лиц нужно для того, чтобы узнать, кто перед нами. Это может быть полезно в разных ситуациях, например:

  • Когда мы хотим наложить какую-нибудь маску на себя в Snapchat или Instagram.
  • Когда мы хотим открыть свой телефон или компьютер с помощью лица, а не пароля.
  • Когда мы хотим найти своих друзей или знаменитостей на фотографиях или видео.
  • Когда мы хотим проверить, что человек, который показывает нам свой паспорт или водительское удостоверение, действительно тот, за кого себя выдаёт.
  • Когда мы хотим следить за безопасностью и преступностью, определяя лица подозреваемых или преступников.

И ещё во многих других специфических областях и нуждах.

Что вообще такое распознавание лиц?

Система распознавания лиц

Представьте рутинную ситуацию: вы идете на работу, школу или универ и видите перед собой сотни разных лиц. И вдруг среди незнакомых лиц вы узнали вашего знакомого, но как так получается, что вы можете узнать одного или нескольких людей среди сотен других? На самом деле наш мозг автоматически за доли секунды анализирует каждое лицо, а именно его цвет глаз, форму носа, прическу и другие детали. Далее мозг сравнивает их с теми особенностями лицами которые он помнит.

Исходя из этого, мы можем сказать, что распознавание лиц — это способность узнавать и отличать друг от друга лица разных людей по определенным особенностям лица.

Как компьютер распознает лица?

Мы знаем, как наш мозг распознаёт лица людей, но как же куску металла понять, кто стоит перед ним: его жертва хозяин Иван или Степа с соседнего села? На самом деле тут не надо придумывать велосипед а просто своровать воспользоваться теми способами что изобрела матушка природа.

Легенда про черно-белые изображения

Давным-давно, когда люди еще не умели распознавать лица, они жили в мире, где все было цветным. Они любили разные цвета и украшали себя и свои дома ими. Но они не могли отличать друг друга по лицам, потому что цвета их сбивали с толку. Они часто путали своих друзей и родственников, а иногда даже своих врагов. Это приводило к множеству недоразумений и конфликтов.

Мораль сей басни такова: быть эмо всегда переводите свои изображения в черно-белый цвет перед распознаванием.

Конечно, назревает вопрос: зачем?

И ответ на данный вопрос до боли простой. Изображения делают черно-белыми перед распознаванием, чтобы было компьютеру было проще и быстрее их просматривать. Черно-белое изображение имеет меньше деталей, чем цветное, поэтому его легче смотреть.

Также черно-белое изображение показывает только форму и светлоту объектов, а не цвет, который может быть лишним или путать при распознавании. Например, если вы хотите распознать слова на изображении, то цвет слов и фона не так важен, как их отличие и ясность.

То же самое работает и с лицами.

Система распознавания лиц

Обнаружения лица

В первую очередь мы, конечно же, должны понять, где тут лицо, а не стена или книга. После того, как мы получили поток с веб-камеры или фотографию и перевели его в черно-белый цвет, мы можем начинать процесс обнаружения лица. Для этого мы можем воспользоваться разными способами.

Хаар-признаки — были разработаны в 2001 году Полом Виолой. Эти признаки помогают узнать, как выглядит лицо, по его частям, например, по глазам, носу, рту и т.д. Они делают это с помощью прямоугольников разных цветов, которые кладут на картинку с лицом.

С помощью этих признаков можно понять, как светло или темно внутри этих прямоугольников и сравнивают их между собой. Так они могут понять, где на лице есть переходы от светлого к темному или наоборот. Хаар-признаки бывают разных видов, в зависимости от количества и расположения прямоугольных областей.

 Самые простые — это 2-прямоугольные признаки, которые состоят из двух общих областей. Также есть 3-прямоугольные и 4-прямоугольные признаки, которые состоят из трех или четырех областей соответственно. Кроме того, есть наклонные признаки Хаара, которые имеют угол 45 градусов.

Это позволяет увеличить покрытость пространства признаков и улучшить качество распознавания. Эти признаки имеют ряд преимуществ, таких как высокая скорость вычисления, низкая чувствительность к изменению освещения и возможность определения объектов разных масштабов.

Однако они также имеют недостатки, такие как низкая точность при повороте или деформации объектов, сложность выбора оптимального набора признаков и необходимость большого объема данных для обучения.

Система распознавания лицСистема распознавания лицКак фильтры накладываются на лицо

Данные признаки хранятся в файлах, как правило это haar-cascade.xml файлы, в которых описана геометрия лица.

Пример haar-cascade.xml файла

Система распознавания лиц: устройство и правила выбора

Что это такое? Система распознавания лиц – это комплекс оборудования и ПО, который может идентифицировать человека. Точность работы такой системы варьируется от 99,9 до 99,9995 %, что практически исключает возникновение ошибок.

Кому нужна? Если раньше данная технология применялась только в масштабах государства, то теперь и бизнес может ее использовать для различных задач в сфере безопасности. Но для начала следует разобраться в устройстве системы и принципах ее работы.

Система распознавания лиц работает на основе обученного пайплайна – совокупности взаимосвязанных программ. В него включаются следующие элементы:

Детектор лиц

Обучается независимо от остальных составляющих. Требует наличия датасета с базой размеченных изображений лиц – bounding boxes. В идеале в них должны быть размечены не только прямоугольники, но и ключевые точки – нос, глаза губы и т. д. При отсутствии собственного датасета подойдет публичная база, например WIDER face, включающая свыше 300 000 изображений.

Система распознавания лиц

Чаще всего используется готовая архитектура детектора, например MTCNN, Retina Face, SCRFD, Yolov 5 Face. Каждый из них можно дополнительно обучить и увеличить быстродействие.

Выравниватель

Данный элемент обычно не требует обучения. Он отвечает за установку правильного положения лица в кадре. Сначала детектор определяет прямоугольник и расположение ключевых точек (их обычно пять), после чего при помощи аффинного преобразователя эти точки сдвигаются вместе с остальными частями лица до идеального положения.

Наиболее важный элемент системы, имеющий самый большой объем. Для него необходимы три составляющие:

  • Качественная архитектура нейросети. Ее чаще всего берут на Imagenet — крупнейшем бенчмарке в компьютерном зрении, или набор из нескольких архитектур в совокупности с дистилляцией знаний (knowledge distillation).
  • Объемный датасет. Включает несколько сотен тысяч разных изображений людей всех рас, полов, возрастов. Датасет может быть открытым. Раньше наиболее популярны были MSCeleb1M, VGG2, UMD faces, MegaFace. Датасет можно составить и самостоятельно либо приобрести его у сторонних компаний.
  • Хорошая функция потерь (loss function). В качестве таковой чаще всего используют ArcFace или ее модификации. Обучение модели выполняется как задача классификации.

От обученной модели отнимают последний полный связанный слой, в результате остается эмбеддер.

Система распознавания лиц

Трекер

Используется для мониторинга траектории человека и применяется не во всех системах.

Так, мобильное приложение вашего банка вполне способно обойтись и без этого элемента, но в уличных системах распознавания он должен присутствовать обязательно, так как позволяет избежать повторного запуска детектора лица по каждому кадру.

В магазинах трекер часто применяется для определения наиболее востребованных площадей с товарами. Чаще всего в основе трекера находится фильтр Калмана и венгерский алгоритм.

При анализе данных с видеокамеры эмбединг формируется с каждого кадра, а затем из полученного набора собирается усредненное изображение. При этом фото могут быть разного качества. Чтобы низкокачественные кадры меньше влияли на итоговый результат, используется нейросеть, способная присваивать каждому изображению определенный вес.

Система распознавания лиц работает в несколько этапов. Прежде всего выполняется считывание, в ходе которого получается кадр с изображением лица, поступающий затем в центр обработки данных.

Обнаружение

В объектив камеры видеонаблюдения попадает не только сам человек, но и окружающие предметы: автомобили, деревья, забор и т. д. Для пользователя не составит труда различить все эти предметы. Для электроники же любое изображение – всего лишь небо пикселей. Для его обработки в 2001 году разработан метод Виолы – Джонса.

Читайте также:  Ссылка на ст. 64 УК РФ не требуется

В основе метода находится применение особых паттернов (масок), с помощью которых различают светлые и темные участки на изображении. Программное вычисление по специальной формуле позволяет определить, какие из масок соответствуют обрабатываемому участку изображения.

Любое лицо содержит ряд определенных точек: глаза, нос и т. д. Если все обязательные паттерны обнаружены в некоторой зоне изображения, то программа расценивает эту зону как человеческое лицо.

Для эффективного использования алгоритма необоримо сначала обучить его на других лицах.

В последние годы традиционный метод заменяется нейросетями. Они более устойчивы к изменениям освещенности и ракурса съемки, а также более быстры при использовании производительного вычислительного оборудования.

Система распознавания лиц

Нормализация

Для последующего анализа изображение подвергается обработке, в результате которого должно получиться идеальное лицо, то есть такое, которое повернуто строго прямо, достаточно четкое и имеющее размер, аналогичный кадрам в датасете. Эта задача решается при помощи различных преобразований: поворот, уменьшение или увеличение, растягивание и т. п.

Создание «отпечатка лица»

Особенности данной операции определяются используемыми для ее выполнения алгоритмами. Все множество таковых можно разделись на две большие группы: машинные и геометрические.

При геометрическом методе исследуется совокупность признаков лица, создается массив данных, который сопоставляется с эталоном, и при выявлении совпадения лицо считается обнаруженным.

Сравнение обычно производится по ключевым точкам, между ними измеряется расстояние. В разных алгоритмах число этих точек варьируется от 68 до 2 000.

К геометрическим алгоритмам относятся метод гибкого сравнения на графах, скрытые Марковские модели, метод главных компонент и др.

Машинные методы представлены нейросетями. Для их обучения используются колоссальные базы фото, по которым анализируются отдельные признаки изображений, и в результате выявляется совпадение. Принципы работы нейросети – сложная тема.

В двух словах, для всякого изображения строится вектор. В частности, для трех кадров с изображением Горбачева и двух кадров с Брежневым будет сформировано три вектора.

Отличия между фото Брежнева будут незначительными, и это позволяет заключить, что на изображении находится один и тот же человек.

Крупнейшие компании, работающие в данной сфере, создают собственные алгоритмы. Так, недавно было поведено тестирование NIST, в котором оценивались продукты от многих флагманов индустрии. Лучшим был признан алгоритм от китайской Megvii, ей немного уступила российская Vision Labs, третье место досталось OT-Morpho из Франции.

Что такое распознавание лиц – определение и описание

Система распознавания лиц

Что такое распознавание лиц?

Распознавание лиц – это способ идентификации или подтверждения личности человека по его лицу. Систему распознавания лиц можно использовать для идентификации людей на фотографиях, видео или в режиме реального времени.

Распознавание лиц – это категория биометрических систем аутентификации.

Другие виды биометрических систем аутентификации включают распознавание голоса, распознавание отпечатков пальцев и распознавание сетчатки или радужной оболочки глаза.

Эти технологии в основном используются для обеспечения безопасности и соблюдения правопорядка, однако наблюдается рост интереса к другим областям использования.

Как работает распознавание лиц?

Многим знакома технология распознавания лиц FaceID, используемая для разблокировки iPhone (это только один из примеров применения технологи распознавания лиц).

Как правило, технология распознавания лиц не использует огромную базу данных фотографий для определения личности человека.

Она идентифицирует и распознает одного человека как единственного владельца устройства и ограничивает доступ для других людей.

В общем случае, технология распознавания лиц работает путем сопоставления лиц людей, проходящих мимо специальных камер, с изображениями людей в списке наблюдения.

Списки наблюдения могут содержать фотографии кого угодно, в том числе людей, которые не подозреваются в каких-либо правонарушениях. Изображения могут поступать из любых источников, даже из учетных записей в социальных сетях.

Существуют различные технологии распознавания лиц, но в целом они работают следующим образом:

Шаг 1. Обнаружение лица

Камера обнаруживает и фиксирует положение изображения лица, как одного, так и в толпе. На изображении может быть человек, смотрящий в анфас или в профиль.

Шаг 2. Анализ лица

Затем выполняется снимок и проводится анализ изображения лица. Большинство технологий распознавания лиц используют 2D, а не 3D-изображения, поскольку 2D-изображения удобнее сопоставлять с общедоступными фотографиями или фотографиями в базе данных.

Программа считывает геометрию лица. Ключевые факторы включают расстояние между глазами, глубину глазниц, расстояние от лба до подбородка, форму скул и контуры губ, ушей и подбородка.

Цель состоит в том, чтобы определить черты, отличающие данное конкретное лицо.

Шаг 3. Преобразование изображения в данные

В процессе анализа аналоговая информация (лицо) преобразуется в набор цифровой информации (данных) на основе черт лица человека. По сути, анализ лица представляет собой математическую формулу. Цифровой код называется «отпечатком лица». У каждого человека есть свой уникальный отпечаток лица, так же как и отпечатки пальцев.

Шаг 4. Поиск совпадения

Распознавание лиц: как это работает и что с ним будет дальше?

Вы поднимаетесь по лестнице и заходите в лифт. Он знает, на какой этаж вам нужно. Двери в квартиру сами открываются перед вами. Компьютер и телефон «узнают» вас и не требуют ввода пароля. Автомобили, социальные сети, магазины — все приветствуют вас, едва завидев, обращаются к вам по имени и предугадывают каждый ваш шаг. Так работает распознавание лиц. Нравится? Пугает?

Система распознавания лиц

Как работает распознавание лиц?

На первый взгляд может показаться, что любая организация, которая может себе такое позволить, следит за каждым вашим шагом, собирает на вас досье. Но вы даже не представляете, как широко технологии распознавания лиц распространились по миру и какие мощные перспективы обещают. Помимо выше приведенных примеров, системы распознавания лиц позволяют делать и такие простые и сложные вещи:

  • подтверждение личности студента во время онлайн-экзаменов;
  • определение людей из «черного списка» на входе на стадионы и ночные клубы;
  • оплата товаров;
  • сохранение вашего места в очереди при посещении парка аттракционов;
  • разблокировка телефона или компьютера.

Что говорить, если в одной только Москве уже работает сеть из более 150 000 камер наружного видеонаблюдения. От них никуда не скрыться, и это заставляет людей задумываться, но масштабы «слежки» не настолько велики.

Сеть использует мощную систему распознавания лиц, но для ее работы необходимо много энергии, поэтому в режиме реального времени работают всего 2-4 тысячи камер.

Массовым слежением за населением пока только пугают, поэтому стоит сосредоточиться на реальных плюсах работы данной технологии. Но обо всем по порядку.

Как работает система распознавания лиц?

Никогда не задумывались о том, как вы сами узнаете лицо, распознаете его? А как это делает компьютер? Конечно, у человеческих лиц есть определенные свойства, которые легко описать.

Расстояние между глазами, положение и ширина носа, форма надбровных дуг и подбородка — все эти детали вы подмечаете бессознательно, когда смотрите на другого человека.

Компьютер же делает все это с определенной эффективностью и точностью, потому что, совмещая все эти метрики, получает математическую формулу человеческого лица.

Где и как работает распознавание лиц и можно ли его обмануть — Валентин Кишкун на vc.ru

Прогресс в сфере безопасности или конец частной жизни

{«id»:321529,»gtm»:null}

Толчок развитию технологии распознавания лиц дало объединение систем видеонаблюдения и искусственного интеллекта. Если от камер требуется только грамотное расположение и хорошее качество картинки, то анализом лиц занимается нейросеть. Вопросы слежки за людьми и безопасности персональных данных обсуждают в соцсетях, на форумах и телевидение. В статье мы ответим на вопросы:

  • с чего всё начиналось?
  • как технология работает?
  • как это делает нашу жизнь безопаснее?
  • могут ли это использовать против нас и следить за нами?
  • можно ли обмануть эту систему?
  • какое у неё будущее?

В 1960-х годах профессор Техасского университета Вудро Бледсо с коллегами создал систему по упорядочиванию фотографий лиц. В её основу легла байесовская теория принятия решений. Учёные разработали специальный планшет, где вводились вертикальные и горизонтальные координаты основных черт лица: глаз, носа и рта.

Записанные координаты сохранялись в системе. И когда в неё вносилось новое фото человека, система выдавала схожее изображение из сохранённых ранее фото с введёнными координатами. В этом эксперименте не использовались компьютеры, но в нём впервые использовался на практике биометрический метод.

В 1970-х годах эту систему модернизировали, добавив дополнительные маркеры толщины губ и цвета волос.

Eigenface – дословно «собственные лица». Этот метод распознавания лиц сотрудники университета Брауна Лоуренс Сирович и Майкл Кирби создали в 1988 году. При анализе изображений использовалась линейная алгебра, для разметки лиц применялось до 100 значений.

В 1991 году Алекс Пентланд и Мэтью Тёрк из Массачусетского технологического института смогли автоматизировать алгоритм Eigenfaces. После этого управление перспективных исследовательских проектов при минобороны США и Национальный институт стандартов и технологий выпустили программу FERET. В 2002 году её начали применять для поиска преступников.

В 2011 году в панамском аэропорту Токумен установили крупнейшую на тот момент биометрическую установку, которую использовали для борьбы с преступностью. Тогда же систему стали применять американские военные для опознания тел погибших. Благодаря технологии удалось подтвердить личность террориста Усамы Бен Ладена.

Читайте также:  Соглашение о защите капиталовложений

Технология распознавания лиц: как работают решения VisionLabs

11 авг 20221840

Технология распознавания лиц уже давно перестала быть фантастикой. Умные камеры узнают нас, когда мы спускаемся в метро, заходим в магазин или просто гуляем по городу. Сегодня расскажем, как работает эта технология и в каких сферах бизнеса она нашла свое применение.

Что такое распознавание лиц и по каким принципам работают современные алгоритмы

Распознавание лиц — это технология, позволяющая в автоматическом режиме идентифицировать (установить личность) или верифицировать (подтвердить личность) человека на фотографии, видео или в режиме реального времени. Работают такие технологии на базе алгоритмов и нейронных сетей, которые «натренированы» на анализ каких-либо уникальных черт лица и их сверку с базой.

Процесс распознавания лиц состоит из нескольких этапов. Прежде чем система сможет распознать чье-то лицо, его нужно сначала обнаружить, то есть в прямом смысле найти на фотографии или видео. Для этого используются нейронные сети, обученные находить лица на изображениях. Отдельной сложностью решения этой задачи является скорость работы алгоритма: он должен работать в реальном времени, обнаруживая при этом все лица на изображении. Особенно сложно находить лица небольшого размера, перекрытые лица.

  • Нахождение ключевых точек лица

В идеальном сценарии для распознавания нужно лицо, которое смотрит прямо в камеру, анфас. Однако такое бывает редко — как правило, лица расположены под углом. После того, как лицо обнаружено на изображении, оно преобразуется до некоторого стандартного положения, где ключевые точки, такие как нос, глаза, рот, находятся в определенных заранее заданных участках изображения. Положение таких ключевых точек также определяется с помощью нейронной сети. На этом этапе нейросеть высчитывает для конкретного лица вектор его признаков. По сути, лицу присваивается набор чисел, полученных из его различных характеристик, которые определяет нейронная сеть. Важный момент: характеристики, использующиеся для подсчета вектора, должны описывать лицо вне зависимости от посторонних факторов — мимики, прически, макияжа, возрастных изменений и прочего. На этом этапе система сравнивает полученный ранее вектор с другими векторами из базы. Чем меньше разница между числами, тем выше вероятность совпадения.

Где используется технология распознавания лиц

Сами технологии, на которых основаны современные системы распознавания лиц, зародились еще в 1960-х годах прошлого века. Сегодня алгоритмы стали настолько эффективны, что разнообразные решения на их основе нашли свое применение в различных отраслях бизнеса.

Ритейл

В сфере розничной торговли технология распознавания лиц решает целый спектр задач. Расскажем о наиболее интересных и популярных сценариях использования.

Предотвращение краж и сокращение финансовых издержек

Умные алгоритмы анализируют лица посетителей магазинов и сравнивают их с лицами из черных списков и баз шоплифтеров.

Если среди потока клиентов система “узнает” человека, который ранее совершил кражу, служба безопасности магазина тут же получит уведомление и сможет оперативно принять меры.

Таким образом технология распознавания лиц помогает предотвратить кражу еще до того, как она случится, оптимизировать штат службы безопасности и снизить расходы на ФОТ.

Аналитика посещаемости и персонализация предложений

Технология распознавания лиц помогает анализировать целевую аудиторию конкретных торговых точек.

С помощью таких систем можно установить точное количество клиентов, их пол и возраст, собрать данные о перемещении посетителей в торговом зале и на базе этой информации разработать стратегию оптимизации ассортимента в соответствии с потребностями реальной аудитории.

Дополнительно полученные сведения можно использовать для формирования персонализированных предложений. Все это помогает повысить лояльность клиентов и увеличить прибыль конкретной торговой точки.

Мониторинг работы сотрудников

Бизнес из сегмента розничной торговли может терять прибыль из-за некачественного обслуживания клиентов.

Технология распознавания лиц позволяет отслеживать работу всех сотрудников торгового зала, получая информацию об их перемещении и времени пребывания на рабочем месте.

Внедрение технологии распознавания лиц поможет увеличить эффективность работы персонала и повысить качество обслуживания клиентов.

Финансы

Банки и другие компании из финансового сектора были пионерами внедрения технологии распознавания лиц. Давайте посмотрим, для каких задач ее используют игроки этого рынка.

Распознавание недобросовестных клиентов

Внедрение технологии распознавания лиц в банках позволяет проводить автоматические проверки документов при первом посещении офиса и выявлять недобросовестных клиентов еще до заключения сделок. Применение систем распознавания лиц существенно снижает риски для организации, а также ускоряет принятие решений, что позволяет быстрее и качественнее обслуживать клиентов компании.

Автоматизация работы банкоматов

Клиенты, пользующиеся услугами банков, которые внедрили систему распознавания лиц, могут снимать наличные и приобретать продукты компании по лицу, без прохождения дополнительных процедур идентификации и верификации.

Промышленность

Контроль доступа и безопасность

Промышленные предприятия с помощью технологий биометрического распознавания лиц могут повысить безопасность своих офисов и производственных площадок. Умные алгоритмы помогут избавиться от очередей на проходных, исключить проникновение случайных людей и обеспечить мониторинг посещения отдельных зон.

Технология распознавания лиц от VisionLabs

Компания VisionLabs — один из ведущих разработчиков продуктов на базе технологий распознавания лиц, компьютерного зрения и машинного обучения. Клиенты VisionLabs — организации из сферы розничной торговли, финансов, транспортные компании и международные технологические корпорации.

Портфель VisionLabs представлен пятью продуктами:

LUNA SDK

Набор средств разработки с обученными алгоритмами компьютерного зрения для распознавания и анализа лиц, людей, событий, а также работы с биометрическими образцами.

LUNA PLATFORM

Система распознавания лиц, которая решает задачи детекции и сравнения биометрических шаблонов, определения качества и атрибутов (пол, возраст, раса и проч.) на изображениях с помощью обученных нейронных сетей.

VISIONLABS THERMO

Программно-аппаратный комплекс эпидемиологического контроля для измерения температуры человеческого тела и идентификации объекта измерения.

LUNA CARS

Система «умной» видеоаналитики транспорта с функцией распознавания госномера, марки и модели транспортного средства, его цвета, категории, типа и других характеристик.

LUNA ACE

Биометрический терминал контроля и управления доступом. Установка LUNA ACE на проходных позволяет увеличить пропускную способность проходной, повысить безопасность предприятия и проводить точный учет рабочего времени сотрудников.

Как работает решение LUNA PLATFORM

Остановимся подробнее на ключевом продукте компании — LUNA PLATFORM.

Её основные возможности:

  1. Детектирование лиц и извлечение биометрического шаблона.
  2. Определение области лица на изображении, набора ключевых точек лица и преобразование обнаруженного лица в специальный набор уникальных черт.

  3. Сравнение лиц.
  4. Идентификация лиц (сравнение 1:N), верификация лиц (сравнение 1:1) и сравнение групп лиц (M:N).

  5. Логическая группировка лиц.
  6. Создание и управление списками лиц, разделенных по категориям (например, списки сотрудников или клиентов).

  7. Отправка событий.
  8. Отправка отчетов с информацией об обработанном изображении во внешние системы посредством Web socket.

  9. Проверка Liveness.
  10. Получение и обработка ответа/запроса от сервиса Liveness.

Где используются продукты VisionLabs

С помощью продуктов VisionLabs компании из самых разных отраслей решают задачи, связанные с распознаванием лиц и обработкой биометрических данных. Наиболее активно они применяются в следующих сферах.

Ритейл

Подсчет аудитории

Решения VisionLabs для ритейла помогут компаниям с подсчетом аудитории и сбором таких данных, как маршрут клиентов, возраст и пол посетителей, время ожидания, эмоции, точки привлечения внимания и других.

Предотвращение краж и потерь

С помощью решений VisionLabs компании из сегмента розничной торговли могут эффективно предотвращать кражи (благодаря возможности распознавания опасного поведения и распознаванию уже известных злоумышленников) и отслеживать действия сотрудников торговых точек.

Улучшение клиентского опыта

Технологии распознавания лиц помогут отслеживать постоянных и уникальных посетителей, создавать персонализированные предложения на основе уже совершенных покупок, определять эффективность рекламы, оптимизировать программы лояльности и уведомлять о прибытии VIP-клиентов.

Безопасность

Продукты VisionLabs активно используются в целях повышения безопасности и контроля доступа.

Умный город

Технологии распознавания лиц от VisionLabs помогают делать городские пространства безопаснее. Продукты компании можно использовать для идентификации злоумышленников и подозреваемых лиц, в целях оптимизации работы систем общественного транспорта, улучшения пешеходных зон города, определения наиболее удачных мест для расположения сервисов и других задач.

Пограничный и транспортный контроль

Внедрение продуктов VisionLabs на пограничном контроле позволяет повысить скорость проверки пассажиров и обеспечить высокий уровень безопасности. Решения компании используются при онлайн-регистрации пассажиров, самостоятельной регистрации на стойке, автоматизированном прохождении границы и посадке пассажиров.

Контроль доступа

Системами распознавания лиц оснащаются турникеты, проходные, дверные станции, домофоны и стандартные камеры видеонаблюдения. Это позволяет эффективно учитывать рабочее время сотрудников и повысить безопасность предприятия, исключив проникновение на территорию лиц без соответствующих прав доступа.

Банки

Новые технологии трансформируют привычные сферы жизни. Не стали исключением и финансовые процессы. В этом сегмента продукты VisionLabs также нашли применение.

Антифрод

Продукты VisionLabs помогают финансовым организациям предотвращать различные виды мошенничества, включая махинации с кредитными картами и заявками на предоставление кредита, отмывание денежных средств. Внедрение решений с функцией распознавания лиц помогают вычислять недобросовестных клиентов в отделениях банков, терминалах самообслуживания и банкоматах.

Интернет-банкинг

Все больше клиентов финансовых организаций делают выбор в пользу дистанционного обслуживания, отказываясь от личного посещения отделений.

Для обеспечения безопасности подобных операций банки внедряют технологии распознавания лиц.

С их помощью организации обеспечивают точную идентификацию и верификацию клиентов без ущерба комфорту, что не только помогает стать клиентом банка не выходя из дома, но и быстро подтверждать рисковые операции по лицу.

Читайте также:  Сообщение о созыве общего собрания

Биометрический эквайринг

Предоставление полностью бесконтактного и безопасного метода оплаты товаров и услуг с помощью биометрических данных лица. Возможность применения в банковских отделениях, торговых точках, на транспорте. Интеграция с кассами самообслуживания, системами лояльности и CRM-системами.

Транспорт

Предотвращение угонов

Использование продуктов VisionLabs открывает новые возможности в сфере обеспечение безопасности транспорта. Так, например, решения компании помогут предотвратить кражи и акты незаконного использования транспортных средств, использование автомобилей несовершеннолетними.

Подобные инструменты также могут быть полезны транспортным компаниям и таксопаркам.

С помощью продуктов на базе технологии распознавания лиц они могут обеспечить доступ только авторизованных водителей, учитывать время, проведенное за рулем, предотвращать нецелевое использование транспортных средств и иной техники.

Классификация транспортных средств

Решения VisionLabs подходят не только для распознавания человеческих лиц. Умные алгоритмы будут эффективны для мониторинга городского движения, ведь продукты компании справятся с такими задачами, как определение типа транспортного средства или общественного транспорта, марки автомобиля, определение госномера и многое другое.

Телеком

Единый вход в экосистему

Автоматическая биометрическая верификация и идентификация клиентов в качестве дополнительного фактора аутентификации в экосистемных сервисах оператора через единый ID. Внедрение технологий лицевой биометрии дает возможность повысить такие метрики как ARPU и NPS.

KYC проверка для продажи eSIM

Проверка подлинности документа и верификация личности (является ли клиент именно тем человеком, чьи документы он предоставляет) для продажи контрактов и возможности оказания услуг клиенту в режиме онлайн без посещения салона связи.

Анализ клиентского потока в салонах

Сбор и анализ информации о визитах (первичных и повторных) клиентов, возрастного и гендерного распределения в режиме реального времени на основе результатов распознавания и обработки событий, получаемых с видеокамер, установленных в салонах связи РТК. Отображение метрик в интерфейсе.

Ответы на часто задаваемые вопросы

Как работает система распознавания лиц?

Алгоритмы распознавания лиц работают в несколько этапов. Сначала на изображении или видео определяется человеческое лицо. Затем на нем находится набор ключевых точек лица.

На следующем этапе с использованием положения этих точек лицо выравнивается — поворачивается в двумерной плоскости и приводится к заранее определенному стандартному положению ключевых точек.

После этого вычисляется вектор лица — набор чисел, выученный нейронной сетью. После этого происходит идентификация лица по этому вектору.

Как можно определить характер человека по его лицу?

По лицу нельзя определить характер человека, однако современные технологии позволяют распознать эмоции, которые испытывает человек в конкретный момент времени. Эта возможность активно используется в сфере ритейла, финансовыми организациями и транспортными компаниями.

  • Где используется распознавание лиц?
  • Технология распознавания лиц и продукты на ее основе используются во многих сферах бизнеса — в розничной торговле, логистике, банках, промышленности.
  • Как называется программа для распознавания лиц?
  • Решение VisionLabs называется LUNA PLATFORM.
  • Кто запустил программу для считывания лица в России?
  • Компания VisionLabs одной из первых на российском рынке представила специализированные продукты на базе технологии распознавания лиц.
  • Зачем нужна система распознавания лиц?
  • Системы распознавания лиц помогают бороться с мошенничеством и кражами, повышать продажи за счет оптимизации ассортимента и разработки персонализированных предложений, обеспечивать безопасность городской среды, транспорта и предприятий.

Система распознавания лиц: что это и что делать, если меня обвиняют на основе неё?

Разберёмся, как правильно вести себя в такой ситуации.

Система распознавания работает следующим образом: фотографии, полученные камерами видеонаблюдения, преобразуются в набор точек, описывающих черты лица. Чем больше черт охвачено — тем выше будет точность распознавания.

Полученные наборы программа сравнивает с уже имеющимися в базе данных и ищет совпадения. Точность определяется в процентах.

Таким образом, система распознавания состоит из базы данных загруженных в программу «образов», обученного алгоритма машинного обучения и сервера, на котором это всё обрабатывается (часть информации может обрабатываться сразу на камере).

  • Системы распознавания могут применять для
  • – верификации пользователей (смартфоны, платёжные системы, система пропуска на работу);
  • – подсчёта уникальных посетителей (магазины);
  • – определения демографических признаков клиентов, таких как пол и возраст (магазины, кинотеатры);
  • – поиска пропавших людей;
  • – подсчёта количества пассажиров в общественном транспорте;
  • – поиска преступников.
  1. В теории, с поправкой на обезличивание данных при массовом видеонаблюдении — да. На практике, к сожалению, у использования системы есть следующие проблемы:
  2. – нерегламентированность и, как следствие, непрозрачность и бесконтрольность работы системы: кто имеет к ней доступ, кто имеет доступ к данным, какой процент точности следует принимать во внимание при вынесении решений;
  3. – небезопасность: отсутствие работающих норм по хранению данных, коррупция и утечки;
  4. – ошибки распознавания.

Всё вместе это приводит к таким ситуациям, когда людей только на основании результатов распознавания задерживают, а потом выясняется, что произошла ошибка. Так было с Робертом Уильямсом в США и Сергеем Межуевым и Антоном Леушиным в России. Пострадавшим подобные ошибки стоят как минимум времени и нервов.

Про утечку данных и расследования «Роскомсвободы» чёрного рынка данных подробнее послушайте здесь.

Получается, да. Никто не застрахован.

  • Во-первых, вы должны знать, как должен вести себя полицейский. А при обращении к вам по закону «О полиции» должен он следующее:
  • – представиться, назвав должность, звание и фамилию;
  • – сообщить причину и цель обращения;
  • – при ограничении прав и свобод разъяснить причину и основания ограничений, а также возникающие в связи с этим права и обязанности гражданина.

Вы, в свою очередь, можете попросить  предъявить служебное удостоверение. После проверки полномочий должностного лица, вы можете начать беседу с полицейским. Обычно полицейские просят показать паспорт. Несмотря на распространённую практику проверки документов, требовать паспорт по закону могут только в основных строго определённых случаях:

  1. – при подозрении в совершении уголовного преступления;
  2. – при подозрении в совершении административного правонарушения;
  3. – при нахождении в розыске.
  4. Также возможны такие специфические случаи вроде уклонения от административного ареста, нарушения комендантского часа, побега из психиатрического заведения.
  5. Тем нем менее, чтобы не вступать в конфликт с полицией и избежать задержания с доставкой в полицейский участок, паспорт можно и показать. 
  6. Если дошло до задержания,вам должны назвать причину и основания задержания, а также составить протокол на месте либо немедленно после доставления в участок. 

Как мы уже говорили выше, пока системы распознавания часто и сильно ошибаются. Кроме того, строгого правила или хотя бы консенсуса, какой процент считать достаточным для обвинения, нет. В этом есть большой пробел отечественного законодательства.

Критерии соответствия можно найти лишь в некоторых технических заданиях к контрактам, но они не являются нормативными.  Поэтому можете апеллировать к несовершенству системы и настаивать на том, что все сомнения в виновности лица,совершившего преступление/административное правонарушение, трактуются в его пользу.

Отсутствие 100% точности и погрешность в работе системы — это сомнение в виновности, и если других доказательств нет, вы должны быть признаны невиновными. 

Тогда и причин задерживать вас нет. И уж тем более собирать Ваши персональные данные (паспортные, биометрические) «на всякий случай», как это было с Сергеем Межуевым.

Не оказывайте сопротивление. К сожалению, это бесполезно и даже может окончиться переломами.

Запомните, кто вас задержал. Если полицейский не представился, всё равно можно записать номер его нагрудного знака.

Если есть возможность, запишите ФИО свидетелей и их контактные данные.

Вызовите адвоката. Без него ничего не объясняйте и не подписывайте.

Сообщите о произошедшем близким.

По возможности, записывайте всё, что происходит. И даже выкладывайте в соцсети.

Как и Антон, не соглашайтесь идти с охраной в подсобку, попробуйте выяснить, в чём вас обвиняют и как зовут стоящих перед вами людей. В случае, если мирно разобраться и разойтись не удалось, вызывайте полицию. По возможности, фиксируйте всё, что происходит (фото, видео), и возьмите контакты свидетелей.

Да, и тех и других.

Во-первых, вы фиксируете злоупотребления полномочиями этих людей. Во-вторых, сотрудников полиции при исполнении обязанностей можно снимать в принципе (наши законы запретов не содержат, а наоборот, содержат принципы публичности и открытости госорганов). 

В целом вы можете снимать кого угодно, в том числе и охранников. Вопрос правомерности возникает лишь при размещении видео или фото с изображением человека в публичном доступе (например, в соцсетях) и распространении такого контента.

Если человек, не являющийся официальным должностным лицом, не предоставил вам согласие на использование своего изображения, и оно является основным объектом съёмки, то размещение и распространение изображения может быть признано судом незаконным, если это дойдёт до суда.  

  • Вместе с адвокатом начните разбирательство:
  • – подайте жалобу в прокуратуру на незаконные действия полиции;
  •           – подайте иск в суд.
  • Если в отношении вас также ошиблась система распознавания лиц, пишите нам на [email protected] и через форму.

Также напоминаем, что «РосКомСвобода» продолжает активно ведёт кампанию против распознавания лиц, пока система видеонаблюдения не станет прозрачной и подотчётной и не будет иметь гарантии защиты от злоупотреблений.  Вы можете помочь нам, присоединившись к кампании и подписав петицию на сайте Change.org.