Flujo del sistema de identificación facial. Identificación biométrica en sistemas integrados de seguridad. Organización del control de acceso mediante reconocimiento facial.

Los modernos sistemas de seguridad integrados son capaces de resolver problemas de cualquier complejidad en todo tipo de instalaciones industriales, sociales y domésticas. Los sistemas de videovigilancia son herramientas muy importantes en los sistemas de seguridad y los requisitos de funcionalidad del segmento aumentan constantemente.

Sistemas integrales de seguridad

La plataforma unificada incluye módulos para equipos de seguridad y contra incendios, control y gestión de accesos, videovigilancia o circuito cerrado de televisión (CCT). Hasta hace poco, las funciones de este último se limitaban a la vigilancia por vídeo y al registro de la situación en la instalación y sus alrededores, así como al archivo y almacenamiento de datos. Los sistemas de vídeo clásicos tienen una serie de desventajas importantes:

• Factor humano. Actuación ineficaz del operador al transmitir un gran volumen de información.
• Imposibilidad de intervención quirúrgica, análisis inoportuno.
• Costos de tiempo significativos para buscar e identificar un evento.

El desarrollo de las tecnologías digitales ha llevado a la creación de sistemas automatizados "inteligentes".

La fuerza está en el intelecto.

El principio básico del análisis intelectual es el análisis de vídeo, una tecnología basada en métodos y algoritmos para el reconocimiento de imágenes y la recopilación automatizada de datos como resultado del análisis de transmisiones de vídeo. Dicho equipo, sin intervención humana, es capaz de detectar y rastrear en tiempo real objetivos específicos (un automóvil, un grupo de personas), situaciones potencialmente peligrosas (humo, incendio, intervención no autorizada en el funcionamiento de cámaras de video), eventos programados y rápidamente emitir una señal de alarma. Al filtrar los datos de vídeo que no son de interés, se reduce significativamente la carga en los canales de comunicación y en la base de datos del archivo.

La herramienta de análisis de vídeo más popular es un sistema de reconocimiento facial. Dependiendo de las funciones realizadas y las tareas asignadas, se imponen ciertos requisitos al equipo.

Software y hardware

Para garantizar un funcionamiento eficiente del sistema, se utilizan varios tipos de cámaras de vídeo IP con diferentes características de rendimiento. La detección de un objeto en el territorio controlado se registra mediante cámaras panorámicas con una resolución de 1 megapíxel y una distancia focal de 1 mm y se apuntan hacia él dispositivos de escaneo. Se trata de cámaras más avanzadas (desde 2 MP, desde 2 mm), que realizan el reconocimiento mediante métodos sencillos (3-4 parámetros). Para identificar un objeto se utilizan cámaras con buena calidad de imagen, suficiente para el uso de algoritmos complejos (de 5 MP, 8-12 mm).

Los productos de software de reconocimiento facial más populares "Face Intellect" (desarrollado por House Control), Face director (Sinesis) y VOCORD FaceControl (VOCORD) demuestran:

• Alta probabilidad de identificación del objeto (hasta 99%).
• Soporte para una amplia gama de ángulos de rotación de la cámara.
• Posibilidad de identificar rostros incluso en densas masas de peatones.
• Variabilidad en la elaboración de informes analíticos.

Conceptos básicos del reconocimiento de patrones

Cualquier sistema de reconocimiento biométrico se basa en identificar la correspondencia de las características fisiológicas leídas de un individuo con un determinado patrón específico.

El escaneo se produce en tiempo real. La cámara IP transmite la transmisión de vídeo al terminal y el sistema de reconocimiento facial determina si la imagen coincide con las fotografías almacenadas en la base de datos. Hay dos métodos principales. El primero se basa en principios estáticos: a partir de los resultados del procesamiento de parámetros biométricos, se crea una muestra electrónica en forma de un número único correspondiente a una persona específica. El segundo método modela un enfoque "humano" y se caracteriza por el autoaprendizaje y la solidez. La identificación de una persona a partir de una imagen de vídeo tiene en cuenta los cambios relacionados con la edad y otros factores (presencia de tocado, barba o bigote, gafas). Esta tecnología permite trabajar incluso con fotografías antiguas y, si es necesario, con radiografías.

Algoritmo de búsqueda de rostros

La técnica más común para detectar rostros es el uso de cascadas de Haar (conjuntos de máscaras).

La máscara es una ventana rectangular con diferentes combinaciones de segmentos blancos y negros.

El mecanismo del programa es el siguiente: un cuadro de video se cubre con un conjunto de máscaras y, según los resultados de la convolución (contando los píxeles que caen en los sectores blanco y negro), se calcula la diferencia y se compara con un cierto valor umbral. .

Para mejorar el rendimiento del clasificador, se crean muestras de entrenamiento positivas (marcos con rostros humanos) y negativas (sin ellos). En el primer caso, el resultado de la convolución está por encima del valor umbral, en el segundo, por debajo. El detector de rostros, con un error aceptable, determina la suma de las convoluciones de todas las cascadas y, si se excede el umbral, señala la presencia de rostros en el marco.

Tecnologías de reconocimiento

Después de la detección y localización, la etapa preliminar implica el brillo y la alineación geométrica de la imagen. Se pueden llevar a cabo acciones adicionales (cálculo e identificación de características) utilizando varios métodos.

Al escanear una cara completa en una habitación con excelente iluminación, los algoritmos que trabajan con imágenes bidimensionales demuestran buenos resultados. Al analizar puntos únicos y las distancias entre ellos, el sistema de reconocimiento facial determina el hecho de la identificación basándose en los coeficientes de diferencia entre la foto "en vivo" y la plantilla registrada.

Las tecnologías tridimensionales son resistentes a los cambios en el flujo de luz; la desviación permitida del ángulo frontal es de hasta 45 grados. Aquí no sólo se analizan puntos y líneas, sino también las propiedades de las superficies (curvatura, perfil) y la métrica de las distancias entre ellas. Para que estos algoritmos funcionen, se requiere la máxima calidad de grabación de vídeo con una frecuencia de hasta 200 fotogramas/s. El sistema se basa en cámaras de vídeo estéreo con una matriz de 5 megapíxeles, alta resolución óptica y error de sincronización reducido al mínimo. Además, están conectados mediante un cable de sincronización especial para transmitir pulsos de reloj.

Estado del mercado de sistemas modernos.

Los primeros, debido a su alto costo, se desarrollaron solo para instalaciones militares gubernamentales y solo a mediados de los años 90 estuvieron disponibles para organizaciones comerciales. El rápido desarrollo de la tecnología ha hecho posible aumentar la precisión de los sistemas y ampliar el alcance de su aplicación. Las posiciones de liderazgo en el mercado de nuestro país pertenecen a los fabricantes de sistemas de seguridad estadounidenses y europeos occidentales. Los más vendidos son equipos de las corporaciones ZN Vision Technologies y Visionics. Los más prometedores entre los desarrolladores nacionales son las investigaciones y los productos de Vocord, NTechLab, Soling, VisionLabs LLC y el grupo TsRT, que, entre otras cosas, también se dedican a adaptar complejos extranjeros a las condiciones rusas.

Control facial por computadora

El ámbito de aplicación más amplio de la identificación sin contacto es la lucha contra el terrorismo y la delincuencia. La imagen facial del criminal se almacena en una base de datos. En lugares donde hay grandes aglomeraciones de personas (aeropuertos, estaciones de tren, centros comerciales, instituciones deportivas), se registra el flujo de personas en tiempo real para identificar a las personas buscadas.

El siguiente área son los sistemas de control de acceso: se compara una fotografía de muestra en un pase electrónico con un modelo obtenido como resultado del procesamiento de datos de cámaras de video. El procedimiento se produce instantáneamente, sin requerir ninguna acción adicional por parte de quien lo realiza (a diferencia de un escaneo de retina o una toma de huellas dactilares).

Otra industria de rápido crecimiento es el marketing. Una valla publicitaria interactiva escanea el rostro de una persona, determina su sexo y edad y visualiza solo aquellos anuncios que serán potencialmente interesantes para el cliente.

Tendencias y perspectivas de desarrollo.

Los sistemas de reconocimiento facial tienen una gran demanda en el sector bancario.

A finales del año pasado, la dirección del Pochta Bank, después de instalar 50.000 cámaras de vídeo inteligentes en sus oficinas, logró ahorrar millones de rublos evitando el fraude en los segmentos de préstamos y pagos. Los expertos afirman que hasta 2021 se creará la red de infraestructura necesaria y cualquier operación en los cajeros automáticos sólo será posible después de la identificación biométrica del rostro del cliente.

En la próxima década, las altas tecnologías permitirán abrir una red de tiendas de autoservicio completo: el comprador camina frente a los escaparates, elige el producto que le gusta y se marcha. El sistema de reconocimiento facial y de imágenes determinará la identidad del comprador, realizará la compra y debitará el importe requerido de su cuenta.

Se está trabajando para crear sistemas para reconocer estados psicoemocionales. El análisis de las emociones humanas tendrá demanda en los campos multimedia: animación, cine y la industria de los videojuegos.

1

La introducción generalizada de los sistemas de videovigilancia ha creado una demanda de sistemas de reconocimiento e identificación basados ​​en la grabación de vídeo. Dichos sistemas se basan en tecnología que utiliza métodos de visión por computadora para obtener automáticamente información diversa a partir del análisis de una secuencia de imágenes recibidas de cámaras de video en tiempo real. Es decir, esta tecnología se basa en métodos y algoritmos de reconocimiento de patrones y procesamiento de imágenes como resultado del análisis de flujos de vídeo. Los sistemas modernos de reconocimiento e identificación mediante grabación de vídeo son capaces de detectar y rastrear en tiempo real objetivos específicos (por ejemplo, un coche, un grupo de personas) o situaciones potencialmente peligrosas (por ejemplo, humo, fuego, acceso no autorizado) sin intervención humana. y luego emitir rápidamente una señal de alarma. Otra ventaja de utilizar estos sistemas es una reducción significativa de la carga en los canales de comunicación y en la base de datos de archivos mediante el filtrado de la transmisión de vídeo en tiempo real. Cualquier sistema de reconocimiento e identificación basado en grabación de vídeo se basa en un algoritmo específico para identificar la correspondencia de las características leídas con una plantilla predeterminada. La cámara de video transmite la transmisión de video al servidor en tiempo real, el sistema de reconocimiento e identificación determina la correspondencia con la información almacenada en la base de datos y la identificación se produce teniendo en cuenta factores predeterminados en el sistema (por ejemplo, bigotes o sombreros).

sistema de reconocimiento

Identificación mediante grabación de vídeo.

1. Brilyuk D.V., Starovoitov V.V. Reconocimiento humano a partir de imágenes faciales mediante métodos de redes neuronales. – Minsk, 2002. – 54 p. (Preimpresión / Instituto de Cibernética Técnica de la Academia Nacional de Ciencias de Bielorrusia; No. 2).

2. Kulyabichev Yu.P., Pivtoratskaya S.V. Revisión de métodos de identificación de personas basándose en imágenes faciales, teniendo en cuenta las características del reconocimiento visual.

3. Rogozin O.V., Kladov S.A. Análisis comparativo de algoritmos de reconocimiento facial en la tarea de identificación visual en MSTU. NORDESTE. Bauman, Moscú, 105005, Rusia

4. Sherstobitov A.I., Fedosov V.P., Prikhodchenko V.A., Timofeev D.V. Reconocimiento facial en fotografías grupales mediante algoritmos de segmentación

5. Reconocimiento facial mediante gráfico Elastic Bunch que coincide con Laurenz Wiskott, Jean-Marc Fellous, Norbert Kruger y Christoph von der Malsburg,

Introducción

Hoy en día, los sistemas de videovigilancia modernos implementan la funcionalidad no solo para grabar una transmisión de video y mostrar una imagen en la pantalla, sino también para proporcionar diversas funciones analíticas. Como regla general, estas funciones consisten en automatizar el análisis de la información del vídeo. Una de las funciones más populares es el reconocimiento e identificación de personas en la zona de control. En tales sistemas, las características clave del rostro humano se utilizan como parámetros físicos mediante los cuales se puede distinguir de muchos otros.

parte principal

Definamos una lista de tareas que resuelven los sistemas de identificación y reconocimiento facial basados ​​​​en grabación de vídeo en tiempo real:

1. Verificación. El sistema de identificación y reconocimiento facial basado en grabación de vídeo en tiempo real puede confirmar la identidad de una persona comparando la muestra presentada con una muestra de referencia previamente registrada en el sistema. En efecto, se realiza una comparación uno a uno.

2. Identificación en conjunto cerrado. El sistema de reconocimiento e identificación de rostros basado en grabación de vídeo en tiempo real compara la imagen recibida de la transmisión de vídeo con muchos patrones previamente grabados de varias personas para determinar la identidad de esta muestra. Este problema se puede solucionar teniendo en cuenta que la persona a la que pertenece la muestra está presente en la base de datos. Esta tarea realiza una comparación uno a muchos de muestras.

Definamos el ámbito de aplicación de dichos sistemas en la siguiente lista:

1. Reconocimiento facial de infractores e intrusos en lugares públicos o en grandes eventos. Los sistemas de reconocimiento e identificación facial basados ​​​​en grabación de vídeo reciben datos en tiempo real de los sistemas de videovigilancia de diversas entidades comerciales y de las cámaras instaladas en la ciudad. A partir de la información recibida se realiza una búsqueda de infractores o delincuentes con el fin de transferir posteriormente los datos a las fuerzas del orden.

Hoy en Rusia existen grandes proyectos destinados a reconocer e identificar objetos mediante grabación de vídeo en tiempo real. Desde septiembre de 2017, algunas de las 170.000 cámaras CCTV de Moscú están conectadas a un sistema de reconocimiento facial. La red existente combina videocámaras en las entradas, cámaras en el territorio y en los edificios de escuelas y guarderías, estadios, paradas de transporte público y estaciones de autobuses, en parques, pasajes subterráneos y otros lugares públicos. Gracias a este enfoque, apareció una herramienta adicional para buscar delincuentes e infractores.

Reconocer los rostros de las personas en toda la ciudad proporciona capacidades únicas para los agentes del orden. Al sistema de vigilancia de la ciudad tuvieron acceso alrededor de 16 mil agentes del orden y organizaciones estatales y municipales. El sistema diferencia el nivel de acceso para diferentes grupos de usuarios, lo que permite mantener la confidencialidad de las acciones de los vecinos de la ciudad.

2. Proporcionar control de control de acceso. En este caso, la videovigilancia está integrada en el sistema de seguridad y controla los controladores de los torniquetes.

Un sistema de este tipo se puede utilizar como principal (tomar una decisión sobre si se puede permitir que un sujeto entre en un área cerrada) o como respaldo. Los visitantes no identificados no tendrán acceso a la zona cerrada, y su fotografía quedará guardada en la base de datos para el posterior tratamiento de esta incidencia por parte del servicio de seguridad.

Normalmente, estos sistemas se instalan en grandes empresas, donde la eficiencia de la empresa depende del nivel de seguridad (por ejemplo, el desarrollo de tecnologías avanzadas). El sistema reconoce automáticamente a todos los empleados y los compara con la base de datos. En caso de incumplimiento o ausencia de una persona en el sistema, el sistema activará protocolos de seguridad y alertará al personal de seguridad.

La ventaja de esta aplicación es la minimización de la participación humana en el proceso, aumentando la disciplina laboral de los empleados y reduciendo los costos de remuneración de las entidades comerciales.

3. Lucha contra el hurto en hipermercados y centros comerciales. El problema del robo sistemático se enfrenta a todas las grandes tiendas con grandes superficies comerciales. El caso es que los sistemas de videovigilancia existentes no son eficaces para prevenir robos y normalmente se utilizan únicamente para obtener pruebas de un robo que ya se ha cometido, cuando el daño ya está hecho. Los sistemas de identificación y reconocimiento facial basados ​​en grabaciones de vídeo son capaces de detectar posibles robos repetidos en los casos en que se introducen datos sobre los infractores en la base de datos y las herramientas de análisis de vídeo identifican a un posible atacante en la entrada de la tienda.

4. Organización del control facial en las instituciones públicas. El uso de un sistema de reconocimiento facial que muestra información alarmante en un dispositivo remoto de un oficial de seguridad ayudará a reducir o detener por completo la presencia de personas no deseadas en una institución pública.

5. Organización de ventas y publicidad dirigida. A partir del reconocimiento y la identificación del rostro de una persona, es posible determinar su sexo, edad y mostrar publicidad que será potencialmente interesante para el cliente. Al mismo tiempo, según la información recibida, es posible debitar fondos de la cuenta del cliente si éste acepta realizar una determinada compra sin participación humana.

Independientemente del algoritmo de procesamiento de la transmisión de vídeo, la función del software de identificación y reconocimiento facial funciona según el principio de comparar una imagen escaneada con los estándares disponibles en la base de datos. En este caso, el escaneo se realiza sobre la marcha; el visitante sólo necesita girar la cara hacia el escáner mientras se mueve.

Básicamente, los sistemas de reconocimiento son programas informáticos que analizan imágenes de rostros de personas para identificarlas. El programa toma una imagen de una cara y mide sus características, como la distancia entre los ojos, la longitud de la nariz y el ángulo de la mandíbula, a partir de lo cual se crea un archivo único, llamado "plantilla". . Utilizando plantillas, el programa compara una imagen determinada con otras imágenes en la base de datos y luego evalúa qué tan similares son las imágenes entre sí. Las fuentes comunes de imágenes para uso en la identificación facial son señales de cámaras de video o fotografías adquiridas previamente, como las almacenadas en la base de datos de una licencia de conducir.

Este enfoque impone ciertos requisitos a la imagen obtenida del flujo de vídeo. Se considera un buen indicador de eficiencia y velocidad si el sistema es capaz de identificar un rostro humano desde una distancia de al menos 10 metros de la cámara de vídeo. Al mismo tiempo, el reconocimiento debe implementarse con éxito incluso cuando cambian ciertos parámetros físicos: cambio de peinado, apariencia de la barba, etc. El período de tiempo durante el cual debe ocurrir el reconocimiento y la identificación no debe exceder un cierto valor, por ejemplo, la aproximación del objeto de control de video desde la puerta de entrada a los torniquetes. Otro requisito son las características de los equipos de videovigilancia. Dependiendo de las tareas a resolver se utilizan varios tipos de cámaras IP que tienen las características requeridas.

Debido a que los requisitos anteriores afectan seriamente el proceso de identificación y reconocimiento, el porcentaje de reconocimiento e identificación falsos es bastante alto. Otro problema con una tasa de reconocimiento falso tan alta es que, a diferencia de las huellas dactilares o el iris, nuestras caras cambian con el tiempo. Los sistemas de reconocimiento se confunden fácilmente por cambios en el peinado, el vello facial o el peso corporal, por la simple alteración de la apariencia de una persona o por los efectos del envejecimiento.

A modo de ejemplo, un estudio realizado por el Instituto Nacional de Estándares y Tecnología (NIST) encontró que la tasa de identificación falsa de sujetos cuyas fotografías fueron tomadas hace apenas 18 meses fue del 43%. Sin embargo, las fotografías utilizadas en el estudio fueron tomadas en condiciones ideales, lo cual es muy importante, ya que los programas de reconocimiento facial son muy pobres a la hora de evaluar cambios en la iluminación o el ángulo de la cámara.

La imagen facial registrada en la plantilla está sujeta a una serie de factores que determinan las limitaciones y capacidades de los sistemas de identificación y reconocimiento facial. En primer lugar, se trata de las condiciones de iluminación y diversas oclusiones, como gafas o una máscara, así como los ángulos de rotación, inclinación y desviación. La figura 1 muestra las posiciones angulares de la cabeza que se deben tener en cuenta en el proceso de reconocimiento e identificación facial.

Figura 1 - Posiciones angulares de la cabeza.

El funcionamiento de un sistema de identificación y reconocimiento facial basado en grabación de vídeo en tiempo real comienza con el desarrollo de plantillas de personas. Normalmente, las plantillas son imágenes bidimensionales o fotogramas descomprimidos de una transmisión de vídeo. La figura 2 muestra esquemáticamente el proceso de registro de una nueva plantilla en el sistema de identificación y reconocimiento facial.

Figura 2 - Representación esquemática del proceso de registro de una nueva plantilla en el sistema de identificación y reconocimiento facial

Recientemente, se utilizan cada vez más modelos tridimensionales, utilizando triangulación al procesar imágenes bidimensionales o muestras tridimensionales, cuando se agrega una matriz de profundidad D a la matriz RGB obtenida mediante un sensor de infrarrojos. También se pueden obtener modelos tridimensionales mediante el método de triangulación aplicado a fotografías obtenidas con equipos especiales.

El método para construir una plantilla depende de los métodos utilizados en el sistema de identificación y reconocimiento facial, el formato de los datos de origen o las tareas resueltas por el sistema. Las etapas más generales que describen la formación de una plantilla para un sistema de identificación y reconocimiento facial se presentan en la Figura 3.

Figura 3: El proceso de formación de una plantilla utilizando el ejemplo de un sistema de identificación y reconocimiento facial.

1. En la etapa de preprocesamiento, se detectan rostros y las áreas seleccionadas se transforman a un tipo determinado: rotación (alineación), escala, conversión de canal, etc.

2. La segunda etapa puede incluir tanto la búsqueda de puntos clave como la representación de la matriz de píxeles del rostro en el espacio característico. En este caso, se entiende por características los descriptores de imágenes arbitrarios obtenidos como resultado del procesamiento de los datos originales.

3. En la última etapa, la plantilla se codifica y registra en la base de datos del modelo. La base de datos modelo generada se utiliza posteriormente como conjunto de estándares.

Presentemos una representación esquemática del principio de identificación y reconocimiento de rostros en la Figura 4, que refleja las siguientes notaciones:

1. Transferir una imagen de una transmisión de video al sistema.

2. Identificación de la muestra entre las plantillas disponibles en la base de datos.

3.
Verificación de la muestra más cercana de la lista y presentada a la entrada del sistema.

Figura 4 - Representación esquemática del principio de identificación y reconocimiento de rostros.

Si el proceso de identificación tiene éxito, el sistema arroja un resultado positivo, que consiste en hacer coincidir la persona de la imagen del flujo de vídeo con el sujeto identificado.

Así, los sistemas de identificación y reconocimiento facial basados ​​en grabación de vídeo en tiempo real tienen una amplia gama de aplicaciones y funcionan sujetos a una serie de restricciones impuestas a las imágenes resultantes. Como parte de futuras investigaciones, analizaremos las soluciones existentes en el campo del reconocimiento e identificación de rostros mediante grabación de vídeo en tiempo real.

Hoy en día, el ámbito de aplicación de los sistemas de reconocimiento e identificación basados ​​en la grabación de vídeo afecta a casi todos los ámbitos de la actividad humana. Una de las áreas clave de aplicación son las actividades de seguridad, y los principales objetos de reconocimiento son los rostros humanos y las matrículas de los vehículos. Sin embargo, hoy en día hay tendencias en la creciente demanda de funciones más complejas: detección de movimiento y objetos abandonados, seguimiento de trayectorias de movimiento, seguimiento multicámara, clasificación e identificación de objetos, reconocimiento de situaciones, análisis del comportamiento humano, etc.

La lucha contra el terrorismo y la delincuencia puede considerarse un ámbito crítico de aplicación de los sistemas de reconocimiento e identificación basados ​​en la grabación de vídeo. En los casos en que las imágenes de los rostros de los delincuentes se almacenan en una base de datos y en lugares concurridos (por ejemplo, aeropuertos, estaciones de tren, centros comerciales, instituciones deportivas) la filmación se realiza en tiempo real, el uso de dichos sistemas es una forma eficaz. método de identificación de personas buscadas.

Así, el problema de este estudio radica en la existencia de una serie de problemas no resueltos en cuanto a la estabilidad de los algoritmos de reconocimiento ante la influencia de condiciones externas y requisitos informáticos, junto con el rápido desarrollo del campo de aplicación de los sistemas de reconocimiento e identificación basados ​​en Grabación de vídeo en tiempo real. Es necesario desarrollar un proyecto moderno de un sistema de grabación de video efectivo en términos de reconocimiento e identificación de rostros en tiempo real, capaz de brindar soporte de alta calidad para la aplicación exitosa de la tecnología en estudio.

Con base en la relevancia y los problemas identificados, podemos concluir que es recomendable desarrollar un proyecto de un sistema de grabación de video efectivo en términos de reconocimiento e identificación de rostros en tiempo real.

Enlace bibliográfico

Yurko I.V., Aldobaeva V.N. ÁREAS DE APLICACIÓN Y PRINCIPIOS DE FUNCIONAMIENTO DE LOS SISTEMAS DE IDENTIFICACIÓN Y RECONOCIMIENTO FACIAL MEDIANTE VIDEO FICCIÓN EN TIEMPO REAL // Boletín Científico Estudiantil Internacional. – 2018. – No. 2.;
URL: http://eduherald.ru/ru/article/view?id=18416 (fecha de acceso: 01/01/2020). Llamamos su atención sobre las revistas publicadas por la editorial "Academia de Ciencias Naturales".

Hoy en día existen en el mercado varios tipos de sistemas de este tipo y realizan tareas de distintos niveles de complejidad: desde el reconocimiento remoto entre una multitud hasta el registro de las horas de trabajo en la oficina. Las soluciones de reconocimiento facial están disponibles para los clientes en diferentes plataformas: arquitectura de servidor, soluciones móviles e integradas y servicios en la nube.

Los sistemas modernos funcionan con algoritmos de redes neuronales de aprendizaje profundo, por lo que la precisión del reconocimiento es máxima incluso para imágenes de baja calidad, son resistentes a la rotación de la cabeza y tienen otras ventajas.

Ejemplo 1: Seguridad pública

Garantizar la seguridad es una especie de punto de partida desde el que comenzó la introducción de los sistemas de identificación biométrica. Los sistemas de reconocimiento facial remoto se utilizan para garantizar la seguridad de las instalaciones públicas.

La tarea más difícil es identificar a una persona entre la multitud.

El llamado reconocimiento no cooperativo, cuando una persona no interactúa con el sistema, no mira a la lente de la cámara, se da vuelta o intenta ocultar su rostro. Por ejemplo, en centros de transporte, metros y grandes eventos internacionales.

Casos

Uno de los proyectos más importantes de 2017 para nuestra empresa fue la mayor exposición internacional EXPO-2017, que se celebró en Kazajstán este verano. El sistema de reconocimiento facial biométrico remoto utilizó cámaras especializadas.

La selección de rostros en el encuadre se produce en la propia cámara y solo la imagen del rostro se transmite al servidor, esto descarga el canal y reduce significativamente el costo de la infraestructura de red. Las cámaras monitorearon cuatro grupos de entrada, en diferentes puntos del complejo. La arquitectura del sistema se diseñó de tal manera que los grupos de entrada funcionaran por separado o todos juntos, mientras que solo 4 servidores y 48 cámaras garantizaban el correcto funcionamiento del sistema.

Con la ayuda del análisis de vídeo en línea, se utilizan grandes instalaciones distribuidas geográficamente para buscar sospechosos y personas desaparecidas, investigar accidentes y accidentes y analizar los flujos de pasajeros.

En algunos aeropuertos, a finales de 2017, se comenzará a utilizar la biometría para facturar a los pasajeros de los vuelos. Según el portal Tadviser, 12 países europeos (España, Francia, Países Bajos, Alemania, Finlandia, Suecia, Estonia, Hungría, Grecia, Italia, Rumanía) también planean implementar sistemas de puertas inteligentes en los aeropuertos.

Y el siguiente paso debería ser la introducción de sistemas de reconocimiento facial para el control fronterizo y migratorio. Con el apoyo del gobierno, la introducción de la identificación facial podría volverse tan común como los detectores de metales en los próximos tres a cinco años.

Ejemplo 2. Conozca a su comprador de vista

Las empresas también confían en la identificación facial biométrica. En primer lugar, se trata del comercio minorista.

Los sistemas reconocen el sexo y la edad de los clientes, la frecuencia y el tiempo de visita a los puntos de venta y acumulan estadísticas para cada tienda individual de la cadena.

A continuación, se muestran automáticamente informes detallados del departamento, tanto de la red en su conjunto como desglosados ​​por puntos de venta. A partir de estos informes conviene crear un “retrato del cliente” y planificar campañas de marketing eficaces.

Desafortunadamente, no podemos revelar clientes. Entre ellos se incluyen los mayores minoristas y las redes de bricolaje (Do It Youself), cuyo surtido incluye herramientas y componentes costosos.

Cómo funciona esto

Mucha gente teme que se filtre información confidencial, pero destacamos especialmente que no se almacenan en archivos datos personales de personas identificadas. Además, ni siquiera se almacena la imagen, sino su plantilla biométrica, a partir de la cual la imagen no se puede restaurar.

Durante visitas repetidas, la plantilla facial biométrica se "aprieta", por lo que el sistema sabe exactamente quién estuvo en la tienda y cuántas veces. Puede estar seguro de que sus datos personales están seguros.

Para pequeñas tiendas, concesionarios de automóviles y farmacias, el mecanismo para recopilar análisis de marketing se implementa en un servicio de reconocimiento en la nube. Para las pequeñas y medianas empresas, esta opción es más preferible, ya que no requiere costos de equipos de servidores, contratación de personal adicional, actualización de software, etc. Esta es, en primer lugar, una herramienta conveniente para evaluar la efectividad de los puntos de venta, y en segundo lugar, es un excelente asistente para identificar a los ladrones. Es decir, un sistema realiza varias funciones a la vez.

Ejemplo 3. Sistemas de gestión y control de acceso

Además de las funciones anteriores, el sistema de reconocimiento facial es conveniente de utilizar como alternativa a las tarjetas de proximidad en los sistemas de gestión y control de acceso (ACS).

Tienen una serie de ventajas: Proporcionan una alta confiabilidad de reconocimiento, no pueden ser engañados, copiados ni robados y son fáciles de integrar con los equipos de seguridad existentes. Incluso puedes utilizar cámaras de seguridad existentes. Los sistemas de identificación facial biométrica funcionan de forma remota y muy rápida, registrando eventos en el archivo.

Utilizando un sistema de control de acceso biométrico, es conveniente realizar un seguimiento de las horas de trabajo de los empleados, especialmente en grandes centros de oficinas.

Caso

El año pasado implementamos un sistema de este tipo en una gran empresa india especializada en logística. El número de empleados permanentes es de más de 600 personas. Al mismo tiempo, la empresa trabaja las 24 horas del día y practica un horario de trabajo "flotante". Utilizando nuestro sistema de identificación biométrica remota, el cliente recibió un registro completo y confiable de las horas de trabajo de los empleados, una herramienta de seguridad preventiva de las instalaciones y un sistema de control de acceso.

Ejemplo 4. Acceso de aficionados al estadio

Al momento de adquirir una entrada en taquilla, automáticamente se fotografía el rostro de cada comprador y se sube al sistema. Así se forma la base de visitantes del partido. Si la compra se realizó a través de Internet o una aplicación móvil, la autorización es posible de forma remota mediante un "selfie". En el futuro, cuando una persona llegue al estadio, el sistema la reconocerá sin pasaporte.

La identificación de los visitantes a las competiciones deportivas se ha vuelto obligatoria de conformidad con la Ley federal Nº 284-FZ "sobre enmiendas al artículo 20 de la Ley federal" sobre cultura física y deportes en la Federación de Rusia" y el artículo 32.14 del Código de la Federación de Rusia. sobre Infracciones Administrativas.

La persona que compró la entrada entrará al estadio; no es posible transferir la entrada a otra persona ni entrar con una entrada falsificada. El reconocimiento facial remoto en los estadios funciona según el mismo principio que en las grandes instalaciones de transporte distribuidas geográficamente: si una persona está incluida en la lista de personas a las que se les prohíbe el acceso al estadio, el sistema no le permitirá pasar.

Caso

En marzo de 2016, como parte de un proyecto conjunto entre Vocord y la filial Khanty-Mansiysk de PJSC Rostelecom, se utilizó un sistema de reconocimiento facial remoto para garantizar la seguridad de la Copa del Mundo de Biatlón celebrada en Khanty-Mansiysk. Desde 2015, el mismo sistema funciona con éxito en el complejo deportivo multifuncional Arena de Omsk. Es una de las seis instalaciones deportivas más grandes de Rusia, es la instalación deportiva y de entretenimiento más grande de Siberia y la base del club de hockey Avangard.

Ejemplo 5. Banca por Internet y cajeros automáticos

Otro nicho en el que se ha asentado el reconocimiento facial es el sector bancario. Aquí la introducción de nuevas tecnologías es intensiva, ya que el sector financiero está más interesado que otros en la fiabilidad y seguridad de la información personalizada.

Hoy en día, la biometría está comenzando gradualmente, si no a reemplazar los documentos "en papel" habituales y establecidos, al menos a mantenerse al día con ellos. Al mismo tiempo, el grado de protección al realizar pagos aumenta significativamente: para confirmar la transacción, basta con mirar a la cámara de su teléfono inteligente. Al mismo tiempo, los datos biométricos en sí no se transmiten a ninguna parte, por lo que es imposible interceptarlos.

La introducción de tecnologías de identificación biométrica está directamente relacionada con el uso masivo de servicios y dispositivos electrónicos, el desarrollo del comercio en línea y la proliferación de tarjetas plásticas en lugar de efectivo.

Con la llegada de las unidades de procesamiento de gráficos (GPU) de alto rendimiento y las plataformas de hardware ultracompactas basadas en ellas, como NVIDIA Jetson, el reconocimiento facial ha comenzado a introducirse en los cajeros automáticos. Ahora sólo el titular de la tarjeta puede retirar efectivo o realizar transacciones en la cuenta, por ejemplo, a través de los cajeros automáticos de Tinkoff Bank. Y es posible que pronto se retire el PIN.

En los últimos años, la biometría ha ido penetrando cada vez más en nuestras vidas. Los principales países del mundo ya han introducido o planean introducir en un futuro próximo pasaportes electrónicos que contienen información sobre las características biométricas de su propietario; muchos centros de oficinas han implementado sensores biométricos en los sistemas de control de acceso corporativos; las computadoras portátiles llevan mucho tiempo equipadas con autenticación de usuario biométrica; Los servicios de seguridad cuentan ahora con medios modernos para identificar a cualquier delincuente buscado entre una multitud.

Andrei Khrulev
Jefe del Departamento de Biometría
y sistemas de seguridad integrados
Grupo de empresas "Technoserv", Ph.D.

Cada vez hay más ejemplos del uso de sistemas biométricos. El éxito de la biometría es fácil de explicar. Los medios tradicionales de identificación personal, basados ​​en los principios “soy lo que tengo” (tarjetas de identificación, fichas, documentos de identificación) y “soy lo que sé” (contraseñas, códigos PIN) no son perfectos. Es fácil perder una tarjeta, puedes olvidar tu contraseña y, además, cualquier atacante puede usarla y ningún sistema puede distinguirte de una persona falsa.

Además, los medios de identificación tradicionales son absolutamente inútiles cuando se trata de tareas de identificación personal oculta, y cada vez existen más tareas de este tipo:

• reconocer a un criminal entre la multitud;
• comprobar si el propietario presenta realmente el pasaporte;
• averiguar si se busca a una persona;
• averiguar si la persona ha estado involucrada anteriormente en fraude financiero con préstamos;
• identificar a los aficionados potencialmente peligrosos al entrar al estadio, etc.

Todos estos problemas sólo pueden resolverse utilizando herramientas biométricas de identificación personal basadas en el principio "Yo soy lo que soy". Este principio permite que el sistema de información identifique directamente a la persona, y no los objetos que presenta o la información que reporta.

La singularidad de la biometría facial

Entre la variedad de características biométricas humanas utilizadas para la identificación personal, destaca especialmente la imagen del rostro. La biometría facial es única porque no requiere la creación de sensores especializados para obtener una imagen; se puede obtener una imagen facial a partir de la cámara de un sistema de videovigilancia normal. Además, casi cualquier documento de identidad contiene una fotografía de una persona, lo que significa que la implementación de esta tecnología en la práctica no está asociada con diversos problemas regulatorios y dificultades en la percepción social de la tecnología.

También hay que tener en cuenta que se puede obtener implícitamente una imagen facial de la propia persona, por lo que la biometría facial es óptima para la construcción de sistemas de vigilancia e identificación encubierta.

Cualquier sistema de reconocimiento facial es un sistema típico de reconocimiento de imágenes, cuya tarea es formar un determinado conjunto de características, la llamada plantilla biométrica, según el modelo matemático integrado en el sistema. Es este modelo el que constituye el conocimiento clave de cualquier sistema biométrico, y la efectividad del reconocimiento facial depende directamente de factores como la estabilidad de la plantilla biométrica a varios tipos de interferencias y distorsiones en la foto o imagen de video original.

La efectividad del reconocimiento facial depende directamente de factores como la resistencia de la plantilla biométrica a diversos tipos de interferencias y distorsiones en la foto o imagen de video original.

A pesar de la gran variedad de sistemas de reconocimiento facial presentes tanto en el mercado ruso como en el mundo, muchos de ellos utilizan los mismos motores biométricos: implementaciones de software reales de métodos para construir y comparar modelos matemáticos del rostro. En Rusia, los motores biométricos más utilizados son Cognitec (desarrollado por Cognitec Systems GmbH, Alemania), Cascade-Potok (desarrollado por Technoserv, Rusia), FRS SDK (desarrollado por Asia Software, Kazajstán), FaceIt (desarrollado por la empresa L1 Identity Soluciones, EE.UU.).

Normalmente, el reconocimiento facial en cualquier motor biométrico se realiza en varias etapas: detección de rostros, evaluación de calidad, construcción de plantillas, comparación y toma de decisiones.

Etapa 1: Detección de rostros

En esta etapa, el sistema identifica (detecta) automáticamente los rostros de las personas en una secuencia de cuadros de video o en fotografías, y la gama de ángulos y escalas de los rostros puede variar significativamente, lo cual es extremadamente importante para construir sistemas de seguridad. No es en absoluto necesario que se reconozcan todas las caras seleccionadas (por regla general, esto es imposible), pero es extremadamente útil detectar el número máximo de caras en una secuencia y, si es necesario, colocarlas en el archivo (Fig. 1). ).

La detección de rostros es una de las etapas clave del reconocimiento, ya que la falta de un rostro por parte del detector significa automáticamente que es imposible realizar una mayor identificación. La calidad del detector suele caracterizarse por la probabilidad de detectar una cara P0. Para los sistemas biométricos modernos que funcionan en un entorno concurrido, la probabilidad de detección de rostros oscila entre el 95 y el 99% y depende de las condiciones de grabación de vídeo (iluminación, resolución de la cámara, etc.).

Una de las tendencias más prometedoras en el desarrollo del mercado biométrico es la aparición de cámaras de video digitales inteligentes que implementan una función de detección de rostros basada en lógica incorporada (Fig. 2). Las cámaras de video inteligentes le permiten recibir no solo una transmisión de video de alta calidad, sino también metadatos asociados que contienen información sobre las caras encontradas.

Este enfoque permite reducir significativamente la carga sobre la capacidad del hardware del sistema de reconocimiento, lo que, a su vez, reduce el coste final de los complejos biométricos, haciéndolos más accesibles para el consumidor final. Además, se reducen los requisitos para los canales de transmisión de datos, ya que con este enfoque no necesitamos líneas de comunicación gigabit para transmitir video de alta calidad, sino que tenemos redes estándar para transmitir video comprimido y un pequeño flujo de imágenes faciales detectadas.

Etapa 2: evaluación de la calidad

Esta es una etapa de reconocimiento muy importante, en la que el motor biométrico selecciona de toda la gama de rostros detectados sólo aquellas imágenes que cumplen con los criterios de calidad especificados.

A menudo, los desarrolladores de sistemas biométricos son falsos y afirman que su sistema proporciona un alto nivel de reconocimiento cuando las imágenes faciales en la transmisión de video cumplen con los requisitos de calidad definidos en GOST R ISO/IEC 19794-5. Sin embargo, este GOST impone condiciones muy estrictas (casi ideales) a la calidad de las fotografías faciales (ángulo frontal del rostro con una desviación de no más de 5 grados; iluminación uniforme; expresiones faciales neutras, etc.), que no se pueden cumplir en Condiciones reales del sistema de videovigilancia. Estos requisitos GOST están plenamente justificados por el hecho de que, de hecho, esta norma tiene como objetivo unificar el formato para almacenar fotografías electrónicas en documentos de pasaporte y visa de nueva generación, los llamados pasaportes biométricos. En la práctica, los sistemas de identificación biométrica se ven obligados a afrontar condiciones de funcionamiento mucho menos favorables:

• desviación de la cara de la posición frontal en ángulos superiores a 20 grados;
• iluminación fuerte;
• cubriendo parte de la cara;
• la presencia de sombras en el rostro;
• tamaño de imagen pequeño, etc.

Es la estabilidad del motor biométrico en condiciones tan difíciles lo que determina su calidad. En los motores biométricos modernos, en la etapa de evaluación de la calidad, por regla general, se evalúa lo siguiente:

• ángulo facial (no debe exceder los 20 a 30 grados);
• tamaño de la cara (estimado por la distancia entre las pupilas de los ojos y debe ser más de 50 a 80 px);
• cierre parcial de la cara (el cierre de la cara no debe exceder del 10 al 25% del área total de la cara).

Existe la idea errónea de que si los ojos están cerrados en la imagen de una cara (mediante el parpadeo o las gafas), el sistema supuestamente no podrá reconocer a la persona. De hecho, los primeros algoritmos de reconocimiento facial utilizaban los centros de las pupilas de los ojos como base para un mayor procesamiento de imágenes, en particular para el escalado facial estándar. Sin embargo, por el momento, muchos motores biométricos modernos (por ejemplo, Cognitec o Cascade-Potok) utilizan esquemas de codificación facial más complejos y no están vinculados a la posición de los centros de las pupilas.

Etapa 3: construir una plantilla

Esta es una de las etapas más complejas y únicas del reconocimiento facial y constituye el conocimiento clave de la tecnología de motores biométricos. La esencia de esta etapa es una transformación matemática no trivial de una imagen facial en un conjunto de características combinadas en una plantilla biométrica.

Cada rostro tiene su propia plantilla biométrica única. Los principios para construir plantillas biométricas son extremadamente diversos: una plantilla puede basarse en las propiedades de textura de la cara, en rasgos geométricos, en puntos característicos, en una combinación de varios rasgos heterogéneos.

La característica más importante de una plantilla biométrica es su tamaño. Cuanto mayor sea el tamaño de la plantilla, más funciones informativas incluirá, pero menor será la velocidad y eficiencia de la búsqueda de esta plantilla. El tamaño típico de una plantilla facial en sistemas biométricos oscila entre 1 y 20 kB.

Etapa 4: comparación y toma de decisiones

Se trata de una etapa combinada del funcionamiento del sistema de reconocimiento, en la que se compara la plantilla facial biométrica, creada a partir del rostro detectado, con una serie de plantillas almacenadas en la base de datos. En el caso más sencillo, la comparación se realiza simplemente buscando entre todas las plantillas y evaluando el grado de similitud. Sobre la base de las valoraciones recibidas y su comparación con umbrales especificados, se toma una decisión sobre la presencia o ausencia de una persona idéntica en la base de datos.

En los sistemas modernos, la comparación se implementa mediante complejos esquemas de comparación óptimos, que proporcionan una velocidad de comparación de 10.000 a 200.000 comparaciones por segundo o más. Además, hay que entender que el proceso de comparación se puede paralelizar, lo que permite que los sistemas de identificación funcionen casi en tiempo real incluso para grandes conjuntos de imágenes, por ejemplo, 100.000 personas.

La calidad del rendimiento de los sistemas de reconocimiento facial suele caracterizarse por las probabilidades de identificación. Es obvio que durante la identificación biométrica pueden ocurrir dos tipos de errores.

1. El primer error se relaciona con la posibilidad de perder y no reconocer a la persona que realmente está en la base de datos; esto a menudo se denomina error de tipo I. Además, a menudo no indican el valor del primer error de tipo en sí, sino uno menos la probabilidad de un error de tipo I. Este valor se denomina probabilidad de reconocimiento correcto del PPR.
2. El segundo error refleja casos en los que el sistema reconoce a una persona que en realidad no está en la base de datos o la confunde con otra persona; esto generalmente se denomina error de tipo II. Para los sistemas de reconocimiento facial modernos, la probabilidad típica de reconocimiento correcto suele oscilar entre el 80 y el 97 %, con un error de tipo II que no supera el 1 %.

Condiciones para una identificación exitosa

Vale la pena entender que el reconocimiento facial no es una tecnología absoluta. A menudo se escuchan críticas a los sistemas biométricos de que en objetos reales no es posible lograr el mismo alto rendimiento que en condiciones de "laboratorio". Esta afirmación es sólo parcialmente cierta. De hecho, el reconocimiento facial sólo puede reconocerse eficazmente bajo ciertas condiciones, por lo que es extremadamente importante, al introducir la biometría facial, comprender bajo qué condiciones se utilizará el sistema. Sin embargo, para la mayoría de los sistemas de reconocimiento modernos, estas condiciones son bastante alcanzables en objetos reales. Por lo tanto, para aumentar la eficiencia del reconocimiento facial en las zonas de identificación, se debe organizar un flujo dirigido de personas (puertas, marcos de detectores de metales, torniquetes, etc.) para garantizar la posibilidad de corta duración (no más de 1 a 2 s). Grabación del rostro de cada visitante. En este caso, las cámaras de vídeo deben instalarse de forma que el ángulo de desviación de las personas grabadas con respecto a la posición frontal no supere los 20-30 grados. (por ejemplo, instalar cámaras a una distancia de 8 a 10 m de la zona de paso con una altura de suspensión de 2 a 3 m).

El cumplimiento de estas condiciones al implementar sistemas de reconocimiento permite resolver eficazmente el problema de identificar a una persona y buscar personas de interés específico, con probabilidades lo más cercanas posible a los valores de indicadores de identificación exitosos declarados por los desarrolladores.