Распознавание лиц — это тип биометрической технологии, которая дает пользователям быстро идентифицировать людей, появляющихся на видео. С помощью программного обеспечения для распознавания лиц операторы могут извлекать черты лица в живом или записанном видео и сравнивать их с базой данных или списком цифровых изображений людей, представляющих интерес. Если лицо в видео совпадает с тем, что в списке наблюдения, то автоматически срабатывает оповещение в текущем времени, чтобы уведомить сотрудников службы безопасности, которые смогут оценить совпадение и решить, как реагировать. Независимо от того, являются ли они VIP-персонами или подозреваемыми, за которыми требуется тщательный надзор — заинтересованные лица будут подвергнуты активному мониторингу. Кроме того, «белый список» уполномоченных лиц можно использовать для запуска оповещений, когда выявляются личности, которых нет в установленном списке.
Традиционно в список тех, кто использует решения по распознаванию лиц, входят сотрудники правоохранительных органов или служб физической безопасности, которые работают в муниципалитетах, государственных учреждениях или частных корпорациях (банки, казино или розничные магазины). Поскольку индустрия видеонаблюдения развивалась с использованием камер сверхвысокой четкости в сочетании с растущей сложностью применений искусственного интеллекта, технология распознавания лиц стала доступнее, надежнее и точнее — и, следовательно, распространеннее.
Два типа технологии распознавания лиц
Рынок распознавания лиц расширяется и быстро развивается, потому потребителям предоставлен выбор технологий для реализации. Конечно, не все решения распознавания лиц одинаковы, и не каждый вариант подходит для конкретных условий и целей. Технологии распознавания лиц возможно разделить на два типа решений: для сценариев совместного контроля доступа и для неоперативных сценариев «в диких» условиях.
Контроль доступа относится к тем реализациям, которые в первую очередь служат для управления входом конкретных людей в критические области объекта. Например, чтобы защитить активы банковского хранилища, посетителям может потребоваться пройти через биометрический терминал, чтобы подтвердить свою личность. В «диких» условиях технология включает в себя подбор лиц с использованием камер видеонаблюдения, предназначенных для мониторинга местности. Этот тип распознавания считается более сложной задачей, поскольку объекты не всегда смотрят в камеру, а устройства не обязательно расположены правильно или обеспечивают достаточное разрешение для обеспечения повышенного уровня точности.
В дополнение к этим двум сценариям, есть два способа сопоставления захваченного лица с эталонными изображениями. В контролируемых настройках человек традиционно снабжает систему идентифицирующим объектом (удостоверение личности), который сообщает системе, с какой ссылкой нужно сопоставить лицо. Этот тип распознавания называется сопоставлением 1:1 или «проверкой», поскольку полученное лицо сопоставляется с одним заранее определенным опорным изображением. Если в системе нет предварительно идентифицирующих данных о человеке, который должен быть распознан, система должна попытаться сопоставить лицо с полным списком наблюдения (или большим подмножеством). Это называется соответствием 1:N (где N — это размер списка наблюдения) или «идентификацией».
При сравнении заявленной точности механизмов распознавания лиц важно проверить, были ли достигнуты эти точности в сравнениях 1:1 или 1:N, а также в каких сценариях.
Преодоление ограничений распознавания лиц
Распознавание лиц чрезвычайно ценно для идентификации людей, однако не всегда возможно использовать данную технологию. Прежде всего, некоторые муниципалитеты и страны препятствуют данному решению из-за правил конфиденциальности. Тем не менее, даже там, где можно использовать распознавание лиц, IP камеры видеонаблюдения часто фиксируют лица в условиях, которые не идеальны: установленная камера расположена не оптимально или записывает недостаточно высокое разрешение видео, чтобы воспользоваться биометрическим решением. В других случаях объекты могут быть обращены в противоположную сторону от камеры, иметь частично затененные лица или быстро перемещаться в условиях низкой освещенности, что подрывает способность обеспечивать точное распознавание лиц. Без надлежащих условий технология не всегда способна дать желаемые результаты.
При выборе решения по распознаванию лиц организации должны учитывать, как будет использоваться технология, чтобы восполнить персональные потребности. Пользователи должны спросить себя, подходит ли текущая инфраструктура для технологии, и нужно ли дополнительное или сменное оборудование для поддержки требований к качеству изображения. Они также должны учитывать необходимость обновления или перенастройки установленных интеграций для поддержки новых опций инновации.
Преимущества комплексной видеоаналитики
В тех случаях, когда технология распознавания лиц не может быть продуктивно применена, и особенно когда ее использование незаконно, — усилия организации по поиску или идентификации людей будут приостановлены. В этих юрисдикциях организации выиграют от комплексного решения для анализа видеоконтента, основанного на искусственном интеллекте и Deep Learning, что предлагает другие возможности поиска видео и оповещения, в дополнение к распознаванию лиц. Основываясь на методах Deep Learning, передовое ПО для видеонаблюдения умеет выявлять и идентифицировать объекты в видеоряде, в соответствии с их классами и атрибутами Эта функция дает операторам находить объекты или людей, используя различные фильтры.
Комплексное программное обеспечение для видеонаблюдения также позволяет настраивать оповещения в режиме текущего времени на основе сочетаний классов, атрибутов или лиц, чтобы службы безопасности или правоохранительные органы могли получать уведомления, когда попавший в поле зрения видеокамеры соответствует описанию. Еще одним преимуществом считается то, что со временем агрегированные метаданные видео также можно визуализировать с помощью системы анализа видеоконтента, что дает менеджерам различных отраслей принимать более точные решения на основе данных.
Интегрируя комплексное и расширяемое решение видеоаналитики, что включает в себя распознавание лиц, организации смогут пользоваться преимуществами обоих решений, применяя технологию, которая разрешена и полезна для преобразования видео в данные с возможностью поиска, действий и количественной оценки.
