Система распознавание лиц в метро, на улице и т.д.
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Найти за полсекунды. Зачем нужна программа распознавания лиц
В метро Москвы задержали преступника, который 6 лет скрывался от правосудия. Обнаружил нарушителя не наряд полиции, а умный алгоритм, обученный находить человека по фотографии.
Систему распознавания лиц начали тестировать в столице в 2017 г. Тогда к ней подключили 3 тыс. видеокамер, связанных с базой МВД по поиску преступников и пропавших без вести. В итоге задержали 6 человек, находившихся в федеральном розыске. Теперь таких камер 120 тыс., а технология доказала свою эффективность во время чемпионата мира по футболу, когда полиция задержала 180 человек. 15 из них были в базе федерального розыска, остальные оказались мелкими карманниками и фанатами из чёрных списков. Кроме того, система распознавания помогла вернуть украденный спонсорский кубок. Нарушитель вынес его из фан-зоны, а на следующий день вернулся. К тому моменту полиция уже имела доступ к его профилю в соцсетях, видеокамера засекла вора в толпе и вовремя подала сигнал.
Каждому лицу — свой код
Как мы знаем, наши программисты — лучшие в мире. В лидерах мирового рынка по технологиям распознавания лиц такие российские компании, как «Вокорд», VisionLabs и NtechLab. Последняя из них, основанная в 2015 г., в своё время обошла в международном соревновании Google и команду Пекинского университета. А в сентябре этого года вошла в топ-3 компаний, представивших лучшие решения по распознаванию пешеходов (алгоритм пригодится, когда по улицам городов побегут беспилотные автомобили).
Основатель компании Артём Кухаренко считает, что наша технология уникальна. Как же она работает?
В основе метода лежит искусственная нейронная сеть — математическая модель, построенная по принципу нервных клеток живого организма. Она способна обучаться. «Мы провели много экспериментов с архитектурой нейронных сетей, — признаётся Кухаренко, — и добились очень высокой скорости и точности распознавания. Алгоритм находит конкретного человека всего за полсекунды по базе из 1 млрд лиц».
Примечательно, что технология сравнивает вовсе не лица людей и не какие-то их черты, а… наборы чисел. Каждому лицу, которое хранится в базе, программа присваивает числовой индекс — выбирает некий признак на портрете и кодирует его цифрами. Причём программисты сами не знают, какой признак выбран. Просканировав через видеокамеру лицо случайного человека (пешехода, пассажира метро и пр.), алгоритм определяет этот признак и менее чем за секунду находит в своей базе такую же (или близкую к ней) числовую последовательность. После чего извлекает привязанную к ней фотографию со всеми личными данными. Особенно важно, что технология работает в «уличных» условиях, когда человек повёрнут вполоборота или надвинул на лоб шапку. Также она учитывает возрастные изменения лица.
Пароль можно забыть
Разработчики обещают, что вскоре нам не придётся стоять в очередях паспортного контроля на вокзалах и в аэропортах. В течение ближайших трёх лет 77% аэропортов и 71% авиакомпаний по всему миру начнут использовать эти системы. Технологии сократят время посадки в самолёт в два раза. Пригодятся они и в метро. В китайском Наньнине уже действует система распознавания лиц при входе в подземку — пассажиры идут через турникеты, не задерживаясь ни на секунду. Система списывает деньги с банковской карты, к которой привязаны биометрические показатели.
Но гораздо важнее, что города становятся прозрачными для правоохранителей. В том же Китае камеры, сканирующие лица прохожих, стоят на каждой улице мегаполисов. Про российскую столицу мы сказали (кстати, системы распознавания есть даже у подъездов многих жилых домов в Москве), а на днях похожая ситуация случилась в Кемерове. Установленная в одном из магазинов этого города камера помогла задержать преступника, находившегося в розыске за грабёж.
Технологии распознавания тестируют на полицейских машинах в Рязанской области, в отелях и казино Сочи. И даже собираются запустить в подмосковных электричках, чтобы взимать плату за проезд с помощью сканирования лиц. Программисты уверяют, что скоро мы забудем о паролях, ПИН-кодах, отпечатках пальцев и кредитных картах. А в конце концов — о ключах от квартир и машин. Всё это заменят алгоритмы, узнающие нас в лицо.
Систему распознавания лиц начали тестировать в столице в 2017 г. Тогда к ней подключили 3 тыс. видеокамер, связанных с базой МВД по поиску преступников и пропавших без вести. В итоге задержали 6 человек, находившихся в федеральном розыске. Теперь таких камер 120 тыс., а технология доказала свою эффективность во время чемпионата мира по футболу, когда полиция задержала 180 человек. 15 из них были в базе федерального розыска, остальные оказались мелкими карманниками и фанатами из чёрных списков. Кроме того, система распознавания помогла вернуть украденный спонсорский кубок. Нарушитель вынес его из фан-зоны, а на следующий день вернулся. К тому моменту полиция уже имела доступ к его профилю в соцсетях, видеокамера засекла вора в толпе и вовремя подала сигнал.
Каждому лицу — свой код
Как мы знаем, наши программисты — лучшие в мире. В лидерах мирового рынка по технологиям распознавания лиц такие российские компании, как «Вокорд», VisionLabs и NtechLab. Последняя из них, основанная в 2015 г., в своё время обошла в международном соревновании Google и команду Пекинского университета. А в сентябре этого года вошла в топ-3 компаний, представивших лучшие решения по распознаванию пешеходов (алгоритм пригодится, когда по улицам городов побегут беспилотные автомобили).
Основатель компании Артём Кухаренко считает, что наша технология уникальна. Как же она работает?
В основе метода лежит искусственная нейронная сеть — математическая модель, построенная по принципу нервных клеток живого организма. Она способна обучаться. «Мы провели много экспериментов с архитектурой нейронных сетей, — признаётся Кухаренко, — и добились очень высокой скорости и точности распознавания. Алгоритм находит конкретного человека всего за полсекунды по базе из 1 млрд лиц».
Примечательно, что технология сравнивает вовсе не лица людей и не какие-то их черты, а… наборы чисел. Каждому лицу, которое хранится в базе, программа присваивает числовой индекс — выбирает некий признак на портрете и кодирует его цифрами. Причём программисты сами не знают, какой признак выбран. Просканировав через видеокамеру лицо случайного человека (пешехода, пассажира метро и пр.), алгоритм определяет этот признак и менее чем за секунду находит в своей базе такую же (или близкую к ней) числовую последовательность. После чего извлекает привязанную к ней фотографию со всеми личными данными. Особенно важно, что технология работает в «уличных» условиях, когда человек повёрнут вполоборота или надвинул на лоб шапку. Также она учитывает возрастные изменения лица.
Пароль можно забыть
Разработчики обещают, что вскоре нам не придётся стоять в очередях паспортного контроля на вокзалах и в аэропортах. В течение ближайших трёх лет 77% аэропортов и 71% авиакомпаний по всему миру начнут использовать эти системы. Технологии сократят время посадки в самолёт в два раза. Пригодятся они и в метро. В китайском Наньнине уже действует система распознавания лиц при входе в подземку — пассажиры идут через турникеты, не задерживаясь ни на секунду. Система списывает деньги с банковской карты, к которой привязаны биометрические показатели.
Но гораздо важнее, что города становятся прозрачными для правоохранителей. В том же Китае камеры, сканирующие лица прохожих, стоят на каждой улице мегаполисов. Про российскую столицу мы сказали (кстати, системы распознавания есть даже у подъездов многих жилых домов в Москве), а на днях похожая ситуация случилась в Кемерове. Установленная в одном из магазинов этого города камера помогла задержать преступника, находившегося в розыске за грабёж.
Технологии распознавания тестируют на полицейских машинах в Рязанской области, в отелях и казино Сочи. И даже собираются запустить в подмосковных электричках, чтобы взимать плату за проезд с помощью сканирования лиц. Программисты уверяют, что скоро мы забудем о паролях, ПИН-кодах, отпечатках пальцев и кредитных картах. А в конце концов — о ключах от квартир и машин. Всё это заменят алгоритмы, узнающие нас в лицо.
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
В России впервые задержали преступника, используя технологию распознавания лиц в метро
В Москве на станции метро «Фрунзенская» полиция задержала мужчину, который находился в розыске более года. Преступник был задержан при помощи камер с технологией распознавания лиц, которые устанавливаются в общественном транспорте в Москве, а также на центральных вокзалах к Чемпионату мира по футболу — 2018.
Мужчина, сбежавший из города Егорьевск, где его разыскивали за грабеж, стал первым преступником, которого задержали в рамках системы распознавания лиц. Ранее подобная система сработала летом 2016 года, когда мужчина ворвался в отделение банка и взял в заложники несколько человек. Камеры с системой распознавания лиц идентифицировали его как обанкротившегося бизнесмена Арама Петросяна.
Система распознавания лиц способна фиксировать 20 лиц в секунду. После этого нейросеть сверяет изображения с федеральной базой данных, а в случае совпадения — вызывает участкового. Всего в рамках программы будет установлено 170 камер в общественном транспорте Москвы и более 90 серверов.
Недавно российский разработчик систем компьютерного зрения VisionLabs вместе с компанией Alphaopen первым в стране запустил систему распознавания лиц и бесконтактную идентификацию для «умного дома». «Распознавание лиц при идентификации позволяет жителям комплекса не только быть спокойными за свою безопасность, но и дает им возможность с комфортом пользоваться всеми возможностями умного здания», — говорил основатель и глава VisionLabs Александр Ханин.
Мужчина, сбежавший из города Егорьевск, где его разыскивали за грабеж, стал первым преступником, которого задержали в рамках системы распознавания лиц. Ранее подобная система сработала летом 2016 года, когда мужчина ворвался в отделение банка и взял в заложники несколько человек. Камеры с системой распознавания лиц идентифицировали его как обанкротившегося бизнесмена Арама Петросяна.
Система распознавания лиц способна фиксировать 20 лиц в секунду. После этого нейросеть сверяет изображения с федеральной базой данных, а в случае совпадения — вызывает участкового. Всего в рамках программы будет установлено 170 камер в общественном транспорте Москвы и более 90 серверов.
Недавно российский разработчик систем компьютерного зрения VisionLabs вместе с компанией Alphaopen первым в стране запустил систему распознавания лиц и бесконтактную идентификацию для «умного дома». «Распознавание лиц при идентификации позволяет жителям комплекса не только быть спокойными за свою безопасность, но и дает им возможность с комфортом пользоваться всеми возможностями умного здания», — говорил основатель и глава VisionLabs Александр Ханин.
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
«Лица, находящиеся в розыске, будут распознаваться за доли секунды».
В России начали распространять систему распознавания лиц, которая уже работает в Москве. Партнер департамента информационных технологий столицы NtechLab запустил пилотные проекты в десяти городах, включая Нижний Новгород, где установят 3 тыс. камер с системой распознавания лиц, чтобы штрафовать нарушителей карантина и разыскивать преступников. Однако развернуть систему по всей стране пока невозможно, говорят эксперты: немногие регионы готовы тратить свой бюджет, а федерального финансирования на всех не хватит. Стоимость создания системы видеонаблюдения в крупном городе на рынке оценивают в 100–110 млн руб.
Московский опыт развития системы распознавания лиц готовятся распространить в регионах, выяснил “Ъ”. Компания NtechLab (среди совладельцев — «Ростех», фонд Рубена Варданяна, основатели и ранние инвесторы) в пилотном режиме запустила в десяти крупных российских городах системы, позволяющие отслеживать жителей по биометрическим данным, рассказал “Ъ” представитель компании.
В NtechLab отказались сообщить, в каких именно городах работают пилоты, опасаясь срыва будущих переговоров и тендеров, но раскрыли данные по Нижнему Новгороду.
В городе появится единая сеть видеонаблюдения с функцией распознавания лиц, к которой будет подключено 3 тыс. камер, говорят в NtechLab. Их расположат на остановках, в общественных пространствах и домофонах. «Часть из них может заработать уже до конца 2020 года — это более 350 остановок, на каждой из которых будет находиться по четыре камеры, из них две или три будут c функцией распознавания лиц»,— пояснил сооснователь NtechLab Александр Кабаков.
Систему, как и в Москве, будут использовать для поиска нарушающих карантин, а также розыска преступников, чьи фото есть в базах данных МВД. В перспективе, надеются в NtechLab, благодаря определению количества людей на остановках город сможет также прогнозировать загруженность общественного транспорта и оптимизирует транспортные потоки.
Лица, находящиеся в розыске, будут распознаваться за доли секунды, — Сергей Собянин, мэр Москвы, 23 января (цитата «Интерфакс»)Сергей Собянин, мэр Москвы, 23 января (цитата «Интерфакс»)
В какую сумму система в итоге обойдется региону, пока не ясно. Губернатор Нижегородской области Глеб Никитин заявил “Ъ”, что называть эти данные преждевременно: «Мы в процессе формирования технического задания и начальной цены контракта. Обсчитаем все в зависимости от масштабов системы».
Внедрение системы по распознаванию лиц в среднем обойдется в 100–110 млн руб. на крупный город, оценивают в IT-компании «Крок», основные затраты — это инфраструктура, то есть видеокамеры и центр обработки данных (ЦОД). И если первое в некоторых городах есть, то второго нет практически нигде, рассуждает в беседе с “Ъ” топ-менеджер компании, работающей в этой сфере.
По мнению большинства экспертов, регионы в основном не готовы тратить средства на такую цифровизацию.
Редкие из них могут приобрести подобные решения за собственные деньги, широкое масштабирование московского опыта может идти только с помощью субсидий из федерального центра, считает заместитель гендиректора Softline по работе с национальными проектами Андрей Шолохов
Гендиректор VisionLabs, чьи решения также применяются в Москве, Дмитрий Марков говорит, что компания тоже делает пилотные проекты в ряде регионов. «Там не федеральные деньги, а региональные. Строить ЦОД, покупать софт, создавать инфраструктуру и обслуживать ее — не самая дешевая история для многих регионов»,— подтверждает он.
По словам заместителя министра строительства и ЖКХ Максима Егорова, курирующего проект «Умный город», куда входят мероприятия по созданию систем интеллектуального видеонаблюдения, у правительства еще нет понимания, как системно финансировать субъекты федерации в этом направлении.
Пока планируется только конкурс, по итогам которого три города в стране, предложивших лучшие проекты по цифровизации, получат из центра по 30-75 млн руб. Как уточнил господин Егоров, муниципалитетам лучше договариваться с бизнесом о совместных проектах, а не ждать федеральных траншей на эти цели.
Московский опыт развития системы распознавания лиц готовятся распространить в регионах, выяснил “Ъ”. Компания NtechLab (среди совладельцев — «Ростех», фонд Рубена Варданяна, основатели и ранние инвесторы) в пилотном режиме запустила в десяти крупных российских городах системы, позволяющие отслеживать жителей по биометрическим данным, рассказал “Ъ” представитель компании.
В NtechLab отказались сообщить, в каких именно городах работают пилоты, опасаясь срыва будущих переговоров и тендеров, но раскрыли данные по Нижнему Новгороду.
В городе появится единая сеть видеонаблюдения с функцией распознавания лиц, к которой будет подключено 3 тыс. камер, говорят в NtechLab. Их расположат на остановках, в общественных пространствах и домофонах. «Часть из них может заработать уже до конца 2020 года — это более 350 остановок, на каждой из которых будет находиться по четыре камеры, из них две или три будут c функцией распознавания лиц»,— пояснил сооснователь NtechLab Александр Кабаков.
Систему, как и в Москве, будут использовать для поиска нарушающих карантин, а также розыска преступников, чьи фото есть в базах данных МВД. В перспективе, надеются в NtechLab, благодаря определению количества людей на остановках город сможет также прогнозировать загруженность общественного транспорта и оптимизирует транспортные потоки.
Лица, находящиеся в розыске, будут распознаваться за доли секунды, — Сергей Собянин, мэр Москвы, 23 января (цитата «Интерфакс»)Сергей Собянин, мэр Москвы, 23 января (цитата «Интерфакс»)
В какую сумму система в итоге обойдется региону, пока не ясно. Губернатор Нижегородской области Глеб Никитин заявил “Ъ”, что называть эти данные преждевременно: «Мы в процессе формирования технического задания и начальной цены контракта. Обсчитаем все в зависимости от масштабов системы».
Внедрение системы по распознаванию лиц в среднем обойдется в 100–110 млн руб. на крупный город, оценивают в IT-компании «Крок», основные затраты — это инфраструктура, то есть видеокамеры и центр обработки данных (ЦОД). И если первое в некоторых городах есть, то второго нет практически нигде, рассуждает в беседе с “Ъ” топ-менеджер компании, работающей в этой сфере.
По мнению большинства экспертов, регионы в основном не готовы тратить средства на такую цифровизацию.
Редкие из них могут приобрести подобные решения за собственные деньги, широкое масштабирование московского опыта может идти только с помощью субсидий из федерального центра, считает заместитель гендиректора Softline по работе с национальными проектами Андрей Шолохов
Гендиректор VisionLabs, чьи решения также применяются в Москве, Дмитрий Марков говорит, что компания тоже делает пилотные проекты в ряде регионов. «Там не федеральные деньги, а региональные. Строить ЦОД, покупать софт, создавать инфраструктуру и обслуживать ее — не самая дешевая история для многих регионов»,— подтверждает он.
По словам заместителя министра строительства и ЖКХ Максима Егорова, курирующего проект «Умный город», куда входят мероприятия по созданию систем интеллектуального видеонаблюдения, у правительства еще нет понимания, как системно финансировать субъекты федерации в этом направлении.
Пока планируется только конкурс, по итогам которого три города в стране, предложивших лучшие проекты по цифровизации, получат из центра по 30-75 млн руб. Как уточнил господин Егоров, муниципалитетам лучше договариваться с бизнесом о совместных проектах, а не ждать федеральных траншей на эти цели.
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
МВД запустило систему распознавания силуэтов людей и машин
МВД начало применять в пяти регионах России новую систему распознавания лиц и силуэтов людей и автомобилей, сообщил ТАСС гендиректор компании-разработчика Ntechlab Андрей Теленков.
Ntechlab (технологический партнер Ростеха) разработал систему распознавания лиц, которая уже применяется в ряде регионов РФ, теперь компания объединила ее с функцией распознавания силуэтов людей и машин. Компания представляет платформу мультиобъектной видеоаналитики, которая в режиме реального времени отображает видеопотоки, распознавая силуэты прохожих и автомобилей, на конференции «Цифровая индустрия промышленной России» (ЦИПР).
«Решение по силуэтам вызывает серьезную заинтересованность наших клиентов, очень много у нас запросов. Есть уже применение. Могу сказать, что она [система распознавания лиц и силуэтов] применяется МВД в пяти регионах России, также используется за рубежом», — сказал Теленков. При этом он не стал уточнять, о каких регионах идет речь.
Технологией также интересуются органы власти. Ее уже используют в Латинской Америке в системе общественного транспорта и в странах СНГ в разных проектах, а также в России и за рубежом на стройобъектах и в спортивной аналитике, сказал гендиректор Ntechlab. По его словам, интерес к системе проявляют страны Ближнего Востока, в ближайшее время компания проведет переговоры с одной из столиц в регионе.
«В решении, которое у нас сейчас вышло, можно отслеживать траекторию человека, считать людей и искать людей по их силуэтам, причем возможности наших алгоритмов позволяют определять силуэты с очень высокой точностью», — пояснил Теленков. Он уточнил, что алгоритм при распознавании внешне похожих людей будет учитывать такие признаки, как походка, рост и т.д., а также позволит осуществлять поиск по таким атрибутам внешности, таким, как, например, очки, шляпа или борода.
«Так же и с автомобилями. Мы все уже привыкли к тому, что автомобили регистрируются дорожными камерами, но таких камер не так много и они снимают только на городских дорогах, хайвеях. Мы умеем автомобили распознавать также с камер, где они не очень хорошо видны, где нельзя распознать номера или видна часть автомобиля», — добавил глава компании. По словам Теленкова, алгоритм позволяет идентифицировать автомобиль, определяя его цвет, марку, индивидуальные особенности.
Основные сферы применения технологии — региональная видеоаналитика, управление транспортом, строительные проекты, ретейл, коммерческая недвижимость и торговые центры.
Ранее сообщалось, что системы контроля доступа с распознаванием лиц Ntechlab закупили власти Москвы. Ростех предлагал регионам РФ использовать технологию в рамках борьбы с распространением коронавируса. Система использовалась во время чемпионата мира по футболу, который проходил в РФ в 2018. В Ntechlab также сообщали, что технологиями заинтересовались ряд стран Латинской Америки, Юго-Восточной Азии, Европы и Ближнего Востока.
Нравится3 Не нравится
Ntechlab (технологический партнер Ростеха) разработал систему распознавания лиц, которая уже применяется в ряде регионов РФ, теперь компания объединила ее с функцией распознавания силуэтов людей и машин. Компания представляет платформу мультиобъектной видеоаналитики, которая в режиме реального времени отображает видеопотоки, распознавая силуэты прохожих и автомобилей, на конференции «Цифровая индустрия промышленной России» (ЦИПР).
«Решение по силуэтам вызывает серьезную заинтересованность наших клиентов, очень много у нас запросов. Есть уже применение. Могу сказать, что она [система распознавания лиц и силуэтов] применяется МВД в пяти регионах России, также используется за рубежом», — сказал Теленков. При этом он не стал уточнять, о каких регионах идет речь.
Технологией также интересуются органы власти. Ее уже используют в Латинской Америке в системе общественного транспорта и в странах СНГ в разных проектах, а также в России и за рубежом на стройобъектах и в спортивной аналитике, сказал гендиректор Ntechlab. По его словам, интерес к системе проявляют страны Ближнего Востока, в ближайшее время компания проведет переговоры с одной из столиц в регионе.
«В решении, которое у нас сейчас вышло, можно отслеживать траекторию человека, считать людей и искать людей по их силуэтам, причем возможности наших алгоритмов позволяют определять силуэты с очень высокой точностью», — пояснил Теленков. Он уточнил, что алгоритм при распознавании внешне похожих людей будет учитывать такие признаки, как походка, рост и т.д., а также позволит осуществлять поиск по таким атрибутам внешности, таким, как, например, очки, шляпа или борода.
«Так же и с автомобилями. Мы все уже привыкли к тому, что автомобили регистрируются дорожными камерами, но таких камер не так много и они снимают только на городских дорогах, хайвеях. Мы умеем автомобили распознавать также с камер, где они не очень хорошо видны, где нельзя распознать номера или видна часть автомобиля», — добавил глава компании. По словам Теленкова, алгоритм позволяет идентифицировать автомобиль, определяя его цвет, марку, индивидуальные особенности.
Основные сферы применения технологии — региональная видеоаналитика, управление транспортом, строительные проекты, ретейл, коммерческая недвижимость и торговые центры.
Ранее сообщалось, что системы контроля доступа с распознаванием лиц Ntechlab закупили власти Москвы. Ростех предлагал регионам РФ использовать технологию в рамках борьбы с распространением коронавируса. Система использовалась во время чемпионата мира по футболу, который проходил в РФ в 2018. В Ntechlab также сообщали, что технологиями заинтересовались ряд стран Латинской Америки, Юго-Восточной Азии, Европы и Ближнего Востока.
Нравится3 Не нравится
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Распознавание лиц в московском метро запустили уже 2020 г.
Система видеонаблюдения с функцией распознавания лиц будет введена в полном объёме в московском метрополитене до 1 сентября 2020 года, сообщил мэр Москвы Сергей Собянин в ходе расширенного заседания коллегии ГУ МВД России по Москве.
«В течение прошлого года мы экспериментировали с системой распознавания лиц. Система показала свою эффективность, поэтому с 1 января мы внедрили ее в массовом порядке и заменили городские видеокамеры на камеры с HD-качеством, были подключены системы искусственного интеллекта с распознаванием лица практически по всему городу. До 1 сентября в полном объёме эта система будет введена и в метрополитене», — сказал Собянин.
Распознавание лиц на улицах города работает уже сейчас. На чёрном рынке можно купить доступ к системе ДИТ г. Москвы и провести поиск в архиве видеозаписей их дата-центра. Поиск работает по фотографии лица произвольного человека. Доступ продаётся на несколько часов или неограниченный (пара логин-пароль).
В Москве и области работает минимум 170 000 камер видеонаблюдения. Они установлены на дверях почти всех подъездов и на большинстве улиц Москвы. В будущем МВД планирует подключить все эти камеры к системе распознавания лиц.
Уже сейчас доступ к городским камерам Москвы можно купить на форумах и в чатах, где ведётся нелегальная торговля данными. При покупке доступа к камере торговец присылает уникальную ссылку на сайт Единого центра хранения данных (ЕЦХД), где можно воспользоваться прямым эфиром камеры и получить доступ к её архиву. Возможность передачи прямых ссылок встроена в систему видеонаблюдения как минимум с 2016 года, когда на сайте ЕЦХД появился обучающий ролик с описанием этой функции. Примерно тогда же появились первые темы о продаже доступа к камерам на форумах по теневой коммерции.
Для просмотра каждой камеры нужна отдельная ссылка. Работает она пять дней — столько же, сколько хранятся данные с камер в архиве ЕЦХД, пишет издание «МБХ медиа», которое провело контрольную закупку услуги.
Как сообщается, в интернете можно найти предложения о покупке неограниченного доступа к камерам: логин-пароль к системе стоит несколько десятков тысяч рублей.
Во время контрольной закупки корреспонденту удалось заказать на себя выписку из системы распознавания лиц. Продавцу предоставили фотографию корреспондента, однако городская система распознавания лиц опознать его не смогла. В результате поиска она выдала 238 фотографий похожих на него людей (не только мужчин) с перечнем адресов и временем, когда эти люди попали в поле зрения камер.
«По умолчанию система выдает данные за месяц, однако, по-видимому, случаются ошибки: в полученном корреспондентом файле помимо фотографий, сделанных в последние 30 дней, было два фото за июнь и июль, — сказано в отчёте о тестовой закупке. — Все фотографии помечены тегами ”свой” и ”чужой” — по словам участников чёрного рынка, так система помечает, насколько часто человек появляется по адресу камеры — если он ”свой”, то регулярно фиксируется подъездной камерой (а значит — скорее всего живет в этом подъезде). При этом один из торговцев данными посоветовал не обращать внимание на эти обозначения в файле, потому что они ”бывают ошибочными”. Искать людей по системе распознавания лиц можно совершенно свободно — чтобы загрузить фотографию в систему, не нужно возбуждённое уголовное дело или ордер на розыск».
По словам участников чёрного рынка, доступ к камерам пользуется популярностью в основном у частных детективов и мошенников, промышляющих рэкетом и слежкой. Либо тех, «кому поглазеть хочется или просто интересно».
Пресс-служба компании-разработчика архитектуры видеонаблюдения в Москве ЗАО «Нетрис» сообщила, что не даёт комментарии СМИ.
Слежка за произвольным лицом через государственную систему видеонаблюдения — очень привлекательная коммерческая услуга. Но одновременно это и серьёзное вторжение в личную жизнь. По этой причине на прошлой неделе в Евросоюзе предложили запретить систему распознавания лиц в публичных местах. Еврокомиссия хочет ввести временный запрет на три-пять лет, чтобы за это время оценить последствия технологии распознавания лиц для защиты персональных данных граждан и их прав на неприкосновенность частной жизни.
Сами технологические компании поддерживают введение временного моратория на сомнительные технологии: «Такие компании, как наша, не могут просто создавать перспективные новые технологии и позволять рыночным силам решать, как их использовать», — написал исполнительный директор Alphabet Сундар Пичаи в комментарии для издания Financial Times, призывая Евросоюз ввести правила регулирования технологий ИИ. К этой категории относятся и системы распознавания лиц.
Действующий в Евросоюзе закон General Data Protection Regulation (GDPR) не совсем чётко разъясняет, как следует хранить и обрабатывать фотографии лиц и другую биометрическую информацию о гражданах, если она не привязана к конкретному профилю с именем и фамилией, то есть формально анонимизирована (при этом в любой момент возможна деанонимизация любого лица).
В мае 2019 года Сан-Франциско стал первым американским городом, который запретил системы распознавания лиц.
Cистема распознавания лиц в Москве ещё не работает на полную мощность, к ней подключено пока около 3000 камер. В январе 2020 года юрист Алёна Попова с политиком Владимиром Миловым подали второй иск к управлению МВД Москвы и департаменту информационных технологий Москвы с требованием запретить систему распознавания лиц на митингах. По иску открыто дело № 02а-0072/2020 в Тверском районном суде г. Москвы. Судебное заседание назначено на 31 января 2020 года.
Предыдущий иск рассматривал Савеловский районный суд г. Москвы, который установил, что в нынешнем виде система видеонаблюдения не нарушает законодательство.
«Это второй иск в нашей общественной кампании против тотальной слежки. Этот иск касается именно факта использования камер на митингах и технологии в отношении политически несогласных с властью людей. Мы не боремся с наличием самих камер, которые просто стоят и пишут, а мы боремся с тем, что на камерах точно можно отличить, что вы — это вы, идёте к конкретной точке, в конкретное время», — сказала Алёна
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Как работает распознавание лиц и можно ли обмануть эту систему
Систему камер с распознаванием лиц в Москве признали одной из самых развитых в мире. Чем это нам грозит? Как работают алгоритмы и можно ли их обмануть? И какое будущее у этой технологии? Разбирался РБК.
Что такое распознавание лиц
Распознавание лиц — это технология, которая позволяет автоматически идентифицировать (распознать, кто на фото) или верифицировать (подтвердить, что на фото именно этот человек) человека на фото, видео или вживую. Для распознавания используют нейросети, которые умеют считывать и анализировать уникальные черты человеческого лица, а затем сверять их с базой.
Об эксперте: Татьяна Гайнцева, преподаватель Deep Learning School (МФТИ), автор блога об искусственном интеллекте и нейронных сетях.
Как развивалась технология распознавания лиц
Первые эксперименты в области машинного распознавания лиц представил в 1960-х годах Вуди Бледсо — профессор Техасского университета в Остине, исследователь искусственного интеллекта. Его рабочая группа создала базу из 800 снимков людей в разных ракурсах. Далее ученые размечали лица 46 точками-координатами с помощью прототипа современного планшета. Посредством специального алгоритма система разворачивала лица под разными углами, увеличивала и уменьшала масштаб. На втором этапе алгоритм использовал 22 измерения, действуя согласно байесовской теории принятия решений — чтобы общий вывод был максимально точным. В итоге система, разработанная Бледсо, справлялась в 100 раз быстрее, чем человек.
В 1988 году Майкл Кирби и Лоуренс Сирович из Университета Брауна применили подход Eigenface с использованием линейной алгебры для анализа изображений. Для разметки лиц они применяли менее 100 различных значений.
В 1991 году Алекс Пентланд и Мэтью Терк из MIT усовершенствовали технологию Eigenfaces, задействуя факторы окружающей среды. Им удалось автоматизировать процесс распознавания.
В конце 1990-х годов Управление перспективных исследовательских проектов при Минобороне США (DAPRA) и Национальный институт стандартов и технологий выпустили программу FERET с самой обширной базой лиц — более 14 тыс. изображений. Изначально ее использовали, чтобы находить и распознавать преступников по всему миру, но затем представили для открытого доступа.
С 2010 года Facebook начал использовать функцию распознавания лиц, чтобы находить пользователей на публикуемых фото и предлагать их отметить.
В 2011 году власти Панамы и США запустили совместный проект FaceFirst. Это технология распознавания лиц, которую использовали для пресечения незаконной деятельности в аэропорту Токумен в Панаме. В том же году полиция и спецслужбы США начали применять распознавание лиц для опознания трупов — включая Усаму бен Ладена.
С 2014 года распознавание лиц используют в камерах мобильных телефонов, а с 2017 — в ретейле.
Как работает распознавание лиц
В основе технологии — две нейросети:
Первая — сеть-«выравниватель» (англ. aligner). Она берет картинку, которая поступает с камеры наблюдения, детектирует на ней все лица, которые сможет найти, «вырезает» и «выравнивает» их.
Вот как это выглядит:
Программа вырезает обнаруженные лица (те, что плотно расположены друг к другу, повернуты в профиль или просто очень маленькие и нечеткие, система может не распознать).
Затем она их выравнивает: детектирует на лице точки глаз, носа и рта.
Наконец, поворачивает и подгоняет размер фото так, чтобы точки глаз, носа и рта находились в определенных местах.Некоторые алгоритмы используют больше семи точек — то есть, обводят контуры лица. Это может понадобиться, к примеру, для создания дипфейков.
Вторая — сеть-«распознаватель». Она принимает на входе выровненное изображение, которое передала первая нейросеть, а на выходе выдает вектор лица — то есть, набор чисел фиксированной длины. У разных сетей эти векторы могут отличаться, но чаще всего это некая степень двойки.Как работает вторая нейросеть, которая распознает лица
На похожие лица сеть выдает похожие векторы и наоборот.
Возьмем одно фото Анджелины Джоли и два изображения Брэда Питта и прогоним их через сеть. На выходе получим три вектора. Измерим расстояние между вектором Анджелины Джоли и вектором первого Брэда Питта, а также между векторами двух Брэдов Питтов. В первом случае расстояние будет большим — это разные люди, а во втором — маленьким: это один человек.Как нейросеть отличает одного человека от другого
Чтобы обучить нейросети, используют огромные базы данных с лицами людей. Нейросети на входе сообщают, кому принадлежит это лицо, а затем, в ходе обучения, добиваются, чтобы она выдавала максимально точные результаты. Обучившись на миллионах разных людей, нейросеть начинает распознавать и новые лица — те, которых не было в базе.
Технология Face ID в смартфонах устроена немного иначе. Алгоритм распознает вас не по фото, а с помощью инфракрасных точек, которые проецируются на ваше лицо через камеру. После этого создается трехмерная модель и сравнивается с той, что вы уже внесли ранее.
Где применяют распознавание лиц? >
Безопасность
Криминалисты, полиция и спецслужбы используют автоматизированные системы биометрической идентификации (ABIS) для поиска преступников, доказательства преступлений и их предотвращения — например, терактов или мошенничества с документами.
Камеры с распознаванием лиц применяют для обеспечения безопасности на массовых мероприятиях, для прохождения контроля в аэропортах, контроля доступа в различных организациях. Системы помогают находить пропавших детей, дезориентированных взрослых или людей, которых держат в рабстве.
Здравоохранение и медицина
Распознавание лиц в больницах и домах престарелых помогает отслеживать, принимают ли пациенты лекарства и следить за их состоянием через специальный монитор. Нейросети даже умеют обнаруживать по лицу генетические заболевания по характерным признакам на лице — такие, как синдром Ди Джорджи, — и оценивать общее состояние пациента.
Ретейл, общепит и банки
Технология распознавания лиц помогает идентифицировать клиента и предотвратить мошенничество во время покупки в магазине, анализировать поведение покупателей и оптимизировать сервис так, чтобы продавать больше.
С помощью онлайн-биометрии можно открыть счет и получить кредит, а также снять деньги в банкомате. Например, в Китайском KFC и американском Amazon Go действует «оплата по лицу». В России биометрию планируют внедрить во всех крупнейших банках вместо обычной идентификации.
Еще одно перспективное направление — распознавание эмоций. Например, чтобы улучшить взаимодействие с клиентами и сотрудниками, работая онлайн, или анализировать, как пользователи реагируют на контент. В России подобными разработками занимается компания Neurodata Lab.
Образование
Сервисы на базе распознавания лиц помогают во время онлайн-обучения: следят, чтобы ученик не отвлекался во время экзамена, не списывал и не пользовался устными подсказками.
Самые продвинутые разработки в этой области
С 2016 по 2020 год точность распознавания лиц нейросетями улучшилась в 50 раз: коэффициент ошибок составил 0,8%. Согласно исследованию Facial Recognition Market 2019 года, мировой рынок распознавания лиц тогда оценивали в $3,2 млрд. Прогноз на 2024 год — $7 млрд, при ежегодном росте в 16%.
Самые масштабные разработки в области распознавания лиц — у Google, Apple, Facebook, Amazon и Microsoft (GAFAM).
В 2014 году Facebook запустил сервис DeepFace, который определяет, принадлежат ли два сфотографированных лица одному и тому же человеку с точностью 97,25%.
Как работает DeepFace
В 2015 Google представила свою разработку — FaceNet. Благодаря огромному массиву данных, которые собирают сервисы Google, FaceNet достигла рекордной точности — 99,63%. Технологию, в частности, используют в Google Фото для сортировки изображений и автоматических отметок людей на них.
Amazon с 2018 года активно продвигает свой облачный сервис распознавания лиц под названием Rekognition, которым пользуются правоохранительные органы США. Система умеет распознавать до 100 человек на одном фото и искать их в базах данных, содержащих десятки миллионов лиц.
По данным Центра стратегических и международных исследований, а также Управления по науке и технологиям МВД США, лучшим решением в 2020 году было признано FRT: его точность распознавания составила 99,97%.
В России есть пять крупных игроков на рынке распознавания лиц:
NTechLab;
VisionLabs;
Sensemaking Lab;
Группа ЦРТ.
NTechLab — разработчик нашумевшего приложения FindFace, которое использовали для поиска людей во «ВКонтакте» по фото. Сервис неоднократно оказывался в центре скандалов с нарушением приватности. Максимальная точность их алгоритмов для распознавания лиц — 99%. Компания также выступила подрядчиком для внедрения камер с распознаванием лиц в Москве.
Второй подрядчик московских властей в этой области — VisionLabs. Они также разрабатывали системы для московских камер и участвовали в других городских проектах. С недавних пор VisionLab стала частью экосистемы «Сбера», и теперь их разработки применяют, в том числе, для внедрения биометрии в банковских сервисах.
Группа ЦРТ в 2014 году первой внедрила систему распознавания лиц в спорте. Ее решения используются на стадионах «Газпром-Арена», «ВТБ-Арена» и других.
Что не так с распознаванием лиц в Москве?
В Москве действует одна из крупнейших в мире сетей с распознаванием лиц — более 200 тыс. камер общей стоимостью около 5 млрд руб.
Российскую технологию NTechLab признали лучшей в результате тестирования Национального института стандартов и технологий США. NTechLab вели совместные разработки с Genetec — поставщиком систем видеонаблюдения для американского правительства и спецслужб.
Систему для Москвы начали разрабатывать еще в 2015 году, а пилотный проект запустили в 2017-м: тогда это были 1,5 тыс. камер во дворах и подъездах. В 2018-м систему расширили, протестировав на чемпионате мира по футболу. Камеры помогли задержать около 100 нарушителей из базы уголовного розыска. В том же году с помощью камеры с распознаванием лиц задержали грабителя, находящегося в розыске МВД.
Московскую систему видеонаблюдения использовали во время пандемии в 2020 году. С ее помощью выявили более 200 нарушителей карантина и самоизоляции, которым пришлось выплатить штрафы.
Правозащитники указывают на опасность технологии для обычных граждан. Например, юрист Алена Попова неоднократно подавала иски к управлению МВД Москвы и московскому Департаменту информационных технологий с требованием запретить систему распознавания лиц на митингах.
Распознавание лиц и правда используют на митингах?
В феврале 2021-го появилась информация о том, что с помощью камер власти отслеживали участников митингов в Москве и привлекали их к ответственности. Полицейские останавливали людей на входе в метро или приходили к ним домой. Такое бывало и в других странах.
Во время протестов в Гонконге 2019-20 годов власти тоже использовали распознавание лиц, чтобы вычислять активистов. Для борьбы с этим протестующие использовали лазерные указки, маски с чужими лицами и проекторы для лица, а также громили столбы с камерамиПо мнению оппозиции, для распознавания используют программу Face++ от китайского стартапа Megvii. Эта система, предположительно, попала в черный список властей США за нарушение прав человека.
Еще один недавний пример — сайт Faces of the Riot, созданный студентом из Вашингтона. Он использовал приложение с открытым исходным кодом, чтобы извлечь лица из 827 видео, размещенных в соцсети Parler во время штурма Капитолия 6 января 2021 года. Затем он применил нейросеть для распознавания лиц, обученную на 200 тыс. фото из базы ФБР, и идентифицировал людей.
Какие еще проблемы есть у технологии сегодня?
Утечки. В данном случае в сеть утекают доступы к камерам наблюдения и результатам распознавания. За деньги можно проверить по фотографии, где и когда камеры засекли конкретного человека.
Ошибки в распознавании. В 2018 году технология распознавания лиц от Amazon ошибочно опознала 28 членов Конгресса США как преступников. Недавний пример — москвич Сергей Межуев, которого система распознавания лиц в метро ошибочно приняла за преступника в розыске. В итоге мужчину задержали, собрали все данные и не сняли подозрения, пока реальный подозреваемый не нашелся.
Использование лиц без согласия. В США до недавнего времени для обучения нейросетей распознаванию лиц использовали датасеты с лицами из открытых источников. Готовые датасеты тоже были в открытом доступе. Однако сейчас их убрали, так как это нарушает законы о защите персональных данных. Теперь доступ к ним можно получить по запросу и только для исследовательских (некоммерческих) целей.
The New York Times опубликовала расследование, согласно которому система распознавания лиц ClearView использует фото из Facebook и Twitter, чтобы помогать полиции находить людей. Аналогичные претензии были и к NtechLab: у компании был доступ к фото пользователей в «ВКонтакте».
Дискриминация и расизм. Для обучения нейросетей используют датасеты, которые содержат, в основном, фото людей титульной нации и расы. В итоге системы распознавания лиц плохо распознают азиатов, латиноамериканцев или афроамериканцев. Системы, которые используют в криминалистике, чаще указывают на чернокожих людей как на потенциальных преступников.
Исследование MIT от 2018 года показало, что алгоритмы Microsoft, IBM и китайского Megvii (FACE ++) очень часто ошибаются при идентификации темнокожих женщин по сравнению со светлокожими мужчинами.
Есть примеры дискриминации по полу: например, нейросеть, которая дорисовывает женским фото тело в бикини, а мужским — в костюме. Просто потому, что в сети большинство изображений именно такие.
Использование технологии для манипуляции людьми. Оказавшись в руках властей, системы с распознаванием лиц вместе с базами персональных данных дают неограниченные возможности. Самый радикальный пример того, к чему это может привести — Китай.
Распознавание лиц в Китае: социальная антиутопия
В Китае распознавание лиц используют в полиции, аэропортах, на улицах, в общественном транспорте. Государство планирует распространить систему по всей стране: по данным CNBC, в конце 2018 года в Китае использовали более 200 млн камер наблюдения, а к концу 2021-го их число достигнет более 500 млн.
Одна из главных причин — внедрение системы социального рейтинга или кредита. Каждый гражданин страны получает положительные баллы за общественно-полезную деятельность, отсутствие нарушений, своевременную уплату налогов. За проступки баллы снимаются. Низкий или отрицательный рейтинг влечет разные последствия: отказ в выдаче кредита и социальных выплатах, запрет на вылет из страны и работу в определенных организациях.
Также при помощи этой технологии правительство Китая следит за представителями уйгурского этнического меньшинства. Сотни тысяч уйгуров поместили в города-гетто и лагеря для политзаключенных и всячески ограничивают их в перемещении.
Можно ли обмануть систему распознавания лиц?
Чтобы бороться с «умными» камерами, в ход идут специальные маски, проекторы, лазеры и другие приемы:
В 2017 году Григорий Бакунов, отвечающий за ИИ-технологии в «Яндексе», придумал специальный макияж, который якобы помогает обмануть нейросети. При создании макияжа он использовал генетический алгоритм, который подбирает образ по принципу анти-сходства.Во время протестов в Лондоне в марте 2020 года участники пытались обмануть системы распознавания лиц с помощью цветных патчей на лице.
Специалисты компании Videomax попытались обмануть алгоритм «Face-Интеллект». Они выяснили, что это возможно только если одновременно надеть парик с длинными волосами и головной убор, наклеить пластыри и усы, а а также нарисовать синяки. В этом случае точность идентификации падала до 51%.
Вьетнамским разработчикам удалось взломать функцию распознавания лиц Face ID на iPhone X с помощью 3D-маски, силикона и скотча. Но повторить их метод сможет далеко не каждый.
Состязательные примеры: когда рядом с объектом помещают специальные стикеры, объемные фигуры или картины, которые сбивают нейросеть с толку.
Однако все эти способы вряд ли помогут. Во-первых, мы до конца не знаем, по каким именно приметам нейросети распознают лица. Во-вторых, алгоритмы обучают по разным схемам и на разных датасетах. Чтобы их обмануть, нужно точно знать, как устроена конкретная нейросеть.
Можно, конечно, полностью скрыть лицо в публичных местах и на массовых мероприятиях. Но во многих странах — включая Россию и Китай — это запрещено законом.
Есть способы, которые помогают изменить уже готовые фото. Например, компания Generated Media создала Anonymizer: приложение, которое генерирует серию портретов на основе ваших фото и делает их неузнаваемыми для нейросетей.
Можно использовать специальную маску. К примеру, возьмем фото, на котором нейросеть опознала актрису Еву Лонгорию и немного изменим его:Как регулируют распознавание лиц в разных странах?
В ЕС и Великобритании действует самый жесткий регламент по защите данных — GDPR. Он запрещает любое посягательство на личную жизнь человека со стороны частных компаний и госорганов без его согласия. Это касается и систем распознавания лиц.
В США нет единого закона, который бы регулировал использование технологии. Ближе всех к европейскому GDPR по сути стоит Закон о конфиденциальности потребителей в Калифорнии (CCPA). В некоторых штатах действуют ограничения для полиции и других органов — например, в Орегоне, Вашингтоне, Техасе, Иллинойсе, Массачусетсе, Вермонте.
ИТ-корпорации настаивают на принятии законов на федеральном уровне. В 2020 году IBM объявила о прекращении продаж своих продуктов для распознавания лиц. Вслед за ними Amazon и Microsoft временно приостановили сотрудничество с госорганами в этой области. А в июле правозащитники из ACLU подали иск против ClearviewAI за нарушение закона штата Иллинойс о конфиденциальности биометрической информации.
В Китае распознавание лиц используют повсеместно, и у госорганов есть неограниченные возможности по применению технологии. С недавних пор биометрия является обязательной даже при регистрации телефонного номера.
В России есть закон о защите персональных данных. Но он направлен, в первую очередь, на сохранность самих данных: их необходимо защищать, чтобы предотвратить утечки. Права самих граждан, чьи данные используются, никак не защищены. Безопасность биометрических данных в частной сфере пока не регулируется, но у властей с 2019 года есть право использовать распознавание лиц без согласия граждан.
Какое будущее у этой технологии?
Эксперты считают, что в ближайшие пару лет распознавание лиц окончательно станет массовой технологией. Ее будут применять в «умных» и обычных гаджетах, для идентификации и оплаты, прохода в офисы и регистрации в аэропорту, а также для доступа к онлайн-сервисам и аккаунтам в соцсетях. В течение 15-20 лет мы полностью перейдем на биометрические паспорта. А вот обмануть алгоритмы или укрыться от камер с распознаванием лиц станет практически невозможно.
Это означает полную утрату приватности и частной жизни.
Что такое распознавание лиц
Распознавание лиц — это технология, которая позволяет автоматически идентифицировать (распознать, кто на фото) или верифицировать (подтвердить, что на фото именно этот человек) человека на фото, видео или вживую. Для распознавания используют нейросети, которые умеют считывать и анализировать уникальные черты человеческого лица, а затем сверять их с базой.
Об эксперте: Татьяна Гайнцева, преподаватель Deep Learning School (МФТИ), автор блога об искусственном интеллекте и нейронных сетях.
Как развивалась технология распознавания лиц
Первые эксперименты в области машинного распознавания лиц представил в 1960-х годах Вуди Бледсо — профессор Техасского университета в Остине, исследователь искусственного интеллекта. Его рабочая группа создала базу из 800 снимков людей в разных ракурсах. Далее ученые размечали лица 46 точками-координатами с помощью прототипа современного планшета. Посредством специального алгоритма система разворачивала лица под разными углами, увеличивала и уменьшала масштаб. На втором этапе алгоритм использовал 22 измерения, действуя согласно байесовской теории принятия решений — чтобы общий вывод был максимально точным. В итоге система, разработанная Бледсо, справлялась в 100 раз быстрее, чем человек.
В 1988 году Майкл Кирби и Лоуренс Сирович из Университета Брауна применили подход Eigenface с использованием линейной алгебры для анализа изображений. Для разметки лиц они применяли менее 100 различных значений.
В 1991 году Алекс Пентланд и Мэтью Терк из MIT усовершенствовали технологию Eigenfaces, задействуя факторы окружающей среды. Им удалось автоматизировать процесс распознавания.
В конце 1990-х годов Управление перспективных исследовательских проектов при Минобороне США (DAPRA) и Национальный институт стандартов и технологий выпустили программу FERET с самой обширной базой лиц — более 14 тыс. изображений. Изначально ее использовали, чтобы находить и распознавать преступников по всему миру, но затем представили для открытого доступа.
С 2010 года Facebook начал использовать функцию распознавания лиц, чтобы находить пользователей на публикуемых фото и предлагать их отметить.
В 2011 году власти Панамы и США запустили совместный проект FaceFirst. Это технология распознавания лиц, которую использовали для пресечения незаконной деятельности в аэропорту Токумен в Панаме. В том же году полиция и спецслужбы США начали применять распознавание лиц для опознания трупов — включая Усаму бен Ладена.
С 2014 года распознавание лиц используют в камерах мобильных телефонов, а с 2017 — в ретейле.
Как работает распознавание лиц
В основе технологии — две нейросети:
Первая — сеть-«выравниватель» (англ. aligner). Она берет картинку, которая поступает с камеры наблюдения, детектирует на ней все лица, которые сможет найти, «вырезает» и «выравнивает» их.
Вот как это выглядит:
Программа вырезает обнаруженные лица (те, что плотно расположены друг к другу, повернуты в профиль или просто очень маленькие и нечеткие, система может не распознать).
Затем она их выравнивает: детектирует на лице точки глаз, носа и рта.
Наконец, поворачивает и подгоняет размер фото так, чтобы точки глаз, носа и рта находились в определенных местах.Некоторые алгоритмы используют больше семи точек — то есть, обводят контуры лица. Это может понадобиться, к примеру, для создания дипфейков.
Вторая — сеть-«распознаватель». Она принимает на входе выровненное изображение, которое передала первая нейросеть, а на выходе выдает вектор лица — то есть, набор чисел фиксированной длины. У разных сетей эти векторы могут отличаться, но чаще всего это некая степень двойки.Как работает вторая нейросеть, которая распознает лица
На похожие лица сеть выдает похожие векторы и наоборот.
Возьмем одно фото Анджелины Джоли и два изображения Брэда Питта и прогоним их через сеть. На выходе получим три вектора. Измерим расстояние между вектором Анджелины Джоли и вектором первого Брэда Питта, а также между векторами двух Брэдов Питтов. В первом случае расстояние будет большим — это разные люди, а во втором — маленьким: это один человек.Как нейросеть отличает одного человека от другого
Чтобы обучить нейросети, используют огромные базы данных с лицами людей. Нейросети на входе сообщают, кому принадлежит это лицо, а затем, в ходе обучения, добиваются, чтобы она выдавала максимально точные результаты. Обучившись на миллионах разных людей, нейросеть начинает распознавать и новые лица — те, которых не было в базе.
Технология Face ID в смартфонах устроена немного иначе. Алгоритм распознает вас не по фото, а с помощью инфракрасных точек, которые проецируются на ваше лицо через камеру. После этого создается трехмерная модель и сравнивается с той, что вы уже внесли ранее.
Где применяют распознавание лиц? >
Безопасность
Криминалисты, полиция и спецслужбы используют автоматизированные системы биометрической идентификации (ABIS) для поиска преступников, доказательства преступлений и их предотвращения — например, терактов или мошенничества с документами.
Камеры с распознаванием лиц применяют для обеспечения безопасности на массовых мероприятиях, для прохождения контроля в аэропортах, контроля доступа в различных организациях. Системы помогают находить пропавших детей, дезориентированных взрослых или людей, которых держат в рабстве.
Здравоохранение и медицина
Распознавание лиц в больницах и домах престарелых помогает отслеживать, принимают ли пациенты лекарства и следить за их состоянием через специальный монитор. Нейросети даже умеют обнаруживать по лицу генетические заболевания по характерным признакам на лице — такие, как синдром Ди Джорджи, — и оценивать общее состояние пациента.
Ретейл, общепит и банки
Технология распознавания лиц помогает идентифицировать клиента и предотвратить мошенничество во время покупки в магазине, анализировать поведение покупателей и оптимизировать сервис так, чтобы продавать больше.
С помощью онлайн-биометрии можно открыть счет и получить кредит, а также снять деньги в банкомате. Например, в Китайском KFC и американском Amazon Go действует «оплата по лицу». В России биометрию планируют внедрить во всех крупнейших банках вместо обычной идентификации.
Еще одно перспективное направление — распознавание эмоций. Например, чтобы улучшить взаимодействие с клиентами и сотрудниками, работая онлайн, или анализировать, как пользователи реагируют на контент. В России подобными разработками занимается компания Neurodata Lab.
Образование
Сервисы на базе распознавания лиц помогают во время онлайн-обучения: следят, чтобы ученик не отвлекался во время экзамена, не списывал и не пользовался устными подсказками.
Самые продвинутые разработки в этой области
С 2016 по 2020 год точность распознавания лиц нейросетями улучшилась в 50 раз: коэффициент ошибок составил 0,8%. Согласно исследованию Facial Recognition Market 2019 года, мировой рынок распознавания лиц тогда оценивали в $3,2 млрд. Прогноз на 2024 год — $7 млрд, при ежегодном росте в 16%.
Самые масштабные разработки в области распознавания лиц — у Google, Apple, Facebook, Amazon и Microsoft (GAFAM).
В 2014 году Facebook запустил сервис DeepFace, который определяет, принадлежат ли два сфотографированных лица одному и тому же человеку с точностью 97,25%.
Как работает DeepFace
В 2015 Google представила свою разработку — FaceNet. Благодаря огромному массиву данных, которые собирают сервисы Google, FaceNet достигла рекордной точности — 99,63%. Технологию, в частности, используют в Google Фото для сортировки изображений и автоматических отметок людей на них.
Amazon с 2018 года активно продвигает свой облачный сервис распознавания лиц под названием Rekognition, которым пользуются правоохранительные органы США. Система умеет распознавать до 100 человек на одном фото и искать их в базах данных, содержащих десятки миллионов лиц.
По данным Центра стратегических и международных исследований, а также Управления по науке и технологиям МВД США, лучшим решением в 2020 году было признано FRT: его точность распознавания составила 99,97%.
В России есть пять крупных игроков на рынке распознавания лиц:
NTechLab;
VisionLabs;
Sensemaking Lab;
Группа ЦРТ.
NTechLab — разработчик нашумевшего приложения FindFace, которое использовали для поиска людей во «ВКонтакте» по фото. Сервис неоднократно оказывался в центре скандалов с нарушением приватности. Максимальная точность их алгоритмов для распознавания лиц — 99%. Компания также выступила подрядчиком для внедрения камер с распознаванием лиц в Москве.
Второй подрядчик московских властей в этой области — VisionLabs. Они также разрабатывали системы для московских камер и участвовали в других городских проектах. С недавних пор VisionLab стала частью экосистемы «Сбера», и теперь их разработки применяют, в том числе, для внедрения биометрии в банковских сервисах.
Группа ЦРТ в 2014 году первой внедрила систему распознавания лиц в спорте. Ее решения используются на стадионах «Газпром-Арена», «ВТБ-Арена» и других.
Что не так с распознаванием лиц в Москве?
В Москве действует одна из крупнейших в мире сетей с распознаванием лиц — более 200 тыс. камер общей стоимостью около 5 млрд руб.
Российскую технологию NTechLab признали лучшей в результате тестирования Национального института стандартов и технологий США. NTechLab вели совместные разработки с Genetec — поставщиком систем видеонаблюдения для американского правительства и спецслужб.
Систему для Москвы начали разрабатывать еще в 2015 году, а пилотный проект запустили в 2017-м: тогда это были 1,5 тыс. камер во дворах и подъездах. В 2018-м систему расширили, протестировав на чемпионате мира по футболу. Камеры помогли задержать около 100 нарушителей из базы уголовного розыска. В том же году с помощью камеры с распознаванием лиц задержали грабителя, находящегося в розыске МВД.
Московскую систему видеонаблюдения использовали во время пандемии в 2020 году. С ее помощью выявили более 200 нарушителей карантина и самоизоляции, которым пришлось выплатить штрафы.
Правозащитники указывают на опасность технологии для обычных граждан. Например, юрист Алена Попова неоднократно подавала иски к управлению МВД Москвы и московскому Департаменту информационных технологий с требованием запретить систему распознавания лиц на митингах.
Распознавание лиц и правда используют на митингах?
В феврале 2021-го появилась информация о том, что с помощью камер власти отслеживали участников митингов в Москве и привлекали их к ответственности. Полицейские останавливали людей на входе в метро или приходили к ним домой. Такое бывало и в других странах.
Во время протестов в Гонконге 2019-20 годов власти тоже использовали распознавание лиц, чтобы вычислять активистов. Для борьбы с этим протестующие использовали лазерные указки, маски с чужими лицами и проекторы для лица, а также громили столбы с камерамиПо мнению оппозиции, для распознавания используют программу Face++ от китайского стартапа Megvii. Эта система, предположительно, попала в черный список властей США за нарушение прав человека.
Еще один недавний пример — сайт Faces of the Riot, созданный студентом из Вашингтона. Он использовал приложение с открытым исходным кодом, чтобы извлечь лица из 827 видео, размещенных в соцсети Parler во время штурма Капитолия 6 января 2021 года. Затем он применил нейросеть для распознавания лиц, обученную на 200 тыс. фото из базы ФБР, и идентифицировал людей.
Какие еще проблемы есть у технологии сегодня?
Утечки. В данном случае в сеть утекают доступы к камерам наблюдения и результатам распознавания. За деньги можно проверить по фотографии, где и когда камеры засекли конкретного человека.
Ошибки в распознавании. В 2018 году технология распознавания лиц от Amazon ошибочно опознала 28 членов Конгресса США как преступников. Недавний пример — москвич Сергей Межуев, которого система распознавания лиц в метро ошибочно приняла за преступника в розыске. В итоге мужчину задержали, собрали все данные и не сняли подозрения, пока реальный подозреваемый не нашелся.
Использование лиц без согласия. В США до недавнего времени для обучения нейросетей распознаванию лиц использовали датасеты с лицами из открытых источников. Готовые датасеты тоже были в открытом доступе. Однако сейчас их убрали, так как это нарушает законы о защите персональных данных. Теперь доступ к ним можно получить по запросу и только для исследовательских (некоммерческих) целей.
The New York Times опубликовала расследование, согласно которому система распознавания лиц ClearView использует фото из Facebook и Twitter, чтобы помогать полиции находить людей. Аналогичные претензии были и к NtechLab: у компании был доступ к фото пользователей в «ВКонтакте».
Дискриминация и расизм. Для обучения нейросетей используют датасеты, которые содержат, в основном, фото людей титульной нации и расы. В итоге системы распознавания лиц плохо распознают азиатов, латиноамериканцев или афроамериканцев. Системы, которые используют в криминалистике, чаще указывают на чернокожих людей как на потенциальных преступников.
Исследование MIT от 2018 года показало, что алгоритмы Microsoft, IBM и китайского Megvii (FACE ++) очень часто ошибаются при идентификации темнокожих женщин по сравнению со светлокожими мужчинами.
Есть примеры дискриминации по полу: например, нейросеть, которая дорисовывает женским фото тело в бикини, а мужским — в костюме. Просто потому, что в сети большинство изображений именно такие.
Использование технологии для манипуляции людьми. Оказавшись в руках властей, системы с распознаванием лиц вместе с базами персональных данных дают неограниченные возможности. Самый радикальный пример того, к чему это может привести — Китай.
Распознавание лиц в Китае: социальная антиутопия
В Китае распознавание лиц используют в полиции, аэропортах, на улицах, в общественном транспорте. Государство планирует распространить систему по всей стране: по данным CNBC, в конце 2018 года в Китае использовали более 200 млн камер наблюдения, а к концу 2021-го их число достигнет более 500 млн.
Одна из главных причин — внедрение системы социального рейтинга или кредита. Каждый гражданин страны получает положительные баллы за общественно-полезную деятельность, отсутствие нарушений, своевременную уплату налогов. За проступки баллы снимаются. Низкий или отрицательный рейтинг влечет разные последствия: отказ в выдаче кредита и социальных выплатах, запрет на вылет из страны и работу в определенных организациях.
Также при помощи этой технологии правительство Китая следит за представителями уйгурского этнического меньшинства. Сотни тысяч уйгуров поместили в города-гетто и лагеря для политзаключенных и всячески ограничивают их в перемещении.
Можно ли обмануть систему распознавания лиц?
Чтобы бороться с «умными» камерами, в ход идут специальные маски, проекторы, лазеры и другие приемы:
В 2017 году Григорий Бакунов, отвечающий за ИИ-технологии в «Яндексе», придумал специальный макияж, который якобы помогает обмануть нейросети. При создании макияжа он использовал генетический алгоритм, который подбирает образ по принципу анти-сходства.Во время протестов в Лондоне в марте 2020 года участники пытались обмануть системы распознавания лиц с помощью цветных патчей на лице.
Специалисты компании Videomax попытались обмануть алгоритм «Face-Интеллект». Они выяснили, что это возможно только если одновременно надеть парик с длинными волосами и головной убор, наклеить пластыри и усы, а а также нарисовать синяки. В этом случае точность идентификации падала до 51%.
Вьетнамским разработчикам удалось взломать функцию распознавания лиц Face ID на iPhone X с помощью 3D-маски, силикона и скотча. Но повторить их метод сможет далеко не каждый.
Состязательные примеры: когда рядом с объектом помещают специальные стикеры, объемные фигуры или картины, которые сбивают нейросеть с толку.
Однако все эти способы вряд ли помогут. Во-первых, мы до конца не знаем, по каким именно приметам нейросети распознают лица. Во-вторых, алгоритмы обучают по разным схемам и на разных датасетах. Чтобы их обмануть, нужно точно знать, как устроена конкретная нейросеть.
Можно, конечно, полностью скрыть лицо в публичных местах и на массовых мероприятиях. Но во многих странах — включая Россию и Китай — это запрещено законом.
Есть способы, которые помогают изменить уже готовые фото. Например, компания Generated Media создала Anonymizer: приложение, которое генерирует серию портретов на основе ваших фото и делает их неузнаваемыми для нейросетей.
Можно использовать специальную маску. К примеру, возьмем фото, на котором нейросеть опознала актрису Еву Лонгорию и немного изменим его:Как регулируют распознавание лиц в разных странах?
В ЕС и Великобритании действует самый жесткий регламент по защите данных — GDPR. Он запрещает любое посягательство на личную жизнь человека со стороны частных компаний и госорганов без его согласия. Это касается и систем распознавания лиц.
В США нет единого закона, который бы регулировал использование технологии. Ближе всех к европейскому GDPR по сути стоит Закон о конфиденциальности потребителей в Калифорнии (CCPA). В некоторых штатах действуют ограничения для полиции и других органов — например, в Орегоне, Вашингтоне, Техасе, Иллинойсе, Массачусетсе, Вермонте.
ИТ-корпорации настаивают на принятии законов на федеральном уровне. В 2020 году IBM объявила о прекращении продаж своих продуктов для распознавания лиц. Вслед за ними Amazon и Microsoft временно приостановили сотрудничество с госорганами в этой области. А в июле правозащитники из ACLU подали иск против ClearviewAI за нарушение закона штата Иллинойс о конфиденциальности биометрической информации.
В Китае распознавание лиц используют повсеместно, и у госорганов есть неограниченные возможности по применению технологии. С недавних пор биометрия является обязательной даже при регистрации телефонного номера.
В России есть закон о защите персональных данных. Но он направлен, в первую очередь, на сохранность самих данных: их необходимо защищать, чтобы предотвратить утечки. Права самих граждан, чьи данные используются, никак не защищены. Безопасность биометрических данных в частной сфере пока не регулируется, но у властей с 2019 года есть право использовать распознавание лиц без согласия граждан.
Какое будущее у этой технологии?
Эксперты считают, что в ближайшие пару лет распознавание лиц окончательно станет массовой технологией. Ее будут применять в «умных» и обычных гаджетах, для идентификации и оплаты, прохода в офисы и регистрации в аэропорту, а также для доступа к онлайн-сервисам и аккаунтам в соцсетях. В течение 15-20 лет мы полностью перейдем на биометрические паспорта. А вот обмануть алгоритмы или укрыться от камер с распознаванием лиц станет практически невозможно.
Это означает полную утрату приватности и частной жизни.
- Вложения
-
- 756159004771910.jpeg (67.93 КБ) 7028 просмотров
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Лица нарушителей в Томске могут распознать даже в масках или соцсетях
Технологии искусственного интеллекта при распознавании лиц, разработанные томскими учеными, позволяют находить нарушителей в масках и соцсетях.
Как стало известно НИА Томск, современные информационные технологии позволяют легко распознавать в толпе лица людей, сопоставлять их с имеющейся базой данной и дополнять ее. По словам томских экспертов, для таких технологий не проблема даже бегущий человек в маске.
Заместитель директора Института системной интеграции и безопасности ТУСУРа, кандидат технических наук Антон Конев рассказал, что за последнее десятилетие технологии, связанные с распознаванием образов, продвинулись достаточно серьезно вперед. Сегодня они применяются практически всеми производителями смартфонов, систем видеонаблюдения и так далее.
«Изначально, в качестве практического применения данных технологий, речь шла только, например, о распознавании камерами номеров машин для фиксации нарушителей правил дорожного движения или при въезде на территорию организаций, частные парковки. Дальше технологии стали развиваться в сторону биометрической аутентификации. Опираясь на искусственный интеллект, они позволяют определять пол, возраст человека и другие характеристики. Например, для подтверждения личности на смартфонах распознавание собственного лица сегодня – абсолютно обычная история. Более того, к Чемпионату мира по футболу, который проходил в России в 2018 году, были внедрены технологии по распознаванию лиц в толпе. С их помощью в московском метро были задержаны несколько преступников», – поясняет Антон Конев.
Новые технологии используют во всех крупных городах, в том числе, в Томске. В нашем регионе они интегрированы в системе «Безопасный город» и применяются правоохранительными органами.
«С учетом роста вычислительных мощностей и переноса информации в «облака», появляется возможность сохранять большие объемы данных с камер видеонаблюдения, а также обрабатывать их в режиме реального времени, – продолжает Антон Конев. – Так, охранника в магазине могут оперативно предупредить, если камера на входе распознает человека из «черного списка». Помимо базы данных нарушителей, большие вычислительные мощности позволяют анализировать зафиксированных видеокамерой людей, сопоставляя с изображениями в социальных сетях. Определяя ключевые параметры, «точки» на изображениях, размещенных в аккаунтах, системы могут осуществлять поиск людей по этим признакам».
К слову, масочный режим фактически не сказывается на распознавании лиц.
«Уже есть исследования и разработки, которые посвящены системам, позволяющим с высокой точностью – до 70% и выше определять людей с частично закрытым лицом – шарфом, очками, маской, – подчеркивает Антон Конев. – Остаться незамеченным становится сложнее, но эти технологии, анализирующие потоки людей, направлены, прежде всего, на безопасность».
Как стало известно НИА Томск, современные информационные технологии позволяют легко распознавать в толпе лица людей, сопоставлять их с имеющейся базой данной и дополнять ее. По словам томских экспертов, для таких технологий не проблема даже бегущий человек в маске.
Заместитель директора Института системной интеграции и безопасности ТУСУРа, кандидат технических наук Антон Конев рассказал, что за последнее десятилетие технологии, связанные с распознаванием образов, продвинулись достаточно серьезно вперед. Сегодня они применяются практически всеми производителями смартфонов, систем видеонаблюдения и так далее.
«Изначально, в качестве практического применения данных технологий, речь шла только, например, о распознавании камерами номеров машин для фиксации нарушителей правил дорожного движения или при въезде на территорию организаций, частные парковки. Дальше технологии стали развиваться в сторону биометрической аутентификации. Опираясь на искусственный интеллект, они позволяют определять пол, возраст человека и другие характеристики. Например, для подтверждения личности на смартфонах распознавание собственного лица сегодня – абсолютно обычная история. Более того, к Чемпионату мира по футболу, который проходил в России в 2018 году, были внедрены технологии по распознаванию лиц в толпе. С их помощью в московском метро были задержаны несколько преступников», – поясняет Антон Конев.
Новые технологии используют во всех крупных городах, в том числе, в Томске. В нашем регионе они интегрированы в системе «Безопасный город» и применяются правоохранительными органами.
«С учетом роста вычислительных мощностей и переноса информации в «облака», появляется возможность сохранять большие объемы данных с камер видеонаблюдения, а также обрабатывать их в режиме реального времени, – продолжает Антон Конев. – Так, охранника в магазине могут оперативно предупредить, если камера на входе распознает человека из «черного списка». Помимо базы данных нарушителей, большие вычислительные мощности позволяют анализировать зафиксированных видеокамерой людей, сопоставляя с изображениями в социальных сетях. Определяя ключевые параметры, «точки» на изображениях, размещенных в аккаунтах, системы могут осуществлять поиск людей по этим признакам».
К слову, масочный режим фактически не сказывается на распознавании лиц.
«Уже есть исследования и разработки, которые посвящены системам, позволяющим с высокой точностью – до 70% и выше определять людей с частично закрытым лицом – шарфом, очками, маской, – подчеркивает Антон Конев. – Остаться незамеченным становится сложнее, но эти технологии, анализирующие потоки людей, направлены, прежде всего, на безопасность».
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Re: Система распознавание лиц в метро, на улице и т.д.
У большинства людей система распознавания лиц ассоциируется со смартфонами и компьютерными программами. Однако эта технология может намного больше, а перспективы её развития шокируют и даже пугают. Только представьте, что искусственный интеллект контролирует каждый ваш шаг: вы можете войти в подъезд без ключа, всего лишь посмотрев в камеру, таким же образом вызвать лифт и открыть дверь квартиры. В некоторых странах уже используют такой способ верификации.
Как работает технология?
Искусственный интеллект работает с 3D-моделированием черт лица каждого из нас. Распознавание происходит в несколько шагов:
1. Обнаружение лица человека. Сканирование лица на фото/видео или в режиме реального времени.
2. Определение границ и измерение параметров с точностью 100%.
3. Анализ и кодирование полученной информации.
4. Сопоставление входящих данных и сохранённой информации в системе. Процесс сопоставление занимает несколько секунд.
5. Верификация (сравнение изображения с одним эталонным вариантом в системе) или идентификация (поиск лица среди тысячи возможных вариантов).
Опасно или полезно?
Главная задача системы – максимально собрать персональную информацию, а этому искусственный интеллект нужно научить. В целях обучения программа сканирует миллионы изображений людей. Чем больше фотографий анализирует и запоминает система, тем выше точность распознавания. Уникальность каждого из нас выдаёт нас. При сканировании фото или видео система запоминает и сохраняет в базе данные об уникальных чертах человека. Поэтому существует риск, что хакеры могут взломать систему и получить доступ к этой информации.
Это предположение породило ряд теорий заговора. Несмотря на все гипотезы конспирологов, система помогает обеспечить безопасность на улицах наших городов. С помощью системы распознавания в Москве было задержано более 100 человек. И это только начало.
В будущем система распознавания лиц позволит быстро определить личность правонарушителя, оплатить покупки онлайн, сохранить своё место в очереди и даже сдать экзамен в режиме онлайн.
Как работает технология?
Искусственный интеллект работает с 3D-моделированием черт лица каждого из нас. Распознавание происходит в несколько шагов:
1. Обнаружение лица человека. Сканирование лица на фото/видео или в режиме реального времени.
2. Определение границ и измерение параметров с точностью 100%.
3. Анализ и кодирование полученной информации.
4. Сопоставление входящих данных и сохранённой информации в системе. Процесс сопоставление занимает несколько секунд.
5. Верификация (сравнение изображения с одним эталонным вариантом в системе) или идентификация (поиск лица среди тысячи возможных вариантов).
Опасно или полезно?
Главная задача системы – максимально собрать персональную информацию, а этому искусственный интеллект нужно научить. В целях обучения программа сканирует миллионы изображений людей. Чем больше фотографий анализирует и запоминает система, тем выше точность распознавания. Уникальность каждого из нас выдаёт нас. При сканировании фото или видео система запоминает и сохраняет в базе данные об уникальных чертах человека. Поэтому существует риск, что хакеры могут взломать систему и получить доступ к этой информации.
Это предположение породило ряд теорий заговора. Несмотря на все гипотезы конспирологов, система помогает обеспечить безопасность на улицах наших городов. С помощью системы распознавания в Москве было задержано более 100 человек. И это только начало.
В будущем система распознавания лиц позволит быстро определить личность правонарушителя, оплатить покупки онлайн, сохранить своё место в очереди и даже сдать экзамен в режиме онлайн.
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Re: Уличная система распознавание лиц...
Вас просто не узнать!
Защитные маски, которые в период пандемии стали атрибутом повседневной жизни, повышают вероятность ошибочного срабатывания систем распознавания лиц с 5 до 50%, пришли к выводу ученые Национального института стандартов и технологий США (NIST), пишет РГ Digital.
Они проверили, насколько хорошо системы смогут выполнить сопоставление «один к одному». Например, анализировалась фотография одного и того же человека в маске и без нее. Всего было сопоставлено около 6 млн фотографий. Оказалось, что чем большую часть носа закрывает маска, тем ниже точность распознавания. Кроме того, было установлено, что наиболее эффективно от систем распознавания лиц защищают маски черного цвета.
Важнейшим компонентом современных алгоритмов распознавания лиц является наличие большого объема данных, необходимых для их обучения. Эти обучающие данные обычно не содержат перекрытий лица (масками, бородой, усами, очками, кепкой и так далее), поэтому модели распознавания, обученные на таких данных, менее точны на частично перекрытых лицах, и получение сопоставимого количества обучающих данных с наличием масок требует больших усилий, говорит старший исследователь VisionLabs Дмитрий Нехаев.
Существует ряд перспективных направлений исследований, способствующих улучшению распознавания лиц людей в масках. Среди них Нехаев выделяет разработку специализированных архитектур нейронных сетей, предназначенных для распознавания частично перекрытых лиц.
Есть несколько способов распознавания не по всему лицу, а по частично скрытому, рассказывает начальник отдела информационной безопасности «СёрчИнформ» Алексей Дрозд. Упрощенно, система работает так: ее обучают на множестве фотографий узнавать конкретное лицо, даже если его часть будет чем-то закрыта. Учитывая, что у разработчика уже есть база людей, она, анализируя их, в первую очередь должна определить, насколько «видно» конкретное лицо, как именно оно закрыто, в каких частях. После этого начинается этап распознавания. Для шарфа, маски, кепки, бороды, очков и т.п. используются различные алгоритмы, уточняет эксперт.
Система распознавания лиц требует большого количества маркированных изображений — то есть чтобы каждое такое изображение было помечено как с маской или без маски, объясняет Хавьер Алдан Юит, старший исследователь искусственного интеллекта в Avast. Затем ее необходимо обучить с помощью этих примеров. Кроме того, можно поменять стандартные подходы для распознавания лиц, чтобы пропустить / опустить элементы, лежащие на закрытой маской области лица. Последнее может быть введено как геометрическое ограничение, встроенное в тренировочный процесс.
Считается, что область лица, которая включает в себя глаза и брови, имеет тенденцию меньше всего меняться с течением времени, что делает ее «удобной», чтобы использовать при попытке идентифицировать человека, утверждает Дмитрий Попков, эксперт по интеллектуальным системам Huawei в России. Но важный нюанс — в проценте ошибок. Большинство ИИ-алгоритмов для распознавания (доступных в открытом доступе) предполагают полный овал лица или не менее 90-85%, это проще для построения математической модели и ее обсчета, поэтому сейчас и возникают ситуации, что человек, который носит маску, может быть практически невидим для системы распознавания лиц, поскольку она даже не обнаруживает лицо.
Защитные маски, которые в период пандемии стали атрибутом повседневной жизни, повышают вероятность ошибочного срабатывания систем распознавания лиц с 5 до 50%, пришли к выводу ученые Национального института стандартов и технологий США (NIST), пишет РГ Digital.
Они проверили, насколько хорошо системы смогут выполнить сопоставление «один к одному». Например, анализировалась фотография одного и того же человека в маске и без нее. Всего было сопоставлено около 6 млн фотографий. Оказалось, что чем большую часть носа закрывает маска, тем ниже точность распознавания. Кроме того, было установлено, что наиболее эффективно от систем распознавания лиц защищают маски черного цвета.
Важнейшим компонентом современных алгоритмов распознавания лиц является наличие большого объема данных, необходимых для их обучения. Эти обучающие данные обычно не содержат перекрытий лица (масками, бородой, усами, очками, кепкой и так далее), поэтому модели распознавания, обученные на таких данных, менее точны на частично перекрытых лицах, и получение сопоставимого количества обучающих данных с наличием масок требует больших усилий, говорит старший исследователь VisionLabs Дмитрий Нехаев.
Существует ряд перспективных направлений исследований, способствующих улучшению распознавания лиц людей в масках. Среди них Нехаев выделяет разработку специализированных архитектур нейронных сетей, предназначенных для распознавания частично перекрытых лиц.
Есть несколько способов распознавания не по всему лицу, а по частично скрытому, рассказывает начальник отдела информационной безопасности «СёрчИнформ» Алексей Дрозд. Упрощенно, система работает так: ее обучают на множестве фотографий узнавать конкретное лицо, даже если его часть будет чем-то закрыта. Учитывая, что у разработчика уже есть база людей, она, анализируя их, в первую очередь должна определить, насколько «видно» конкретное лицо, как именно оно закрыто, в каких частях. После этого начинается этап распознавания. Для шарфа, маски, кепки, бороды, очков и т.п. используются различные алгоритмы, уточняет эксперт.
Система распознавания лиц требует большого количества маркированных изображений — то есть чтобы каждое такое изображение было помечено как с маской или без маски, объясняет Хавьер Алдан Юит, старший исследователь искусственного интеллекта в Avast. Затем ее необходимо обучить с помощью этих примеров. Кроме того, можно поменять стандартные подходы для распознавания лиц, чтобы пропустить / опустить элементы, лежащие на закрытой маской области лица. Последнее может быть введено как геометрическое ограничение, встроенное в тренировочный процесс.
Считается, что область лица, которая включает в себя глаза и брови, имеет тенденцию меньше всего меняться с течением времени, что делает ее «удобной», чтобы использовать при попытке идентифицировать человека, утверждает Дмитрий Попков, эксперт по интеллектуальным системам Huawei в России. Но важный нюанс — в проценте ошибок. Большинство ИИ-алгоритмов для распознавания (доступных в открытом доступе) предполагают полный овал лица или не менее 90-85%, это проще для построения математической модели и ее обсчета, поэтому сейчас и возникают ситуации, что человек, который носит маску, может быть практически невидим для системы распознавания лиц, поскольку она даже не обнаруживает лицо.
Лучше быть, чем казаться
- tikhon
- Самый главный
- Сообщения: 82
- Зарегистрирован: 11 авг 2021, 09:16
- Откуда: Симферополь
- Благодарил (а): 276 раз
- Поблагодарили: 154 раза
Система распознавание лиц в метро, на улице и т.д.
221 человека за месяц обнаружила система распознавания лиц в метро
35 из них числились в списках пропавших без вести, пишет РИА «Индустрия безопасности».
С помощью «Сферы» – системы распознавания лиц в московской подземке – в июле было обнаружен 221 человек. Подавляющее большинство людей, пойманных «умными» камерами, находились в розыске за преступления разной степени тяжести. Всего 186 человек. Например, 25 июля на одной из станций метрополитена технологии распознавания лиц помогли задержать полиции человека, подозреваемого в убийстве. Сотрудничество с правоохранительными органами и использование технологий являются гарантией спокойствия и безопасности пассажиров, отмечают в пресс-службе дептранса Москвы.
«Технология преобразовывает лицо пассажира, прошедшего через турникет, в уникальный биометрический ключ. Если человек находится в розыске, система тут же оповестит полицию», – объясняют в департаменте.
Отмечается, что все фиксации лиц других пассажиров метро анонимны и защищены шифрованием. Данные хранятся в центре обработки информации, доступ к которым есть только у правоохранительных структур
35 из них числились в списках пропавших без вести, пишет РИА «Индустрия безопасности».
С помощью «Сферы» – системы распознавания лиц в московской подземке – в июле было обнаружен 221 человек. Подавляющее большинство людей, пойманных «умными» камерами, находились в розыске за преступления разной степени тяжести. Всего 186 человек. Например, 25 июля на одной из станций метрополитена технологии распознавания лиц помогли задержать полиции человека, подозреваемого в убийстве. Сотрудничество с правоохранительными органами и использование технологий являются гарантией спокойствия и безопасности пассажиров, отмечают в пресс-службе дептранса Москвы.
«Технология преобразовывает лицо пассажира, прошедшего через турникет, в уникальный биометрический ключ. Если человек находится в розыске, система тут же оповестит полицию», – объясняют в департаменте.
Отмечается, что все фиксации лиц других пассажиров метро анонимны и защищены шифрованием. Данные хранятся в центре обработки информации, доступ к которым есть только у правоохранительных структур
Последний раз редактировалось tikhon 15 авг 2021, 23:25, всего редактировалось 1 раз.
Лучше быть, чем казаться