Лицо как ID: 5 примеров использования технологии распознавания лиц. Идентификация по лицу

Методы распознавания в системах биометрической идентификации

Биометрическая идентификация – это способ распознавания человека по физиологическим или поведенческим критериям, который нашел свое применения в системах безопасности. Методы биометрической идентификации  используются, как для авторизации и аутентификации, так и для розыска людей, полицейских расследований.

Существующие на данный момент физиологические методы биометрической идентификации условно можно разделить на несколько видов:

• Идентификация по отпечаткам пальцев (дактилоскопия). Самый распространенный способ.
• Распознавание лица
• Идентификация по ладоням рук
• Распознавание по ДНК
• Распознавание по радужной оболочке глаза
• Распознавание по сетчатке глаза
• Распознавание по запаху
• Распознавание по голосу

Многие люди сталкиваются с системами биометрической идентификации по долгу службы,  особенно  там, где деятельность человека связана с повышенной секретностью или опасностью.

Фантастика и реальность в методах биометрической идентификации

Но для подавляющего большинства эти методы представляют собой диковинку, с которой они познакомились при просмотре фантастических фильмов. Не все то, что придумано фантастами, воплощается в жизнь, тем не менее, реальные технологии наступают на пятки выдуманным.

Многим любителям фантастики хорошо известен фильм "Особое мнение", в котором персонаж Тома Круза вынужден был сделать пересадку глазных яблок, чтобы обойти биометрические системы, идентифицирующие человека по радужной оболочке глаз. Такая система биометрической идентификации в фильме работала в месте массового скопления людей, где контролировала передвижения объекта, транслировала рекламу, "подогнанную" под конкретного клиента, его статус, финансовые возможности и предпочтения. Сразу приходит в голову вопрос: почему главный герой не надел солнцезащитные очки? Или на тот момент существовал специальный законодательный акт, запрещающий их ношение?

Для идентификации человека по радужной оболочке глаз в толпе потребуются даже не мегапиксельные камеры, а гига- или терапиксельные, ну или специальные трансфокаторы с очень точным механизмом наведения на зрачок и высокоточной оптикой. Не говоря о том, что для определения расположения глаз на лице, необходимо сначала найти на кадре само лицо.  Сегодня такие технологии - это научная фантастика в чистом виде.

Биометрические методы идентификации в системах видеонаблюдения и контроля доступа

Для биометрической идентификации в местах массового скопления людей подходит тот метод, который меньше всего будет влиять на «человеческий трафик» и исключает необходимость "сотрудничества" распознаваемых лиц с системой (такого как прикладывание пальцев или ладоней к сканерам, использование запахоуловителей и др.). Из всех перечисленных биометрических методов для идентификации в публичных местах сегодня применим только один – распознавание лиц. Причем, человеку совсем не обязательно знать, что в какой-то момент его лицо фотографируется и сравнивается с базой данных эталонных изображений. Другие же методы биометрической идентификации, несмотря на их большую точность, применимы только там, где от человека можно добиться «кооперации»  – например, в системах контроля доступа на особо важных объектах или на паспортном контроле на границе.

Системы биометрической идентификации по лицу человека

Биометрическая идентификация лиц на сегодняшний момент занимает второе место после сканирования отпечатков пальцев. Развитие этого направления биометрии позволяет с высокой точностью распознать человека, особенно если применять трехмерное сканирование лица. Разница между двухмерными и трехмерными системами – в количестве получаемой информации о лице. 2D-системы работают с «плоской картинкой», 3D –системы – с объемной моделью. За счет обработки большей информации о лице – не только о его поверхности, но и о форме -  можно добиться большей точности распознавания.

Предыдущие поколения биометрических систем идентификации по лицам людей сталкивались с такими проблемами:

• Изменение цвета кожи (в том числе и с помощью косметики)
• Ношением очков
• Ношением бороды и усов
• Изменения поверхности лица при болезни
• С изменяющейся мимикой

Появление 3D-алгоритмов распознавания в системах биометрической идентификации минимизировало влияние этих факторов на достоверность распознавания.

При этом необходимо достаточно быстро распознавать людей в публичных местах, на станциях метро, на вокзалах, в аэропортах. Благодаря бурному развитию техники и вычислительных мощностей компьютеров, в настоящий момент VOCORD FaceControl 3D строит 3D-модель лица менее чем за секунду, что позволяет использовать систему в местах с плотным потоком людей.

old.vocord.ru

Способы идентификации личности человека - www.13min.ru

Понятие биометрии. Наступили времена, когда дактилоскопия, сканирование сетчатки глаза или особенности голоса из шпионских атрибутов перешли к обеспечению безопасности и комфорта в различных сферах современной жизни. Речь идет о биометрических технологиях.

Идентификация личности по биометрическим параметрам

Биометрией называется совокупность способов и устройств для идентификации человека, которые основаны на его уникальных физиологических или поведенческих характеристиках.

Этот вид идентификации может применяться для предотвращения запрещенного доступа в здания, к компьютерам, банкоматам, мобильным телефонам и так далее.

Биометрические свойства это:

• отпечатки пальцев;
• геометрия лица;
• радужная оболочка глаз;
• рисунок сетчатки;
• голос;
• почерк;
• печать на клавиатуре;
• узор вен на руках и др.

Наука 2.0 Идентификация личности

Преимущества биометрической идентификации

Биометрическая защита дает больший эффект по сравнению, например, с использованием паролей, смарт-карт, PIN-кодов, жетонов или технологии инфраструктуры открытых ключей. Это объясняется возможностью биометрии идентифицировать не устройство, но человека.

Обычные методы защиты чреваты потерей или кражей информации, которая становится открытой для незаконных пользователей. Исключительный биометрический идентификатор, например, отпечатки пальцев, является ключом, не подлежащим потере.

Классификация способов биометрии

По типу используемой информации биометрическая идентификация делится на:

• Статические способы, основанные на уникальных свойствах, данных человек от рождения и неотъемлемых от него. Физиологические показатели (геометрия ладони или папиллярный узор пальцев) являются неизменными для человека’
• Динамические способы, основанные на поведенческой (то есть динамической) характеристике личности. Эти особенности характерны для подсознательных движений при воспроизведении каких-либо действий (речи, подписи, динамики клавиатурного набора). Такие поведенческие характеристики испытывают влияние управляемых и не очень управляемых психических факторов. Из-за их переменчивости биометрические образцы должны обновляться при их использовании.

Далее будут рассмотрены способы биометрической идентификации, соответствующие видам перерабатываемой информации.

Способы идентификации личности по биометрическим параметрам

Дактилоскопия

Этот метод опознавания является самым распространенным. Он использует неповторимость папиллярных узоров пальцев для каждого человека. Специальным сканером получают изображение пальцевого отпечатка. Оно трансформируется в цифровой код и сопоставляется с шаблоном, введенным ранее.

Дактилоскопия

Процесс идентификациидлитсяне больше нескольких секунд. Определенный недостаток, сдерживающий развитие этого метода, состоит в предубеждении некоторых людей, не желающих оставлять данные о своих отпечатках пальцев. Контраргумент разработчиков аппаратуры заключается в том, что информация о папиллярном узоре не хранится, а хранится только короткий идентификационный код, выстроенный по отпечатку пальца и не позволяющий воссоздать узор для сравнения. Преимуществом метода является простота в использовании, надежность и удобство.

Форма кисти руки

Отождествление по форме руки

Этот статический метод основан на измерении формы кисти руки. Она также является уникальным биометрическим параметром человека. Специальное устройство позволяет получить трехмерный вид кисти. В результате получают измерения для создания уникального цифрового кода, идентифицирующего человека.

Данный метод по своей технологии и точности сопоставим с методом отождествления по отпечатку пальца, хотя само устройство для реализации метода занимает много места. Чрезвычайно мала вероятность наличия двух идентичных кистей рук, имеющих одинаковую геометрию, хотя руки с возрастом меняются.

Сегодня идентификация по геометрии руки применяется в законодательных органах, больницах, международных аэропортах и т. д.

Радужная оболочка глаза

Аутентификация радужной оболочки

Основой этого метода является исключительность узора на радужной оболочке глаза. Для его выполнения нужна камера, чтобы получать изображение глаза с достаточным разрешением, и специальное программное обеспечение для выделения из полученного изображения рисунка на радужной оболочке. По нему и создается цифровой код, служащий для идентификации человека.

Достоинством сканеров является то, что от человека не требуют сосредотачиваться на цели, поскольку образец пятен радужной оболочки сосредоточен на поверхности глаза. Сканирование возможно на расстоянии меньше 1 м. Это удобно для использования, например, в банкоматах.

Строение глаза

Идентификация по сетчатке глаза

Сетчатки сканируется с помощью низкоинтенсивного инфракрасного света, который направляется к кровеносным сосудам задней стенки глаза через зрачок. Сканеры сетчатки широко распространены в системах доступа на секретные объекты, поскольку у них почти не бывает неправильного разрешения доступа. Ошибки могут объясняться отклонением головы от эталонного положения и неправильной фокусировкой взгляда на источнике света.

Даже у близнецов различается капиллярный рисунок сетчатки. Вот почему этот способ может успешно использоваться для идентификации личности.

Недостатком таких систем можно отнести психологический фактор: не каждый человек может смотреть в темное отверстие, в котором в глаз что-то светит. Кроме того, эти системы чувствительны к неверной ориентации сетчатки, поэтому надо внимательно следить за положением глаза по отношению к отверстию.

Форма лица

Форма лица как объект для идентификации

Этот статический метод идентификации заключается в создании двух- или трехмерного образа лица человека. Камерой и специализированным программным обеспечением на изображении лица подчеркиваются контуры глаз, губ, бровей, носа и т. д. Затем вычисляют расстояния между этими элементами и прочие параметры. По этим сведениям создается образ, который для сравнения преобразуется в цифровую форму.

Этот способ относится к наиболее динамично развивающимся направлениям в индустрии биометрии. Его привлекательность основана на том, что не требуется специального дорогого оборудования. Достаточно персонального компьютера и видеокамеры. Кроме того, отсутствует физический контакт с устройствами. Не нужно прикасаться ни к чему, либо останавливаться, специально ожидая срабатывания системы.

Почерк

Распознавание по рукописному почерку

Основой идентификации по почерку служит уникальность и стабильность этого фактора для каждого человека. Характеристики измеряются, переводятся в цифровой вид и подвергаются компьютерной обработке. То есть для сравнения выбирается не письмо как продукт, а сам процесс.

Распространены два метода обработки данных: обычное сравнение с образцом и динамическая верификация. Первый ненадежен, потому что подпись не всегда одинакова. Такой метод приводит к большому проценту ошибок. Динамическая верификация состоит в более сложных вычислениях. Этим методом в реальном времени регистрируются параметры самого процесса подписи: скорость движения руки на различных участках, силу давления и длительность разных этапов подписи. Это исключает подделку, так как невозможно в точности скопировать движения руки автора подписи.

Клавиатурный почерк

Распознавание по клавиатурному почерку

Этот метод, в общем, аналогичен описанному выше, однако подпись в нем заменяется неким кодовым словом, а из оборудования нужна лишь обычная клавиатура. Основной идентификационной характеристикой является динамика клавиатурного набора кодового слова.

Согласно современным исследованиям, клавиатурный почерк обладает определенной стабильностью, благодаря чему можно однозначно идентифицировать личность. Исходными данными является время между нажатием клавиш и их удержания. Причем время между нажатием показывает темп работы, а удержания — стиль работы, то есть плавное нажатие либо резкий удар.

Вначале на этапе фильтрации удаляются данные о «служебных» клавишах – функциональных, управления курсором и т. д.

Потом выделяются следующие характеристики пользователя:

• число ошибок в процессе набора;
• время между нажатиями на клавиши;
• скорость набора.
• время на удержание клавиш;
• аритмичность при наборе.

Голос

Распознавание по голосу

Биометрический метод идентификации голоса удобен в применении. Причинами его внедрения являются широкое распространение телефонных сетей и встраивание микрофонов в компьютеры. Недостатками можно считать факторы, оказывающие влияние на распознавание: помехи в микрофонах, окружающие шумы, ошибки в процессе произнесения, разное эмоциональное состояние человека при идентификации и т. п.

Главное в построении устройств аутентификации по голосу – выбор параметров, лучше всего описывающих индивидуальность голоса. Эти параметры сигнала называются признаками индивидуальности. Такие признаки, кроме данных об особенностях голоса, должны иметь и другие свойств. Например, они должны легко измеряться, и мало зависеть от шумов и помех. Кроме того, они должны обладать стабильностью во времени и сопротивляться имитации.

Разработаны системы с применением метода комбинированного анализа голоса с мимикой. Оказывается, мимика говорящего отличает только его и будет иной у произносящего те же слова другого человека.

Артерии и вены

Термографическое наблюдение лицевых артерий и вен

Идентификация человека по лицу сильно упрощаются, если перейти в инфракрасный диапазон световых волн. Термография идентифицируемого лица выявляет уникальность расположения на лице артерий, снабжающих кожу кровью. Вопроса подсветки для этих биометрических устройств не существует, поскольку они воспринимают лишь температурные перепады лица и свет им не нужен. Эффективность распознавания не зависит от перегрева или переохлаждения лица, естественного старения личности, пластических операций, так как они не изменяют внутреннее положение сосудов.

Способом лицевой термографии можно различать близнецов, лицевые кровеносные сосуды которых сильно различаются.

В этом способе идентификации используется специализированная видеокамера инфракрасного дальнего диапазона.

Идентификация по венам руки

Венозная система руки

На биометрическом рынке присутствуют устройства, которые построены на анализе индивидуального расположения вен на руках. Во внимание принимается рисунок вен, расположенных на тыльной стороне кисти сжатой в кулак руки. Наблюдение за рисунком вен осуществляет телевизионная камера при инфракрасной подсветке. При вводе изображения производится его бинаризация, выделяющая вены. Подобное оборудование производит единственная английская фирма Vinchek.

Перспективы биометрии

Доминирующим способом идентификации личности по-прежнему остается распознавание отпечатков пальцев. Для этого существуют две главные причины:

• во многих странах начался переход на паспорта с биометрическими данными;
• разработка обновленных моделей сканеров пальцевых отпечатков для применения в маленьких устройствах (сотовые телефоны, карманные ПК, ноутбуки).

Существенное расширение можно ожидать в секторе идентификации по подписи в связи с широким внедрением цифровой электронной подписи. Распознавание голоса тоже может набрать обороты благодаря реализации крупных проектов в строительстве интеллектуальных зданий.

Основные прогнозы сводятся к тому, что внедрение биометрических устройств безопасности в скором будущем приобретет лавинный характер. Борьба с глобальным терроризмом потребует практического использования любых достижений в этой сфере. Благодаря интенсивному развитию мультимедийных и цифровых технологий и дальнейшее их удешевление позволят разработать и внедрить принципиально новые системы идентификации.

Определенные биометрические технологии сейчас проходят стадию разработки и некоторые из них признаны перспективными:

1. термограмма лица в инфракрасном диапазоне;
2. характеристики ДНК;
3. спектроскопия кожи пальцев;
4. отпечатки ладоней;
5. форма ушной раковины;
6. параметры походки человека;
7. индивидуальные запахи человека;
8. уровень солености кожи.

Эти способы биометрической идентификации на сегодняшний день можно считать сформировавшимися. Возможно, скоро они перейдут от научных исследований к коммерческим технологиям.

www.13min.ru

Распознавание человека на фотографии с помощью dlib

Глубокие нейронные сети можно использовать для проведения биометрической идентификации человека по лицу. Такая идентификация удобна, потому что она выполняется быстро и не требует от человека каких-либо специальных действий. Кроме того, лицо у человека всегда с собой, его нельзя забыть дома или потерять.

Идентификация по лицу применяется во многих системах безопасности и обслуживания. Давайте рассмотрим пример из банковской отрасли. Клиент приходит в банк и показывает паспорт. Сотруднику банка нужно определить, что паспорт принадлежит именно этому человеку. Эта задача называется верификацией. Она не так проста, как может показаться, потому что люди в жизни иногда выглядят совсем не так, как на фотографии в паспорте. Например, я с возрастом изменился (хотя и не очень сильно):

Примеры более серьезных изменений можно найти на сайте adme.ru.

Задачу верификации можно решать автоматически, если сфотографировать клиента на web-камеру (это сейчас делают многие банки) и сравнить полученное изображение с фотографией в паспорте. Давайте посмотрим как это можно сделать с помощью глубоких нейронных сетей.

Библиотека машинного обучения dlib

Для распознавания человека на фотографии мы будем использовать библиотеку машинного обучения dlib, которая содержит удобные средства распознавания лиц. Библиотека написана на C++, но у нее есть Python API, который мы и будем использовать.

Установить dlib проще всего вместе с Anaconda. Установите Anaconda для своей операционной системы, а затем выполните команду:

conda install -c conda-forge dlib

Если вы не используете Anaconda, то можно установит dlib вручную по инструкции. Однако этот процесс значительно дольше и сложнее.

Алгоритм верификации

Для решения задачи верификации мы будем использовать сверточную нейронную сеть, а именно предварительно обученную нейронную сеть ResNet. От сети отрезаются слои, отвечающие за классификацию, и остаются только сверточные слои, которые извлекают ключевые признаки из изображения. Результат работы - набор чисел, который называется дескриптором. Такие дескрипторы мы извлечем из фотографии клиента в паспорте и с web-камеры.

dlib использует модифицированный вариант сети ResNet34. Эта сеть выдает дескрипторы из 128 чисел. Сеть обучена специальным образом так, чтобы дескрипторы фотографий одного человека находились рядом друг с другом, а дескрипторы фотографий разных людей - далеко друг от друга.

Чтобы оценить близость дескрипторов в dlib используется Евклидово расстояние. Если значение Евклидова расстояния между дескрипторами меньше 0.6, то считается, что на фотографиях один и тот же человек. С использованием такой метрики dlib обеспечивает точность 99.38% на тесте распознавания лиц Labeled Faces in the Wild.

Загрузка предварительно обученных моделей

Для работы нам понадобятся предварительно обученные модели для выделения лица на фотографии и извлечения дескрипторов из лица. Эти модели можно скачать с сайта dlib:

Скачанные файлы нужно разархивировать и скопировать в каталог с программой распознавания лиц.

Реализация верификации человека на фотографии

Давайте рассмотрим, как реализовать верификацию человека на фотографии с помощью библиотеки dlib. Сначала нем необходимо подключить нужные модули:

import dlib from skimage import io from scipy.spatial import distance

Подключаем библиотеку dlib, модуль io из библиотеки scikit-image для загрузки фотографий из файлов, а также модуль distance из библиотеки SciPy, который будет использоваться для рассчета Евклидова расстояния.

Создаем модели для распознавания лиц на основе ранее загруженных файлов:

sp = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') facerec = dlib.face_recognition_model_v1('dlib_face_recognition_resnet_model_v1.dat') detector = dlib.get_frontal_face_detector()

Загружаем и показываем первую фотографию. Это будет фотография из паспорта:

img = io.imread('sozykin_passport.jpg') win1 = dlib.image_window() win1.clear_overlay() win1.set_image(img)

Фотография выглядит следующим образом:

Находим на фотографии лицо по 68 ключевым точкам с помощью алгоритма, описанного в статье One Millisecond Face Alignment with an Ensemble of Regression Trees:

dets = detector(img, 1) for k, d in enumerate(dets): print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format( k, d.left(), d.top(), d.right(), d.bottom())) shape = sp(img, d) win1.clear_overlay() win1.add_overlay(d) win1.add_overlay(shape)

Найденное лицо и ключевые точки на нем будут показаны на фотографии:

Извлекаем дескриптор из найденного лица:

face_descriptor1 = facerec.compute_face_descriptor(img, shape)

Можно напечатать дескриптор и посмотреть, как он выглядит:

Пример дескриптора лица из 128 чисел

-0.143361 -0.010574 -0.0205466 -0.0760989 -0.0817859 0.0557212 -0.0598148 -0.104499 0.156351 -0.113137 0.2541 -0.0255717 -0.294706 -0.0657252 0.00546183 0.0197356 -0.119519 -0.0928954 -0.0307344 -0.025405 0.0452379 0.027095 -0.0301305 0.0345449 -0.133859 -0.27474 -0.159836 -0.18149 -0.0380562 -0.0625319 0.00485351 0.0269533 -0.0954231 -0.0492104 0.031918 0.0857472 -0.0927711 -0.0259642 0.233257 -0.00325606 -0.121691 -0.079394 0.0188353 0.197803 0.130644 0.0386678 -0.0112381 -0.0870395 0.141996 -0.205454 0.0560226 0.253123 0.206587 0.118089 0.0277112 -0.154927 0.0465367 0.162008 -0.245842 0.0605535 0.048827 -0.0922293 -0.0161505 -0.0251943 0.197178 0.106469 -0.167589 -0.182694 0.208899 -0.130925 -0.081063 0.127503 -0.199762 -0.283384 -0.185639 0.0758053 0.370921 0.135176 -0.126596 -0.00810343 -0.170073 -0.130998 -0.0382377 0.0440755 0.00773637 -0.111487 -0.0522793 -0.0378758 0.171189 -0.0571423 0.025922 0.188256 0.00952435 0.0605275 0.0295069 0.0615573 -0.0917479 0.0212216 -0.057545 0.0380124 -0.0730892 -0.134272 0.0256359 0.063667 -0.145198 0.228549 0.0148294 -0.0463585 -0.057713 -0.0879126 -0.10461 -0.0139646 0.219559 -0.319542 0.197508 0.113558 0.116419 0.194342 0.0509606 0.105459 -0.0153985 -0.0616571 -0.264749 -0.0923162 0.00994077 -0.000828513 -0.0394463 0.0146801

Теперь сделаем все то же самое для фотографии с web-камеры:

img = io.imread('sozykin_webcam.jpg') win2 = dlib.image_window() win2.clear_overlay() win2.set_image(img) dets_webcam = detector(img, 1) for k, d in enumerate(dets_webcam): print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format( k, d.left(), d.top(), d.right(), d.bottom())) shape = sp(img, d) win2.clear_overlay() win2.add_overlay(d) win2.add_overlay(shape) face_descriptor2 = facerec.compute_face_descriptor(img, shape)

Вот так выглядит фотография с выделенным лицом и ключевыми точками на нем:

Теперь у нас есть два дескриптора лиц с разных фотографий face_descriptor1 и face_descriptor2. Чтобы определить, один и тот же человек на фотографиях, или нет, нам нужно найти Евклидово расстояние между дескрипторами:

a = distance.euclidean(face_descriptor1, face_descriptor2) print(a)

Результат рассчета расстояния:

Евклидово расстояние меньше 0.6, значит две фотографии принадлежат одному человеку.

Фотографии разных людей

Давайте попробуем сравнить фотографии разных людей. Загружаем фотографию другого человека и выделяем ее дескриптор:

img = io.imread('foto.jpg') win2 = dlib.image_window() win2.clear_overlay() win2.set_image(img) dets_webcam = detector(img, 1) for k, d in enumerate(dets_webcam): print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format( k, d.left(), d.top(), d.right(), d.bottom())) shape = sp(img, d) win2.clear_overlay() win2.add_overlay(d) win2.add_overlay(shape) face_descriptor2 = facerec.compute_face_descriptor(img, shape)

Вот результат обнаружения лица (это фотография моей жены):

Рассчитываем Евклидово расстояние:

a = distance.euclidean(face_descriptor1, face_descriptor2) print(a) 0.8440052856492404

Расстояние больше 0.6, значит на фотографиях разные люди.

Изменение позы человека на фотографии

Может возникнуть вопрос: зачем выделять ключевые точки на лице? Почему нельзя просто извлекать дескриптор сразу из фотографии лица? Дело в том, что человек может смотреть не прямо в камеру, а в сторону. Например, так:

Если извлекать дескриптор из фотографии повернутого лица, он может сильно отличаться от дескриптора фотографии лица в фас. Чтобы решить эту проблему, dlib использует афинное преобразование фотографии с использованием ключевых точек. Производится перенос ключевых точек в такую позицию, как будто бы человек смотрит прямо в камеру. Дескрипторы извлекаются только после афинного преобразования изображения.

Расстояние между дескрипторами на фотографии из паспорта и фотографии, на которой я смотрю в сторону от камеры:

Расстояние больше, чем для фотографии, на которой я смотрю прямо в камеру, но все равно меньше 0.6. Значит на фото один и тот же человек.

Тестирование точности верификации

Пока все работает хорошо. Давайте протестируем более сложный случай: сравним фотографии похожих людей. Я нашел фотографию похожего на меня человека с помощью сервиса FindFace:

Видно, что сходство действительно большое. Расстояние между дескриптором из этой фотографии и дескриптором из фотографии моего паспорта:

Расстояние меньше рекомендуемого dlib значения 0.6, хотя на фотографиях разные люди. Это означает, что не всегда можно использовать значения расстояния, рекомендованные dlib или другой аналогичной библиотекой. Возможно для вашей системы, чтобы добиться необходимой точности, придется снизить границу расстояния до 0.5 или другого значения.

Итоги

Итак, мы научились проводить верификацию человека на фотографии с помощью библиотеки dlib. На первом шаге мы находим на фотографии лицо и его ключевые точки. Если человек смотрит в сторону, то ключевые точки переносятся таким образом, чтобы лицо было направлено прямо в камеру. Затем из выделенного лица извлекается дескриптор из 128 чисел с помощью предварительно обученной сети ResNet34. Для определения близости дескрипторов используем Евклидово расстояние.

По рекомендации dlib, если Евклидово расстояние меньше 0.6, значит на фотографиях один и тот же человек. Однако, как мы убедились, если использовать значение 0.6, то возможны ложные положительные срабатывания на фотографиях похожих людей. Поэтому вам, возможно, придется самостоятельно подбирать значение границы Евклидова расстояния для своих данных, чтобы обеспечить необходимую точность верификации.

Полный текст примера программы верификации человека по лицу в Jupyter Notebook есть в репозитории на github.

Полезные ссылки

1. Библиотека машинного обучения dlib.
2. Дистрибутив Python Anaconda.
3. Набор данных Labeled Faces in the Wild.
4. Статья по выделению и выравниванию лица на фотографии: One Millisecond Face Alignment with an Ensemble of Regression Trees.
5. Репозиторий github с полным текстом программы.

www.asozykin.ru

Идентификация по лицу в вопросах и ответах

Что представляет собой технология распознавания по рисунку лица?

Системы распознавания по форме лица являются встроенными компьютерными программами, которые анализируют изображения лиц людей в целях их идентификации. Программа берет изображение лица и измеряет такие его характеристики, как расстояние между глазами, длина носа, угол челюсти, на основе чего создается уникальный файл, который называется "шаблон". Используя шаблоны, программа сравнивает данное изображение с другими изображениями, а затем оценивает, насколько изображения являются похожими друг на друга. Обычными источниками изображений для использования при идентификации по лицу являются сигналы от телекамер и ранее полученные фотографии, наподобие тех, что хранятся в базе данных водительских удостоверений.

Как технология распознавания по лицу используется в настоящее время?

В отличие от других биометрических систем, распознавание по рисунку лица может использоваться для общего видеонаблюдения, обычно в сочетании с телекамерами, установленными в общественных местах. В США идентификация по лицу применяется в настоящий момент в двух основных областях. Во-первых, в аэропортах, где использование таких систем было предложено, а в некоторых случаях и реализовано, после террористических актов 11 сентября. О внедрении этой технологии объявили аэропорт Логан в Бостоне, аэропорт T.F. Green в Провиденсе (штат Род-Айленд), международный аэропорт Сан-Франциско и аэропорт Фресно в Калифорнии.

Второй областью применения данной технологии стали крупные спортивные мероприятия, например, Кубок США по американскому футболу, проводившийся в Тамре, когда фотографии всех посетителей были отсняты во время их входа на стадион через турникеты и затем сопоставлены с информацией какой-то секретной базы данных. Администрация не стала сообщать, сведения о ком содержала эта база данных, но известно, что компьютерная программа пометила 19 человек. Впоследствии полицейские сообщили, что часть отметок являлась ложной тревогой, а в целом никто из помеченных системой людей был не более, чем мелким преступником, вроде билетного спекулянта.

Насколько хорошо срабатывают устройства идентификации по лицу?

Компьютеры способны совершать все более поразительные вещи, но, тем не менее, они не являются волшебным средством. Если сами люди часто не могут узнать субъекта, изображенного на фотографии, то какой надежности можно ожидать от компьютера? Человеческий мозг в высшей степени приспособлен к распознаванию лиц, к примеру, маленькие дети запоминают лица гораздо лучше, чем любые другие формы. Помимо всего прочего, человеческий мозг обладает гораздо большей, чем компьютеры, способностью компенсации изменений освещенности и угла зрения. Дело в том, что лица имеют чрезвычайно сложный рисунок и часто отличаются друг от друга только неуловимыми деталями, поэтому нередко как человеку, так и компьютеру бывает невозможно сопоставлять изображения при наличии разницы в освещении, угла обзора камеры, не говоря уже изменения внешнего вида самого лица.

Поэтому неудивительно, что проведенные правительством США исследования программных средств распознавания по лицу установили высокий процент ложного распознавания невинных людей и идентификации их с фотографиями других лиц, находящихся в базе данных. а также неспособность этих средств распознать настоящих преступников, даже если их фото имеются в наличии в базе данных. Проблема заключается еще и в том, что в отличие от отпечатков пальцев или радужной оболочки, наши лица меняются с течением времени. Системы распознавания легко ошибаются из-за изменения прически, растительности на лице или веса тела, из-за применения человеком каких-то простейших средств изменения внешности, а также из-за проявления последствий старения.

К примеру, исследование, проведенное Национальным институтом стандартов и технологий (NIST), установило, что уровень ложной идентификации или нераспознавания субъектов, чьи фотографии были сделаны всего 18 месяцев назад, равен 43%. При этом фотографии, использованные в исследовании, были отсняты в идеальных условиях, что весьма важно, так как программы распознавания по лицу очень плохо справляются с оценкой изменения освещенности или угла наклона камеры. "Трудны" для них и фотографии с оживленным фоном. Исследование NIST также пришло к заключению, что изменение угла наклона камеры на 45 градусов делает такие программы практически бесполезными. Наилучшим образом технология распознавания лица срабатывает в строго контролируемых условиях, когда субъект смотрит прямо в камеру при яркой освещенности. Правда, другое исследование, проведенное Министерством обороны США, обнаружило высокий уровень ложной идентификации даже при таких идеальных условиях. Таким образом, от снимков с зернистым изображением или старых фотографий, типа тех, которые хранятся в личных делах, будет очень мало пользы.

Кроме этого, поднимались вопросы о том, насколько хорошо срабатывают программы в отношении темнокожих людей, черты лица которых могут не различаться объективами, оптимизированными для съемки людей со светлой кожей.

Самир Нанавати (Samir Nanavati) из консалтинговой фирмы "Международная биометрическая группа" пришел к следующему выводу: "При использованиисистемы видеонаблюденияс интегрированной в нее программой биометрической идентификации мы можем рассчитывать на распознавание только очень малого процента известных преступников, сведения о которых находятся в базе данных".Каким опытом идентификации по лицу располагает правительство США?

Несколько государственных организаций отказались от использования систем распознавания по лицу после того, как убедились в том, что эти системы работают далеко не так, как это рекламируется. К таким организациям относится Служба иммиграции и натурализации США, которая экспериментально использовала данную технологию для идентификации людей в машинах, пересекающих американо-мексиканскую границу.

Тем не менее, в распоряжении правительства находится огромная, готовая к использованию база данных изображений лиц граждан -- это фотографии водительских удостоверений. По закону, правительство не может продать эти фотографии частным компаниям, однако не предусмотрено никаких ограничений для использования этих снимков самим правительством для целей видеонаблюдения и идентификации. Федеральное правительство приступило к финансированию экспериментальных проектов по использованию фотографий с водительских удостоверений в базах данных систем биометрической идентификации.

Должны ли мы применять распознавание по лицу в аэропортах для предотвращения актов терроризма?

Не имеет смысла использовать данную технологию в аэропортах. Только двое из 19 угонщиков, совершивших теракт 11 сентября, были известны ЦРУ и ФБР, а те террористы, которые остаются на свободе, пока что не спешат выстроиться в очередь для того, чтобы американское правительство их сфотографировало. Помимо этого, технология просто сама по себе недостаточно надежна для такого серьезного объекта как аэропорт, где оживленная обстановка и быстро передвигающиеся толпы людей создают постоянно меняющийся фон, который еще более снижает и без того ограниченную эффективность данных систем. Имеются свидетельства того, что системы будут пропускать значительное число подозрительных лиц, включенных в базу данных, одновременно помечая большое количество невинных людей, что ведет к снижению бдительности, непроизводительным тратам людских ресурсов и рабочего времени, а также созданию ложного чувства безопасности.

Должны ли мы применять данную технологию в местах общественного пользования?

Если идентификация по лицу не оправдывает себя в аэропортах и при проведении крупных спортивных мероприятий, таких как Суперкубок по футболу, то ее использование для общего наблюдения еще более нецелесообразно. Угроза безопасности на обычной улице гораздо ниже, чем в аэропортах, а социологические исследования видеонаблюдения в общественных местах, проведенные в Великобритании, показали, что оно не ведет к снижению уровня преступности. Равновесие между рисками и преимуществами использования биометрической идентификации по лицу в таких местах является еще менее очевидным, чем в аэропортах.

Каким образом технология распознавания по лицу может угрожать неприкосновенности частной жизни?

Одна из потенциальных угроз заключается в том факте, что распознавание по рисунку лица в сочетании со все более широким применением видеонаблюдения со временем будет проникать во все новые и новые области. После установки подобного рода систем наблюдения их применение редко ограничивается целями, для которых они были предназначены изначально. Возникают все новые способы их использования, а организации и операторы таких систем часто не могут устоять от соблазна расширить с их помощью свою власть и влияние, нанося тем самым еще один удар по правам граждан. В конечном счете, угроза состоит в том, что широко применяемоевидеонаблюдениеизменит характер, восприятие и качество повседневной жизни граждан.

Другой угрозой является возможность злоупотребления. Применение идентификации по лицу в местах общественного пользования, таких как аэропорты, зависит от широкого внедрения видеомониторинга -- проникающей формы наблюдения, при помощи которой личный и частный характер поведения может регистрироваться графическими средствами. Опыт показывает, что видеонаблюдением будут злоупотреблять. Системы видеокамер управляются обычными людьми, которые привносят на место своей работы все свои имеющиеся предубеждения и предвзятость. Например, в Великобритании, где очень широко используютсякамеры видеонаблюденияв публичных местах, было обнаружено, что операторы неоправданно сосредотачивают внимание на цветных (темнокожих), а операторы-мужчины часто склонны "подглядывать" за женщинами.

Хотя полицейское видеонаблюдение не так широко распространено в США, расследование, проведенное газетой Detroit Free Press показало, какие виды злоупотреблений могут иметь место. Проверяя, как использовалась база данных, доступная правоохранительным органам Мичигана, журналисты газеты обнаружили, что полицейские применяли ее для того, чтобы помочь своим друзьям или даже коллегам по работе следить за женщинами, угрожать водителям, отслеживать супругов, живущих отдельно, и даже запугивать политических оппонентов. Неизбежная истина заключается в том, что чем больше людей имеют доступ к базе данных, тем больше вероятность, что этой базой данных будут злоупотреблять.

Распознавание по лицу особенно подвержено злоупотреблениям, так как данная технология может использоваться пассивным образом, т.е. для ее применения не требуется согласие или участие субъекта, за которым ведется наблюдение. Камеру возможно установить в любом месте и "натренировать" ее на людей. Современные телекамеры легко обеспечивают просмотр лиц с расстояния более 90 м. Люди ведут себя по-другому, если знают, что за ними наблюдают, и имеют право знать о том, что их движения и их поведение отслеживаются.

Итак, главный вопрос заключается в следующем: на основании чего мы решаем, следует ли нам устанавливать системы идентификации по лицу?

Распознавание по лицу, равно как и любая другая технология обеспечения безопасности, не должна применяться до тех пор, пока не будут получены ответы на два вопроса. Первый, эффективна ли эта технология? В значительной ли степени она повышает нашу защищенность и безопасность? Если получен ответ "нет", то не имеет смысла продолжать обсуждение этого вопроса. Если ответ -- "да", то необходимо задать следующий вопрос: нарушает ли данная технология разумный баланс между безопасностью и неприкосновенностью личной жизни. Фактически, распознавание по лицу не выдерживает критики ни в первом, ни во втором аспекте: ввиду своей ненадежности, эта технология не может обеспечить нашу безопасность, однако может представлять значительную угрозу неприкосновенности нашей частной жизни.

Источник: Американский союз гражданских свобод (American Civil Liberties Union)

Источник:http://www.secnews.ru/articles/2323.htm#ixzz2g0EesuurSecurity News

faceid-technologies.blogspot.com

Лицо как ID: 5 примеров использования технологии распознавания лиц

Сегодня на рынке представлены сразу несколько типов подобных систем и выполняют они разные по уровню сложности задачи: от дистанционного распознавания в толпе до учета рабочего времени в офисе. Решения для распознавания лиц доступны заказчикам на разных платформах – это серверная архитектура, мобильные и встраиваемые решения и облачные сервисы.

Современные системы работают на нейросетевых алгоритмах глубокого обучения, поэтому точность распознавания максимальная даже для изображений низкого качества, они устойчивы к поворотам головы и обладают другими преимуществами.

Пример 1. Общественная безопасность

Обеспечение безопасности – это своего рода отправная точка, с которой началось внедрение систем биометрической идентификации. Системы дистанционного распознавания лиц применяются для обеспечения безопасности объектов массового нахождения людей.

Самая сложная задача – идентификация человека в толпе.

Так называемое некооперативное распознавание, когда человек не взаимодействует с системой, не смотрит в объектив камеры, отворачивается или пытается скрыть лицо. Например, на транспортно-пересадочных узлах, метро, крупных международных мероприятиях.

Кейсы

Одним из самых значимых проектов 2017 для нашей компании стала крупнейшая международная выставка EXPO-2017, проходившая в Казахстане этим летом. В системе дистанционного биометрического распознавания лиц применялись специализированные камеры.

Выделение лиц в кадре происходит в самой камере и на сервер передается только изображение лица, это разгружает канал и существенно снижает затраты на сетевую инфраструктуру. Камеры контролировали четыре входные группы, в разных частях комплекса. Архитектура системы была разработана таким образом, что входные группы работали по отдельности или все вместе, при этом корректная работа системы обеспечивалась всего 4 серверами и 48 камерами.

С помощью видеоаналитики в режиме онлайн на крупных территориально-распределенных объектах ищут подозреваемых, пропавших людей, расследуют происшествия и инциденты, ведут анализ пассажиропотоков.

В некоторых аэропортах до конца 2017 года биометрия начнет применяться и для регистрации пассажиров на рейс. По данным портала Tadviser, системы «умных гейтов» в аэропортах планируют также внедрить 12 европейских стран (Испания, Франция, Нидерланды, Германия, Финляндия, Швеция, Эстония, Венгрия, Греция, Италия, Румыния).

А следующим шагом должно стать внедрение систем распознавания лиц для прохождения пограничного и миграционного контроля. При государственной поддержке внедрение идентификации по лицу может стать такой же обыденностью, как рамки металлодетекторов в перспективе ближайших трех-пяти лет.

Пример 2. Знать своего покупателя в лицо

Бизнес тоже делает ставку на биометрическую идентификацию по лицу. В первую очередь, это розничная торговля.

Системы распознают пол и возраст покупателей, частоту и время посещения торговых точек, аккумулируют статистику по каждому отдельному магазину сети.

После этого для отдела маркетинга в автоматическом режиме выводятся подробные отчеты как в целом по сети, так и с разбивкой по торговым точкам. На основе этих отчетов удобно составлять «портрет клиента», планировать эффективные маркетинговые кампании.

К сожалению, мы не можем разглашать заказчиков. В их числе крупнейшие ритейлеры и DIY (Do It Youself) сети, в ассортименте которых присутствует дорогой инструмент и комплектующие.

Как это работает

Многие опасаются утечек конфиденциальной информации, но мы особо подчеркиваем, что никакие личные данные распознанных людей не хранятся в архивах. Более того, хранится даже не изображение, а его биометрический шаблон, по которому изображение не восстановить.

При повторных визитах «подтягивается» биометрический шаблон лица, поэтому система точно знает, кто и сколько раз был в магазине. За сохранность личных данных можно быть спокойным.

Для небольших магазинов, автосалонов, аптек механизм сбора маркетинговой аналитики реализован в облачном сервисе распознавания. Для предприятий малого и среднего бизнеса такой вариант является более предпочтительным, поскольку не требует затрат на серверное оборудование, найм дополнительного персонала, обновление софта и так далее Это, во-первых, удобный инструмент для оценки эффективности торговых точек, а во-вторых, отличный помощник для выявления воров. То есть одна система выполняет сразу несколько функций.

Пример 3. Системы контроля и управления доступом

Помимо вышеперечисленных функций, систему распознавания лиц удобно применять как альтернативу Proximity-картам в системах контроля и управления доступом (СКУД).

Они имеют ряд преимуществ: обеспечивают высокую достоверность распознавания, их невозможно обмануть, скопировать или украсть идентификатор, их легко интегрировать с существующим охранным оборудованием. Можно даже использовать уже имеющиеся камеры наблюдения. Системы биометрической идентификации лиц работают дистанционно и очень быстро с фиксированием событий в архиве.

На базе биометрической СКУД удобно вести учет рабочего времени сотрудников, особенно в крупных офисных центрах.

Кейс

Мы внедрили такую систему на крупном индийском предприятии, которое специализируется в сфере логистики в прошлом году. Число постоянных сотрудников – более 600 человек. При этом компания работает в круглосуточном режиме и практикует «плавающий» трудовой график. С помощью нашей системы дистанционной биометрической идентификации заказчик получил полный и достоверный учет рабочего времени сотрудников, инструмент превентивной безопасности объекта и СКУД.

Пример 4. Пропуск болельщика на стадион

В момент покупки билета в кассах лицо каждого покупателя автоматически фотографируется и подгружается в систему. Так формируется база посетителей матча. Если покупка была через интернет или мобильное приложение, то авторизация возможна удаленно с помощью «селфи». В дальнейшем, когда человек придет на стадион, система его распознает без всяких паспортов.

Идентификация посетителей спортивных соревнований стала обязательной согласно Федеральному закону № 284-ФЗ «О внесении изменений в статью 20 Федерального закона «О физической культуре и спорте в Российской Федерации» и статьи 32.14 Кодекса Российской Федерации об административных правонарушениях.

На стадион пройдет именно тот, кто купил билет, передать билет другому лицу или пройти по поддельному билету невозможно. Дистанционное распознавание лиц на стадионах работает по такому же принципу, как на крупных территориально-распределенных транспортных объектах: если человек внесен в списки лиц, которым доступ на стадион запрещен, система его не пропустит.

Кейс

В марте 2016 года в рамках совместного проекта Вокорда и Ханты-Мансийского филиала ПАО «Ростелеком» система дистанционного распознавания лиц применялась для обеспечения безопасности Кубка мира по биатлону, проходившего в Ханты-Мансийске. С 2015 года такая же система успешно работает в многофункциональном спортивном комплексе «Арена Омск». Он входит в шестерку самых больших спортивных сооружений России, является крупнейшим спортивно-развлекательным объектом Сибири и базой хоккейного клуба «Авангард».

Пример 5. Интернет-банкинг и банкоматы

Еще одной нишей, в которой обосновалось распознавание лиц, является банковская сфера. Здесь внедрение новых технологий проходит интенсивно, поскольку финансовый сектор больше других заинтересован в достоверности и сохранности персонифицированной информации.

Сегодня биометрия постепенно начинает, если не вытеснять привычные и устоявшиеся «бумажные» документы, то идти с ними вровень. При этом существенно повышается степень защиты при проведении платежей: для подтверждения транзакции достаточно посмотреть в камеру своего смартфона. При этом сами биометрические данные никуда не передаются, соответственно, перехватить их невозможно.

Внедрение технологий биометрической идентификации напрямую связано с массовым использованием электронных сервисов и устройств, развитием интернет-торговли и распространением пластиковых карт взамен наличных денег.

С появлением высокопроизводительных графических процессоров (GPU) и сверхкомпактных аппаратных платформ на их базе – таким как NVIDIA Jetson – распознавание лиц начало внедряться в банкоматы. Теперь снять наличные или провести операции по счету может только владелец карты, например, через банкоматы Тинькофф-банка. А PIN-код скоро может уйти на пенсию.

Материалы по теме:

Этот подросток может совершить революцию в области искусственного интеллекта

Инвестиции в криптовалютные фонды — риски и возможности

Скрепки, ИИ и уничтожение вселенной: мысленный эксперимент футуролога превратили в игру

Ученые смогут прочитать мысли птицы с помощью нейросетей

Как искусственный интеллект и машинное обучение становятся основным приоритетом работы Google

Актуальные материалы — в Telegram-канале @Rusbase

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

rb.ru

Биометрические системы распознавания внешности.

Главная  → Технологии  → Биометрические системы распознавания внешности

Андрей Борзенко

Биометрические признаки — это четкие, индивидуальные, биологически обусловленные характеристики каждого человека. В принципе не существует двух людей с одинаковыми биометрическими признаками. Примерами биометрических методов идентификации могут служить анализ отпечатков пальцев, геометрической формы рук, узора радужной оболочки или сетчатки глаз, расположения кровеносных сосудов, термического образа, лица, голоса, динамики подписи, ритма работы на клавиатуре и т. д. Стоит отметить, что все они очень сильно зависят от целевой установки и области применения. На сегодня только три биометрических метода уже доказали свою практичность: распознавание по отпечаткам пальцев, радужной оболочке или сетчатке глаз и по чертам лица.

Еще не так давно системы, использующие биометрические методы идентификации, можно было встретить только в научно-фантастических книгах или фильмах. Современная биометрия началась фактически с применений в целях контроля доступа в середине 70-х годов прошедшего столетия. Первые биометрические системы предоставляли довольно высокую степень безопасности только за счет высокой стоимости входящих в них биометрических устройств. Появление в последние годы недорогих микропроцессоров и передовой электронной техники для работы с изображением намного снизило стоимость и увеличило точность биометрических устройств.

Не секрет, что управление работой организации во многом сводится к предотвращению причин, препятствующих выполнению ее функций. Одна из таких причин — нарушение полномочий доступа на территории объектов или к источникам конфиденциальной информации и вычислительным ресурсам организации. Чтобы разграничить доступ сотрудников и клиентов организации на ее объекты или к информации, представляющей определенную значимость, существуют специальные автоматизированные системы. Сегодня многие учреждения частично или полностью используют в подобных системах биометрию.

Вообще говоря, любая система контроля доступа основана на идентификации или аутентификации абонентов (или групп абонентов) этой системы. Как уже отмечалось, существует ограниченное, хотя и достаточно большое количество характерных свойств и признаков определенной личности, которые можно использовать для ее идентификации. Цель любой системы контроля доступа заключается в том, чтобы предоставить людям, имеющим соответствующие полномочия, возможность прохода в определенные зоны. Как правило, этого можно достичь только путем применения биометрических устройств.

Основная функция любого биометрического устройства — распознавание личности. Контроль доступа требует не только идентификации человека; система может также отпирать дверь, разрешать или запрещать доступ в зависимости от времени суток и, при необходимости, приводить в действие сигнал тревоги. Биометрическая технология может осуществлять эти задачи несколькими способами.

По сравнению с традиционными биометрические методы идентификации личности имеют ряд преимуществ, а именно:

• биометрические признаки очень трудно фальсифицировать;
• в силу уникальности биометрических признаков достоверность идентификации очень высока;
• биометрический идентификатор нельзя забыть, как пароль, или потерять, как пластиковую карточку.

Характеристики биометрических систем

Наиболее важный фактор успеха биометрической системы — это ее одобрение пользователями. Оно, в свою очередь, зависит от нескольких факторов. Во-первых, устройство не должно вызывать у пользователя чувства тревоги или дискомфорта. Возможно, это субъективный показатель, но он весьма важен для понимания проблем пользователей. Если люди боятся использовать устройство, то, скорее всего, они будут обращаться с ним неправильно и в результате не получат доступа. Во-вторых, биометрическое устройство должно быть простым в использовании. Клиентам нравятся устройства, с которыми просто работать. В-третьих, биометрическое устройство должно функционировать четко и точно. Если биометрическая система работает так, как надо, она делает две вещи: не позволяет войти «плохим» и разрешает вход «хорошим». Однако ни одно устройство не может быть абсолютно совершенным, и биометрические системы — не исключение, они могут допустить ошибку: впустить «плохих» или закрыть вход для «хороших». Возможность таких ошибок выражается уровнем ложных приемов и ложных отказов.

Показателями надежности биометрических систем могут служить вероятности ошибок первого и второго рода. Ошибки первого рода определяют вероятность ложного отказа (FRR, False Rejection Rate) и возникают при отказе в доступе легальному пользователю системы. Ошибки же второго рода показывают вероятность ложного допуска (FAR, False Acceptance Rate) и появляются при предоставлении доступа постороннему лицу. FRR и FAR связаны обратной зависимостью. Современные биометрические системы имеют очень большой разброс этих характеристик.

Биометрическую систему также можно характеризовать уровнем равной вероятности ошибок первого и второго рода (EER, Equal Error Rates) — точкой, в которой вероятность ошибки первого рода равна вероятности ошибки второго рода. На основании EER можно делать выводы об относительных достоинствах и недостатках разных биометрических методов. Чем ниже уровень EER, тем лучше. Например, уровень в один процент означает, что из 100 попыток опознания человек будет ошибочно отвергнут или ошибочно узнан один раз.

Еще один параметр, о котором стоит задуматься при выборе и установке биометрической системы, — ее пропускная способность. По сути, это время, которое требуется человеку для взаимодействия с данным устройством.

Выбор системы контроля доступа — сложный вопрос. При этом требуется проанализировать характер возможных угроз, разработать модель потенциального «шпиона», определить требования к системе безопасности, изучить рынок предлагаемых систем и т. д. Делая выбор системы контроля доступа на основе биометрических методов идентификации личности, нужно быть осторожным с официально публикуемыми данными об уровнях ошибок. Поскольку они определяются методикой и длительностью тестирования, объемом и характером статистических выборок, а применение биометрических устройств может быть весьма разнообразным, то уровни ошибок от реализации к реализации могут меняться в широких пределах.

Помимо декларируемой надежности и цены необходимо учитывать и такие факторы, как совместимость с существующими системами. Рассматривая конкретную систему контроля доступа к вычислительным ресурсам, нужно убедиться в корректности ее работы с имеющимся оборудованием и ПО, а также проанализировать возможность ее интеграции в уже установленные системы защиты.

Кроме того, надо понять, насколько приемлема система для пользователей, которые будут с ней сталкиваться. Под приемлемостью для пользователя в данном случае понимается его отношение к процессу аутентификации или идентификации. Так, процедура взятия отпечатков пальцев может рассматриваться как нечто унизительное, вызывая ассоциации с применением ее в криминалистике. С этой точки зрения идентификация по параметрам руки выглядит более безобидной. Немаловажный параметр практически любой системы — скорость проведения регистрации и верификации абонентов. Большинство предлагаемых систем выполняют аутентификацию и/или идентификацию практически в реальном масштабе времени. Продолжительность регистрации нового абонента от нескольких десятков секунд до нескольких минут также приемлема, поскольку эта процедура выполняется только однажды.

Современная систем должна быть многоуровневой и представлять собой комплекс технических и административных решений. Наилучшие результаты получаются, когда опознание личности проводится и биометрическими, и традиционными методами. Чем больше данных, тем больше потенциал для развития систем безопасности, и биометрия здесь оказывается оптимальным решением.

В соответствии с ростом числа приложений, где возможно применение биометрических технологий, растет и объем производства биометрических устройств, что позволит существенно снизить цены на системы такого рода уже в ближайшее время. Кроме того, уменьшению их стоимости способствует и снижение цен на компьютерные услуги.

Распознавание лица

Один из новых способов, завоевавший значительную популярность, — распознавание облика. Люди легко узнают друг друга по лицам, но автоматизировать подобное опознание вовсе не легко. Большая часть работ в этой области была посвящена тому, чтобы получить изображение при помощи фотографии или видеокамеры. Только в США и Германии над технологиями опознавания по чертам лица работали несколько десятков компаний, которым были выделены правительственные гранты. Первоначально разработки предназначались для спецслужб, но со временем результаты этих исследований разрешили применять и в коммерческих целях. В результате на рынке появилось некоторое количество систем распознавания (правда, не все из них оказались пригодными на практике).

Технология распознавания позволяет сканировать человеческие лица в режиме реального времени. Видеокамера подключается к терминалу, и система определяет, соответствует ли лицо в кадре фотографиям из базы данных. Принцип работы системы распознавания по лицу основан на специальном алгоритме оцифровки изображений, позволяющем выбирать на кадрах лицо человека и оцифровывать его, выделяя большое количество параметров (так называемые базовые точки — скулы, цвет и форма глаз, ширина переносицы, губ и т. д.). В результате каждое лицо описывается уникальным набором параметров, причем с некоторым избытком. Для идентификации с высокой степенью точности требуется не более 40 характеристик, тогда как система обычно задает около 2 тыс. оценочных параметров. Это обеспечивает высокую надежность опознания независимо от поворота головы, наличия очков, косметики. В принципе для надежного опознания человека программе достаточно всего несколько десятков базовых точек. Фотография и цифровое описание лица заносятся в базу данных, с которой впоследствии сравнивается распознаваемое лицо.

Вообще говоря, на рынке систем автоматического распознавания лица господствуют два типа систем. Первые базируются на статистическом методе: на основе набора биометрических данных и их обработки формируется некий электронный образец как уникальное в своем роде число, относящееся к конкретной личности. Такой тип систем достаточно широко распространен, но идентификация с их помощью, как правило, не очень надежна.

Методы, относящиеся ко второму типу, близки к человеческому видению проблемы распознавания. Система самообучаема и робастна в отношении изменчивости лица — таких факторов, как возраст, наличие усов или бороды, очков. Для идентификации и верификации можно использовать и старые фотографии. Технология в принципе позволяет работать даже с рентгеновскими снимками. Приемлемость такого принципа пока не удалось превзойти, так как он моделирует «человеческий подход»: один человек разглядывает лицо другого, чтобы его идентифицировать. Как и анализ личной подписи, определение идентичности по фотографии в паспорте относят к наиболее доступному и признанному методу распознавания личности.

Для защиты данных и информации также предпочтительно использовать системы распознавания лица. Кроме того, контроль лица выполняется с определенным комфортом: он бесконтактен и обеспечивает удобную и быструю обработку данных.

В качестве единственного биометрического приложения метод распознавания лица можно использовать в разных областях. Помимо сравнения с содержанием баз данных цифровых фото и классического контроля доступа (верификации), с помощью этого метода можно бесконтактно распознавать людей и в негрупповых сценариях. Распознавание лица неэффективно только тогда, когда значительные изменения, например, вследствие несчастного случая, делают невозможным даже человеческую визуализацию.

Использование любого биометрического признака имеет свои преимущества и недостатки. Поэтому ни в коем случае нельзя ожидать, что какой-либо отдельный метод добьется приоритетного признания. Большинство экспертов сходятся в том, что пользователь в зависимости от постановки задачи должен сам сделать выбор между тремя методами распознавания: по отпечаткам пальцев, радужной оболочке глаза или лицу.

В отличие от других биометрических технологий (идентификация по отпечаткам пальцев, радужной оболочке глаза или по голосу) система распознавания по чертам лица не требует непосредственного контакта с человеком, личность которого устанавливают. Не нужно просить человека оставлять отпечатки пальцев, смотреть в объектив или произносить какие-то слова.

Идентификация персоны по лицу на пункте контроля доступа.

Распознавание лица — это, пожалуй, единственный биометрический способ идентификации персон, для применения которого не требуется специальная техника. Именно в лицо мы узнаем родных и близких, а не прибегаем, скажем, к сличению отпечатков пальцев или радужной оболочки. Кроме того, использование фотографии для удостоверения личности владельца — традиционная рутина уже на протяжении нескольких десятилетий. Наверное, каждому знаком процесс предъявления пропуска вахтеру и внимательный взгляд в лицо посетителя, а компьютер лишь автоматизирует процедуру. Эти факторы в значительной степени упрощают внедрение распознавания лица в современные комплексы безопасности, позволяя избежать конфликта с пользователями и риска быть отвергнутыми.

Метод распознавания лица — это единственный биометрический способ идентификации персон и с точки зрения многоцелевого применения. В отличие от других биометрических методов, применимых только для контроля доступа или сравнения в базе данных, технология распознавания образа позволяет детектировать (находить) лицо человека в видеокадре, либо для последующего сравнения с базой данных, либо наоборот, чтобы скрыть его от случайного зрителя. Благодаря встроенным инфракрасным излучателям компьютер легко распознает каучуковую маску как муляж, имитирующий лицо. Наблюдаемый объект должен иметь человеческую кожу, естественную мимику и быть «живым», в противном случае срабатывает звуковой сигнал предупреждения.

Распознавание по чертам лица происходит на расстоянии, незаметно, не привлекая внимания человека. С точки зрения служб безопасности и спецслужб это несомненное преимущество. Правозащитники же полагают, что применение подобных технологий нарушает право человека на анонимность. Впрочем, производители технологий распознавания подготовились к протестам и позаботились о правах личности. Если система не находит совпадений с лицами в базе данных, то в ее памяти не остается никакой информации о человеке, который появлялся перед камерой. Производители также заявляют, что в системах применяются стандартные камеры видеонаблюдения. Общество давно привыкло к этим камерам, использование которых уже регулируется законодательством. В развитых странах в магазинах принято предупреждать о том, что в помещении ведется наблюдение. А есть ли терминал для опознавания в кабинете службы безопасности или нет — какое, мол, до этого дело законопослушному посетителю.

Основные потребители подобных биометрических систем — не только службы безопасности (предприятий, аэропортов, супермаркетов, казино, банков), но и государственные учреждения (министерства, силовые ведомства, специальные структуры).

Здесь проходят контроль австрийские парламентарии (вход в здание парламента в Вене).

В России технология распознавания человека по лицу появилась недавно, но интерес к ней довольно высок. В частности, в нашей стране системами распознавания занимается инженерная корпорация «Солинг» ( http://www.soling.ru ). Многолетний опыт работы на рынке позволяет успешно адаптировать зарубежное оборудование к российским условиям и требованиям, внедрять новые технологии в создаваемые и уже существующие комплексы безопасности. Готовые, проработанные решения существуют в настоящее время на базе оборудования ZN Vision Technologies AG (Германия). [1]

Технология и решения ZN Vision Technologies

Компания была основана в 1993 г . на базе Рурского университета (Бохум, Германия) и Южно-Калифорнийского университета (Лос-Анджелес, США). С того времени Центр нейроинформатики (Zentrum fur Neuroinformatik) превратился в фирму ZN Vision Technologies AG ( http://www.zn-ag.com ). В 1996 г ., через три года после основания, компания привлекла к себе внимание общественности, получив премию немецкой промышленности за инновации. Последующие награды тоже не заставили себя ждать. В 1998 г . профессор-инженер Вернер фон Зеелен и профессор Кристоф фон дер Мальсбург были награждены премией Карла Хайнца Беккуртса, а в 2000 г . фон дер Мальсбург был отмечен Керберовской европейской научной премией. [2]

ZN Vision Technologies, имеющая в штате всего несколько десятков сотрудников, — одна из ведущих компаний в области автоматического наблюдения. Способность системы наблюдения обучить компьютеры интерпретировать и понимать изображения и события, снятые обычными камерами, базируется на математических методах, которые воспроизводят зрительное восприятие, свойственное человеку. ZN Vision Technologies использует технологию искусственного наблюдения там, где нужно «автоматизировать» анализ увиденного, чтобы повысить эффективность и качество. Сегодня эта технология используется не только в охранных системах, но и в медицинских технологиях. Используя патентованный метод распознавания человека по чертам лица, компания создает продукты, предназначенные для охраны зданий, для поиска людей в фотоархивах и для «разумного» видеонаблюдения. В области здравоохранения полученный врачами фотоматериал обрабатывается и автоматически сравнивается с базой фотоданных по изучаемой проблеме, например, с целью диагностики раковых заболеваний кожи. В сотрудничестве с более чем 15 исследовательскими институтами и 30 известными компаниями ZN Vision Technologies разрабатывает новые продукты в области фотографии, контроля качества в промышленности, в области автомобильной индустрии, маркетинга, продвижения продаж и увеличения изображений.

На сегодняшний день компания — признанный технологический лидер в разработке систем безопасности. На разработку новых технологий она потратила более 500 человеко-лет и более 30 млн евро. Кроме этого, ZN Vision Technologies постоянно занимается поиском новых сфер применения технологии и работает над расширением возможностей ее практического применения. Технологическое лидерство ZN Vision подтверждено многочисленными национальными и международными патентами и сотрудничеством с ведущими исследовательскими институтами и компаниями. В их число входят, например, фирмы Kaba, Interflex и Государственная типография, занимающие ключевые позиции в области интеграции систем безопасности.

Основываясь на технологии системного наблюдения, ZN Security (подразделение компании ZN Vision Technologies AG), предлагает продукты для автоматической идентификации и верификации людей. Разработанные компанией системы ZN-Face, ZN-Phantomas и ZN SmartEye выступают как основные составляющие при решении задач контроля доступа и аналитического видеонаблюдения.

ZN-Face

Консоль системы ZN-Face.

Система ZN-Face сочетает в себе новейшие компьютерные разработки с системой контроля доступа, основанной на автоматическом распознавании лиц. Она не только предлагает максимально возможную защиту зон безопасности, например, в банках, на промышленных и военных объектах, в аэропортах и на электростанциях, но может быть использована для любого ограничения доступа, например, на проходных фитнес-студий, клубов и т. д. Системе известны лица всех владельцев магнитных или чип-карточек. ZN-камера делает снимок человека, стоящего на рубеже контроля, и проверяет его в считанные доли секунды. Люди, системе незнакомые, доступа не получают. Специально разработанный модуль оптического фильтра и функция контроля за живым лицом предотвращает любую попытку обмана путем применения фотографий или масок. Система записывает все события, происходящие на контролируемом объекте, а работник службы безопасности в любое время имеет доступ ко всем данным и результатам идентификации.

С 1996 г . создавались различные версии системы, в настоящее время разработано третье поколение — ZN-Face III, в виде как стандартной системы, так и адаптируемой к специальным требованиям заказчика (например, для одного и для неограниченного количества пропускных пунктов).

Сегодня система контроля доступа ZN-Face — наиболее продаваемая в Европе. Первоначально разработанная для атомных электростанций, она теперь применяется как европейским отделением корпорации Microsoft в Германии, так и спортивными клубами в Голландии. В свое время германское ведомство информационной безопасности (Bundes amt fur Sicherheit in der Informationstechnologie, BSI) по окончании многопланового тестирования всех имеющихся на рынке биометрических систем признало соответствующими всем требованиям к обеспечению безопасности лишь продукт Iris Scan, основанный на идентификации по роговице глаза, и ZN-Face, основанный на идентификации по чертам лица.

ZN-Phantomas

Это компьютеризованная база фотоданных, которая может автоматически сравнивать и идентифицировать лица. Для сравнения годится фотография, фоторобот, рисунок или кадр, полученный при видеосъемке. ZN-Phantomas проводит поиск среди сохраненных в памяти изображений, используя систему распознавания лиц, созданную по образу работы человеческого мозга на базе технологии органического видения. Скорость работы системы позволяет просматривать 10 тыс. изображений за три минуты.

Многочисленные тесты показали, что квота успешной идентификации составляет практически 100% и не снижается при изменении внешности очками, бородой, прической и т. п. либо по причине старения человека. Таким образом, система оказывает действенную помощь подразделениям полиции в их оперативно-розыскной деятельности для идентификации и поимки преступников. Благодаря ZN-Phantomas становится более эффективной работа со свидетелями, так как можно исключить утомительный бессистемный поиск подозреваемого в фототеке. С 1997 г . ZN-Phantomas используется департаментами полиции в Европе и Америке и доказала свою эффективность, вычислив в Калифорнии двойного убийцу в полицейской базе данных путем сравнения с фотороботом. Помимо розыска преступников, система применяется для поиска пропавших людей и опознания жертв.

Стоит отметить, что система может работать со всеми SQL-базами данных, использующими ODBC-протокол (Oracle, Sybase SQL, DB2, Informix).

ZN-SmartEye

Это система видеонаблюдения с функцией идентификации людей, которой требуется всего несколько секунд, чтобы сравнить изображение лица человека с данными, содержащимися в емкой базе данных в «постоянной» памяти системы. Как только наблюдаемый человек идентифицируется с изображением из базы данных, на экране выводится сообщение и может, например, раздаться сигнал тревоги, чтобы офицер безопасности немедленно принял меры к задержанию. В то время как человеческое внимание начинает ослабевать после нескольких минут наблюдения за изображением на мониторе, ZN-SmartEye ведет наблюдение, не зная усталости, 24 часа в сутки. В частности, ZN-SmartEye защищает зоны безопасности и позволяет проводить скрытое наблюдение за посетителями в общественных местах, аэропортах, железнодорожных вокзалах, складах, магазинах, клубах или на спортивных аренах. Она может предупредить о визите высокопоставленных гостей или дать знать о появлении мошенников в казино или хулиганов на стадионах.

В настоящее время ZN Vision Technologies работает над новыми решениями, в которых применялись бы опробованные алгоритмы нечеткой логики (например, узнавание регистрационных знаков автомобиля). В частности, в сотрудничестве с Государственной типографией компания намерена разработать для крупных корпораций комплексные решения, позволяющие проводить авторизацию доступа или установление личности в большой массе людей быстрым, относительно недорогим и надежным способом.[3]

Примечания

1. Практика распознаванияТот факт, что метод автоматизированного распознавания клиента по лицу уже зарекомендовал себя на практике, не ставится под сомнение. В числе пользователей данной технологии — такие известные «распознаваемые лица», как Deutsche Bank, Европейский центр ядерных исследований (CERN), российский Центробанк, Национальный банк Литвы, корпорации Microsoft и Siemens, Федеральная типография (Германия). Атомные электростанции и сверхсекретные объекты также охраняются с помощью новой технологии. Первая электронная база данных цифровых фотографий с системой автоматического распознавания лица, созданная в ZN Vision Technologies, позволила многочисленным полицейским службам в Германии, Польше и США оптимизировать следственные действия и добиться качественного улучшения мер по розыску преступников. Интеллектуальный современный видеоконтроль гарантирует безопасность и защиту в местах скопления людей, так как позволяет с помощью информацию баз данных обнаружить известных и опасных персон в режиме реального времени.

2. Основоположник метода Кристоф фон дер Мальсбург с 17 лет разрабатывал теорию, позволяющую моделировать работу головного мозга. Впрочем, и тогда, когда он уже возглавлял институт в Геттингене, одновременно работая при университете в Лос-Анджелесе в области исследований работы головного мозга, многие коллеги фон дер Мальсбурга не воспринимали его идеи всерьез. Свою теорию ученый хотел доказать, пытаясь «научить» компьютеры видеть. Свой шанс фон дер Мальсбург получил в начале 90-х годов, когда правительство земли Северный Рейн — Вестфалия распределяло научный бюджет по Объединенной Европе. В то время фон дер Мальсбург преподавал в Бохумском университете. Вместе со своим коллегой, профессором Вернером фон Зееленом, он смог начать практические разработки.

3. Микросхема для распознавания лиц В компании STMicroeletronics (http://www.st.com) разрабатывается интегральная схема, ускоряющая исполнение алгоритмов распознавания лиц. Она содержит программируемый процессор Xtensa 200 МГц компании Tensilica, соединенный с программируемой логической матрицей (ПЛМ). Матрица реализует расширения языка С, на котором программируется Xtensa, используя специальные возможности процессора. Применение расширений позволяет ускорить обработку почти на порядок. ПЛМ также выполняет в микросхеме функции ввода-вывода. Опытный образец интегральной схемы изготовлен с учетом проектных норм 0,18 мкм.

Статья опубликована в BYTE № 11 (52), ноябрь 2002 Перепечатывается с разрешения автора.

www.computer-museum.ru

современные методы идентификации по биометрическим показателям / Хабр

Дактилоскопия — наиболее известный и распространенный метод установления личности по биометрическому параметру, отлично зарекомендовала себя в криминалистике XX века и помогла раскрыть ни одну сотню преступлений. Однако технологии не стоят на месте, и отпечатки пальцев перестали быть единственным «ключом» к идентификации.

Современная техника научились узнавать пользователей по сетчатке и радужной оболочке глаза, форме лица и рук и ряду динамических характеристик — голосу, биологической активности сердца, рукописному и клавиатурному почерку.

Идентификация по радужной оболочке глаза

Подобно отпечатку пальца, рисунок радужной оболочки глаза является уникальной характеристикой человека, а метод установления личности по этому биометрическому параметру, по мнению экспертов, превосходит в надежности привычную дактилоскопию. Для того, чтобы зафиксировать узор на радужке, нужна фотокамера с высоким разрешением. Полученное изображение увеличивается и преобразуется в уникальный код, присваиваемый человеку.

Рисунок радужки, который окончательно формируется на втором году жизни ребенка, практически не изменяется в течение жизни, если человек не получает травм и не страдает от серьезных офтальмологических патологий. В то же время, папиллярный узор отпечатка пальца подвержен изменению даже в результате мелких бытовых повреждений — ожогов или порезов, что делает этот метод идентификации менее эффективным, чем анализ радужной оболочки.

Достоинством метода является и простота в сканировании. Человеку не обязательно сосредоточенно смотреть в одну точку, ведь пятна на сетчатке находятся прямо на поверхности глазного яблока и легко считываются на расстоянии, не превышающем 1 метр. Использовать данный метод удобно в банковских организациях или общественном транспорте. Заинтересовались технологией и производители смартфонов — в 2015 году в Японии в продажу поступила первая модель со сканером радужной оболочки — Fujitsu Arrows NX F-04G. По мнению разработчиков, внедрение технологии идентификации по радужке глаза поможет защитить личные данные владельцев смартфонов.

Идентификация по сетчатке

Просканировать сетчатку — внутреннюю оболочку глазного яблока, реагирующую на свет, сложнее: для этого к кровеносным сосудам задней стенки глаза через зрачок посылают низкоинтенсивные инфракрасные световые лучи. Подобный метод установления личности считается высокоэффективным и активно используется на правительственных и военных объектах.

Капилярный рисунок сетчатки различается даже у близнецов, что снижает вероятность ошибки идентификации. Однако, в 2012 году ученые из Университета Нотр-Дам в США обнаружили погрешности в определении личностей людей, чьи данные были внесены в базу ранее 2008 года, и доказали, что, в отличие от рисунка на радужной оболочке, рисунок сетчатки подвержен ряду возрастных изменений.

И снова производители мобильных гаджетов не остались в стороне. Ряд компаний (например, китайская ZTE CORPORATION) работает на созданием комбинированных технологий идентификации по сетчатке и радужке.

Распознавание по «геометрии» лица

Метод установления личности по чертам кажется экспертам одним из наиболее перспективных, во многом благодаря своей «привычности»: люди с легкостью идентифицируют друг друга по лицам, так почему бы не научить этому компьютер? В основе технологии — создание двухмерных или трехмерных «карт» человеческих черт — система запоминает и опознает контуры носа и губ, форму бровей, расстояние между отдельными чертами.

Разработчики систем биометрического анализа отечественной компании BioLink называют распознавание по лицу второй по распространенности и популярности биометрической технологией. Однако, «опознание» по геометрии лица — задача трудоемкая, ведь на восприятие машины влияет освещение, угол наклона головы, наличие макияжа.

Наиболее эффективно техника распознает статичные изображения — фотографии. Так, система искусственного интеллекта FaceNet, созданная Google, “опознала” 99,63% фото пользователей интернета.

Распознавание по биологической активности сердца

Одна из новейших технологий динамической биометрической идентификации — установление личности на основе данных о работе сердечно-сосудистой системы.

В 2014 году Канадская компания Bionym представила миру устройство, позволяющее использовать ЭКГ человека в качестве персонального идентификатора. «В научном сообществе существует устоявшаяся идея о том, что уникальность и постоянство человеческого сердечного ритма позволяет использовать его в качестве биометрического идентификатора», — заметил генеральный директор Bionym Карл Мартин. — «В сущности, нужно сделать следующее: взять форму ЭКГ и подвергнуть ее машинному анализу, чтобы выявить уникальные и постоянные особенности».

Высокую эффективность технологии отметили отечественные специалисты по безопасности. «Кардиограмма, как оказывается, тоже может быть вполне перспективным средством биометрической аутентификации,» — отмечали эксперты «Лаборатории Касперского».

Подобные разработки уже сейчас ведутся в России. Например, представители отечественной компании CardioQVARK (о них уже были статьи на Хабре и Гиктаймс), производящей чехлы-кардиомониторы для iPhone, в работе «Исследование искусственных нейронных сетей в задаче идентификации личности по электрокардиосигналу» показали, что их продукт может помочь в установлении личности пользователей.

Основное назначение устройства — удаленный контроль за состоянием здоровья пациентов-сердечников, однако возможность сделать экспресс-анализ состояния сердечно-сосудистой системы позволит идентифицировать человека без временных затрат. Процедура снятия ЭКГ при помощи чехла от CardioQVARK предельно проста и занимает всего лишь несколько секунд: достаточно приложить пальцы к датчикам и результат ЭКГ появится на экране гаджета и в приложении для врача.

Анализ голоса

Биометрический метод идентификации по голосу прост в применении — достаточно оснастить аналитическое устройство микрофоном и записать «звучание» конкретного человека. Широкое распространение данного метода обусловлено наличием микрофона и возможности записи звука на большинстве современных мобильных гаджетов и компьютеров. Однако, технология имеет ряд существенных недостатков: голос одного и того же человека может звучать по-разному в зависимости от его психологического и физического состояния, уровня шума, качества микрофона.

Не только безопасность

Вопреки распространенному мнению, системы биометрической идентификации внедряются не только ради обеспечения безопасности охраняемых объектов или противодействия преступности. Например, ряд систем идентификации применяется в образовательных учреждениях. Некоторые современные школы внедряют сканирование радужной оболочки учащихся для контроля посещаемости и даже для упрощения процедуры оплаты школьных завтраков и обедов — ребенок приходит в столовую, его сетчатка сканируется, со счета родителей списывается определенная сумма за питание отпрыска. Используются и системы, сканирующие отпечатки пальцев. На производстве же подобные системы позволяют отмечать время, проведенное сотрудником на рабочем месте.

habr.com

---

• 
  Parkinson обувь
• 
  Летающий мотоцикл калашникова характеристики
• 
  Баллистическая ракета в небе
• 
  Миг 41 фото и характеристики
• 
  Айфон новые модели
• 
  Вспышка на солнце к чему может привести
• 
  Большой кубик рубика
• 
  Туманность космическая
• 
  Известные планеты
• 
  Зонд новые горизонты
• 
  Metro клей