Біометрична технологія розпізнавання облич все частіше використовується для ідентифікації людей, що з'являються в поле зору камер відеоспостереження. Простіше кажучи, розпізнавання облич відноситься до здатності програмного забезпечення розпізнавати особистість людини по її обличчю. За канону, дана технологія зображає людське обличчя, визначає відстань між різними точками (наприклад, між очима або за формою щік) — а потім розпізнає інші обличчя, які відповідають унікальній біометричній характеристиці оригінальної особи.
Сьогодні технологія розпізнавання облич заснована на методах глибокого навчання (підмножина штучного інтелекту), відповідно до яких мережа навчається через вплив помічених даних. Наслідуючи те, як вчать людину, мережа навчається, тобто здатна виявляти, ідентифікувати та класифікувати дані — оскільки з плином часу піддається більшій кількості інформації. Розпізнавання облич на основі програмного забезпечення Deep Learning дозволяє витягувати унікальні функції ідентифікації з вхідних даних зображення обличчя та зіставляти їх з банком еталонних функцій, для визначення особистості людини в запиті. Хоча точна внутрішня робота алгоритмів, розроблених машиною, не є повністю прозорою, масові дослідження в сегменті глибокого навчання та розробка апаратного забезпечення дозволили алгоритмам Deep learning досягти надлюдської продуктивності, виявляючи збіги облич в сценаріях, де люди не здатні цього зробити.
Зіставлення облич із зображеннями
Для розпізнавання облич в ПЗ для відеоспостереження передбачена технологія Deep Learning, для виявлення в "живому" або записаному відео та порівняння облич з базою даних або списком витягнутих рис обличчя, що представляють інтерес. Технологія використовується не тільки для виявлення потенційних загроз та оповіщення про них, або для перевірки доступу уповноважених осіб — вона також дозволяє прискорити пошук зниклих або розслідувань, що проводяться правоохоронними органами або службами безпеки.
Коли з людиною, яка входить на об'єкт, що охороняється, відбувається збіг облич — система відеоаналітики здатна ініціювати оповіщення співробітників служби безпеки в режимі поточного часу, щоб підвищити ситуаційну обізнаність та надати можливість швидко обміркувати, як краще реагувати на ситуацію.
Існує два основних типи розпізнавання облич: для сценаріїв спільного управління доступом та сценаріїв для некооперативних спостережень «в польових умовах». Спільне управління доступом відноситься до контрольованих налаштувань, де система розпізнавання облич порівнює одне обличчя з фотографією людини з паспорта, ліцензії або іншої ідентифікаційної картки або ключа доступу. Цей тип розпізнавання називається зіставленням 1:1 або «перевіркою», оскільки отримане обличчя зіставляється з одним заздалегідь визначеним опорним зображенням. Прикладом цього вважається біометричний зчитувач для надання доступу в зону, що охороняється.
У «польових умовах» технологія розпізнавання обличчя охоплює використання IP камер відеоспостереження, які контролюють область. Часто при розпізнаванні облич в таких умовах не буде ніяких ідентифікаційних даних про людину, яку буде розпізнано (тобто, немає посвідчення особи або паспорта з фотографією). У таких випадках особа ідентифікується та витягується з записаного матеріалу або відеодоказів (або з зовнішнього джерела) — та додається в список відеоспостереження для подальшого виявлення. Система розпізнавання облич повинна намагатися зіставити кожне виявлене обличчя з цілим списком спостереження (або великою його підмножиною), щоб виявити конкретних осіб, що представляють інтерес. Це називається відповідністю 1: N (де N — це розмір списку спостереження, який порівнюється) або «ідентифікацією».
Переваги відеоаналітики «в польових умовах»
На жаль, такому середовищу часом не вистачає освітлення та положення відеокамери або роздільної здатності відео, або ж об'єкт у відео може не дивитися в камеру — для забезпечення підвищеного рівня точності зіставлення облич. Ці фактори роблять розпізнавання «в польових умовах» більш складним, і це одна з причин, по якій комплексне програмне забезпечення для відеоаналітики пропонує перевагу перед точковими рішеннями розпізнавання облич.
Технологія відеоаналітики на основі штучного інтелекту виявляє, ідентифікує, витягує та каталогізує об'єкти в відеоряді на основі класів та атрибутів. Це робить відео доступним для пошуку, дієвим та піддається кількісній оцінці на основі розширеного набору фільтрів й комбінацій даних. Наприклад, користувачі можуть шукати відеозаписи з «жінкою з рудим волоссям, одягнену в чорний піджак» в сценаріях, де неможливо виявити конкретну інформацію. Вдосконалене програмне забезпечення для відеоаналітики також дозволяє налаштовувати оповіщення в режимі поточного часу, щоб співробітники служби безпеки або правоохоронних органів могли отримувати повідомлення, коли хтось потрапив у поле зору відеокамери та відповідає опису. Також, коли слідчим не вистачає чіткого зображення зниклої людини, відеоаналітика може допомогти визначити її місцеперебування на основі всіляких атрибутів.
Оскільки технологія розпізнавання облич продовжує розвиватися та стає все більш точною й надійною, її застосування буде розширюватися. З появою на ринку комплектів відеоспостереження з більш високою роздільною здатністю та інновацій для штучного інтелекту, користувачі можуть очікувати появи нових рішень розпізнавання облич в правоохоронних органах, банках, аеропортах та роздрібній торгівлі в найближчі роки.
