Розпізнавання облич — це тип біометричної технології, яка дає користувачам швидко ідентифікувати людей, що з'являються на відео. За допомогою програмного забезпечення для розпізнавання облич оператори можуть витягувати риси обличчя в живому або записаному відео та порівнювати їх з базою даних або списком цифрових зображень людей, що представляють інтерес. Якщо обличчя в відео збігається з тим, що в списку спостереження, то автоматично спрацьовує сповіщення в поточному часі, щоб повідомити співробітників служби безпеки, які зможуть оцінити збіг та вирішити, як реагувати. Незалежно від того, чи є вони VIP-персонами або підозрюваними, за якими потрібен ретельний нагляд — зацікавлені особи будуть піддані активному моніторингу. Крім того, «білий список» уповноважених облич можна використовувати для запуску сповіщень, коли виявляються особистості, яких немає в установленому списку.
Традиційно в список тих, хто використовує рішення з розпізнавання облич, входять співробітники правоохоронних органів або служб фізичної безпеки, які працюють в муніципалітетах, державних установах або приватних корпораціях (банки, казино або роздрібні магазини). Оскільки індустрія відеоспостереження розвивалася з використанням камер надвисокої чіткості в поєднанні з наростальною складністю застосувань штучного інтелекту, технологія розпізнавання облич стала доступнішою, надійною й точнішою — і, отже, поширенішою.
Два типи технології розпізнавання облич
Ринок розпізнавання облич розширюється та швидко розвивається, тому споживачам надано вибір технологій для реалізації. Звичайно, не всі рішення розпізнавання облич однакові, і не кожен варіант підходить для конкретних умов та цілей. Технології розпізнавання облич можна поділити на два типи рішень: для сценаріїв спільного контролю доступу та для неоперативних сценаріїв «в диких» умовах.
Контроль доступу відноситься до тих реалізацій, які в першу чергу служать для управління входом конкретних людей в критичні області об'єкта. Наприклад, щоб захистити активи банківського сховища, відвідувачам може знадобитися пройти через біометричний термінал, щоб підтвердити свою особу. В «диких» умовах технологія містить підбір облич з використанням камер відеоспостереження, призначених для моніторингу місцевості. Цей тип розпізнавання вважається складним завданням, оскільки об'єкти не завжди дивляться в камеру, а пристрої не обов'язково розташовані правильно або забезпечують достатню роздільну здатність для забезпечення підвищеного рівня точності.
На додаток до цих двох сценаріїв, є два способи зіставлення захопленого обличчя з еталонними зображеннями. У контрольованих налаштуваннях людина традиційно постачає систему ідентифікованим об'єктом (посвідчення особи), який повідомляє системі, з яким посиланням потрібно зіставити обличчя. Цей тип розпізнавання називається зіставленням 1:1 або «перевіркою», оскільки отримане обличчя зіставляється з одним заздалегідь визначеним опорним зображенням. Якщо в системі немає попередньо ідентифікаційних даних про людину, яка повинна бути розпізнаною, система повинна спробувати зіставити обличчя з повним списком спостереження (або великою підмножиною). Це називається відповідністю 1: N (де N — це розмір списку спостереження) або «ідентифікацією».
Порівнюючи заявлену точність механізмів розпізнавання облич важливо перевірити, чи були досягнуті ці точності в співвідношеннях 1:1 або 1:N, а також в яких сценаріях.
Подолання обмежень розпізнавання облич
Розпізнавання облич надзвичайно цінне для ідентифікації людей, проте не завжди можливо використовувати дану технологію. Перш за все, деякі муніципалітети та країни перешкоджають дане рішення через правила конфіденційності. Проте, навіть там, де можна використовувати розпізнавання облич, IP камери відеоспостереження часто фіксують обличчя в умовах, які не ідеальні: встановлена камера розташована не оптимально або записує з недостатньо високою роздільною здатністю відео, щоб скористатися біометричним рішенням. В інших випадках об'єкти можуть бути звернені в протилежну сторону від камери, мати частково затінені обличчя або швидко переміщатися в умовах низької освітленості, що підриває здатність забезпечувати точне розпізнавання облич. Без належних умов технологія не завжди здатна надати бажані результати.
При виборі рішення з розпізнавання облич організації повинні враховувати, як буде використовуватися технологія, щоб заповнити персональні потреби. Користувачі повинні запитати себе, чи підходить поточна інфраструктура для технології, та чи потрібно додаткове або змінне обладнання для підтримки вимог до якості зображення. Вони також повинні враховувати необхідність оновлення або переналаштування встановлених інтеграцій для підтримки нових опцій інновації.
Переваги комплексної відеоаналітики
У тих випадках, коли технологія розпізнавання облич не може бути продуктивно застосована, та особливо коли її використання незаконне, — зусилля організації з пошуку або ідентифікації людей будуть припинені. У цих юрисдикціях організації виграють від комплексного рішення для аналізу відеоконтенту, заснованого на штучному інтелекті та Deep Learning, що пропонує можливість вибрати пошук відео та оповіщення, на додаток до розпізнавання облич. Ґрунтуючись на методах Deep Learning, передове ПЗ для відеоспостереження вміє виявляти та ідентифікувати об'єкти в відеоряді, відповідно до їх класів та атрибутів. Ця функція дає операторам знаходити об'єкти або людей, використовуючи різні фільтри.
Комплексне програмне забезпечення для відеоспостереження також дозволяє налаштовувати оповіщення в режимі поточного часу на основі поєднань класів, атрибутів або облич, щоб служби безпеки або правоохоронні органи могли отримувати повідомлення, коли ті, що потрапили в поле зору відеокамери, відповідають опису. Ще однією перевагою є те, що з часом агреговані метадані відео також можна візуалізувати за допомогою системи аналізу відеоконтенту, що дає менеджерам різних галузей приймати більш точні рішення на основі даних.
Інтегруючи комплексне та розширене рішення відеоаналітики, що охоплює розпізнавання облич, організації зможуть користуватися перевагами обох рішень, застосовуючи технологію, яка дозволена та корисна для перетворення відео в дані з можливістю пошуку, дій та кількісної оцінки.
