Какая точность у систем идентификации лиц?

Все задают этот вопрос, а он некорректен, Основной принцип биометрии опровергает его, и вот почему… Не будет айтишных терминов, всё постараемся объяснить на пальцах, вернее на лицах.

Нас замучали вопросами, сравнениями и тестами качества нашей биометрической системы идентификации лиц ^[1]. Академические методики непонятны населению, а практическое испытание упирается колом в человеческий фактор.

Мы сами что-то покупаем и также часто страдаем от бесполезно потраченных денег, поэтому политика компании Спецлаб – не обижай клиента! Мы даем свои программы и устройства на бесплатный тест – пусть чел сам решает, подходит ли продукт его задаче.

Но без понимания Основного принципа биометрии никакие тесты не приведут к вменяемую результату. Поэтому эта статья для уровня знания тех, кто зачем-то хочет поставить себе систему идентификации лиц. И будет реклама, поэтому приготовьтесь заткнуть уши; что делать, мы описываем именно свои технологии – других у нас нет.

Да, забыл представиться, не для гордыни, а для оценки опыта ^[2] в этом вопросе, компания Спецлаб одна из первых в нашей стране продемонстрировала систему распознавания лиц на выставке Софтул-1998, и было это понятно когда. Но меряться брендами и тем более их сравнивать между собой давно стало контрпродуктивно. Сейчас достаточно легко можно обзавестись самыми лучшими алгоритмами, взяв их у западных IT-гигантов. Например, мы используем Face ID от GOOGLE, причем тот новый вариант, что даже еще не вышел на рынок, благодаря нашим бывшим программистам, которые бывшими не бывают ^[3].

Естественно, от Гугла там только математика ^[4] ядра, а все то, что делает её продуктом, 90% написано нашими программистами. И это даже важнее, чем сам алгоритм идентификации. И вот почему… Все это бессмысленно, если не понимать антагонизмы Основного принципа биометрии.

Он строится на материале лиц в анфас и попытках определить его повороты в пространстве. Соответственно, пока мы видим человека в анфас, у нас все хорошо согласуется с базой. Повернутое наизнанку лицо тоже можно узнать за счет офигеть как умных ИИ-алгоритмов, но с одной важной оговоркой – оно будет похоже на множество других лиц. И именно этот пункт вызывает раздражение клиентов.

Все думают, что лицо просто будет не похоже на себя, то бишь выдавать чужого человека. А с точки зрения ^[5] релевантного сравнения, в базе вообще нет чужих лиц, сравнение всегда ищет того, кто больше похож.

В видеонаблюдении идентификация лиц представлена, прежде всего, двумя противоположными задачами: СКУД и Поиск злодея (фото из базы). Ключевое слово – противоположные, это и есть основной принцип биометрии.

В СКУД есть специально подготовленный рубеж, камера установлена так, чтобы видеть анфас, и люди знают, что, без того чтобы посмотреть в камеру, дверца не откроется. (Кстати, такие рубежи тоже надо уметь монтировать, особенно на входе с улицы, где часто приходится сталкиваться с негативным влиянием засветки.)

Здесь все просто, задаем максимальную достоверность, и лица определяются без сбоев. (Есть, конечно, нюансы – смотрите в ролике ниже.)

Но во всех других случаях человека не заставишь отложить телефон и смотреть вверх в камеру (видеонаблюдение обычно базируется намного выше уровня глаз), при этом не тереть глаза и не чесать нос.

Для поиска злодея в толпе выбираются флэксибэл (мягкие) настройки, при которых личность определяется в любых ракурсах и положениях головы.

Естественно, в таких случаях возможны ошибки ^[6], т.к. сильно искаженное лицо может быть похоже на нескольких человек из базы. Ну, просто потому что в базе лежит фотография в анфас, а при повороте это уже какой-то аморфный скунс.

Чем меньше мы ставим точность идентификации, тем при большем отклонении от анфас нужного нам человека мы можем поймать. И тут надо выбрать такую величину, которая не мешает жить оператору, т.к. на сильных поворотах будут ложняки от ненужных людей.

В задаче поиска злодеев такое допускается, там главное – заменить рутину живого просмотра живых камер. И сразу по всем ста мониторам.

Думаю, вы получили ответ на свой вопрос: Насколько качественно работает система идентификации лиц? Все его задают, а он некорректен. В одних настройках ошибки исключены, но лицо смотрит строго анфас. В других они случаются, но позволяют найти злодея в любых положениях головы.

А теперь вопрос: как хакнуть этот базовый принцип идентификации лиц? Это именно теоретическая основа, а не какая-то реализация одной из фирм. Нужно хакнуть саму теорию!

Часто стоит задача трекинга – хождения по предприятию. И желательно исключить ошибки базового принципа. Иначе они часто будут портить траекторию. Ну, не так уж, в траектории тоже есть свои допущения, что чел не может оказаться в далеком месте, если только что был у близкой камеры. Но всё же.

Наверное, уже кто-то догадался. Если вам нужно отслеживать людей в любых условиях, а также отличать их от чужих, вам следует заносить лица не только анфас, но и во всех поворотах. Тогда ближайший к базе исковерканный скунс будет похож на того же самого человека из базы, в которой есть все виды поворотов его лица.

К нашему недоумению, все IT-гиганты, что мы знаем, строго привязаны к тому, что лица заносятся в базу строго анфас. Нос должен быть строго по середине лица, и тогда алгоритмы поворота головы отлично обрабатывают метаморфы, естественно, до какого-то предела. И даже улыбка не допускается.

Ну, видимо, задачи у них только такие. Поэтому при большом отклонении от анфас работает уже собственный спецлабовский алгоритм идентификации лиц, который, хоть и хорош, но не так адаптивен для слабых процессоров. Ну, мы не Гугл. Для примера, один видеоблейзер отрабатывает максимум 8 каналов потоков видеокамер. Хотя мощности, конечно же, с каждым годом растут.

Естественно, чужаков вы не заставите сдавать биометрию, поэтому их придется ловить по фотке с анфас. Но при этом мы уже исключаем всех своих – они не будут путаться.

Кому интересно, посмотрите видеоролик, там не только реклама, как кажется. Ценно что, это не синтезированные сюжеты, все используемые фрагменты видео – наши программы, наши устройства, наши объекты, которые мы реализовали за 30-летнию историю компании Спецлаб. Вряд ли вы у кого-нибудь найдете подобный опыт. Поэтому я здесь ничего не теоретизирую, а даю практическое руководство по использованию систем распознавания и идентификации лиц.

В рыночном спросе есть еще третья задача – определение чужих. Она намного сложнее, т.к. любое лицо в какой-то из поз не будет идентифицироваться, поэтому чужих среди своих будет много. Но она решаема, только с применением нескольких нейросетей. Об этом в другой статье.

Кроме алгоритма идентификации, в видеонаблюдении активно используется простой сермяжный алгоритм распознавания лиц, он тоже находит лица, только не персонализирует их. Не производит метрику, а значит, не может сравнивать с базой и определять имена. Для чего нужно такое простое распознавание?

Ну, во-первых, чтобы лицо занести в метрическую базу, его надо сначала найти и выделить на кадре. Во-вторых, простое распознавание, порой, играет гораздо большую роль, нежели метрическая идентификация.

Очень часто видеонаблюдение ведется в темных местах, да еще и в черно-белом режиме, где глубина пикселя уже не 16 миллионов, как в цветном, а всего 256 оттенков серого. Все это при плохих ракурсах лиц, сильно повернутых как по вертикали, так и по горизонтали, да еще и не в фокусе. Идентификатор лиц в таких условиях не определяет чьё-то лицо, а вот человек сможет узнать своего друга или родственника даже со спины. Более того, человеческий интеллект ^[7] легко справляется с опознаванием художественных изображений типа контура. Что пока недоступно для ИИ.

Очень часто нужно отфильтровать лиц, которые заходили на объект за прошедшую неделю. Обычно для этого требуется просмотреть 24ч х 7дн х 16 камер = 2688 часов видеозаписи, а с детектором лиц всего несколько минут. Он сокращает просмотр до одиночных кадров с лицами, более того, убирает повторяющиеся лица, еще более того, убирает сами кадры во всей их широте – выводит только лица.

Но на больших объектах, когда информации с камер очень много, идентификация лиц – единственный способ анализа персон. Как бы ни был хитер злоумышленник, все равно есть вероятность, где-нибудь засветит своё лицо. Без СИЛ вероятность его поиска стремится к нулю.

P.S.:
1. Для тех, кто считает статью рекламой – да, это реклама, предупреждали же в начале. Хотите поговорить об этом?
2. Для тех, кто считает эту тему безнравственной – Любой нож можно использовать как для убийства, так и для приготовления ужина, мы делаем технологии. При всем желании прогресс не остановить, скоро идентификация лиц будет даже у холодильников.
3. Для тех, для кого второй пункт неубедителен – можем обрадовать. В силу своей профессиональной осведомленности успокоим, государственные структуры применяют эти технологии так же качественно, как и все остальные свои технологии. Можете привести хотя бы один доказательный случай поиска человека по лицу? СМИ в расчет не берем, там даже по фотороботу компьютер ищет. Сие невозможно даже теоретически. Естественно, мы говорим про “дикое” видеонаблюдение, а не о специально смонтированных рубежей считывания лиц – но это вопрос миллионов рублей, а не одной камеры. Кстати, можем затронуть и его.

4. Тему идентификации лиц продолжать?