ЖУРНАЛ СТА №2/2020

П ОЧЕМУ ТРЕБУЕТСЯ РАСПОЗНАВАНИЕ ЛИЦ ? Конечно, существуют и другие сигна- туры человеческого тела, такие как дан- ные отпечатков пальцев, сканирования радужной оболочки глаза, распознава- ния голоса, оцифровки вен ладони, и ин- формация, полученная в результате внед- рения технологий, основанных на ана- лизе поведения людей. Распознавание лиц продолжает оставаться предпочти- тельнымметодом биометрической иден- тификации человека, потому что систе- му на его основе легко развернуть и внед- рить, а пользователю не требуется ника- кого физического взаимодействия с объ- ектом. К тому же все процессы обнару- жения и сопоставления лиц для провер- ки и/или идентификации выполняются очень быстро. Л УЧШИЕ ТЕХНОЛОГИИ РАСПОЗНАВАНИЯ ЛИЦ Итак, что же является лучшим про- граммным обеспечением для распозна- вания лиц? В гонке за биометрически- ми инновациями несколько крупных мировых проектов претендуют на пер- вое место. Все веб-гиганты в области программного обеспечения: Google, Apple, Facebook, Amazon и Microsoft (GAFAM) – регулярно публикуют свои теоретические открытия в области ис- кусственного интеллекта, распознава- ния изображений и анализа лиц, пыта- ясь как можно быстрее расширить наше понимание методов. Самые последние результаты испытаний, проведённых в марте 2018 года Управлением по науке и технике Министерства внутренней без- опасности США и известных как «Рал- ли биометрических технологий», также являются хорошим источником для ана- лиза программного обеспечения распо- знавания лиц, доступного на рынке. Давайте внимательнее посмотрим на методы распознавания лиц. Так, в 2014 году компания Facebook снова объ- явила о запуске своей программы Deep- Face, которая может определить, при- надлежат ли два сфотографированных лица одному и тому же человеку, с точ- ностью до 97,25%. При проведении того же теста с людьми правильные ответы получали в 97,53% случаев, что на 0,28% лучше, чем это делает программа Facebook. В июне 2015 года возможно- сти пакета программного обеспечения FaceNet от Google позволили достичь более высоких показателей. Широко ис- пользуемый метод в наборе данных «Помеченные лица в дикой природе» (LFW) FaceNet установил новый рекорд точности – 99,63% (0,9963 ± 0,0009). Используя искусственную нейронную сеть и новый алгоритм, разработчики компании из Маунтин-Вью смогли свя- зать изображение лица с его владельцем с почти идеальными результатами. Эта технология включена в Google Фото и используется для сортировки изображений с пометками на лицах узнанных людей. Доказав свою значи- мость в биометрической среде, разра- ботчики выпустили неофициальную онлайн-версию с открытым исходным кодом, известнуюкакOpenFace. На рис. 1 представлено одно из многих примене- ний технологии распознавания лиц на базе OpenFace. Исследования, проведённые специа- листами Массачусетского технологиче- ского университета (MIT) в феврале 2018 года, показали, что инструменты про- граммных технологий распознавания лиц Microsoft, IBMиMegvii (FACE++), при- меняемые в Китае, имеют высокую сте- пень повторяемости ошибок при иден- тификации женщин с более тёмной ко- жей по сравнению с мужчинами со свет- лой кожей. И уже в конце июня 2018 го- да компания Microsoft объявила в своём блоге, что внесла существенные улучше- ния в алгоритмы распознавания лиц, ко- торые позволяют избежать подобных ошибок. В свою очередь, в мае 2018 года специалисты компании Ars Technica со- общили, что Amazon уже активно про- двигает свой облачный сервис распозна- вания лиц под названиемRekognition для правоохранительных органов. В пресс- релизе указывалось, что данный сервис в состоянии распознавать до 100 человек, попавших в один кадр, и может сопо- ставлять лица с базами данных, содержа- щими десятки миллионов лиц. Но в ию- ле вNewsweek появилось сообщение, что технология распознавания лиц Amazon неверно определила 28 членов Конгресса США как людей, арестованных за пре- ступления. О СНОВНЫЕ ПОСТАВЩИКИ БИОМЕТРИЧЕСКИХ ТЕХНОЛОГИЙ В конце 2018 года Управление по нау- ке и технике Министерства внутренней безопасности США опубликовало ре- зультаты исследований, проведённых в Мэрилендском испытательном центре (MdTF). Исследования проводились на специальном стенде, представляющем собой коридор размером 2 × 2,5 м, с ре- альной нагрузкой и тестированием всех 12 программных платформ с установ- ленными на них системами распознава- ния лиц по фиксированной методике оценки производительности. Решение Gemalto, использующее программное обеспечение для распознавания лиц (LFIS), дало отличные результаты: коэффициент распознавания лица со- ставил 99,44% менее чем за 5 секунд (средний показатель у других произво- дителей – 68%), а показатель истинной идентификации поставщика – 98% ме- нее чем за 5 секунд, по сравнению с дру- гими усреднёнными значениями в 66%, и уровень ошибок 1% по сравнению со средней величиной 3,2%. На рис. 2 представлен один из функциональных экранов приложения, используемого ОБ ЗОР / Т Е Х НОЛОГ ИИ СТА 2/2020 7 www.cta.ru Рис. 1. Применение технологии OpenFace с открытым исходным кодом ©Алексей Попов | Dreamstime.com Рис. 2. Визуализация этапов проведения «живого» тестирования систем распознавания лиц Piyamas Dulmunsumphun | Dreamstime.com