家 › サービス › 顔識別システムのストリーム。統合セキュリティシステムにおける生体認証識別。顔認証によるアクセス制御の仕組み

顔識別システムのストリーム。統合セキュリティシステムにおける生体認証識別。顔認証によるアクセス制御の仕組み

最新の統合セキュリティシステムは、あらゆる種類の産業、社会、家庭の施設におけるあらゆる複雑な問題を解決できます。ビデオ監視システムはセキュリティシステムにおいて非常に重要なツールであり、この分野の機能に対する要件は着実に高まっています。

総合的なセキュリティシステム

統合プラットフォームには、セキュリティおよび消防設備、アクセス制御および管理、ビデオ監視または閉回路テレビ (CCT) 用のモジュールが含まれています。最近まで、後者の機能は、施設および周囲の状況のビデオ監視と記録、データのアーカイブと保存に限定されていました。従来のビデオシステムには、次のような重大な欠点がいくつかあります。

ヒューマンファクター。大量の情報をブロードキャストする場合、オペレーターのパフォーマンスが低下します。
外科的介入の不可能性、時期尚早の分析。
イベントの検索と特定には多大な時間コストがかかります。

デジタル技術の発展により、「スマート」自動化システムが誕生しました。

強さは知性の中にある

知的分析の基本原理はビデオ分析です。これは、画像認識とビデオストリーム分析の結果としての自動データ収集のための方法とアルゴリズムに基づいたテクノロジーです。このような機器は、人間の介入なしに、指定されたターゲット（車、人々のグループ）、潜在的に危険な状況（煙、火災、ビデオカメラの操作への不正介入）、プログラムされたイベントをリアルタイムで検出および追跡することができ、迅速に追跡することができます。警報信号を発します。興味のないビデオデータをフィルタリングすることにより、通信チャネルとアーカイブデータベースの負荷が大幅に軽減されます。

最も人気のあるビデオ分析ツールは顔認識システムです。実行される機能と割り当てられたタスクに応じて、機器には特定の要件が課されます。

ソフトウェアとハードウェア

システムの効率的な運用を確保するために、異なる性能特性を持つ数種類の IP ビデオカメラが使用されます。管理領域内の物体の検出は、解像度 1 メガピクセル、焦点距離 1 mm のパノラマカメラで記録され、スキャンデバイスがそれに向けられます。これらはより高度なカメラ (2 MP、2 mm から) であり、簡単な方法 (3 ～ 4 つのパラメーター) を使用して認識を実行します。物体を識別するには、複雑なアルゴリズム (5 MP、8 ～ 12 mm) の使用に十分な画質の良いカメラが使用されます。

最も人気のある顔認識ソフトウェア製品「Face Intellect」(House Control 社が開発)、Face Director (Sinesis 社)、および VOCORD FaceControl (VOCORD) は、次のことを実証しています。

高い確率でオブジェクトを識別します (最大 99%)。
幅広いカメラ回転角度をサポートします。
歩行者が密集している場所でも顔を識別できる可能性。
分析レポートの作成におけるばらつき。

パターン認識の基礎

あらゆる生体認証システムは、読み取られた人の生理的特徴と、特定の指定されたテンプレートとの対応関係を識別することに基づいています。

スキャンはリアルタイムで行われます。 IP カメラはビデオストリームを端末にブロードキャストし、顔認識システムは画像がデータベースに保存されている写真と一致するかどうかを判断します。主に 2 つの方法があります。 1 つ目は静的原理に基づいており、生体測定パラメータの処理結果に基づいて、特定の人物に対応する一意の番号の形式で電子サンプルが作成されます。 2 番目の方法は「人間」のアプローチをモデル化しており、自己学習と堅牢性が特徴です。ビデオ画像から個人を識別するには、加齢に伴う変化やその他の要因（頭飾り、あごひげや口ひげ、メガネの有無）が考慮されます。このテクノロジーを使用すると、古い写真や、必要に応じて X 線でも作業できるようになります。

顔検索アルゴリズム

顔を検出するための最も一般的な手法は、Haar カスケード (マスクのセット) を使用することです。

マスクは、白と黒のセグメントをさまざまに組み合わせた長方形のウィンドウです。

プログラムの仕組みは次のとおりです。ビデオフレームを一連のマスクで覆い、コンボリューション（白セクターと黒セクターに該当するピクセルをカウント）の結果に基づいて差分を計算し、特定のしきい値と比較します。。

分類器のパフォーマンスを向上させるために、ポジティブ (人間の顔のあるフレーム) とネガティブ (顔なし) のトレーニングサンプルが作成されます。最初のケースでは、畳み込み結果はしきい値を超えており、2 番目のケースではしきい値を下回っています。顔検出器は、許容誤差を含めて、すべてのカスケードの畳み込みの合計を決定し、しきい値を超えた場合、フレーム内に顔が存在することを通知します。

認識技術

検出と位置特定の後、準備段階では画像の明るさと幾何学的な位置合わせが行われます。さらなるアクション (特徴の計算と識別) は、さまざまな方法を使用して実行できます。

照明が良好な部屋で顔全体をスキャンすると、2 次元画像を処理するアルゴリズムによって良好な結果が実証されます。顔認識システムは、ユニークな点とそれらの間の距離を分析することにより、「ライブ」画像と登録されたテンプレートの間の差係数に基づいて識別の事実を決定します。

3次元技術は光束の変化に強く、正面角度からの許容偏差は最大45度です。ここでは、点と線だけでなく、表面の特性 (曲率、プロファイル)、およびそれらの間の距離の計量も分析されます。このようなアルゴリズムが機能するには、最大 200 フレーム/秒の周波数で最高のビデオ録画品質が必要です。このシステムは、5 メガピクセルのマトリックスを備えたステレオビデオカメラに基づいており、高い光学解像度と最小限に抑えられた同期エラーを備えています。さらに、これらはクロックパルスを送信するための特別なタイミングケーブルによって接続されています。

コンピュータによる顔制御

非接触型識別の最も広範な応用分野は、テロや犯罪との戦いです。犯罪者の顔画像はデータベースに保存されます。人が多く集まる場所（空港、駅、ショッピングセンター、スポーツ施設）では、指名手配者を特定するために人の流れがリアルタイムで記録されています。

次の分野はアクセス制御システムです。電子パス上のサンプル写真が、ビデオカメラからのデータ処理の結果として得られたモデルと比較されます。この手順は即座に行われ、（網膜スキャンや指紋採取とは異なり）受ける人に追加の操作を要求する必要はありません。

もう 1 つの急速に成長している業界はマーケティングです。インタラクティブな看板は人の顔をスキャンし、性別と年齢を判断し、クライアントにとって興味を持つ可能性のある広告のみを視覚化します。

動向と発展の見通し

顔認識システムは銀行業界で大きな需要があります。

昨年末、ポチタ銀行の経営陣はオフィスに 50,000 台のスマートビデオカメラを設置し、融資と決済部門での不正行為を防止することで数百万ルーブルの節約に成功しました。専門家らは、2021年までに必要なインフラネットワークが構築され、顧客の顔の生体認証を経た後にのみATMでの操作が可能になるだろうと述べている。

今後 10 年以内に、ハイテクにより、完全なセルフサービスの店舗のネットワークを開くことが可能になります。購入者はショーウィンドウの前を歩き、気に入った商品を選択して店を出ることができます。顔および画像認識システムが購入者の身元を判断し、購入して必要な金額を口座から引き落とします。

精神的・感情的な状態を認識するシステムを開発する作業が進行中です。人間の感情の分析は、アニメーション、映画、コンピューターゲーム業界などのマルチメディア分野で需要が高まるでしょう。

ビデオ監視システムの広範な導入により、ビデオ録画に基づく認識および識別システムの需要が生まれました。このようなシステムは、ビデオカメラからリアルタイムで受信した一連の画像の分析に基づいて、コンピュータビジョン手法を使用してさまざまな情報を自動的に取得する技術に基づいています。言い換えれば、このテクノロジーは、ビデオストリーム分析の結果としてのパターン認識と画像処理の方法とアルゴリズムに基づいています。ビデオ録画による最新の認識および識別システムは、人間の介入なしに、指定されたターゲット (たとえば、車、人々のグループ) または潜在的に危険な状況 (たとえば、煙、火災、不正アクセス) をリアルタイムで検出および追跡できます。そしてすぐに警報信号を発します。このようなシステムを使用するもう 1 つの利点は、ビデオストリームをリアルタイムでフィルタリングすることにより、通信チャネルとアーカイブデータベースの負荷が大幅に軽減されることです。ビデオ記録に基づく認識および識別システムは、読み取られた特性と所定のテンプレートとの対応を識別するための特定のアルゴリズムに基づいています。ビデオカメラはリアルタイムでビデオストリームをサーバーにブロードキャストし、認識および識別システムはデータベースに保存されている情報との対応を判断し、システムで事前に決定された要素（口ひげや帽子など）を考慮して識別が行われます。

認識システム

ビデオ録画による身元確認。

1. ブリリュク D.V.、スタロヴォイトフ V.V. ニューラルネットワーク方式による顔画像からの人物認識。 – ミンスク、2002 – 54 p. (プレプリント/ベラルーシ国立科学アカデミー技術サイバネティクス研究所; No. 2)。

2. Kulyabichev Yu.P.、Pivtoratskaya S.V. 視覚認識の特徴を考慮した顔画像による人物識別手法の検討

3. ロゴジン O.V.、クラドフ S.A. MSTU における視覚識別タスクにおける顔認識アルゴリズムの比較分析。北東部バウマン、モスクワ、105005、ロシア

4. シェルストビトフ A.I.、フェドソフ V.P.、プリホドチェンコ V.A.、ティモフェエフ D.V. セグメンテーションアルゴリズムを使用した集合写真の顔認識

5. Elastic Bunch Graph Matchingによる顔認識 Laurenz Wiskott、Jean-Marc Fellous、Norbert Kruger、Christoph von der Malsburg、

導入

現在、最新のビデオ監視システムには、ビデオストリームを記録して画面に画像を表示する機能だけでなく、さまざまな分析機能も実装されています。原則として、このような機能はビデオ情報の分析を自動化することで構成されます。最も人気のある機能の 1 つは、制御ゾーン内の人の認識と識別です。このようなシステムでは、人間の顔の主要な特徴が物理パラメータとして使用され、それによって他の多くの顔と区別できます。

主要部分

リアルタイムビデオ録画に基づく顔認識および識別システムによって解決されるタスクのリストを定義してみましょう。

1. 検証。リアルタイムのビデオ録画に基づく顔認識および識別システムは、提示されたサンプルとシステムに以前に記録された参照サンプルを比較することで、個人の身元を確認できます。実際には、1 対 1 の比較が実行されます。

2. 閉集合での識別。リアルタイムのビデオ録画による顔を認識および識別するシステムは、ビデオストリームから受信した画像を、以前に記録されたさまざまな人物のさまざまなパターンと比較して、このサンプルが属する人物を特定します。この問題は、サンプルが属する人物がデータベース内に存在するという事実を考慮することで解決できます。このタスクは、サンプルの 1 対多の比較を実行します。

このようなシステムの適用範囲を次のリストで定義しましょう。

1. 公共の場所や大規模なイベントにおける違反者や侵入者の顔認識。ビデオ録画に基づく顔認識および識別システムは、さまざまな事業体のビデオ監視システムや市内に設置されたカメラからリアルタイムデータを受信します。受け取った情報に基づいて、違反者または犯罪者の捜索が行われ、その後法執行機関にデータが転送されます。

現在ロシアでは、リアルタイムのビデオ録画を使用して物体を認識し識別することを目的とした大規模なプロジェクトが進行中です。 2017年9月以来、モスクワにある17万台の監視カメラの一部が顔認識システムに接続されている。既存のネットワークは、玄関のビデオカメラ、敷地内のカメラ、学校や幼稚園の建物、競技場、公共交通機関の停留所やバス停、公園、地下道、その他の公共の場所にあるカメラを組み合わせています。このアプローチのおかげで、犯罪者や違反者を検索するための追加ツールが登場しました。

街中の人々の顔を認識することで、法執行官に独自の機能が提供されます。約 16,000 人の法執行官、州および地方自治体の組織が都市監視システムへのアクセスを受け取りました。このシステムは、さまざまなユーザーグループのアクセスレベルを区別するため、都市住民の行動の機密性を維持できます。

2. アクセス制御制御を提供します。この場合、ビデオ監視がセキュリティシステムに統合され、改札口のコントローラーを制御します。

このようなシステムは、メインシステム (被験者を閉鎖エリアに入れるかどうかを決定するシステム) としても、バックアップシステムとしても使用できます。身元不明の訪問者は閉鎖エリアにアクセスできず、セキュリティサービスによるこの事件のその後の処理のために、写真がデータベースに保存されます。

通常、このようなシステムは大企業に導入され、セキュリティのレベルは企業の効率 (高度なテクノロジの開発など) に依存します。システムはすべての従業員を自動的に認識し、データベースと比較します。違反があった場合、またはシステム内に人が不在の場合、システムはセキュリティプロトコルを起動し、セキュリティ担当者に警告します。

このアプリケーションの利点は、プロセスへの人間の参加を最小限に抑え、従業員の労働規律を強化し、企業の報酬コストを削減できることです。

3. 大型スーパーマーケットやショッピングセンターでの盗難防止。組織的な盗難の問題は、大規模な小売エリアを持つすべての大型店舗に直面しています。実際のところ、既存のビデオ監視システムは盗難の防止には効果がなく、通常はすでに被害が発生している場合に、すでに行われた盗難の証拠を入手するためにのみ使用されます。ビデオ録画に基づく顔認識および識別システムは、違反者のデータがデータベースに入力され、ビデオ分析ツールが店舗の入り口で潜在的な攻撃者を特定した場合に、繰り返される潜在的な盗難を検出できます。

4. 公的機関における顔面管理の組織化。警備員のリモートデバイスに警戒すべき情報を表示する顔認識システムを使用すると、公共機関内での望ましくない人物の存在を減らすか、完全に防ぐことができます。

5. 販売およびターゲットを絞った広告の組織。人の顔の認識と識別に基づいて、その人の性別、年齢を判断し、クライアントが興味を持つ可能性のある広告を表示することができます。同時に、受信した情報に基づいて、顧客が人間の介入なしに特定の購入に同意した場合、顧客の口座から資金を償却することが可能です。

ビデオストリーム処理アルゴリズムに関係なく、顔認識および識別ソフトウェア機能は、スキャンされた画像をデータベースで利用可能な標準と比較するという原則に基づいて動作します。この場合、スキャンは外出先で行われ、訪問者は移動中に顔をスキャナーに向けるだけで済みます。

基本的に、認識システムは、人物の顔の画像を分析して人物を識別するコンピュータープログラムです。プログラムは顔の画像を撮影し、目と目の間隔、鼻の長さ、顎の角度などの特徴を測定し、それに基づいて「テンプレート」と呼ばれる独自のファイルを作成します。。プログラムはテンプレートを使用して、特定の画像をデータベース内の他の画像と比較し、画像が互いにどの程度似ているかを評価します。顔の識別に使用される画像の一般的なソースは、ビデオカメラの信号や、運転免許証のデータベースに保存されている写真など、以前に取得した写真です。

このアプローチでは、ビデオストリームから取得した画像に特定の要件が課されます。システムがビデオカメラから少なくとも 10 メートルの距離から人間の顔を識別できる場合、効率と速度の優れた指標と見なされます。同時に、ヘアスタイルの変化、ひげの外観など、特定の物理パラメータが変化した場合でも、認識を正常に実装する必要があります。認識と識別が行われる期間は、特定の値を超えてはなりません。たとえば、ビデオ制御オブジェクトが正面玄関から回転式改札口に接近するまでの時間などです。もう 1 つの要件は、ビデオ監視機器の特性です。解決するタスクに応じて、必要な特性を備えた数種類の IP カメラが使用されます。

上記の要件は識別と認識のプロセスに非常に深刻な影響を与えるという事実により、誤った認識と識別の割合が非常に高くなります。このような高い誤認識率に伴うもう 1 つの問題は、指紋や虹彩とは異なり、私たちの顔は時間の経過とともに変化することです。認識システムは、髪型、ひげ、体重の変化、人の外見を変えるという単純な手段、または老化の影響によって、簡単に間違えられます。

一例として、国立標準技術研究所 (NIST) が実施した調査では、わずか 18 か月前に写真が撮影された被験者の誤認率は 43% であることがわかりました。ただし、研究で使用された写真は理想的な条件下で撮影されたものであり、顔認識プログラムは照明やカメラ角度の変化を評価することが非常に苦手であるため、これは非常に重要です。

テンプレートに記録された顔画像は、顔の識別および認識システムの制限と機能を決定する多くの要因の影響を受けます。まず第一に、これらは照明条件、メガネやマスクなどのさまざまなオクルージョン、回転、傾斜、偏向角度です。図 1 は、顔の認識と識別のプロセスで考慮する必要がある頭の角度位置を示しています。

図 1 - 頭の角度位置

リアルタイムのビデオ録画に基づく顔認識および識別システムの機能は、人物テンプレートの開発から始まります。通常、テンプレートはビデオストリームから解凍された 2 次元画像またはフレームです。図 2 は、顔認識および識別システムに新しいテンプレートを登録するプロセスを概略的に示しています。

図 2 - 顔認識および識別システムに新しいテンプレートを登録するプロセスの概略図

最近では、二次元画像や三次元サンプルを処理する際に、赤外線センサーで取得したRGB配列に深さ行列Dを加えて、三角測量を利用して三次元モデルを使用するケースが増えています。専用の装置で撮影した写真に三角測量法を適用することで、3次元モデルを取得することもできます。

テンプレートを構築する方法は、顔認識および識別システムで使用される方法、ソースデータの形式、またはシステムによって解決されるタスクによって異なります。顔認識および識別システムのテンプレートの形成を説明する最も一般的な段階を図 3 に示します。

図 3 - 顔認識および識別システムの例を使用したテンプレートの作成プロセス。

1. 前処理段階で、顔が検出され、選択された領域が特定のタイプ (回転 (位置合わせ)、スケーリング、チャネル変換など) に変換されます。

2. 第 2 段階には、キーポイントの検索と、特徴空間での顔のピクセルマトリックスの表現の両方が含まれる場合があります。この場合、特徴は、元のデータを処理した結果として得られる任意の画像記述子として理解されます。

3. 最終段階で、テンプレートがエンコードされ、モデルデータベースに記録されます。生成されたテンプレートデータベースは、その後、一連の標準として使用されます。

図 4 に顔の識別と認識の原理の概略図を示します。これには次の表記が反映されています。

1. ビデオストリームからシステムに画像を転送します。

2. データベースで利用可能なテンプレートの中からサンプルを識別します。

3.
リストから最も近いサンプルを検証し、システム入力に提示します。

図 4 - 顔の識別と認識の原理の概略図

識別プロセスが成功すると、システムは肯定的な結果を返します。これは、ビデオストリームの画像内の人物と識別された被写体との照合に含まれます。

したがって、リアルタイムビデオ録画に基づく顔認識および識別システムは幅広い用途があり、結果として得られる画像に課せられる多くの制限に従って動作します。さらなる研究の一環として、リアルタイムのビデオ録画を使用した顔の認識と識別の分野における既存のソリューションを分析します。

今日、ビデオ録画に基づく認識および識別システムの適用範囲は、人間の活動のほぼすべての領域に影響を与えています。主な応用分野の 1 つはセキュリティ活動であり、主な認識対象は人間の顔や車のナンバープレートです。しかし、今日では、動きの検出と放棄された物体、動きの軌跡の追跡、マルチカメラの追跡、物体の分類と識別、状況認識、人間の行動の分析など、より複雑な機能に対する需要が高まる傾向にあります。

テロや犯罪との戦いは、ビデオ録画に基づく認識および識別システムの重要な応用分野として特定できます。犯罪者の顔画像をデータベースに蓄積し、空港、駅、ショッピングセンター、スポーツ施設などの混雑した場所でリアルタイムに撮影を行う場合には、このようなシステムの利用が効果的です。指名手配者を特定する方法。

したがって、この研究の問題は、認識アルゴリズムに基づく認識および識別システムの応用分野の急速な発展に加えて、外部条件および計算要件の影響に対する認識アルゴリズムの安定性に関する多くの未解決の問題が存在することにある。リアルタイムでのビデオ録画。リアルタイムでの顔の認識と識別の点で、研究中の技術の応用を成功させるための高品質のサポートを提供できる、効果的なビデオ録画システムのための最新のプロジェクトを開発する必要があります。

関連性と特定された問題に基づいて、リアルタイムでの顔の認識と識別の点で効果的なビデオ録画システムのプロジェクトを開発することが賢明であると結論付けることができます。

書誌リンク

ユルコ I.V.、アルドバエワ V.N. リアルタイムビデオ固定による顔認識および識別システムの応用分野と動作原理 // 留学生科学速報。 – 2018. – No. 2.;
URL: http://eduherald.ru/ru/article/view?id=18416 (アクセス日: 01/01/2020)。出版社「自然科学アカデミー」が発行する雑誌をご紹介します。

現在、このようなシステムはいくつかの種類が市場に出ており、群衆の中での遠隔認識からオフィスでの労働時間の記録まで、さまざまなレベルの複雑さのタスクを実行します。顔認識ソリューションは、サーバーアーキテクチャ、モバイルおよび組み込みソリューション、クラウドサービスなど、さまざまなプラットフォームで顧客に利用可能です。

最新のシステムは深層学習ニューラルネットワークアルゴリズムに基づいて動作するため、低品質の画像でも認識精度が最大になり、頭の回転に強いなどの利点があります。

例 1: 公安

セキュリティの確保は、生体認証システムの導入の出発点のようなものです。公共施設のセキュリティを確保するために、遠隔顔認証システムが使用されています。

最も難しい作業は、群衆の中で人物を識別することです。

いわゆる非協力的な認識とは、人がシステムと対話しない、カメラのレンズを見ない、背を向けるか、顔を隠そうとする場合のことです。たとえば、交通ハブ、地下鉄、主要な国際イベントなどです。

事例

当社にとって2017年の最も重要なプロジェクトの一つは、この夏カザフスタンで開催された最大の国際展示会EXPO-2017でした。遠隔生体認証顔認識システムには特殊なカメラが使用されました。

フレーム内の顔の選択はカメラ自体で行われ、顔画像のみがサーバーに送信されるため、チャネルの負荷が軽減され、ネットワークインフラストラクチャのコストが大幅に削減されます。複合施設のさまざまな場所にある 4 つの入場グループをカメラが監視しました。システムのアーキテクチャは、入口グループが個別にまたは一斉に動作するように設計されていますが、システムの正しい動作は 4 台のサーバーと 48 台のカメラだけで保証されています。

オンラインビデオ分析の助けを借りて、地理的に分散された大規模な施設を使用して、容疑者や行方不明者の捜索、事故や事件の調査、乗客の流れの分析を行っています。

一部の空港では、2017年末までに、飛行機の乗客のチェックインに生体認証の使用が開始される予定です。 Tadviser ポータルによると、ヨーロッパ 12 か国 (スペイン、フランス、オランダ、ドイツ、フィンランド、スウェーデン、エストニア、ハンガリー、ギリシャ、イタリア、ルーマニア) も空港にスマートゲートシステムを導入する予定です。

そして次のステップは、国境管理と移民管理のための顔認識システムの導入であるべきだ。政府の支援があれば、顔認証の導入は今後3～5年で金属探知機と同じくらい一般的なものになる可能性がある。

例 2. 購入者を一目で知る

企業はまた、生体認証による顔識別にも依存しています。まず、小売業です。

このシステムは、顧客の性別や年齢、小売店への来店頻度や時間を認識し、チェーン内の各店舗ごとの統計を蓄積します。

この後、ネットワーク全体と小売店ごとに分類された部門の詳細レポートが自動的に表示されます。これらのレポートに基づいて、「顧客像」を作成し、効果的なマーケティングキャンペーンを計画するのに便利です。

残念ながら、顧客を開示することはできません。これらには、高価なツールやコンポーネントを取り揃えた最大手の小売業者や DIY (Do It Youself) ネットワークが含まれます。

使い方

多くの人が機密情報の漏洩を恐れていますが、特定された個人の個人データがアーカイブに保存されないことを特に強調します。さらに、保存されるのは画像ではなく、その生体認証テンプレートであり、そこから画像を復元することはできません。

来店を繰り返すうちに、生体認証の顔テンプレートが「強化」されるため、システムは誰が何回来店したかを正確に把握します。個人情報は安全に保護されているので、ご安心ください。

小規模店舗、自動車ディーラー、薬局の場合、マーケティング分析を収集するメカニズムがクラウド認識サービスに実装されています。中小企業にとっては、サーバー機器、追加の人員の雇用、ソフトウェアの更新などのコストが不要なため、このオプションがより好ましいです。これは、第一に、小売店の効果を評価するための便利なツールであり、次に、泥棒を特定するのに優れたアシスタントです。つまり、1 つのシステムが複数の機能を同時に実行します。

例 3. アクセス制御および管理システム

上記の機能に加えて、顔認識システムは、アクセス制御管理システム (ACS) の近接カードの代替として使用すると便利です。

これらには次のような多くの利点があります。認識の信頼性が高く、だまされたり、コピーされたり、盗まれたりすることがなく、既存のセキュリティ機器との統合が容易です。既存の防犯カメラも利用できます。生体認証顔識別システムは遠隔から非常に迅速に動作し、イベントをアーカイブに記録します。

生体認証アクセス制御システムを使用すると、特に大規模なオフィスセンターで従業員の勤務時間を追跡するのに便利です。

場合

私たちは昨年、物流を専門とするインドの大手企業にこのようなシステムを導入しました。正社員数は600名以上。同時に、同社は 24 時間体制で稼働し、「流動的な」勤務スケジュールを実践しています。当社の遠隔生体認証システムの助けを借りて、顧客は従業員の労働時間の完全かつ信頼性の高い記録、施設予防セキュリティツール、およびアクセス制御システムを受け取りました。

例 4. スタジアムへのファンのアクセス

チケット売り場でチケットを購入する際、購入者の顔を自動的に撮影し、システムにアップロードします。こうして試合来場者の基盤が形成される。インターネットまたはモバイルアプリケーションを介して購入された場合は、「セルフィー」を使用してリモートで認証が可能です。将来的には、人がスタジアムに来たとき、パスポートがなくてもシステムがその人を認識するようになるでしょう。

連邦法第 284-FZ「ロシア連邦における身体文化とスポーツに関する連邦法第 20 条の改正について」およびロシア連邦法典第 32.14 条に従って、スポーツ大会への来場者の身分証明書が義務化されました。行政犯罪について。

チケットを購入した本人が入場することはできません。チケットを他人に譲渡したり、偽造チケットで入場することはできません。スタジアムでの遠隔顔認識は、地理的に分散した大規模な交通機関と同じ原理で機能します。つまり、スタジアムへの入場が禁止されている人物のリストに人物が含まれている場合、システムはその人物の入場を許可しません。

場合

2016年3月、VocordとPJSCロステレコムのハンティ・マンシースク支社との共同プロジェクトの一環として、ハンティ・マンシースクで開催されたバイアスロン・ワールドカップの安全を確保するために遠隔顔認識システムが使用されました。 2015 年以来、同じシステムがオムスクアリーナ多機能スポーツ複合施設で正常に稼働しています。これはロシアの 6 つの最大のスポーツ施設の 1 つであり、シベリア最大のスポーツおよびエンターテイメント施設であり、アバンガルドホッケークラブの本拠地でもあります。

例 5. インターネットバンキングと ATM

顔認識が定着しているもう 1 つのニッチ分野は銀行セクターです。金融セクターは他のセクターよりも個人情報の信頼性と安全性に関心を持っているため、ここでは新テクノロジーの導入が集中しています。

今日、生体認証は、通常の確立された「紙」文書に取って代わらないにしても、それらと同等になりつつあります。同時に、支払い時の保護の度合いも大幅に向上します。取引を確認するには、スマートフォンのカメラを覗くだけで済みます。同時に、生体認証データ自体はどこにも送信されないため、傍受することは不可能です。

生体認証技術の導入は、電子サービスや電子デバイスの大量使用、オンライン商取引の発展、現金の代わりにプラスチックカードの普及に直接関係しています。

高性能グラフィックスプロセッシングユニット (GPU) と、NVIDIA Jetson など、それをベースにした超小型ハードウェアプラットフォームの出現により、顔認識が ATM に導入され始めています。現在、カード所有者のみが、Tinkoff Bank ATM などを通じて現金を引き出したり、口座で取引を行うことができます。そして、PIN は間もなく廃止される可能性があります。

近年、生体認証は私たちの生活にますます浸透しています。世界の主要国は、所有者の生体特徴に関する情報を含む電子パスポートをすでに導入しているか、近い将来導入する予定です。多くのオフィスセンターでは、企業のアクセス制御システムに生体認証センサーを導入しています。ラップトップには長い間、生体認証によるユーザー認証が搭載されてきました。治安機関は現在、大勢の人々の中から指名手配犯を特定する最新の手段を備えています。

アンドレイ・クルレフ
生体認証部門長
統合されたセキュリティシステム
企業グループ「Technoserv」、Ph.D.

生体認証システムの使用例はますます増えています。生体認証の成功は簡単に説明できます。「私は私が持っているものである」（身分証明書、トークン、身分証明書）と「私は私が知っているものである」（パスワード、PIN コード）という原則に基づく従来の個人識別手段は完璧ではありません。カードは簡単に紛失し、パスワードを忘れてしまう可能性があります。さらに、カードは攻撃者に使用される可能性があり、あなたと偽者を区別できるシステムは 1 つもありません。

さらに、個人を隠して識別するタスクに関しては、従来の識別手段はまったく役に立ちません。そのようなタスクはますます増えています。

群衆の中で犯罪者を認識する。
所有者が本当にパスポートを提示しているかどうかを確認します。
人が求められているかどうかを調べます。
その人が以前に融資に関する金融詐欺に関与したことがあるかどうかを調べます。
スタジアムに入場する際などに、潜在的に危険なファンを特定する。

これらすべての問題は、「私は私である」という原則に基づいた生体認証個人識別ツールを使用することによってのみ解決できます。この原則により、情報システムは、その人が提示するオブジェクトやその人が報告する情報ではなく、その人を直接識別することができます。

顔の生体認証の独自性

個人識別に使用される人間のさまざまな生体特徴の中で、特に注目すべきは顔の画像です。顔のバイオメトリクスは、画像を取得するために特殊なセンサーを作成する必要がないという点で独特です。顔の画像は通常のビデオ監視システムのカメラから取得できます。さらに、ほとんどすべての身分証明書に人物の写真が記載されています。これは、このテクノロジーの実際の実装にはさまざまな規制上の問題や、このテクノロジーに対する社会的認識の困難が伴うものではないことを意味します。

また、本人の顔画像を暗黙的に取得できることも注目に値します。これは、顔の生体認証が監視システムや秘密の識別システムの構築に最適であることを意味します。

顔認識システムはいずれも典型的な画像認識システムであり、そのタスクは、システムに組み込まれた数学的モデルに従って、特定の特徴セット、いわゆる生体認証テンプレートを形成することです。あらゆる生体認証システムの重要なノウハウを構成するのはこのモデルであり、顔認識の有効性は、元の写真やビデオ画像のさまざまな種類の干渉や歪みに対する生体認証テンプレートの安定性などの要因に直接依存します。

顔認識の有効性は、元の写真やビデオ画像のさまざまな種類の干渉や歪みに対する生体認証テンプレートの耐性などの要因に直接依存します。

ロシア市場と世界の両方で非常に多様な顔認識システムが提供されているにもかかわらず、その多くは同じ生体認証エンジン、つまり顔の数学的モデルを構築および比較する方法の実際のソフトウェア実装を使用しています。ロシアで最も広く使用されている生体認証エンジンは、Cognitec (ドイツの Cognitec Systems GmbH によって開発)、Cascade-Potok (ロシアの Technoserv によって開発)、FRS SDK (カザフスタンの Asia Software によって開発)、FaceIt (L1 Identity 社によって開発) です。ソリューションズ、米国）。

通常、生体認証エンジンにおける顔認識は、顔検出、品質評価、テンプレート構築、照合、意思決定といういくつかの段階で実行されます。

ステージ 1: 顔検出

この段階では、システムはビデオフレームのストリームまたは写真内の人物の顔を自動的に識別 (検出) しますが、顔の角度やスケールの範囲は大きく異なる可能性があるため、セキュリティシステムを構築する上で非常に重要です。選択したすべての顔が認識される必要はまったくありませんが (原則としてこれは不可能です)、ストリーム内の顔の最大数を検出し、必要に応じてそれらをアーカイブに保存することは非常に便利です (図 1) ）。

顔検出は認識の重要な段階の 1 つです。検出器によって顔を見逃すと、それ以上の識別は自動的に不可能になるためです。検出器の品質は通常、顔 P0 を検出する確率によって特徴付けられます。混雑した環境で動作する最新の生体認証システムの場合、顔検出の確率は 95 ～ 99% の範囲であり、ビデオ録画条件 (照明、カメラの解像度など) によって異なります。

バイオメトリクス市場の発展における最も有望なトレンドの 1 つは、内蔵ロジックに基づいて顔検出機能を実装するインテリジェントデジタルビデオカメラの出現です (図 2)。スマートビデオカメラを使用すると、高品質のビデオストリームだけでなく、見つかった顔に関する情報を含む関連メタデータも受信できます。

このアプローチにより、認識システムのハードウェア容量への負荷を大幅に軽減することが可能になり、その結果、生体認証複合体の最終コストが削減され、最終消費者が生体認証複合体を利用しやすくなります。さらに、このアプローチでは高品質ビデオを送信するためにギガビット通信回線が必要なく、むしろ圧縮ビデオと検出された顔画像の小さなストリームを送信するための標準ネットワークが存在するため、データ送信チャネルの要件も軽減されます。

ステージ 2: 品質評価

これは認識の非常に重要な段階であり、この段階で生体認証エンジンは、検出された顔の配列全体から、指定された品質基準を満たす画像のみを選択します。

多くの場合、生体認証システムの開発者は不誠実で、ビデオストリーム内の顔画像が GOST R ISO/IEC 19794-5 で定義されている品質要件を満たしている場合、自分たちのシステムは高レベルの認識を提供すると主張します。しかし、この GOST は、顔写真の品質に非常に厳しい（ほぼ理想的な）条件（顔の正面角度の偏差が 5 度以内、均一な照明、中立的な表情など）を課しており、これを満たすことはできません。実際のシステム状態のビデオ監視。このような GOST 要件は、実際、この標準が新世代のパスポートおよびビザ文書、いわゆる生体認証パスポートに電子写真を保存するための形式を統一することを目的としているという事実によって完全に正当化されます。実際には、生体認証システムは、次のようなはるかに好ましくない動作条件に対処することを余儀なくされています。

20度を超える角度での顔の正面位置からのずれ。
強い照明;
顔の一部を覆う。
顔に影が存在する。
画像サイズが小さいなど。

このような困難な状況における生体認証エンジンの安定性が、その品質を決定します。最新の生体認証エンジンでは、品質評価段階で、原則として次のことが評価されます。

顔の角度（20〜30度を超えてはなりません）。
顔のサイズ（瞳孔間の距離によって推定され、50 ～ 80 ピクセル以上である必要があります）。
顔の部分的な閉鎖（顔の閉鎖は顔の総面積の 10 ～ 25% を超えてはなりません）。

顔の画像の中で（まばたきや眼鏡によって）目が閉じている場合、システムはその人物を認識できないのではないかというよくある誤解があります。実際、初期の顔認識アルゴリズムは、さらなる画像処理、特に標準的な顔のスケーリングの基礎として目の瞳孔の中心を使用していました。ただし、現時点では、多くの最新の生体認証エンジン (Cognitec や Cascade-Potok など) はより複雑な顔コーディングスキームを使用しており、瞳孔の中心の位置に関連付けられていません。

ステージ 3: テンプレートの構築

これは顔認識の最も複雑かつ独特な段階の 1 つであり、生体認証エンジンテクノロジーの重要なノウハウを構成します。この段階の本質は、顔画像を生体認証テンプレートに組み合わされた一連の特徴に数学的に変換することです。

各顔には独自の生体認証テンプレートがあります。生体認証テンプレートを構築するための原理は非常に多様です。テンプレートは、顔のテクスチャ特性、幾何学的特徴、特徴点、さまざまな異種特徴の組み合わせに基づくことができます。

生体認証テンプレートの最も重要な特徴はそのサイズです。テンプレートのサイズが大きいほど、含まれる機能はより多くの情報を提供しますが、このテンプレートの検索速度と効率は低下します。生体認証システムにおける一般的な顔テンプレートのサイズは 1 ～ 20 kB です。

ステージ 4: 比較と意思決定

これは、認識システムの動作を組み合わせた段階であり、検出された顔から構築された生体認証顔テンプレートと、データベースに保存されている一連のテンプレートとの比較が行われます。最も単純なケースでは、すべてのテンプレートを単純に検索し、それらの類似性の尺度を評価することによって比較が実行されます。取得された評価と指定されたしきい値との比較に基づいて、データベース内に同一人物が存在するかどうかが決定されます。

最新のシステムでは、複雑な最適比較スキームを使用して比較が実装されており、1 秒あたり 10,000 ～ 200,000 回以上の比較速度が実現されています。さらに、照合プロセスは並列化できるため、たとえば 100,000 人などの大規模な画像配列であっても、識別システムがほぼリアルタイムで動作できることを理解する価値があります。

顔認識システムのパフォーマンス品質は通常、識別確率によって特徴付けられます。生体認証中に 2 種類のエラーが発生する可能性があることは明らかです。

最初のエラーは、データベース内に実際に存在する人物が見つからず、認識できない可能性に関するものです。これは、タイプ I エラーと呼ばれることがよくあります。さらに、これらは、タイプ I エラーそのものの値ではなく、タイプ I エラーの確率を引いた値を示すことがよくあります。この値を正認識確率 PPR と呼びます。
2 番目のエラーは、実際にはデータベースに存在しない人物をシステムが認識したり、その人物を別の人物と混同したりするケースを反映しています。これは通常、タイプ II エラーと呼ばれます。最新の顔認識システムの場合、正しく認識される典型的な確率は通常 80 ～ 97% の範囲であり、タイプ II エラーは 1% を超えません。

識別成功の条件

顔認識は絶対的なテクノロジーではないことを理解する価値があります。現実の物体では「実験室」条件と同じ高いパフォーマンスを達成することは不可能であるという、生体認証システムに対する批判をよく耳にします。この声明は部分的にしか真実ではありません。実際、顔認識は特定の条件下でのみ効果的に認識できるため、顔生体認証を導入する際には、システムがどのような条件で動作するかを理解することが非常に重要です。ただし、最新の認識システムのほとんどでは、これらの条件は実際のオブジェクト上で十分に達成可能です。したがって、識別ゾーンでの顔認識の効率を高めるには、短時間 (1 ～ 2 秒以内) の可能性を確保するために、人の流れを整理する必要があります (出入り口、金属探知機のフレーム、改札口など)。各訪問者の顔を記録します。この場合、ビデオ録画カメラは、録画される人物の正面位置からの偏角が 20 ～ 30 度を超えないように設置する必要があります。（たとえば、吊り下げ高さ 2 ～ 3 m で、通路ゾーンから 8 ～ 10 m の距離にカメラを設置します）。

認識システムを実装するときにこれらの条件を遵守すると、開発者が宣言した成功した識別指標の値に可能な限り近い確率で、個人を識別し、特定の関心のある人々を検索するという問題を効果的に解決できます。

カテゴリ内で人気のあるもの: