Кондратюк Дмитрий
Технический специалист
Опубликовано
11 декабря 2024
Обновлено
19 декабря 2024
Опубликовано: 11 декабря 2024
Обновлено: 19 декабря 2024
Время чтения: ~ 34 минуты
Распознавание лиц применяется в разных сферах: от обеспечения правопорядка до розничной торговли и маркетинга. Современные алгоритмы идентифицируют людей с высокой точностью, невзирая на помехи в виде макияжа, аксессуаров, возрастных изменений. Мы расскажем, как все это работает и что нужно для проектирования системы распознавания лиц.
Распознавание лиц - это технология, которая позволяет идентифицировать человека (т.е. выяснить, кто он такой) или верифицировать его (удостовериться, что это именно тот, кто надо). Подобные системы работают по следующему принципу:
- Программа обнаруживает лицо на фото, видео или в режиме реального времени.
- Это лицо анализируется на предмет ключевых особенностей. Самые простые алгоритмы детектируют только точки глаз, носа и рта. Более продвинутые решения собирают больше сведений: расстояние от лба до подбородка, контуры губ и ушей, структура скул и т.д.
- Данные о проанализированном лице сопоставляются с эталонами (образцами), хранящимися в той или иной базе биометрических данных.
Технология распознавания лиц возникла в 60-х годах XX века. Первые системы были примитивными, но очень требовательными к вычислительным ресурсам. С развитием искусственного интеллекта (ИИ) и машинного обучения алгоритмы стали более эффективными.
Современные системы с распознаванием лиц работают на нейросетях. Для их обучения используют крупные базы данных, в которых хранятся биометрические датасеты с человеческими лицами (в виде кода). На протяжении этого процесса алгоритмы становятся точнее. После "тренировок" на миллионах образцов, нейросети начинают распознавать новых людей, не занесенных ни в одну учебную базу данных.
Сегодня детекция по лицам считается самым естественным методом идентификации. Люди в первую очередь узнают себя и друг друга именно по этому признаку, а не по отпечаткам пальцев или радужной оболочке глаз.
Существует стереотип, что технологии сканирования лиц - это всегда дорого. На самом деле, все зависит от сложности системы. Если требования к безопасности невысоки и нужно только удобство, то хватит и стандартных решений. Они не дороже СКУД-систем с использованием смарт-карточек. Но если нужна еще и максимальная безопасность, то понадобится более сложное решение, стоимость которого значительно выше.
Этой технологией пользуются силовые структуры для обеспечения правопорядка (полиция, таможня, охрана и т.д.). Кроме того, ее применяют и в других сферах: здравохранении, маркетинге, корпоративной среде, учебных заведениях.
Камеры с распознаванием лиц помогают предотвращать и расследовать нарушения:
- Поиск преступников. Разыскиваемых людей можно оперативно выявлять с помощью сканирования лиц. Правоохранители добавляют изображения нарушителей в государственные базы данных, что в будущем помогает системам быстрее и точнее идентифицировать преступников.
- Превентивные меры. Сканирование лиц можно использовать для мониторинга массовых мероприятий и выявления подозрительных личностей.
- Мониторинг за входами и выходами. Системы распознавания лиц используются для контроля доступа в учреждения (коммерческие, учебные и т.д.). Это позволяет не допускать туда посторонних людей.
- Анализ инцидентов. Если происшествие все-таки случилось, то распознавание лиц поможет установить личности участников. Эта информация позволит восстановить хронологию событий и найти виновных.
Система распознавания лиц помогает и в решении социально значимых задач:
- Обнаружение разыскиваемых людей. Системы распознавания лиц помогают оперативно находить подозреваемых в общественных местах.
- Поиск пропавших без вести и жертв работорговли. Если такой человек замечен системой распознавания лиц, и в соответствующих базах данных есть нужные биометрические сведения о нем, то это облегчит идентификацию и дальнейшие поиски.
Распознавание лиц позволяет мониторить состояние водителей. Это помогает предотвращать аварии:
- Контроль за вниманием водителя. Камеры анализируют, не отвлекается ли он от дороги.
- Выявление усталости. Системы распознавания лица фиксируют признаки сонливости (частое моргание, опускание век).
Распознавание лиц применяется в зонах таможенного и паспортного контроля. Например, можно сравнивать изображение человека с его фотографией в визе или биометрическом паспорте, чтобы ускорить прохождение границы. Кроме того, распознавание лиц позволяет быстрее проводить посадки на рейсы и выявлять людей, находящихся в розыске.
Технологию распознавания лиц используют и для защиты данных на мобильных гаджетах. Одна из таких систем - Face ID в айфонах:
- Инфракрасные сигналы проецируются на лицо владельца через объектив фронтальной камеры.
- Выстраивается трехмерная модель.
- Эта модель сравнивается с эталонной - предыдущим сканом владельца.
Как утверждает Apple, шанс разблокировки чужим лицом - один из миллиона. Технология работает только с хозяином устройства, так что в этом сценарии никакая база данных не требуется.
Распознавание лиц применяют и в здравоохранении. Типовые задачи:
- Идентификация пациентов. Помогает исключить ошибки при оказании медицинской помощи (например, путаницу в назначении лекарств).
- Распознавание лиц медперсонала для доступа в операционные и другие закрытые зоны.
- Диагностика пациентов. Нейросети умеют определять некоторые заболевания по характерными признакам на лице (например, синдром Ди Георга).
- Мониторинг состояния пациентов. С использованием современных алгоритмов сканирования лиц можно автоматически определять боль и эмоции людей, находящихся под наблюдением, и своевременно вызывать медперсонал.
Благодаря распознаванию лиц проводить транзакции можно будет одним взглядом в камеру телефона. Проверка витальности источника (живой ли это человек или поддельное изображение) теоретически должна защитить данные клиентов от злоумышленников, даже если они завладеют данными из банковской базы фотографий. Этой технологией можно будет заменить подписи, пароли и дебетовые карты.
Система распознавания лиц привносит больше удобства и безопасности в деятельность коммерческих организаций:
- Бесконтактный вход. С использованием лиц сотрудников как ключей можно упростить им доступ в офисы или производственные помещения. Быстро, удобно и меньше риск проникновения чужих людей.
- Отслеживание перемещений. Система по распознаванию лиц фиксирует, где и когда сотрудники входят или выходят. Весь рабочий процесс становится прозрачнее.
Чтобы выявлять прогульщиков и опаздывающих, технология распознавания лиц позволяет:
- Фиксировать приход и уход людей. Это избавляет от необходимости ручного ввода данных и минимизирует ошибки.
- Вести учет посещаемости. Система распознавания лиц регистрирует каждого человека на входе в здание.
- Создавать автоматические отчеты. С помощью технологий сканирования руководство может получить полную информацию о времени, проведенном сотрудниками на рабочем месте или учащимися на занятиях.
Технология распознавания лиц активно используется в магазинах и торговых центрах для:
- Улучшения качества обслуживания. Программа распознает покупателей, что помогает предлагать товары на основе их истории покупок.
- Идентификации VIP-клиентов. Распознавание лиц помогает обнаружить постоянных покупателей и своевременно оповестить персонал.
- Идентификации нежелательных посетителей.
- Оплаты продуктов по распознаванию лиц. Эта технология позволяет избавиться от долгих длинных очередей.
Сканирование человеческих лиц повышает безопасность в торговых точках за счет:
- Идентификации людей во время кражи. Это помогает установить личность преступника и облегчить работу полиции.
- Идентификации людей, ранее замеченных в кражах. Преступников-рецидивистов можно распознать еще на входе: лицо каждого посетителя проверяется по соответствующим базам данных, и персонал получает уведомление, если обнаружен потенциально опасный человек.
Данные о клиентах, полученные с помощью технологии распознавания лиц, помогают разрабатывать более целенаправленные кампании:
- Анализ реакций на рекламу. Технология фиксирует эмоции людей, оценивающих баннеры, постеры, видеоролики и т.д. Так распознавание лиц помогает определить, насколько реклама нравится потенциальным клиентам.
- Адаптивный маркетинг. Системы идентификации анализируют пол, возраст и настроение клиентов. Эти данные позволяют предлагать более релевантный контент.
Распознавание лиц помогает выявлять заядлых игроманов среди посетителей казино. Это позволяет персоналу внимательно наблюдать за такими людьми и вовремя советовать им, что пора остановиться. Более того, само заведение обязано распознавать и не допускать граждан, занесенных в список добровольного исключения, к азартным играм. В противном случае оно будет наказано по закону № 244-ФЗ.
Технология распознавания лиц основана на сложных алгоритмах и нейросетях. Их работа которых состоит из трех этапов:
- Обнаружить лицо и провести анализ его биометрических данных;
- Преобразовать полученную информацию в цифровой код;
- Сопоставить этот код с эталонами в базе данных.
Камера определяет лицо человека, будь он один или в толпе, и обрабатывает его. Для этого используются нейросеть-«выравниватель» (aligner). Ее функции:
- Распознавание лиц.
- Вырезание распознанных лиц из кадра.
- Анализ информации о каждом лице. Нейросеть проводит вычисление их биометрических данных, т.е. выделяет ключевые точки (как минимум глаз, носа и рта). Чем продвинутее и точнее алгоритм, тем больше точек будет выделено.
- Выравнивание проанализированных лиц. Эта же нейросеть поворачивает изображения и подгоняет их по размеру так, чтобы все обозначенные на них точки занимали определенное положение.
Программа для распознавания конвертирует информацию о лице, полученную при анализе, в код. Он представляет собой набор чисел и символов. Эта комбинация уникальна для каждого человека.
Таким образом, лицо получает свой цифровой «отпечаток». Алгоритмы компрессии снижают размер этого биометрического образца, чтобы облегчить его хранение и передачу.
Сопоставление
Финальный этап - сравнение. Оно бывает двух видов:
- Проверка идентичности. Система определяет, соответствует ли лицо конкретному образцу (например, фотографии в карте пропуска).
- Поиск совпадений. Нейросеть-«распознаватель» сопоставляет лицо человека с биометрическими эталонами, хранящимися в доступной базе данных. Если совпадение найдено, то устанавливается, что это за персона.
Классический и самый распространенный метод - идентификация по двумерным изображениям. Однако существуют и другие, более точные технологии: 3D, по текстуре кожи и тепловому отпечатку. Разберем все эти методы сканирования.
Основано на работе с плоскими (2D) изображениями. Технология двумерного распознавания лица анализирует фотографии или кадры с видеопотока.
Плюсы метода:
- Этой технологией пользуются чаще остальных. Пока что большинство данных о распознанных человеческих лицах хранятся в базах в виде двумерных изображений.
- Доступность. Для 2D-распознавания хватит и обычных камер наблюдения.
Недостатки двумерного сканирования:
- Больше ошибок по сравнению с другими современными методами.
- Уязвимость перед слабым освещением и изменением угла обзора.
Двумерную технологию распознавания лиц можно обмануть с помощью распечатанного фото. Если использовать ее, то лучше подстраховаться и организовать дополнительную верификацию. Например, пропуск по карте доступа.
Технология работает с 3D-моделями. Учитываются все пропорции и объемы, что невозможно при двумерном распознавании лиц. Таким системам нужны камеры со специальными сканерами.
Плюсы технологии:
- Высокая точность, небольшой процент ошибок. Трехмерное распознавание лиц превосходит 2D, но технологию все еще нужно совершенствовать.
- Успешно работает даже при недостаточном освещении или изменении угла обзора.
Недостатки трехмерного сканирования:
- Нужны специальные, более дорогие камеры.
- Меньше датасетов с распознанными человеческими лицами в базах данных. В этом плане - не чета 2D-распознаванию.
Это более детальный метод сканирования, который требует камер с высоким разрешением. Результат настолько точен, что можно выявить различия даже между близнецами. Кроме того, распознавание лиц по текстуре кожи работает довольно эффективно даже при таких помехах, как макияж и возрастные изменения.
Как устроена технология:
- Камера фиксирует лицо.
- Разные части лица разделяются на отдельные изображения.
- Каждое такое изображение разбивается на несколько блоков.
- Все блоки преобразуются в цифровой отпечаток - математическое описание кожной текстуры: морщин, пор, линий.
Далее - этап сопоставления, с которым мы уже ознакомились ранее. Чем выше разрешение камеры, тем лучше - можно фиксировать текстуру даже на значительном расстоянии.
Относится к перспективным технологиям. Для этого метода нужны инфракрасные камеры - они фиксируют тепловые отпечатки лиц, которые используются для идентификации людей. Ожидается, что такое распознавание будет эффективнее всех предыдущих технологий:
- Безотказная работа в темноте и уж тем более при слабом освещении.
- Безошибочная идентификация лиц даже с такими помехами, как макияж, темные очки, густая борода, возрастные изменения.
Тепловизионное распознавание пока что не популярно. Оно остается технологией, которой еще предстоит подешеветь (ИК-оборудование стоит дорого) и обзавестись базами данных с распознанными лицами в виде термограмм. С помощью нейросетей можно сопоставлять тепловые отпечатки с 2D-изображениями, но это скорее обходной путь, чем полноценное решение проблемы.
Для записи нужны камеры видеонаблюдения. Обнаружение и идентификация людей, да желательно без лимитов на количество эталонов в базе - задача для таких программ, как «Интеллект - Распознавание лиц». Все эти операции нужно где-то выполнять - желательно на видеосервере (ввиду его высокой производительности). Полученные данные о распознанных лицах будут оставаться в соответствующем хранилище. Теперь подробнее о каждом компоненте.
Это основной элемент системы, отвечающий за фиксацию изображения. Для сканирования человеческих лиц нужны:
- Высокое разрешение записи. Чем оно лучше, тем больше деталей будет в кадре. Минимально рекомендуемое - 1080p.
- Высокая частота кадров. Желательно, чтобы она была не менее 25 кадров в секунду - быстрые движения будут фиксироваться без "слайд-шоу" и размытия картинки.
- Автоматическое слежение. Позволяет фокусироваться на движущихся объектах, минимизируя вероятность пропуска цели.
- Подходящий угол обзора. Узкий подходит для контроля коридоров и входов-выходов. Широкий - для наблюдения за помещениями и большими территориями.
- Инфракрасная или хотя бы LED-подсветка. Позволяет снимать в условиях недостаточного освещения или полной темноты.
- Подходящая защита корпуса. Она должна быть как минимум на уровне IP66, если камеру установят на улице. Главное - устойчивость к вандализму, пыли, влаге и температурным перепадам.
Программное обеспечение - это мозг системы, который анализирует изображения и сопоставляет их с эталонами в базе данных. Основные функции:
- Распознавание лица. ПО анализирует ключевые параметры, переводя их в биометрические данные.
- Сопоставление с эталонами в базе данных.
- Хранение и управление информацией. Программа позволяет добавлять новые биометрические образцы, организовывать их в логические группы («сотрудники», «гости», «подозреваемые») и управлять базами.
Нужен для выполнения операций по распознаванию лиц и работе с большими объемами данных. Основные функции:
- Обработка видеопотоков в реальном времени.
- Выполнение аналитических операций по распознаванию лиц, инициированных программным обеспечением.
- Поддержка больших баз данных. Оборудование позволяет одновременно работать с тысячами биометрических шаблонов.
Сервер для системы распознавания лиц должен обладать:
- Многоядерным процессором (или процессорами) для быстрой обработки данных.
- Достаточным объемом оперативной памяти.
- Высокой пропускной способностью сетевых интерфейсов.
- Устойчивостью к перегрузкам.
Существует несколько опций:
- Жесткие диски для наблюдения (HDD). Хороший вариант для постоянной записи потокового видео.
- Сетевые хранилища (NAS). Более мощное и емкое решение, чем HDD для видеонаблюдения.
- Облачные сервисы. Используются как удаленное хранилище, которое можно легко масштабировать.
Все эти опции должны соответствовать тем же требованиям, какие возникают при выборе жесткого диска для системы видеонаблюдения:
- Достаточная емкость.
- Быстрая скорость чтения данных. Это важно для аналитических функций.
- Долговечность и стабильность при непрерывной работе с большими объемами информации.
- Защита данных от потерь и несанкционированного доступа.
Оборудование нужно установить правильно и в подходящем месте. После монтажа следует оптимизировать работу всей системы для максимально точного и быстрого сканирования лиц.
Основные рекомендации:
- Угол наклона камеры относительно лица человека - не более 15°. Это касается как горизонтальной, так и вертикальной плоскостей.
- Плотность пикселей на всю зону анализа (областей кадра, в которых будет происходить распознавание лиц) - минимум 500 pix/м. От этого параметра зависят разрешение и угол обзора камеры.
- Выдержка (время накопления заряда) - не менее 1/100 секунды. Чем ниже значение, тем размытее будут кадры.
- Яркое и равномерное освещение. Для задач по распознаванию лиц оно должно быть от 150 люкс и более.
- Матрица с высокой светочувствительностью - от 1/3" и больше.
- Светосильный объектив - от F1,4 и лучше.
- Однородный нейтральный фон сзади человека. Добиться этого довольно сложно, особенно при распознавании лиц в толпе.
Не направляйте объектив на окна, лампы и т.п., иначе картинка получится с засветами. По этой же причине не рекомендуется размещать камеры напротив отражающих поверхностей (стекло, зеркало).
Параметры, которыми следует заняться в первую очередь:
- Зоны анализа. Настраиваются области кадра, в которых будет происходить распознавание лиц. Это позволяет исключить нерелевантные объекты, например, проезжающие автомобили.
- Уровень чувствительности. Настраивается для минимизации ложных срабатываний, таких как распознавание посторонних объектов.
- Интеграция с базами данных для сравнения лиц и последующей идентификации.
- Оповещения. Можно включить отправку уведомлений при срабатывании тревог или распознавании конкретного лица.
Нужны регулярные проверки оборудования и программного обеспечения. Меры для поддержания камер в рабочем состоянии:
- Очистка объективов от пыли и грязи.
- Проверка угла обзора, фокусировки и устойчивости на креплениях.
- Тестирование качества изображения, особенно в условиях низкой освещенности.
Для программ нужны:
- Регулярные обновления, чтобы распознавание лиц было более точным.
- Установка патчей безопасности, чтобы защитить систему от кибератак.
- Проверка совместимости обновлений с имеющейся конфигурацией оборудования.
Лучше составить график обслуживания, чтобы своевременно выполнять нужные работы. Ежедневные задачи:
- Визуальная проверка оборудования.
- Контроль работы камер в реальном времени.
Ежемесячные:
- Оценка качества записей, производимых системой.
- Тесты по распознаванию лиц. Нужно проверять, соответствует ли работа алгоритмов желаемому результату.
Ежегодные:
- Полная проверка всех компонентов системы, включая камеры, серверы, устройства хранения данных и ПО.
- Плановая замена оборудования, достигшего предельного срока службы.
Распознавание лиц можно внедрить в систему контроля и управления доступом (СКУД). Объединение этих технологий в единый комплекс позволяет автоматизировать процессы идентификации, повысить уровень защиты объекта и упростить рутинные проверки. Распознавание лиц вместе со СКУД будет мощным барьером на пути злоумышленников. Разберемся с реализацией.
Первый метод - на локальной машине, вроде сервера для видеонаблюдения. Материалы хранятся и обрабатываются в защищенной среде, без необходимости передачи по интернету.
Преимущества:
- Высокая безопасность данных, так как они остаются внутри локальной сети.
- Отсутствие зависимости от скорости и стабильности интернет-соединения.
Недостатки:
- Нужно приобретать и обслуживать оборудование, что увеличивает затраты.
- Ограничения по масштабируемости. При увеличении числа камер нагрузка на систему возрастает.
Часто используется в закрытых сетях, таких как корпоративные или государственные объекты, где данные должны оставаться конфиденциальными.
Второй метод - обработка на удаленном сервере. Камеры передают видеопоток через интернет на внешние машины, оснащенные нужным ПО.
Преимущества:
- Высокая производительность и гибкое масштабирование.
- Меньше финансовых затрат за счет использования сторонних ресурсов. Платить нужно только за тарифный план.
- Обновление и техобслуживание - забота поставщика облачных услуг.
Недостатки:
- Зависимость от стабильного и быстрого интернет-соединения.
- Риск утечки данных при недостаточном уровне защиты облака.
Благодаря высокой масштабируемости облако используют там, где нужно анализировать данные со множества камер: для систем умного города, маркетинговых платформ, крупных сетей видеонаблюдения.
Третий - обработка лиц прямо в камере. Это возможно только на устройствах со встроенным процессором и модулем искусственного интеллекта. Камера передает только результаты анализа или сокращенные данные, а не весь поток.
Преимущества:
- Минимальная нагрузка на сеть, так как объем передаваемых данных меньше.
- Быстрая обработка, потому что нет необходимости отсылать весь материал на другие устройства.
- Повышенная конфиденциальность.
Недостатки:
- Ограниченная вычислительная мощность по сравнению с локальным сервером или облаком.
- Высокая стоимость подобных устройств. Частично нивелируется тем, что можно взять менее мощный сервер, ведь доля работы по распознаванию все равно будет выполнена встроенным в камеры софтом.
Этот метод полезен там, где важны автономность и минимальная задержка: в устройствах умного дома, транспортной системе, магазинах.
Чтобы быть интегрированной в СКУД, система распознавания лиц должна соответствовать ряду условий.
Время прохода через турникет:
- Менее 1,5 секунд, чтобы не допускать длинных очередей на контролируемых проходных. За этот промежуток системе нужно просканировать и оцифровать лицо, отправить данные на сервер, сопоставить с эталонами в базе данных и открыть турникет, если проверка пройдена.
- Без использования Ethernet-технологии не обойтись. Протокол RS-485 не обеспечит должного быстродействия.
Распознавание лиц в процентах:
- Должно быть не менее 99%.
- Чтобы достичь этого результата, рекомендуется использовать адаптивные шаблоны лица Fine Pattern, которые подстраиваются под незначительные изменения во внешности.
Многофакторная идентификация:
- При распознавании человека нужно использовать не только его лицо, но и другие факторы: отпечатки пальцев, карту доступа, номер автомобиля и т.д.
- Результаты сканирования подтверждает оператор.
Обширная база данных:
- Чем больше в ней эталонов, тем эффективнее поиск и сопоставление.
- СУБД, используемая в системе распознавания по лицу, должна быть на основе Oracle или MS SQL Server, чтобы все процессы выполнялись быстрее.
- Для удобства система должна быть в режиме автоматического обучения. При нем отсканированное лицо само попадает в базу, как только карта была поднесена к считывателю. Готовый шаблон применяется для распознавания посетителя на всех контролируемых проходных.
Положительные результаты, которые дает использование технологии:
- Быстрая и эффективная проверка личности.
- Распознавание лиц преступников, террористов.
- Повышение уровня безопасности. Технология помогает снизить такие риски, как использование поддельных документов, утрату идентификационных карт, несанкционированный доступ в закрытые зоны.
- Инструмент для бесконтактной оплаты в магазинах. Использовать распознавание лиц - это быстрее и удобнее, чем доставать карту или наличные деньги.
- Легкий инструмент для защиты данных на телефоне, компьютере и другой технике.
- Сдерживающий фактор. Одна только мысль о распознавании лиц помогает злоумышленникам передумать нарушать закон, когда они находятся в зоне наблюдения.
- Легкая интеграция с другими системами. Технологию распознавания лиц можно внедрить в СКУД, учет посещаемости и т.д., что делает ее важной частью комплексной безопасности.
Ближайшие перспективы:
- Распознавание лиц будет становиться более обыденным и распространенным явлением.
- Нейросети и машинное обучение повысят точность и скорость работы алгоритмов. Уже сейчас есть решения, которые позволяют идентифицировать людей даже при изменении их внешности, слабом освещении или использовании масок.
- Обмануть камеры с распознаванием лиц будет труднее.
- Интеграция с устройствами интернета вещей (IoT) поспособствует созданию умных городов. Распознавание лиц постепенно внедрят в управление транспортом, освещением, безопасностью и другими аспектами.
- Для обучения нейросетей будут использовать еще больше человеческих лиц.
- Идентификация с помощью 3D-технологий станет более доступной и точной. Это позволит значительно сократить количество ложных срабатываний.
- Смартфоны, планшеты и другие гаджеты будут оснащаться более совершенными системами распознавания лиц, что усилит их защищенность.
- С учетом роста опасений по поводу конфиденциальности, будут разрабатываться более надежные методы шифрования и хранения информации. Децентрализованные базы данных и использование блокчейна могут стать основой будущих систем.
Камеры с распознаванием лиц будут шире применяться для анализа эмоционального состояния пациентов, диагностики заболеваний и контроля за приемом лекарств. Технология станет востребованнее для мониторинга посещаемости, анализа вовлеченности учащихся и пресечения несанкционированного доступа к помещениям и ресурсам. Также распознавание лиц будут активнее использовать для наблюдения за состоянием водителей и, как следствие, предотвращения аварий.
Этические вопросы и право на конфиденциальность:
- Использование систем распознавания лиц вызывает опасения у граждан, так как данные о их внешности могут использоваться без их согласия. Это особенно актуально в местах массового скопления людей, где трудно обеспечить согласие каждого.
- Данные о лицах хранятся в базах, которые при недостаточной защите становятся мишенью для хакеров. Утечка такой информации может привести к серьезным последствиям, включая подделку личности или несанкционированный доступ куда-либо.
- Повсеместное использование этой технологии может привести к тотальной слежке, что вызывает критику со стороны правозащитных организаций. Постоянный мониторинг может ограничивать свободу личности и вызывать чувство дискомфорта.
- Во многих странах использование систем распознавания лиц не регулируется четкими законами. Это создает правовые пробелы и позволяет использовать технологию без должного контроля.
Проблемы точности и ложных срабатываний:
- Даже современные камеры с распознаванием лиц не всегда работают безошибочно. Могут возникнуть трудности из-за плохого освещения или изменения внешности: наличие бороды, очков, шляп, а также из-за старения человека.
- Системы иногда демонстрируют разную точность в зависимости от расы, возраста или пола человека. Это связано с недостаточным количеством данных, по которым обучаются нейросети.
- Неправильное определение лица может привести к ошибочной идентификации, что в свою очередь может вызывать неудобства для пользователей, например, блокировку доступа или ошибочное подозрение в нарушении закона.
Пути решения проблем:
- Улучшение алгоритмов. Для обучения нейросетей следует использовать датасеты с лицами людей более разнообразного происхождения. Это поможет избежать неточностей и ошибок при идентификации представителей расовых и национальных меньшинств.
- Разработка законодательных норм для использования технологии. Например, в США датасеты с человеческими лицами, применяемые для обучения нейросетей, убраны из открытого доступа - получить их можно только по запросу и исключительно для некоммерческой деятельности. Это было сделано для соблюдения закона о персональных данных.
- Информирование граждан. Публичное обсуждение технологии, разъяснение ее целей и принципов работы помогут снизить общественное недоверие к системам распознавания лиц.
Да, используют. Системы распознавания лиц активно применяются на массовых мероприятиях, таких как спортивные соревнования, концерты, фестивали. Цель этих мер - обеспечение безопасности.
Полностью скрывать свое лицо в таких местах запрещено законом № 54-ФЗ. Более того, технология DFI, основанная на базе компьютерного зрения (Computer Vision), может распознавать людей даже в масках. Она это делает с помощью детекции 14 точек, которые и позволяют идентифицировать человека.
Некоторые виды технологий все еще уязвимы. Например, двумерное сканирование лиц можно обмануть с помощью распечатанного фото. Однако современные нейросети лучше защищены от различных уловок и подлогов.
В России основным регулирующим документом для систем распознавания лиц является ФЗ № 152. В дополнение к нему действуют федеральные законы № 149, 212 и 98, а также ГОСТ Р 57580.1-2017 и Постановление Правительства РФ № 1119.
В других странах по-разному. В основном применяют регулировку сбора и хранения информации, ограничения на использование технологии для слежки и криминалистики, а также право на отказ от обработки своих биометрических данных, которая выполняется в программах распознавания. Кроме того, компании как правило обязаны сообщать пользователям о том, как будут использоваться сведения о них.