суббота, 10 июня 2017 г.

Как связаны организаторы митингов и поставщики видеосистем распознавания лиц?

Сейчас уже очевидно, что главным результатом протестных митингов (от недовольных выборами до противников сноса ветхих пятиэтажек) стало то, что у властей появился вполне обоснованный повод применять технологии распознавания лиц для предотвращения противоправных действий. Это означает закупки дополнительных видеокамер, программного обеспечения, оборудования обработки и хранения данных - в совокупности, это многомиллионные расходы, и, соответственно, прибыли иностранных корпораций, производящих основную компонентную базу такого оборудования. Вряд ли сегодня остались остались наивные люди, способные поверить, что бизнес-процессы подобного масштаба никем не планируются и не сопровождаются. Поэтому у неосведомлённого обывателя в голове может возникнуть гипотеза, что не случайно массированная информационная поддержка упомянутых акций осуществлялась теми СМИ, что сотрудники - частые и желанные гости за рубежом, и что авиаперелёты и проживание в отелях они оплачивают не из скромного журналистского гонорара.
Почему во главе угла именно оборудование дистанционной видеоидентификации личности? Потому что в это направление (распознавание лиц, мимики, жестов, телодвижений, чтение по губам) сегодня вкладываются средства, направляемые на антитеррористическую деятельность. Конечно, у этого направления есть и побочный эффект, который проявится в том, что уже нельзя будет посетить любовницу без того, что многочисленные видеокамеры вас по дороге не распознают и не сообщат жене - если она оплатит такую услугу. Либо провести деловую встречу без того, чтобы о ней тут же не узнали конкуренты. Не нравится такое "цифровое будущее"? Ну так не надо было устраивать сборища с целью помещать беднякам переехать из ветхих хрущевок в новые современные квартиры.

РЕТРОСПЕКТИВА

Система идентификации личности по изображению лица была представлена на VIII Международном форуме “Технологии безопасности”. Разработчик - “Asia Software”. Система поставляется в виде библиотек и описаний их интерфейсов. Комплект разработчика, реализующий функции биометрической идентификации личности, называется FRS SDK ver 2.1.
Скорость обработки изображений в режиме кодирования - менее 0,26 с, в режиме сравнения - 800 тыс. изображений в секунду. Размер биометрического вектора, используемого для хранения и сравнения - 300 Байт. Используемое количество памяти (RAM) для хранения биометрических векторов - 300 МБайт на 1000000 изображений. То же количество памяти используется на жестком диске для хранения биометрических векторов. Вероятность положительной идентификации при размере базы 1000000 изображений - 75-95%. Технические характеристики системы были получены при следующих условиях:
- значительные возрастные изменения человека (разница в возрасте - от 5 до 27 лет);
- вертикальные и горизонтальные повороты головы (10-25 град.);
- значительно отличающиеся условия съёмки (фон, освещение, контрастность, четкость, цветность и т. д.);
- существенные изменения внешности (усы, борода, бакенбарды, очки и т. д.).
В январе 2003 г. было завершено очередное тестирование системы. Тестовая база составила 454764 изображений лиц людей. Тестовая выборка состояла из 1000 случайно выбранных изображений, полученных в процессе реального производства и регистрации водительских удостоверений (первичное получение документа, замена при изменении категории, выдача дубликата). Изображения получены с разницей во времени до нескольких лет, при различных условиях съёмки и на различных типах видеокамер и цифровых фотоаппаратов. В результате тестирования получены следующие основные характеристики:
время кодирования изображения - 0,26 с;
скорость поиска по тестовой базе из 454764 изображений - 0,63 с;
процент автоматически закодированных изображений - 99,15%.
В режиме автоматической идентификации происходит автоматическое извлечение из тестовой базы одного единственного изображения, соответствующего предъявляемому для идентификации. Как видно из результатов тестирования, 84,8% искомых лиц находятся на первой позиции рекомендательного списка. При этом вероятность ложной идентификации FAR, например, для порога распознавания 0,65 (определяется пользователем в зависимости от требований к системе), составит всего 0,000013%, а вероятность неидентификации в автоматическом режиме FRR равна 34,5%. То есть, при пороге распознавания 0,65 автоматически идентифицируется 65,5% вышеуказанных тестов с вероятностью 1,3 ошибки на 10000000 изображений лиц людей (рис. 1).
В режиме экспертной идентификации происходит автоматическое формирование рекомендательного списка, ранжированного по степени идентичности с изображением, предъявляемым для идентификации. Принятие решение об идентификации является прерогативой эксперта:
- 84,8% “истинных кандидатов” попали на 1-е место;
- 89,7% “истинных кандидатов” оказались в числе первых 5-ти кандидатов;
- 92,1% “истинных кандидатов” оказались в первой десятке рекомендательного списка;
- 93,7% “истинных кандидатов” оказались в первой двадцатке рекомендательного списка;
- 95,2% “истинных кандидатов” оказались в числе первых 50-ти кандидатов.
Из результатов тестов видно, что даже в случае анализа экспертом только первых 10 изображений рекомендательного списка, полученного в результате поиска по базам данных порядка 500000, вероятность идентификации составит 92,1% (рис. 2). А. Барсуков, журнал "ТКТ" № 4, 2003 г. 

Комментариев нет:

Отправить комментарий

Примечание. Отправлять комментарии могут только участники этого блога.