Flujo del sistema de identificación de rostros. Boletín Científico Estudiantil Internacional. Tareas típicas con reconocimiento facial

Los modernos sistemas de seguridad integrados pueden resolver problemas de cualquier complejidad en diversas instalaciones industriales, sociales y domésticas. Los sistemas de videovigilancia son herramientas muy importantes de los complejos de seguridad, y los requisitos para la funcionalidad del segmento crecen constantemente.

Sistemas de seguridad integrados

Una única plataforma incluye módulos para equipos de seguridad y contra incendios, control y gestión de accesos, videovigilancia o televisión de seguridad (SOT). Hasta hace poco tiempo, las funciones de este último se limitaban a la vigilancia por vídeo y el registro de la situación en la instalación y el territorio adyacente, archivo y almacenamiento de datos. Los sistemas de video clásicos tienen una serie de desventajas significativas:

Factor humano. Trabajo ineficiente del operador a la hora de emitir gran cantidad de información.
La imposibilidad de intervención quirúrgica, análisis extemporáneo.
Tiempo significativo dedicado a buscar e identificar un evento.

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

Fuerza en el intelecto

El principio básico de la inteligencia es el análisis de video, una tecnología basada en métodos y algoritmos para el reconocimiento de patrones y la recopilación automatizada de datos como resultado del análisis de secuencias de video. Dicho equipo, sin intervención humana, es capaz de detectar y rastrear en tiempo real los objetivos especificados (automóvil, grupo de personas), situaciones potencialmente peligrosas (humo, fuego, intervención no autorizada en el funcionamiento de cámaras de video), eventos programados y emisión oportuna una señal de alarma. Al filtrar los datos de video que no son de interés, la carga en los canales de comunicación y la base de archivos se reduce significativamente.

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

Firmware y hardware

Para un funcionamiento eficiente del sistema, se utilizan varios tipos de cámaras IP con diferentes características de rendimiento. La detección de un objeto en el área controlada es registrada por cámaras panorámicas con una resolución de 1 megapíxel o más y una distancia focal de 1 mm, y los dispositivos de escaneo lo apuntan. Se trata de cámaras más avanzadas (a partir de 2 megapíxeles, a partir de 2 mm), que producen reconocimiento mediante métodos sencillos (3-4 parámetros). Para identificar un objeto se utilizan cámaras con buena calidad de imagen, suficiente para la aplicación de algoritmos complejos (a partir de 5 megapíxeles, 8-12 mm).

Los productos de software más populares para el reconocimiento facial "Face Intellect" (desarrollador - empresa House Control), Face director (empresa Synesis) y VOCORD FaceControl (VOCORD) demuestran:

Alta probabilidad de identificación de objetos (hasta 99%).
Compatibilidad con una amplia gama de ángulos de rotación de la cámara.
La capacidad de resaltar caras incluso en una densa masa de peatones.
Variabilidad en la elaboración de informes analíticos.

Fundamentos del reconocimiento de patrones

Cualquier sistema de reconocimiento biométrico se basa en identificar el cumplimiento de las características fisiológicas leídas de una persona con una determinada plantilla predeterminada.

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

Algoritmo de búsqueda de rostros

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

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

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

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

Tecnologías de reconocimiento

Después de la detección y localización en la etapa preliminar, tiene lugar el brillo y la alineación geométrica de la imagen. Otras acciones (cálculo de signos e identificación) pueden llevarse a cabo por varios métodos.

Al escanear un rostro completo en una habitación con excelente iluminación, los algoritmos que funcionan con imágenes bidimensionales muestran buenos resultados. Analizando puntos únicos y distancias entre ellos, el sistema de reconocimiento facial determina el hecho de identificación por los coeficientes de diferencia entre la imagen "en vivo" y la plantilla registrada.

Las tecnologías tridimensionales son resistentes a los cambios en el flujo de luz, la desviación permisible de la vista frontal es de hasta 45 grados. Aquí, no solo se analizan puntos y líneas, sino también las propiedades de las superficies (curvatura, perfil), la métrica de las distancias entre ellas. Para el funcionamiento de dichos algoritmos, se requiere la máxima calidad de grabación de video con una frecuencia de hasta 200 cuadros / s. El sistema se basa en videocámaras estéreo con una matriz de 5 megapíxeles, alta resolución óptica y un error de sincronización minimizado. Además, están conectados por un cable de reloj especial para transmitir pulsos de reloj.

El estado del mercado de los sistemas modernos

Los primeros, debido a su alto costo, se desarrollaron solo para instalaciones militares estatales y solo a mediados de los años 90 estuvieron disponibles para organizaciones comerciales. El rápido desarrollo de la tecnología ha permitido aumentar la precisión de los sistemas y ampliar el alcance de su aplicación. En el mercado de nuestro país, las posiciones de liderazgo pertenecen a los fabricantes de sistemas de seguridad estadounidenses y de Europa occidental. El líder de ventas es el equipo de las corporaciones ZN Vision Technologies y Visionics. Los más prometedores entre los desarrolladores nacionales son la investigación y los productos de Vocord, NTechLab, Soling, VisionLabs LLC y el grupo STC, que, entre otras cosas, también se dedican a adaptar complejos extranjeros a las condiciones rusas.

Control facial por computadora

El área de aplicación más extensa de la identificación sin contacto es la lucha contra el terrorismo y la delincuencia. La imagen de la cara del criminal se almacena en la base de datos. En lugares concurridos (aeropuertos, estaciones de tren, centros comerciales, instalaciones deportivas), las personas son filmadas en tiempo real para identificar a las personas buscadas.

La siguiente área son los sistemas de control de acceso: una muestra de una imagen fotográfica en un pase electrónico se compara con un modelo obtenido como resultado del procesamiento de datos de cámaras de video. El procedimiento se lleva a cabo instantáneamente, sin requerir ninguna acción adicional por parte de los que se someten (a diferencia del escaneo de retina o la toma de huellas dactilares).

Otra industria de rápido crecimiento es la comercialización. Una cartelera interactiva, después de escanear la cara de una persona, determina su sexo y edad, visualiza solo aquellos anuncios que serán potencialmente interesantes para el cliente.

Tendencias y perspectivas de desarrollo

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

El año pasado, la gerencia de Post Bank, después de instalar 50,000 cámaras de video inteligentes en sus oficinas, logró ahorrar millones de rublos al prevenir el fraude en los segmentos de préstamos y pagos. Los expertos dicen que para 2021 se creará la red de infraestructura necesaria y cualquier operación en los cajeros automáticos solo será posible después de la identificación biométrica del rostro del cliente.

En la próxima década, la alta tecnología permitirá abrir una cadena de tiendas de autoservicio completo: el comprador camina frente a los escaparates, selecciona el producto que le gusta y se va. El sistema de reconocimiento de rostro e imagen determinará la identidad del comprador, la compra y cancelará la cantidad necesaria de su cuenta.

Se está trabajando para crear sistemas de reconocimiento del estado psicoemocional. El análisis de las emociones humanas tendrá demanda en campos multimedia: animación, cinematografía, la industria de creación de juegos de computadora.

La introducción generalizada de los sistemas de videovigilancia ha provocado la aparición de la demanda de sistemas de reconocimiento e identificación para la grabación de vídeo. Dichos sistemas se basan en tecnologías que utilizan métodos de visión artificial para obtener automáticamente diversa información a partir del análisis de una secuencia de imágenes provenientes de cámaras de video en tiempo real. En otras palabras, esta tecnología se basa en métodos y algoritmos para el reconocimiento de patrones y procesamiento de imágenes como resultado del análisis de secuencias de video. Los modernos sistemas de reconocimiento e identificación basados en grabación de video son capaces de detectar y rastrear en tiempo real determinados objetivos (por ejemplo, un automóvil, un grupo de personas) o situaciones potencialmente peligrosas (por ejemplo, humo, fuego, acceso no autorizado) sin intervención humana. , y luego emitir una señal de alarma de manera oportuna. Otra ventaja de usar tales sistemas es una reducción significativa en la carga de los canales de comunicación y la base de archivo debido al filtrado del flujo de video en tiempo real. Cualquier sistema de reconocimiento e identificación basado en grabación de video se basa en cierto algoritmo para detectar la correspondencia de las características de lectura con una plantilla predeterminada. La cámara de video transmite el flujo de video al servidor en tiempo real, el sistema de reconocimiento e identificación determina la correspondencia de la información almacenada en la base de datos, y la identificación se realiza teniendo en cuenta factores predefinidos en el sistema (por ejemplo, bigotes o tocados). ).

sistema de reconocimiento

identificación de vídeo.

1. Brilyuk D.V., Starovoitov V.V. Reconocimiento de una persona por imagen de rostro por métodos de redes neuronales. - Minsk, 2002. - 54 págs. (Preprint / Instituto de Cibernética Técnica de la Academia Nacional de Ciencias de Bielorrusia; No. 2).

2. Kulyabichev Yu.P., Pivtoratskaya S.V. Descripción general de los métodos para identificar personas en función de imágenes faciales, teniendo en cuenta las características del reconocimiento visual

3. Rogozin O.V., Kladov S.A. Análisis comparativo de algoritmos de reconocimiento facial en el problema de identificación visual de la Universidad Técnica Estatal de Moscú. NORDESTE. Bauman, Moscú, 105005, Rusia

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

5. Reconocimiento de rostros por Elastic Bunch Graph Matching Laurenz Wiskott, Jean-Marc Fellous, Norbert Kruger y Christoph von der Malsburg,

Introducción

Hasta la fecha, los sistemas de videovigilancia modernos han implementado funcionalidades no solo para grabar un flujo de video y mostrar una imagen en la pantalla, sino también para proporcionar varias funciones analíticas. Por regla general, tales funciones consisten en automatizar el análisis de la información del video. Una de las funciones más solicitadas es el reconocimiento e identificación de personas en la zona de control. En dichos sistemas, las características clave del rostro humano se utilizan como parámetros físicos, por los cuales se puede distinguir de muchos otros.

Parte principal

Definamos la lista de tareas resueltas por los sistemas de identificación y reconocimiento facial basados en grabación de video en tiempo real:

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

2. Identificación en conjunto cerrado. El sistema de identificación y reconocimiento facial basado en grabación de video en tiempo real compara la imagen recibida del flujo de video con un conjunto de plantillas previamente grabadas de varias personas para identificar la identidad de esta muestra. Este problema se puede solucionar teniendo en cuenta que la persona propietaria de la muestra está presente en la base de datos. Esta tarea realiza una comparación de patrones de uno a muchos.

Definimos el alcance de tales sistemas en la siguiente lista:

1. Reconocimiento facial de infractores e intrusos en lugares públicos o en grandes eventos. Los sistemas de reconocimiento e identificación facial por videograbación reciben datos en tiempo real de los sistemas de videovigilancia de diversas entidades comerciales y cámaras instaladas en la ciudad. En base a la información recibida, se busca a los infractores o delincuentes para la posterior transferencia de datos a las fuerzas del orden.

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

El reconocimiento facial en toda la ciudad brinda una oportunidad única para los agentes del orden. Aproximadamente 16,000 empleados de agencias de aplicación de la ley, organizaciones estatales y municipales recibieron acceso al sistema de vigilancia de la ciudad. El sistema cuenta con diferenciación del nivel de acceso para diferentes grupos de usuarios, lo que permite mantener la confidencialidad de las acciones de los vecinos de la ciudad.

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

Dicho sistema puede usarse tanto como el principal (tomando una decisión sobre la admisión del sujeto al territorio cerrado) como duplicando. Los visitantes no identificados no tendrán acceso a la zona cerrada, y su foto se almacenará en la base de datos con el fin de procesar posteriormente este incidente por parte del servicio de seguridad.

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

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

3. Antirrobo en hipermercados y centros comerciales. El problema del robo sistemático lo enfrentan todas las tiendas grandes con un gran espacio comercial. El hecho es que los sistemas de videovigilancia existentes no son efectivos para prevenir robos y generalmente se usan solo para obtener evidencia de un robo ya cometido, cuando el daño ya está hecho. Los sistemas de identificación y reconocimiento facial basados en la grabación de video pueden detectar robos potenciales repetidos en los casos en que los datos de los infractores se ingresan en la base de datos y las herramientas de análisis de video identifican a un atacante potencial incluso en la entrada de la tienda.

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

5. Organización de ventas y publicidad dirigida. Con base en el reconocimiento e identificación del rostro de una persona, es posible determinar su género, edad y mostrar anuncios que serán potencialmente interesantes para el cliente. Al mismo tiempo, según la información recibida, es posible debitar fondos de la cuenta del cliente si acepta una compra en particular sin participación humana.

Independientemente del algoritmo de procesamiento de flujo de video, la función del software de identificación y reconocimiento facial funciona según el principio de comparar la imagen escaneada con los estándares disponibles en la base de datos. Al mismo tiempo, el escaneo se realiza sobre la marcha, el visitante solo necesita volver la cara hacia el escáner mientras se mueve.

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

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

Debido al hecho de que los requisitos anteriores afectan seriamente el proceso de identificación y reconocimiento, el porcentaje de reconocimiento e identificación falsos es bastante alto. El problema con una tasa de reconocimiento falso tan alta también se debe al hecho de que, a diferencia de las huellas dactilares o el iris, nuestras caras cambian con el tiempo. Los sistemas de reconocimiento se confunden fácilmente debido a cambios en el peinado, el vello facial o el peso corporal, debido al uso por parte de una persona de algún medio simple para cambiar la apariencia y también debido a la manifestación de los efectos del envejecimiento.

Como ejemplo, considere un estudio realizado por el Instituto Nacional de Estándares y Tecnología (NIST), que encontró que la tasa de identificación falsa de sujetos cuyas fotografías fueron tomadas hace solo 18 meses es del 43%. Al mismo tiempo, las fotografías utilizadas en el estudio se tomaron en condiciones ideales, lo cual es muy importante, ya que los programas de reconocimiento facial son muy malos para estimar cambios en la iluminación o el ángulo de la cámara.

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

Figura 1 - Posiciones angulares de la cabeza

El funcionamiento del sistema de reconocimiento e identificación facial basado en grabación de video en tiempo real comienza con el desarrollo de plantillas de personas. Por regla general, las plantillas son imágenes o fotogramas bidimensionales descomprimidos de un flujo de vídeo. La figura 2 muestra esquemáticamente el proceso de alta de una nueva plantilla en el sistema de reconocimiento e identificación facial.

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

Recientemente, se han utilizado cada vez más modelos tridimensionales que utilizan la triangulación en el procesamiento de imágenes bidimensionales o muestras tridimensionales, cuando se agrega a la matriz RGB una matriz de profundidad D obtenida mediante un sensor infrarrojo. Los modelos tridimensionales también se pueden obtener mediante el método de triangulación aplicado a fotografías obtenidas por equipos especiales.

El método de construcción de una plantilla depende de los métodos utilizados en el sistema de identificación y reconocimiento facial, el formato de los datos iniciales o las tareas resueltas por el sistema. Los pasos más comunes que describen la formación de una plantilla para un sistema de identificación y reconocimiento facial se muestran en la Figura 3.

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

1. En la etapa de preprocesamiento, se detectan rostros y las áreas seleccionadas se transforman a un cierto tipo: rotación (alineación), escalado, transformación de canales, etc.

2. La segunda etapa puede incluir tanto la búsqueda de puntos clave como la representación de la matriz de píxeles de la cara en el espacio de características. En este caso, las características se entienden como descriptores arbitrarios de imágenes obtenidos como resultado del procesamiento de los datos iniciales.

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

Presentemos una representación esquemática del principio de identificación y reconocimiento facial en la Figura 4, que refleja la siguiente notación:

1. Transferir una imagen del flujo de video al sistema.

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

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

Figura 4 - Representación esquemática del principio de identificación y reconocimiento facial

Si el proceso de identificación es exitoso, el sistema arroja un resultado positivo, que consiste en hacer coincidir a la persona de la imagen del flujo de video con el sujeto identificado.

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

Hoy en día, el alcance de los sistemas de reconocimiento e identificación para grabación de video afecta a casi todas las áreas de la actividad humana. Una de las áreas clave de aplicación son las actividades de seguridad, y los principales objetos de reconocimiento son los rostros de las personas y las matrículas de los vehículos. Sin embargo, hoy en día existen tendencias crecientes en la demanda de funciones más complejas: detección de movimiento y objetos abandonados, seguimiento de trayectoria de movimiento, seguimiento multicámara, clasificación e identificación de objetos, reconocimiento de situaciones, análisis de comportamiento de personas, etc.

La lucha contra el terrorismo y la delincuencia se puede definir como un área crítica para la aplicación de sistemas de reconocimiento e identificación por vídeo. En los casos en que las imágenes de los rostros de los delincuentes se almacenan en una base de datos y en lugares concurridos (por ejemplo, aeropuertos, estaciones de tren, centros comerciales, instalaciones deportivas) la filmación se lleva a cabo en tiempo real, el uso de dichos sistemas es un método efectivo. para la identificación de personas buscadas.

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

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

Enlace bibliográfico

Yurko I.V., Aldobaeva V.N. APLICACIONES Y PRINCIPIOS DE FUNCIONAMIENTO DEL RECONOCIMIENTO E IDENTIFICACIÓN DE PERSONAS POR FIJACIÓN DE VÍDEO EN TIEMPO REAL // Boletín Científico Estudiantil Internacional. - 2018. - Nº 2.;
URL: http://eduherald.ru/ru/article/view?id=18416 (fecha de acceso: 01/01/2020). Traemos a su atención las revistas publicadas por la editorial "Academia de Historia Natural"

Todos conocen escenas de películas de ciencia ficción: el héroe llega a la puerta y la puerta se abre, reconociéndolo. Esta es una de las demostraciones claras de la conveniencia y confiabilidad del uso de tecnologías biométricas para el control de acceso. Sin embargo, en la práctica no es tan sencillo. Hoy en día, algunas empresas están listas para ofrecer a los consumidores control de acceso mediante tecnologías biométricas.

Los métodos tradicionales de identificación personal, que se basan en varias tarjetas de identificación, claves o datos únicos, como, por ejemplo, una contraseña, no son fiables en la medida en que se requiere en la actualidad. Un paso natural para mejorar la confiabilidad de los identificadores fue el intento de utilizar tecnologías biométricas para los sistemas de seguridad.

La gama de problemas que se pueden resolver con las nuevas tecnologías es muy amplia:

evitar que los intrusos ingresen a áreas protegidas y locales falsificando, robando documentos, tarjetas, contraseñas;
restringir el acceso a la información y garantizar la responsabilidad personal por su seguridad;
garantizar el acceso a las instalaciones responsables solo para especialistas certificados;
evitar los gastos generales asociados con la operación de los sistemas de control de acceso (tarjetas, llaves);
eliminar los inconvenientes asociados a la pérdida, daño u olvido elemental de claves, tarjetas, contraseñas;
organizar los registros de acceso y asistencia de los empleados.

El desarrollo de tecnologías para el reconocimiento de patrones por diversas características biométricas comenzó a tratarse hace bastante tiempo, el inicio se puso en los años 60. Nuestros compatriotas han logrado avances significativos en el desarrollo de los fundamentos teóricos de estas tecnologías. Sin embargo, los resultados prácticos se obtuvieron principalmente en Occidente y solo "ayer". El poder de las computadoras modernas y los algoritmos mejorados han permitido crear productos que, en términos de sus características y proporciones, se han vuelto accesibles e interesantes para una amplia gama de usuarios.

La idea de utilizar características individuales de una persona para identificarla no es nueva. Hasta la fecha, se conocen una serie de tecnologías que se pueden utilizar en los sistemas de seguridad para la identificación personal mediante:

huellas dactilares (tanto individuales como de la mano en su conjunto);
rasgos faciales (basados en imágenes ópticas e infrarrojas);
iris del ojo;
voz
otras características.

Todas las tecnologías biométricas tienen enfoques comunes para resolver el problema de la identificación, aunque todos los métodos difieren en cuanto a la facilidad de uso y la precisión de los resultados.

Cualquier tecnología biométrica se aplica por etapas:

escaneo de objetos;
extracción de información individual;
formación de plantillas;
comparando la plantilla actual con la base de datos.

El sistema de reconocimiento biométrico establece la correspondencia de características fisiológicas o conductuales específicas del usuario con una determinada plantilla. Normalmente, un sistema biométrico consta de dos módulos: un módulo de registro y un módulo de identificación.

Módulo de registro“entrena” al sistema para identificar a una persona específica. Durante la fase de registro, una cámara de video u otros sensores escanean a la persona para crear una representación digital de su apariencia. El escaneo facial toma alrededor de 20 a 30 segundos, lo que da como resultado múltiples imágenes. Idealmente, estas imágenes tendrán ángulos y expresiones faciales ligeramente diferentes, lo que permitirá obtener datos más precisos. Un módulo de software especial procesa esta representación y determina los rasgos de personalidad, luego crea una plantilla. Hay algunas partes de la cara que apenas cambian con el tiempo, como los contornos superiores de las cuencas de los ojos, las áreas que rodean los pómulos y los bordes de la boca. La mayoría de los algoritmos desarrollados para tecnologías biométricas tienen en cuenta posibles cambios en el peinado de una persona, ya que no utilizan el área facial por encima de la línea del cabello para el análisis. La plantilla de imagen de cada usuario se almacena en la base de datos del sistema biométrico.

Módulo de identificación recibe una imagen de una persona de una cámara de video y la convierte al mismo formato digital en el que está almacenada la plantilla. Los datos resultantes se comparan con una plantilla almacenada en la base de datos para determinar si las imágenes coinciden entre sí. El grado de similitud requerido para la verificación es un umbral que se puede ajustar para diferentes tipos de personal, potencia de PC, hora del día y una serie de otros factores.

La identificación puede ser en forma de verificación, autenticación o reconocimiento. La verificación confirma la identidad de los datos recibidos y la plantilla almacenada en la base de datos. Autenticación: confirma la correspondencia de la imagen recibida de la cámara de video con una de las plantillas almacenadas en la base de datos. Durante el reconocimiento, si las características obtenidas y una de las plantillas almacenadas son las mismas, entonces el sistema identifica a una persona con la plantilla correspondiente.

Cuando se utilizan sistemas biométricos, especialmente sistemas de reconocimiento facial, incluso con la introducción de características biométricas correctas, la decisión de autenticar no siempre es correcta. Esto se debe a una serie de características y, en primer lugar, al hecho de que muchas características biométricas pueden cambiar. Hay un cierto grado de probabilidad de un error del sistema. Además, al usar diferentes tecnologías, el error puede variar significativamente. Para los sistemas de control de acceso cuando se utilizan tecnologías biométricas, es necesario determinar qué es más importante no perderse "alienígena" o perderse a todos los "amigos".

Un factor importante para los usuarios de tecnologías biométricas en los sistemas de seguridad es la facilidad de uso. La persona cuyas características están siendo escaneadas no debería experimentar ningún inconveniente. En este sentido, el método más interesante es, por supuesto, la tecnología de reconocimiento facial. Es cierto que en este caso surgen otros problemas, principalmente relacionados con la precisión del sistema.

A pesar de los beneficios obvios, hay una serie de sesgos negativos contra la biometría que a menudo plantean dudas sobre si la biometría se utilizará para espiar a las personas y violar su privacidad. Debido a afirmaciones sensacionalistas y exageraciones infundadas, la percepción de las tecnologías biométricas difiere considerablemente del estado real de las cosas.

Y, sin embargo, el uso de métodos de identificación biométrica ha cobrado especial relevancia en los últimos años. Este problema se agudizó especialmente después de los hechos del 11 de septiembre en Estados Unidos. La comunidad mundial se ha dado cuenta del alcance de la creciente amenaza del terrorismo en todo el mundo y de la complejidad de organizar una protección fiable utilizando métodos tradicionales. Fueron estos trágicos eventos los que sirvieron como punto de partida para una mayor atención a los modernos sistemas integrados de seguridad. Es conocida la opinión de que si el control en los aeropuertos fuera más estricto, se podrían evitar las desgracias. E incluso hoy, la búsqueda de los responsables de una serie de otros incidentes podría facilitarse significativamente mediante el uso de modernos sistemas de videovigilancia en integración con sistemas de reconocimiento facial.

Actualmente existen cuatro métodos principales de reconocimiento facial:

"caras propias";
análisis de "características distintivas";
análisis basado en "redes neuronales";
método de "procesamiento automático de la imagen de la cara".

Todos estos métodos difieren en la complejidad de la implementación y el propósito de la aplicación.

"Eigenface" se puede traducir como "rostro propio". Esta tecnología utiliza imágenes bidimensionales en escala de grises que representan las características distintivas de una imagen facial. El método de "cara propia" se utiliza a menudo como base para otros métodos de reconocimiento facial.

Combinando las características 100 - 120 "eigenface" es posible restaurar una gran cantidad de caras. En el momento del registro, la "cara propia" de cada persona en particular se representa como una serie de coeficientes. Para un modo de autenticación en el que se usa una imagen para verificar la identidad, la plantilla en vivo se compara con una plantilla ya registrada para determinar el factor de diferencia. El grado de diferencia entre patrones determina el hecho de la identificación. La tecnología "eigenface" es óptima cuando se usa en habitaciones bien iluminadas, cuando es posible escanear la cara de frente.

La técnica de análisis de "distinción" es la tecnología de identificación más utilizada. Esta tecnología es similar a la técnica "Eigenface", pero está más adaptada a cambiar la apariencia o las expresiones faciales de una persona (cara sonriente o con el ceño fruncido). Los rasgos distintivos utilizan docenas de rasgos distintivos de diferentes áreas de la cara, teniendo en cuenta su ubicación relativa. La combinación individual de estos parámetros determina las características de cada persona en particular. El rostro de una persona es único, pero bastante dinámico, porque. una persona puede sonreír, dejarse crecer la barba y el bigote, ponerse anteojos; todo esto aumenta la complejidad del procedimiento de identificación. Así, por ejemplo, al sonreír, se produce cierto desplazamiento de las partes del rostro situadas cerca de la boca, lo que a su vez provocará un movimiento similar de las partes adyacentes. Teniendo en cuenta tales cambios, es posible identificar de manera única a una persona con varios cambios mímicos en la cara. Dado que este análisis considera áreas locales de la cara, las tolerancias pueden ser de hasta 25° en el plano horizontal, y hasta aproximadamente 15° en el plano vertical, y requiere un equipo suficientemente potente y costoso, lo que reduce el grado de distribución de este. método.

En un método basado en una red neuronal, los rasgos característicos de ambos rostros, registrados y verificados, se comparan para una coincidencia. Las "redes neuronales" utilizan un algoritmo que coincide con los parámetros únicos de la cara de la persona que se está comprobando y los parámetros de la plantilla ubicada en la base de datos, utilizando el máximo número posible de parámetros. A medida que avanza la comparación, se determinan las inconsistencias entre la persona que se verifica y la plantilla de la base de datos, luego se activa un mecanismo que, utilizando los coeficientes de peso apropiados, determina el grado de cumplimiento de la persona que se verifica con la plantilla de la base de datos. Este método aumenta la calidad de la identificación de rostros en condiciones difíciles.

El método de "procesamiento automático de la imagen de la cara" es la tecnología más simple, que utiliza distancias y la relación de distancias entre puntos fácilmente definidos de la cara, como los ojos, la punta de la nariz, las comisuras de la boca. Aunque este método no es tan poderoso como las "caras propias" o la "red neuronal", se puede utilizar con bastante eficacia en condiciones de poca luz.

Sistemas de reconocimiento facial en el mercado

Hasta la fecha, se han desarrollado una serie de productos comerciales diseñados para el reconocimiento facial. Los algoritmos utilizados en estos productos son diferentes y aún es difícil evaluar qué tecnología tiene la ventaja. Los líderes en este momento son los siguientes sistemas: Visionic, Viisage y Miros.

La aplicación FaceIt de Visionic se basa en un algoritmo de análisis de características locales desarrollado en la Universidad Rockefeller. Una empresa comercial del Reino Unido integró FaceIt en un sistema televisivo contra el crimen llamado Mandrake. Este sistema busca delincuentes utilizando datos de video de 144 cámaras conectadas en una red cerrada. Cuando se establece una identidad, el sistema informa al oficial de seguridad. En Rusia, el representante de Visionic es DanCom.
Otro líder en este campo, Viisage, utiliza un algoritmo desarrollado en el Instituto Tecnológico de Massachusetts. Las empresas y los gobiernos de muchos estados de EE. UU. y varios otros países utilizan el sistema Viisage junto con credenciales de identificación, como licencias de conducir.
ZN Vision Technologies AG (Alemania) ofrece una serie de productos en el mercado que utilizan tecnología de reconocimiento facial. Estos sistemas son presentados en el mercado ruso por Soling.
El sistema de reconocimiento facial TrueFace de Miros utiliza tecnología de redes neuronales y se utiliza en el complejo dispensador de efectivo de Mr.Payroll Corporation y se instala en casinos y otros establecimientos de entretenimiento en muchos estados de EE. UU.

En los Estados Unidos, expertos independientes realizaron una prueba comparativa de varias tecnologías de reconocimiento facial. Los resultados de la prueba se presentan a continuación.

Arroz. 1. Análisis comparativo de la efectividad del reconocimiento facial en diferentes sistemas

En la práctica, cuando se utilizan sistemas de reconocimiento facial como parte de los sistemas de seguridad electrónicos estándar, se supone que la persona a identificar está mirando directamente a la cámara. Así, el sistema trabaja con una imagen bidimensional relativamente simple, lo que simplifica significativamente los algoritmos y reduce la intensidad de los cálculos. Pero incluso en este caso, la tarea de reconocimiento no es baladí, ya que los algoritmos deben tener en cuenta la posibilidad de cambiar el nivel de iluminación, cambiar las expresiones faciales, la presencia o ausencia de maquillaje o anteojos.

La fiabilidad del sistema de reconocimiento facial depende en gran medida de varios factores:

Calidad de la imagen. La probabilidad de que el sistema funcione sin errores se reduce notablemente si la persona que intentamos identificar no mira directamente a la cámara o recibe una fotografía con poca luz.
La relevancia de la fotografía ingresada en la base de datos.
Tamaño de la base de datos.

Las tecnologías de reconocimiento facial funcionan bien con cámaras de video estándar que transmiten datos y están controladas por una computadora personal y requieren una resolución de 320x240 píxeles por pulgada a una velocidad de video de al menos 3 a 5 cuadros por segundo. A modo de comparación, una calidad aceptable para una videoconferencia requiere una velocidad de transmisión de video de 15 cuadros por segundo. Tasas de bits de video más altas a resoluciones más altas conducen a una mejor calidad de identificación. Al reconocer rostros a larga distancia, existe una fuerte relación entre la calidad de la cámara de video y el resultado de la identificación.

El volumen de bases de datos cuando se usan computadoras personales estándar no excede las 10,000 imágenes.

Conclusión

Los métodos de reconocimiento facial que se ofrecen hoy en día son interesantes y están cerca de una implementación generalizada, pero aún no es posible, como en el cine, confiar solo en la tecnología de reconocimiento facial para abrir la puerta. Es bueno como asistente para un guardia de seguridad u otro sistema de control de acceso.

Es este método el que se usa en muchas situaciones cuando se requiere asegurarse de que el documento presentado realmente pertenece a la persona que lo presentó. Esto sucede, por ejemplo, en un aeropuerto internacional, cuando el guardia fronterizo verifica la foto del pasaporte con la cara del titular del pasaporte y decide si es su pasaporte o no. Un sistema de acceso a la computadora opera de acuerdo con un algoritmo similar. La única diferencia es que la foto se compara con la plantilla ya almacenada en la base de datos.

Ya han aparecido tecnologías que se basan en el reconocimiento facial en luz infrarroja. La nueva tecnología se basa en que la imagen térmica creada por la radiación de calor de los vasos sanguíneos del rostro o, en otras palabras, el termograma del rostro de una persona, es única para cada persona y, por tanto, puede utilizarse como una característica biométrica para los sistemas de control de acceso. Este termograma es un identificador más estable que la geometría de la cara, ya que casi no depende de los cambios en la apariencia de la persona.

En los últimos años, la biometría está penetrando cada vez más en nuestras vidas. Los principales países del mundo ya han puesto en circulación o tienen previsto introducir en un futuro próximo pasaportes electrónicos que contienen información sobre las características biométricas de su titular; muchos centros de oficinas han implementado sensores biométricos en los sistemas de control de acceso corporativo; Las computadoras portátiles han estado equipadas durante mucho tiempo con autenticación biométrica de usuario; los servicios de seguridad están armados con medios modernos para identificar a cualquier criminal buscado en una multitud de personas

Andrei Khrulev
Jefe del departamento de biometría.
y sistemas de seguridad integrados
Grupo de Empresas Technoserv, Ph.D.

Cada vez hay más ejemplos del uso de sistemas biométricos. El éxito de la biometría es fácil de explicar. Los medios tradicionales de identificación personal basados en los principios de "soy lo que tengo" (tarjetas de identificación, tokens, documentos de certificación) y "soy lo que sé" (contraseñas, códigos pin) no son perfectos. La tarjeta es fácil de perder, la contraseña se puede olvidar, además, cualquier atacante puede usarlas y ningún sistema podrá distinguirlo de un testaferro.

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

reconocer al criminal en la multitud;
verificar si el pasaporte es realmente presentado por su propietario;
averiguar si se busca a una persona;
averiguar si la persona estuvo involucrada anteriormente en fraude financiero con préstamos;
identificar aficionados potencialmente peligrosos a la entrada del estadio, etc.

Todas estas tareas pueden resolverse solo con el uso de herramientas de identificación biométrica basadas en el principio "Soy lo que soy". Este principio permite que el sistema de información identifique directamente a la persona, y no los objetos que presenta, o la información que reporta.

La singularidad de la biometría facial

Entre la variedad de características biométricas de una persona utilizadas para la identificación personal, cabe destacar la imagen del rostro. La biometría facial es única en el sentido de que no requiere la creación de sensores especializados para obtener una imagen; se puede obtener una imagen de la cara de una cámara convencional de un sistema de videovigilancia. Además, la fotografía de un rostro está presente en casi cualquier documento de identidad, lo que significa que la implementación de esta tecnología en la práctica no está asociada con una variedad de problemas regulatorios y dificultades de percepción social de la tecnología.

También vale la pena señalar que se puede obtener una imagen facial implícitamente para la persona misma, lo que significa que la biometría facial es ideal para construir sistemas de monitoreo e identificación encubierta.

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

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

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

Por regla general, el reconocimiento facial en cualquier motor biométrico se realiza en varias etapas: detección de rostros, evaluación de calidad, creación de plantillas, coincidencia y toma de decisiones.

Etapa 1: detección de rostros

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

La detección de rostros es una de las etapas clave del reconocimiento, ya que la detección de un rostro por parte del detector automáticamente significa que es imposible una mayor identificación. La calidad de la operación del detector generalmente se caracteriza por la probabilidad de detección de rostros P0. Para los sistemas biométricos modernos que operan en condiciones de flujo de personas, el valor de la probabilidad de detección de rostros es del 95 al 99% y depende de las condiciones de grabación de video (iluminación, resolución de la cámara, etc.).

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

Este enfoque puede reducir significativamente la carga sobre la capacidad del hardware del sistema de reconocimiento, lo que, a su vez, reduce el costo final de los sistemas biométricos, haciéndolos más accesibles para el usuario final. Además, se reducen los requisitos para los canales de transmisión de datos, ya que con este enfoque no necesitamos líneas de comunicación gigabit para transmitir video de alta calidad, sino que la presencia de redes estándar es suficiente para transmitir video comprimido y un pequeño flujo de imágenes de rostros detectados. .

Etapa 2: evaluación de la calidad

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

A menudo, los desarrolladores de sistemas biométricos son astutos y afirman que su sistema proporciona un alto nivel de reconocimiento si las imágenes de rostros en la transmisión de video cumplen con los requisitos de calidad definidos en GOST R ISO/IEC 19794-5. Sin embargo, este GOST impone condiciones muy estrictas (casi ideales) sobre la calidad de las fotografías de la cara (vista frontal de la cara con una desviación de no más de 5 grados; iluminación uniforme; expresiones faciales neutras, etc.), que no se pueden realizar en Condiciones reales de los sistemas de videovigilancia. Dichos requisitos de GOST están plenamente justificados por el hecho de que, de hecho, este estándar tiene como objetivo unificar el formato para almacenar fotografías electrónicas en pasaportes y visas de nueva generación: los llamados pasaportes biométricos. En la práctica, los sistemas de identificación biométrica tienen que hacer frente a condiciones de funcionamiento mucho menos favorables:

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

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

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

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

Etapa 3: construir una plantilla

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

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

La característica más importante de una plantilla biométrica es su tamaño. Cuanto mayor sea el tamaño de la plantilla, más características informativas incluye, pero menor será la velocidad y la eficiencia de la búsqueda de esta plantilla. Un valor de tamaño típico para una plantilla de rostro en sistemas biométricos está entre 1 y 20 kB.

Etapa 4: comparación y decisión

Esta es una etapa combinada del sistema de reconocimiento, que compara la plantilla facial biométrica construida sobre la base de la cara detectada con una serie de plantillas almacenadas en la base de datos. En el caso más simple, la coincidencia se realiza simplemente enumerando todas las plantillas y evaluando su medida de similitud. A partir de las estimaciones obtenidas y su comparación con los umbrales dados, se decide la presencia o ausencia de una persona idéntica en la base de datos.

En los sistemas modernos, la coincidencia se implementa de acuerdo con complejos esquemas de coincidencia óptimos que proporcionan velocidades de coincidencia de 10 000 a 200 000 comparaciones por segundo o más. Además, debe entenderse que el proceso de coincidencia se puede paralelizar, lo que permite que los sistemas de identificación funcionen casi en tiempo real incluso para grandes conjuntos de imágenes, por ejemplo, 100.000 personas.

La calidad del trabajo de los sistemas de reconocimiento facial suele caracterizarse por las probabilidades de identificación. Obviamente, pueden ocurrir dos tipos de errores durante la identificación biométrica.

El primer error está relacionado con la posibilidad de perder y no reconocer a la persona realmente en la base de datos; esto a menudo se denomina error de tipo uno. Y a menudo no indican el valor del error de primer tipo, sino uno menos la probabilidad de un error de primer tipo. Este valor se denomina probabilidad de reconocimiento correcto PPR.
El segundo error refleja casos en los que el sistema reconoce a una persona que no está realmente en la base de datos o la confunde con otra persona; comúnmente se denomina error de tipo 2. Para los sistemas modernos de reconocimiento de rostros, el valor típico de la probabilidad de reconocimiento correcto, por regla general, está en el rango de 80 a 97%, con un error del segundo tipo que no excede el 1%.

Condiciones para una identificación exitosa

Debe entenderse que el reconocimiento facial no es una tecnología absoluta. A menudo puede escuchar críticas a los sistemas biométricos de que no es posible lograr el mismo alto rendimiento en objetos reales que en condiciones de "laboratorio". Esta afirmación es solo parcialmente cierta. De hecho, es posible reconocer efectivamente un rostro solo bajo ciertas condiciones, por lo que es extremadamente importante al introducir la biometría facial para comprender las condiciones bajo las cuales operará el sistema. Sin embargo, para la mayoría de los sistemas de reconocimiento modernos, estas condiciones se pueden lograr en objetos reales. Por lo tanto, para mejorar la eficiencia del reconocimiento facial en las zonas de identificación, se debe organizar un flujo dirigido de personas (puertas, marcos de detectores de metales, torniquetes, etc.) para brindar la posibilidad de reconocimiento a corto plazo (no más de 1 o 2 s). fijación del rostro de cada visitante. Al mismo tiempo, las cámaras de grabación de video deben instalarse de tal manera que el ángulo de desviación de las caras grabadas desde la posición frontal no exceda los 20 a 30 grados. (por ejemplo, instalar cámaras a una distancia de 8 a 10 m de la zona de paso con una altura de suspensión de 2 a 3 m).

El cumplimiento de estas condiciones al introducir sistemas de reconocimiento le permite resolver de manera efectiva el problema de identificar a una persona y buscar personas de particular interés, con probabilidades lo más cercanas posible a los valores de los indicadores de identificación exitosa declarados por los desarrolladores.