Представьте себе эпоху, когда появится возможность идентифицировать вора или преступника, как только он войдет в здание. Представили? Эта эпоха настала.

Распознавание лиц в видеонаблюдении меняет привычный нам облик охраны и предупреждает кражи. До недавнего времени идентифицировать кого-либо как мошенника можно было только после того, как он совершил правонарушение. Хотя это отлично подходит для профилактики на будущее, это не поможет остановить злодеяние до того, как оно произойдет. Но эта революционная технология все меняет — она дает нам возможность не только предотвращать преступные действия, но и определять, кем являются люди, знать, где они были, куда направляются.



Чтобы помочь вам лучше понять технологию, это руководство объяснит, что такое распознавание лиц в видеонаблюдении, как оно работает и какие существуют методы идентификации.

 

Что такое распознавание лиц

Распознавание лиц — это технология использования таких нововведений, как поисковые системы или программное обеспечение, для отождествления людей или поиска похожих. Исследователи в основном работают над созданием методики, которая поможет бизнесу и улучшит жизнь людей.

Сферы и области применения технологии достаточно объемны — это и видеонаблюдение, маркетинг, реклама, осуществление платежей, медицина, приложения для смартфонов.

Благодаря развитию и эффективности она используется для установления преступников и личности людей.

В современных системах видеонаблюдения функция распознавания лица в режиме реального времени является одной из ключевых.

При попытке использовать интеллектуальную видеоаналитику, основанную на движении, такую как: обнаружение движения, отключение камеры, вторжение и т.д., для превентивной безопасности, пользователи часто раздражаются из-за ложных уведомлений. Эти срабатывания возникают из-за того, что аналитика, основанная на перемещении объектов, выдает сигнал даже тогда, когда в поле зрения камеры появляются животные или двигаются деревья из-за сильного ветра. В конечном итоге это приводит к тому, что просто отключают функциональную возможность уже через несколько дней после установки. Даже сотрудники службы безопасности перестают обращать внимание на такие события.

Идентификация лица в видеонаблюдении гарантирует, что уведомление будет отправляться только тогда, когда в отмеченной области присутствует именно человек.

Распознавание лиц в видеонаблюдении

 

Как работает распознавание лиц в видеонаблюдении

На сегодняшний день, для воплощения такого механизма, могут применяться два основных способа:

– Процесс распознавания осуществляется на стороне снимающей камеры и затем передаются мета-данные и видеопоток на сервер. Плюсы метода при подключении большого количества устройств к медиа-серверу — существенной нагрузки на ресурсы и производительность не оказывается. Недостатком способа является то, что потребуется устанавливать модели одного производителя.

– Специальное программное обеспечение устанавливается на самом сервере. Тогда с камеры принимается только видеопоток. Систему удобно эксплуатировать в случае, если видеонаблюдение уже установлено на объекте — просто заменить устаревшее серверное оборудование.

Замена оборудования, покупка лицензии на каждый канал — все это стоит не «очень» дешево. Но и сами камеры со встроенным детектором лиц имеют немалую стоимость. Также нужно будет произвести замену ранее установленных видеокамер.

Для каждого конкретного случая выбор индивидуален.

 

Технологии идентификации

2D идентификация лица

Большинство программ и технологий аутентификации опираются на 2D-изображения. Но это сделано не потому, что оно очень точное, а просто для удобства.

Подавляющее большинство камер получают картинку без какой-либо глубины. И общедоступные фотографии, которые можно использовать для баз данных, все в 2D.

2D распознавание лиц

Почему 2D контуры лица не является точным?




Плоский снимок лица испытывает недостаток в идентифицирующих особенностях, таких как глубина. С помощью плоского изображения компьютер может измерять, например, расстояние между зрачками и ширину рта. Но он не может определить длину или выпуклость лба.

Кроме того, полученный снимок сильно зависит от спектра видимого света. Это означает, что двухмерная визуализация лица не работает в темноте. Такая идентификация может быть ненадежной при ярком или темном освещении.

Для обхода этих недостатков надо использовать другие варианты.

 

3D идентификация лица

Новое решение идентификации лиц опирается на 3D моделирование. Такая модель обеспечивает бОльшую точность.

Для получения 3-х-мерного вида поверхности лица человека используются отличительные черты, где наиболее очевидны кости и жесткие ткани, например изгибы глазниц, подбородка или носа. Такие области лица не меняются со временем, они — уникальны.

3D идентификация лица

Используя ось измерения и глубину, на которую не оказывает влияние освещение, 3-х мерная идентификация лица может применяться в темноте. Она позволяет определять объект под разными углами обзора с возможностью распознавания до 90 градусов (лицо в профиль).

Применяя ПО для 3D, распознавание лиц подвергается серии промежуточных шагов для проверки личности человека:

Обнаружение

Получение изображения может быть выполнено путем оцифровки существующей фотографии (2D) или с использованием видео для получения живой иллюстрации (3D).

Центровка

Как только система обнаруживает лицо, определяется положение головы, размер и поза. Как указывалось ранее, лицо может быть распознано при ракурсе до 90 градусов для трехмерной идентификации. В то время как в режиме 2D голова должна быть повернута как минимум на 35 градусов в направлении объектива.

Измерение

Затем измеряются кривые грани в миллиметровом (или микроволновом) масштабе и создается шаблон.

Представление

Система переводит шаблон в уникальный код. Эта кодировка дает каждому шаблону набор чисел для представления особенностей лица субъекта.

Согласование

Если снимок является трехмерным и база данных содержит аналогичные изображения, то сопоставление будет выполнено без каких-либо изменений.

Однако в настоящее время существует проблема, с которой сталкиваются информационные базы с 2D изображениями.

Но уже есть решение этой проблемы.

При съемке пространственного объекта высчитываются разные точки (обычно три). Например, наружная и внутренняя часть глаза и кончик носа будут определены и измерены. Как только эти измерения будут выполнены, к картинке будет применен алгоритм (пошаговая процедура), чтобы преобразовать его в двухмерное. После преобразования программное обеспечение будет сравнивать полученный результат с 2D изображениями в базе, чтобы найти потенциальное совпадение.

Проверка и (или) идентификация лица

При проверке, исходная информация сопоставляется только одному результату в базе данных (1: 1). Это делается, чтобы проверить, является ли субъект тем, кем он говорит. Если целью является идентификация, то кадр сравнивается со всеми файлами базы, что дает оценку для каждого потенциального соответствия (1: N, где N — количество сравнений).

Далее рассмотрим, как биометрия кожи может помочь проверить совпадения.

 

Биометрические технологии

Анализ текстуры кожи оказался успешным инструментом для распознавания за счет значительного повышения разрешения изображения. Метод использует биометрию кожи или уникальность текстуры, для получения еще более точных результатов.

Процесс работает почти так же, как распознавание лиц.

  • Выбирается участок кожи, называемый отпечатком.
  • Затем этот отпечаток разбивается на более мелкие блоки.
  • Используя алгоритмы, чтобы превратить рассматриваемый участок в математическое уравнение, система будет различать любые линии, пористость и фактическую текстуру.

Согласно Identix, благодаря сочетанию технологии распознавания лиц с анализом текстуры кожи, точность совпадения может увеличиться на 20-25 процентов.

 

Тепловизионный анализ

На сегодняшний день исследования в основном сосредоточены на видимом спектре, решая такие проблемы, как изменения освещенности и разрешение изображения. Тем не менее, для видеонаблюдения в ночное время отсутствие освещения не позволяет эффективно использовать камеры, работающие в спектре видимого света.

Распознавание лица по тепловому изображению

Отдельный объект в видимом (а) и тепловом (b-e) спектрах

Тепловизионный анализ измеряет излучение в инфракрасном спектре средней и длинной волны, которое естественным образом излучается живой тканью, и поэтому является весьма практичным способом визуализации для работы ночью. Однако, поскольку большинство баз данных и списков наблюдения содержат только результаты видимого спектра, трудно сопоставить неизвестное тепловое изображение с набором известных видимых снимков.

 

Резюме

Технологии распознавания и идентификации становятся все более заметными в нашем мире. За последние несколько лет мы стали свидетелями серьезных разработок в этой области. Детектор лиц в видеонаблюдении — одна из новейших разработок биометрических идентификаторов, которая не требует много времени на обработку или вмешательства человека в проверку.

Благодаря тому, что распознавание лиц в видеонаблюдении и передовые системы охраны работают вместе, преступное поведение можно отслеживать и понимать. И результаты феноменальны.




0 комментариев

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *