Facial Recognition Статья – Выпуск 48, сентябрь 2011 г.

Авторы: Dr Thomas Heseltine and Dr Nick Whitehead.

Автор перевода: Konoshenko Vladislav

Описание: В данной статье рассматривается вопрос исспользования распознавания лиц в системах безопасности и целесообразность применения данной тхнологии.

Источник (англ.): https://www.ingenia.org.uk/Ingenia/Articles/17811c85-d91a-4746-a7e9-5d32ee50cb16

Признание лица

Д-р Томас Хезелтин и д-р Ник Уайтхед

В последние годы многие системы биометрических систем на лицевой стороне были развернуты, но с переменным успехом – изменчивость условий освещения часто приводит к ненадежной работе. Д-р Thomas Heseltine, консультант по биометрическим исследованиям компьютерных служб Aurora и д-р Ник Уайтхед, менеджер программ развития аэропортов в Аткинсе, описывает технологию нового подхода, которая решает эти проблемы, используя инфракрасные, а не видимые световые изображения. После 11 сентября несметные аэропорты США установили биометрические системы, чтобы защитить и успокоить путешественников и сотрудников о потенциальных террористических угрозах. Но системы распознавания лиц были опробованы в многочисленных аэропортах, включая аэропорт Логана в Бостоне, международный аэропорт Окленда в Калифорнии и аэропорт TF Green в Провиденсе, не были успешными. Неспособность определить высокий процент пассажиров подняла вопросительные знаки над действительностью технологии. Почти десятилетие спустя разрабатываются системы безопасности, разработанные Аткинсом, которые обещают улучшить эту репутацию. В этих системах используется программное обеспечение распознавания лиц, разработанное Aurora Компьютерные услуги. Но вместо того, чтобы выполнять распознавание лиц с использованием изображений с видимым светом, как это было в предыдущих системах, эти системы используют инфракрасные изображения. В недавних испытаниях, проведенных с тысячами людей, никто не был ошибочно отвергнут, то есть неправильно отвергнут системой, и не было никаких ложных событий принятия, когда неправильному человеку разрешалось действовать. Это было достигнуто благодаря улучшенному дизайну системы и достижению прогресса в области инфракрасного распознавания лиц. Так что же такое технология и почему выбирают инфракрасный? Биометрия – это цифровой анализ – использование камер или сканеров – биологических характеристик для соответствия профилям базам данных людей. Признаки лица, а также считыватели отпечатков пальцев, сканеры сетчатки и радужки – все это примеры надежных биометрических технологий. Однако многие в индустрии биометрии считают, что распознавание лиц является наиболее перспективным методом для занятых транспортных терминалов, поскольку оно считается более приемлемым для широкой общественности (см., Какая биометрия лучше?). Вместо использования сканеров отпечатков пальцев или других устройств, которые требуют, чтобы люди касались друг друга, нажмите или станьте в точном положении, системы распознавания лиц используют относительно отдаленные камеры и, следовательно, менее навязчивы. После обширных испытаний это привело к более высокому уровню общественного признания, чем другие формы биометрии – важный фактор в любом развертывании таких систем безопасности.

Совпадение лица

Последняя технология распознавания лиц работает с использованием программного обеспечения, которое может отображать лицо человека из переполненного изображения, извлекать его из своего окружения и сравнивать его с базой данных сохраненных изображений. Для этого в программном обеспечении используются алгоритмы, которые сначала локализуют лицо, а затем измеряют различные функции этого лица для распознавания. Этот процесс, известный как совпадение лиц, состоит из нескольких этапов. Распознавание лица определяет конечности интересной части изображения, а затем обнаружение глаз отмечает центральные точки глазного гнезда, обеспечивая фиксированные опорные точки для других измерений. Также идентифицируются ориентиры лица, описывающие элементы лица от размера, формы и локальности функции до мельчайших деталей текстуры кожи.

Эти функции отображаются в статистическую модель, которая может различать разных людей, а также компенсировать разумные различия в выражении и наклоне головы. Биометрические шаблоны генерируются и сравниваются с базами данных, чтобы дать окончательное решение или, в большинстве случаев, показатель подобия, который указывает вероятность двух совпадений.

Существует два требования, необходимые для надежного соответствия лица. Сначала анализируемое изображение должно иметь достаточно высокое разрешение, чтобы алгоритмы могли точно измерить его функции. И, во-вторых, изображение должно быть взято при аналогичных условиях освещения к существующему изображению в базе данных, чтобы свести к минимуму различия в появлении тонов кожи, текстур и черт лица. Если любой из этих критериев не будет выполнен, система распознавания сделает более ложные отклонения. Проблемы с разрешением могут быть решены с помощью камеры с высоким разрешением, чтобы изображение содержало достаточное количество пикселей для точного анализа. Однако регулирование условий освещения является более проблематичным. В то время как разработчики программного обеспечения написали алгоритмы, которые могут компенсировать различия в освещении, которые могут изменить базу данных и изображения для проверки, системы распознавания все еще изо всех сил пытались точно выполнить матч.

Итак, что это значит на практике? Например, в аэропорту, как использование программного обеспечения для распознавания лиц помогает проверить своих пассажиров? По мере увеличения числа ложных отказов, так же, как и в посадках. Стремясь поддерживать постоянный поток пассажиров от ворот вылета к самолету, системы распознавания лиц были заключены в киоски или кабины, чтобы освещение можно было контролировать при съемке изображений. Однако этот подход можно считать навязчивым и становится все более нецелесообразным с сегодняшним предпочтением для аэропортов открытого плана. Очевидно, что требуется новое решение

Инфракрасное распознавание лица

Для преодоления проблемы освещения в системах распознавания лиц исследователи биометрии в Aurora обратились к инфракрасному распознаванию лица, где камера и вспышка работают с инфракрасным светом, а не с видимым светом. На сегодняшний день исследователи по всему миру обычно рассматривают один из двух вариантов; тепловой инфракрасной или ближней инфракрасной области.

Тепловая инфракрасная система использует датчики для измерения испускаемого тепла от объекта, о котором идет речь. Преимущества этого метода заключаются в том, что тепловые изображения могут быть получены при каждом освещении и достаточно устойчивы к различиям в выражениях лица. Однако изображения, полученные с помощью теплового инфракрасного излучения, различаются в зависимости от температуры тела пациента, которые могут быть легко искажены погодой и недавними упражнениями.

Важно отметить, что почти инфракрасные изображения распознаются людьми, поэтому изображение может быть дважды проверено сотрудником службы безопасности в случае ложного отклонения. Кроме того, ближняя инфракрасная система будет дешевле, чем тепловой эквивалент.

Имея это в виду, исследователи из Aurora продолжали разрабатывать камеру и систему вспышки, которая работает с ближним инфракрасным светом. Система состоит из двойной единицы регистрации / проверки, которая содержит две камеры изображения и два источника инфракрасного света, закрепленных в регулируемом основании.

Каждая камера имеет широкоугольный объектив, который позволяет снимать предметы (включая пользователей инвалидных колясок) с высоты 97 см до 213 см, без необходимости наклоняться или стоять в неудобном положении. Источники инфракрасного света обеспечивают постоянно освещенные изображения, независимо от условий окружающего освещения, и создают изображения с лучшей информацией о глубине, градиенте и форме. Исследователи также разработали инфракрасную чувствительную камеру, объединив список желаний в одно устройство распознавания лиц. Это включало инфракрасный CMOS-датчик с глобальным затвором, интеллектуальное управление вспышкой и быструю бортовую вычислительную мощность, обеспечивающую очень высокий уровень контроля мелкой зернистости при быстрой частоте кадров.

Система работает, сначала обнаруживая лицо и глаза пассажира. Затем они выравниваются, образуя так называемое нормализованное токеновое изображение. Это изображение оценивается по качеству и отклоняется, если какие-либо функции не соответствуют требованиям системы. Например, предмет может быть в очках, которые скрывают их лицо, или они могут чихать. В качестве альтернативы части изображения могут быть шумными, темными или размытыми. Информация из этой процедуры оценки качества затем возвращается обратно в камеру, что позволяет динамическую компенсацию в реальном времени.

С принятым символическим изображением лицевые алгоритмы затем моделируют вариации в выражении лица, угол головы и внешний вид, компенсируя несоответствия, которые могут привести к ложному отказу.

Алгоритмы Авроры, разработанные в течение нескольких лет, работают с использованием техники машинного обучения. Система снабжена тысячами примеров инфракрасных изображений лица, которые анализируются для создания математической модели изменения лица. Модель пытается идентифицировать и извлекать естественные вариации между разными изображениями одного и того же человека (так называемые внутри вариации класса), чтобы компенсировать угол головы (позу) и выражение. Учитывая инфракрасную технологию, модели не нужно компенсировать изменения освещения, что значительно упрощает эту проблему.

Алгоритм обучения также пытается идентифицировать характерные черты, которые могут различать индивидуумы (известные как между изменением класса). Этот процесс обучения занимает недели интенсивных вычислений, распределенных по сети многоядерных процессоров. Дискриминационные признаки, которые могут быть идентифицированы, варьируются от мельчайших деталей мелкомасштабной текстуры и затенения до крупномасштабной формы лица, структуры и пространственной локальности функций.

С математической моделью может выполняться полное совпадение. Лица сравниваются путем минимизации дисперсии класса и одновременного максимизации между дисперсией класса для принятия решения о классификации. Биометрический шаблон, сгенерированный из этой фактической системы, состоит всего лишь от 6,3 до 31,5 Кбайт данных и описывает статистическую дисперсию лица без сохранения каких-либо данных изображения. В системе безопасности первый шаблон будет создан при биометрическом зачислении, а второй – в точке проверки. Их можно сравнить, чтобы составить счет матча всего за 4 микросекунды.

Реальные системы

Испытания показали, что система берет, в среднем, всего 4,7 секунды, чтобы проверить личность человека, включая время, затраченное на инструктаж и положение человека. Однако 80% этих людей были проверены менее чем за две секунды, и уже ведется работа по дальнейшему совершенствованию системы. В настоящее время исследователи расширяют алгоритмы соответствия лица, чтобы соответствовать человеку с их электронным паспортом.

В последних электронных паспортах содержится цветное изображение владельца, закодированного на интегрированном чипе, и исследователи Aurora недавно разработали движок, который может подтвердить этот образ против живого инфракрасного изображения лица, представляющего свой электронный паспорт, в стойке безопасности , Аналогично программам быстрого пролета, которые уже действуют в аэропортах по всему миру, в скором времени могут быть доступны проверки самообслуживания для массового пассажирского транзита