Биометрическая технология распознавания лиц все чаще используется для идентификации людей, появляющихся в поле зрения камер видеонаблюдения. Проще говоря, распознавание лиц относится к способности программного обеспечения распознавать личность человека по его лицу. По канону, данная технология отображает человеческое лицо, определяет расстояние между различными точками (например, между глазами или по форме щек) — а затем распознает другие лица, которые соответствуют уникальной биометрической характеристике оригинального лица.
Сегодня технология распознавания лиц основана на методах глубокого обучения (подмножество искусственного интеллекта), в соответствии с которыми сеть обучается через воздействие помеченных данных. Подражая тому, как учат человека, сеть обучается, то есть способна обнаруживать, идентифицировать и классифицировать данные — поскольку с течением времени подвергается большему количеству информации. Распознавание лиц на основе программного обеспечения Deep Learning позволяет извлекать уникальные функции идентификации из входных данных изображения лица и сопоставлять их с банком эталонных функций, для определения личности человека в запросе. Хотя точная внутренняя работа алгоритмов, разработанных машиной, не является полностью прозрачной, массовые исследования в сегменте глубокого обучения и разработка аппаратного обеспечения позволили алгоритмам Deep learning достичь сверхчеловеческой производительности, выявляя совпадения лиц в сценариях, где люди не способны этого сделать.
Сопоставление лиц с изображениями
Для распознавания лиц в ПО для видеонаблюдения предусмотрена технология Deep Learning, для обнаружения в “живом” или записанном видео и сравнения лиц с базой данных или списком извлеченных черт лица, представляющих интерес. Технология используется не только для обнаружения потенциальных угроз и оповещения о них, либо для проверки доступа уполномоченных лиц — она также позволяет ускорить поиск пропавших без вести или расследований, проводимых правоохранительными органами или службами безопасности.
Когда с человеком, который входит на охраняемый объект, происходит совпадение лиц — система видеоаналитики способна инициировать оповещение сотрудников службы безопасности в режиме текущего времени, чтобы повысить ситуационную осведомленность и дать возможность быстро обдумать, как лучше реагировать на ситуацию.
Существует два основных типа распознавания лиц: для сценариев совместного управления доступом и сценариев для некооперативных наблюдений «в полевых условиях». Совместное управление доступом относится к контролируемым настройкам, где система распознавания лиц сравнивает одно лицо с фотографией человека из паспорта, лицензии или другой идентификационной карты или ключа доступа. Этот тип распознавания называется сопоставлением 1:1 или «проверкой», поскольку полученное лицо сопоставляется с одним заранее определенным опорным изображением. Примером этого считается биометрический считыватель для предоставления доступа в охраняемую зону.
В «полевых условиях» технология распознавания лица включает использование IP камер видеонаблюдения, которые контролируют область. Часто при распознавании лиц в таких условиях не будет никаких ранее идентифицирующих данных о человеке, который будет распознан (то есть, нет удостоверения личности или паспорта с фотографией). В таких случаях лицо идентифицируется и извлекается из записанного материала или видеодоказательства (или из внешнего источника) — и добавляется в список видеонаблюдения для последующего обнаружения. Система распознавания лиц должна пытаться сопоставить каждое обнаруженное лицо с целым списком наблюдения (или большим его подмножеством), чтобы обнаружить конкретных лиц, представляющих интерес. Это называется соответствием 1: N (где N — это размер списка наблюдения, который сравнивается) или «идентификацией».
Преимущества видеоаналитики «в полевых условиях»
К сожалению, такой среде порой не хватает освещения и положения видеокамеры или разрешения видео, или же объект в видео может не смотреть в камеру — для обеспечения повышенного уровня точности сопоставления лиц. Эти факторы делают распознавание «в полевых условиях» более сложным, и это одна из причин, по которой комплексное программное обеспечение для видеоаналитики предлагает преимущество перед точечными решениями распознавания лиц.
Технология видеоаналитики на основе искусственного интеллекта обнаруживает, идентифицирует, извлекает и каталогизирует объекты в видеоряде на основе классов и атрибутов. Это делает видео доступным для поиска, действенным и поддающимся количественной оценке на основе расширенного набора фильтров и комбинаций данных. Например, пользователи могут искать видеозаписи с «женщиной с рыжими волосами, одетую в черный пиджак» в сценариях, где невозможно выявить конкретную интересующую женщину. Усовершенствованное программное обеспечение для видеоаналитики также позволяет настраивать оповещения в режиме текущего времени, чтобы сотрудники службы безопасности или правоохранительных органов могли получать уведомления, когда кто-то попавший в поле зрения видеокамеры соответствует описанию. Точно так же, когда следователям не хватает четкого изображения пропавшего человека, видеоаналитика может помочь определить его местонахождение на основе всевозможных атрибутов.
Поскольку технология распознавания лиц продолжает развиваться и становится все более точной и надежной, ее применение будет расширяться. С появлением на рынке комплектов видеонаблюдения с более высоким разрешением и инноваций для искусственного интеллекта, пользователи могут ожидать появления новых решений распознавания лиц в правоохранительных органах, банках, аэропортах и розничной торговле в ближайшие годы.
