Rosca do sistema de identificação facial. Boletim científico de estudantes internacionais. Tarefas típicas com reconhecimento facial

Os modernos sistemas de segurança integrados são capazes de resolver problemas de qualquer complexidade em todos os tipos de instalações industriais, sociais e domésticas. Ferramentas muito importantes dos sistemas de segurança são os sistemas de videovigilância, e os requisitos para funcionalidade segmento estão crescendo constantemente.

Sistemas de segurança abrangentes

A plataforma unificada inclui módulos para equipamentos de segurança e incêndio, controle e gerenciamento de acesso, videovigilância ou circuito fechado de televisão (CCT). Até recentemente, as funções deste último limitavam-se ao videomonitoramento e registro da situação da instalação e do entorno, arquivando e armazenando dados. Os sistemas de vídeo clássicos têm uma série de desvantagens significativas:

• Fator humano. Desempenho ineficaz do operador ao transmitir um grande volume de informações.
• Impossibilidade de intervenção cirúrgica, análise intempestiva.
• Custos de tempo significativos para pesquisar e identificar um evento.

O desenvolvimento de tecnologias digitais levou à criação de sistemas automatizados “inteligentes”.

A força está no intelecto

O princípio básico da análise intelectual é a análise de vídeo - uma tecnologia baseada em métodos e algoritmos para reconhecimento de imagens e coleta automatizada de dados como resultado da análise de fluxo de vídeo. Tais equipamentos, sem intervenção humana, são capazes de detectar e rastrear em tempo real alvos específicos (um carro, um grupo de pessoas), situações potencialmente perigosas (fumaça, incêndio, intervenção não autorizada no funcionamento de câmeras de vídeo), eventos programados e prontamente emitir um sinal de alarme. Ao filtrar dados de vídeo que não são de interesse, a carga nos canais de comunicação e no banco de dados de arquivo é significativamente reduzida.

A ferramenta de análise de vídeo mais popular é um sistema de reconhecimento facial. Dependendo das funções desempenhadas e das tarefas atribuídas, determinados requisitos são impostos ao equipamento.

Software e hardware

Para garantir o funcionamento eficiente do sistema, são utilizados diversos tipos de câmeras de vídeo IP com diferentes características de desempenho. A detecção de um objeto no território controlado é registrada por câmeras panorâmicas com resolução de 1 megapixel e distância focal de 1 mm e dispositivos de digitalização apontados para ele. São câmeras mais avançadas (de 2 MP, de 2 mm), que realizam o reconhecimento por meio de métodos simples (3-4 parâmetros). Para identificar um objeto são utilizadas câmeras com boa qualidade de imagem, suficientes para a utilização de algoritmos complexos (de 5 MP, 8-12 mm).

Mais popular produtos de software para reconhecimento facial "Face Intellect" (desenvolvido pela empresa House Control), Face director (empresa Sinesis) e VOCORD FaceControl (VOCORD) demonstram:

• Alta probabilidade de identificação de objetos (até 99%).
• Suporte para uma ampla gama de ângulos de rotação da câmera.
• Possibilidade de identificação de rostos mesmo em massas pedonais densas.
• Variabilidade na elaboração de relatórios analíticos.

Noções básicas de reconhecimento de padrões

Quaisquer sistemas de reconhecimento biométrico baseiam-se na identificação da correspondência das características fisiológicas lidas de uma pessoa com um determinado padrão específico.

A digitalização ocorre em tempo real. A câmera IP transmite o fluxo de vídeo para o terminal e o sistema de reconhecimento facial determina se a imagem corresponde às fotografias armazenadas no banco de dados. Existem dois métodos principais. A primeira é baseada em princípios estáticos: com base nos resultados do processamento dos parâmetros biométricos, é criada uma amostra eletrônica na forma de um número único correspondente a uma pessoa específica. O segundo método modela uma abordagem “humana” e é caracterizado pela autoaprendizagem e robustez. A identificação de uma pessoa a partir de uma imagem de vídeo leva em consideração as alterações relacionadas à idade e outros fatores (presença de cocar, barba ou bigode, óculos). Esta tecnologia permite trabalhar até com fotografias antigas e, se necessário, com radiografias.

Algoritmo de pesquisa facial

A técnica mais comum para detecção de rostos é o uso de cascatas Haar (conjuntos de máscaras).

A máscara é uma janela retangular com várias combinações de segmentos brancos e pretos.

O mecanismo do programa é o seguinte: um quadro de vídeo é coberto por um conjunto de máscaras e, com base nos resultados da convolução (contando pixels que caem nos setores branco e preto), a diferença é calculada e comparada com um determinado valor limite .

Para melhorar o desempenho do classificador, são criadas amostras de treinamento positivas (quadros com rostos humanos) e negativas (sem eles). No primeiro caso, o resultado da convolução está acima do valor limite, no segundo - abaixo. O detector de rostos, com erro aceitável, determina a soma das convoluções de todas as cascatas e, se o limite for ultrapassado, sinaliza a presença de rostos no quadro.

Tecnologias de reconhecimento

Após a detecção e localização, a etapa preliminar envolve brilho e alinhamento geométrico da imagem. Outras ações - cálculo e identificação de recursos - podem ser realizadas usando vários métodos.

Ao digitalizar um rosto inteiro em uma sala com excelente iluminação, algoritmos que trabalham com imagens bidimensionais demonstram bons resultados. Ao analisar pontos únicos e as distâncias entre eles, o sistema de reconhecimento facial determina o fato da identificação com base nos coeficientes de diferença entre a imagem “ao vivo” e o modelo cadastrado.

As tecnologias 3D são resistentes à mudança fluxo luminoso, o desvio permitido do ângulo frontal é de até 45 graus. Aqui são analisados ​​não apenas pontos e linhas, mas também as propriedades das superfícies (curvatura, perfil) e a métrica das distâncias entre elas. Para que tais algoritmos funcionem, é necessária a máxima qualidade de gravação de vídeo com frequência de até 200 quadros/s. O sistema é baseado em câmeras de vídeo estéreo com matriz de 5 megapixels, alta resolução óptica e erro de sincronização reduzido ao mínimo. Além disso, eles são conectados por um cabo de temporização especial para transmitir pulsos de clock.

Estado do mercado de sistemas modernos

Os primeiros, devido ao seu alto custo, foram desenvolvidos apenas para instalações militares governamentais e somente em meados da década de 90 passaram a ser disponibilizados para organizações comerciais. O rápido desenvolvimento da tecnologia permitiu aumentar a precisão dos sistemas e ampliar o escopo de sua aplicação. As posições de liderança no mercado do nosso país pertencem aos fabricantes de sistemas de segurança americanos e da Europa Ocidental. Os mais vendidos são equipamentos das corporações ZN Vision Technologies e Visionics. Os mais promissores entre os desenvolvedores nacionais são as pesquisas e produtos da Vocord, NTechLab, Soling, VisionLabs LLC e do grupo TsRT, que, entre outras coisas, também estão empenhados na adaptação de complexos estrangeiros às condições russas.

Controle facial do computador

A área mais extensa de aplicação da identificação sem contato é a luta contra o terrorismo e o crime. A imagem facial do criminoso é armazenada em um banco de dados. Em locais onde há grande aglomeração de pessoas (aeroportos, estações ferroviárias, centros comerciais, instituições desportivas), o fluxo de pessoas está a ser registado em tempo real para identificar pessoas procuradas.

A próxima área são os sistemas de controle de acesso: uma amostra de fotografia em um passe eletrônico é comparada com um modelo obtido a partir do processamento de dados de câmeras de vídeo. O procedimento ocorre instantaneamente, sem exigir quaisquer ações adicionais por parte de quem o realiza (ao contrário de uma varredura de retina ou impressão digital).

Outra indústria em rápido crescimento é o marketing. Um outdoor interativo escaneia o rosto de uma pessoa, determina seu sexo e idade e visualiza apenas os anúncios que serão potencialmente interessantes para o cliente.

Tendências e perspectivas de desenvolvimento

Os sistemas de reconhecimento facial são muito procurados no setor bancário.

No final do ano passado, a administração do Pochta Bank, após instalar 50.000 câmeras de vídeo inteligentes em seus escritórios, conseguiu economizar milhões de rublos ao prevenir fraudes nos segmentos de empréstimos e pagamentos. Especialistas afirmam que até 2021 será criada a rede de infraestrutura necessária e qualquer operação em caixas eletrônicos só será possível após a identificação biométrica do rosto do cliente.

Na próxima década, as altas tecnologias permitirão abrir uma rede de lojas full self-service: o comprador passa em frente às vitrines, seleciona o produto que gosta e vai embora. O sistema de reconhecimento facial e de imagem determinará a identidade do comprador, adquirirá e debitará o valor necessário de sua conta.

Estão em andamento trabalhos para criar sistemas de reconhecimento de estados psicoemocionais. A análise das emoções humanas será muito procurada nos campos multimédia: animação, cinema e indústria de jogos de computador.

1

A introdução generalizada de sistemas de videovigilância criou uma procura por sistemas de reconhecimento e identificação baseados em gravação de vídeo. Tais sistemas são baseados em tecnologia que utiliza métodos de visão computacional para obter automaticamente diversas informações baseado na análise de uma sequência de imagens provenientes de câmeras de vídeo em tempo real. Em outras palavras, esta tecnologia é baseada em métodos e algoritmos para reconhecimento de padrões e processamento de imagens como resultado da análise de fluxo de vídeo. Os modernos sistemas de reconhecimento e identificação baseados em gravação de vídeo são capazes de detectar e rastrear alvos específicos (por exemplo, um carro, um grupo de pessoas) ou situações potencialmente perigosas (por exemplo, fumaça, fogo, incêndio) em tempo real sem intervenção humana. acesso não autorizado) e emita imediatamente um sinal de alarme. Outra vantagem da utilização de tais sistemas é uma redução significativa da carga nos canais de comunicação e no banco de dados de arquivo, filtrando o fluxo de vídeo em tempo real. Quaisquer sistemas de reconhecimento e identificação baseados em gravação de vídeo são baseados em um algoritmo específico para identificar a correspondência das características de leitura com um modelo pré-determinado. A câmera de vídeo transmite o stream de vídeo para o servidor em tempo real, o sistema de reconhecimento e identificação determina a correspondência com as informações armazenadas no banco de dados e a identificação ocorre levando em consideração fatores pré-determinados no sistema (por exemplo, bigodes ou chapéus).

sistema de reconhecimento

identificação por gravação de vídeo.

1. Brilyuk D.V., Starovoitov V.V. Reconhecimento humano a partir de imagens faciais usando métodos de redes neurais. – Minsk, 2002. – 54 p. (Pré-impressão/Instituto de Cibernética Técnica da Academia Nacional de Ciências da Bielorrússia; No. 2).

2. Kulyabichev Yu.P., Pivtoratskaya S.V. Revisão dos métodos de identificação de pessoas com base em imagens faciais, levando em consideração as características de reconhecimento visual

3. Rogozin O.V., Kladov S.A. Análise comparativa algoritmos de reconhecimento facial no problema de identificação visual no MSTU. N.E. Bauman, Moscou, 105005, Rússia

4. Sherstobitov A.I., Fedosov V.P., Prikhodchenko V.A., Timofeev D.V. Reconhecimento facial em fotos de grupo usando algoritmos de segmentação

5. Reconhecimento facial por Elastic Bunch Graph Matching Laurenz Wiskott, Jean-Marc Fellous, Norbert Kruger e Christoph von der Malsburg,

Introdução

Hoje em sistemas modernos O sistema de videovigilância implementa funcionalidade não apenas para gravar um stream de vídeo e exibir uma imagem na tela, mas também para fornecer diversas funções analíticas. Via de regra, tais funções consistem em automatizar a análise das informações do vídeo. Uma das funções mais populares é o reconhecimento e identificação de rostos na zona de controle. Nesses sistemas, parâmetros físicos são usados características principais rosto humano, pelo qual pode ser distinguido de muitos outros.

Parte principal

Vamos definir uma lista de tarefas resolvidas por sistemas de reconhecimento e identificação facial baseados em gravação de vídeo em tempo real:

1. Verificação. O sistema de reconhecimento e identificação facial baseado em gravação de vídeo em tempo real pode confirmar a identidade de uma pessoa comparando a amostra apresentada com uma amostra de referência previamente gravada no sistema. Com efeito, é realizada uma comparação um-para-um.

2. Identificação em conjunto fechado. O sistema de reconhecimento e identificação facial baseado na gravação de vídeo em tempo real compara a imagem recebida do fluxo de vídeo com uma variedade de modelos previamente gravados pessoas diferentes para identificar a pessoa a quem esta amostra pertence. Esta tarefa pode ser resolvido tendo em conta o facto de a pessoa a quem pertence a amostra estar presente na base de dados. Esta tarefa executa uma comparação um-para-muitos de amostras.

Vamos determinar o escopo sistemas semelhantes na lista a seguir:

1. Reconhecimento facial de infratores e intrusos em locais públicos ou em grandes eventos. Os sistemas de reconhecimento e identificação facial baseados em gravação de vídeo recebem dados em tempo real dos sistemas de videovigilância de diversas entidades empresariais e câmeras instaladas na cidade. Com base nas informações recebidas, é realizada uma busca por infratores ou criminosos para fins de posterior transferência de dados aos órgãos de aplicação da lei.

Hoje, na Rússia, existem grandes projetos que visam reconhecer e identificar objetos por meio de gravação de vídeo em tempo real. Desde setembro de 2017, algumas das 170 mil câmeras CCTV em Moscou foram conectadas a um sistema de reconhecimento facial. A rede existente reúne câmeras de vídeo de entrada, câmeras no território e em prédios de escolas e creches, estádios, pontos de ônibus transporte público e rodoviárias, em parques, passagens subterrâneas e outros locais públicos. Graças a esta abordagem, surgiu uma ferramenta adicional para procurar criminosos e infratores.

O reconhecimento facial de pessoas em toda a cidade fornece oportunidades únicas agentes da lei. Cerca de 16 mil policiais, órgãos estaduais e municipais tiveram acesso ao sistema de vigilância municipal. O sistema diferencia o nível de acesso para diferentes grupos de usuários, o que permite manter o sigilo das ações dos moradores da cidade.

2. Fornecimento de controle de acesso. Neste caso, a videovigilância é integrada ao sistema de segurança e controla os controladores nas catracas.

Tal sistema pode ser usado tanto como principal (decidir se um sujeito pode ser permitido entrar em uma área fechada) quanto como backup. Os visitantes não identificados não terão acesso à área fechada, sendo a sua fotografia guardada na base de dados para efeitos de posterior tratamento deste incidente pelo serviço de segurança.

Normalmente, esses sistemas são instalados em grandes empresas, onde o nível de segurança depende da eficiência da empresa (por exemplo, do desenvolvimento de tecnologias avançadas). O sistema reconhece automaticamente todos os funcionários e os compara com o banco de dados. Em caso de descumprimento ou ausência de pessoa no sistema, o sistema ativará protocolos de segurança e alertará o pessoal de segurança.

A vantagem desta aplicação é a minimização da participação humana no processo, aumentando a disciplina laboral dos colaboradores e reduzindo os custos das entidades empresariais com remuneração.

3. Combater roubos em hipermercados e centros comerciais. O problema do roubo sistemático enfrenta todas as grandes lojas com grandes áreas de varejo. O facto é que os sistemas de videovigilância existentes não são eficazes na prevenção de roubos e normalmente são utilizados apenas para obter provas de um roubo já cometido, quando o dano já foi feito. Os sistemas de reconhecimento e identificação facial baseados em gravação de vídeo são capazes de detectar repetidos possíveis roubos nos casos em que os dados dos infratores são inseridos no banco de dados e as ferramentas de análise de vídeo identificam um potencial invasor na entrada da loja.

4. Organização do controle facial em instituições públicas. Usando um sistema de reconhecimento facial para exibir informações de alarme em dispositivo remoto um oficial de segurança ajudará a reduzir ou impedir completamente a presença de pessoas indesejáveis ​​numa instituição pública.

5. Organização de vendas e publicidade direcionada. A partir do reconhecimento e identificação do rosto de uma pessoa, é possível determinar seu sexo, idade e exibir publicidade que será potencialmente interessante para o cliente. Ao mesmo tempo, com base nas informações recebidas, é possível dar baixa dinheiro da conta do cliente se ele concordar com uma compra específica sem participação humana.

Independentemente do algoritmo de processamento do fluxo de vídeo, a função do software de reconhecimento e identificação facial funciona segundo o princípio de comparar uma imagem digitalizada com os padrões disponíveis no banco de dados. Neste caso, a digitalização ocorre em movimento; o visitante só precisa virar o rosto para o scanner enquanto se move.

Essencialmente, os sistemas de reconhecimento são programas de computador, que analisam imagens do rosto das pessoas para identificá-las. O programa captura a imagem de um rosto e mede suas características, como a distância entre os olhos, o comprimento do nariz e o ângulo da mandíbula, a partir dos quais é criado um arquivo único, denominado “template” . Usando modelos, o programa compara esta imagem com outras imagens no banco de dados e, em seguida, avalia o quão semelhantes as imagens são entre si. Fontes comuns de imagens para uso na identificação facial são sinais de câmeras de vídeo ou fotografias adquiridas anteriormente, como aquelas armazenadas em um banco de dados de carteiras de motorista.

Esta abordagem impõe certos requisitos à imagem obtida do fluxo de vídeo. Um bom indicador de eficiência e velocidade é considerado se o sistema for capaz de identificar um rosto humano a uma distância de pelo menos 10 metros da câmera de vídeo. Ao mesmo tempo, o reconhecimento deve ser implementado com sucesso mesmo quando certos parâmetros físicos mudam: mudança no penteado, aparência da barba, etc. O período de tempo durante o qual o reconhecimento e a identificação devem ocorrer não deve ultrapassar um determinado valor, por exemplo, a aproximação do objeto de controle de vídeo da porta frontal às catracas. Outro requisito são as características dos equipamentos de videovigilância. Dependendo das tarefas a serem resolvidas, são utilizados diversos tipos de câmeras IP que possuem as características exigidas.

Devido ao facto de os requisitos acima afectarem seriamente o processo de identificação e reconhecimento, a percentagem de falsos reconhecimentos e identificações é bastante elevada. Outro problema com uma taxa de reconhecimento falso tão elevada é que, ao contrário das impressões digitais ou da íris, os nossos rostos mudam com o tempo. Os sistemas de reconhecimento são facilmente confundidos com mudanças no penteado, nos pêlos faciais ou no peso corporal, com simples alterações na aparência de uma pessoa ou com os efeitos do envelhecimento.

Por exemplo, um estudo realizado pelo Instituto Nacional de Padrões e Tecnologia (NIST) descobriu que a taxa de identificação falsa de indivíduos cujas fotografias foram tiradas há apenas 18 meses era de 43%. Porém, as fotografias utilizadas no estudo foram tiradas em condições ideais, o que é muito importante, uma vez que os programas de reconhecimento facial são muito pobres na avaliação de mudanças na iluminação ou no ângulo da câmera.

A imagem facial gravada no modelo está sujeita a uma série de fatores que determinam as limitações e capacidades dos sistemas de identificação e reconhecimento facial. Em primeiro lugar, são as condições de iluminação e várias oclusões, como óculos ou máscara, bem como ângulos de rotação, inclinação e deflexão. A Figura 1 mostra as posições angulares da cabeça que devem ser levadas em consideração no processo de reconhecimento e identificação facial.

Figura 1 – Posições angulares da cabeça

O funcionamento de um sistema de reconhecimento e identificação facial baseado em gravação de vídeo em tempo real começa com o desenvolvimento de templates de pessoas. Normalmente, os modelos são imagens bidimensionais ou quadros descompactados de um fluxo de vídeo. A Figura 2 mostra esquematicamente o processo de registro de um novo modelo no sistema de reconhecimento e identificação facial.

Figura 2 - Representação esquemática do processo de cadastramento de um novo template no sistema de reconhecimento e identificação facial

EM Ultimamente Cada vez mais são utilizados modelos tridimensionais que utilizam triangulação no processamento de imagens bidimensionais ou amostras tridimensionais quando uma matriz de profundidade D é adicionada ao array RGB, obtida por meio de um sensor infravermelho. Modelos tridimensionais também podem ser obtidos através do método de triangulação aplicado a fotografias obtidas com equipamentos especiais.

O método de construção de um modelo depende dos métodos utilizados no sistema de reconhecimento e identificação facial, do formato dos dados de origem ou das tarefas resolvidas pelo sistema. Maioria etapas gerais, que descrevem a formação de um modelo para um sistema de reconhecimento e identificação facial são apresentados na Figura 3

Figura 3 - Processo de formação de um template utilizando o exemplo de um sistema de reconhecimento e identificação facial.

1. Na fase de pré-processamento, as faces são detectadas e as áreas selecionadas são transformadas em um determinado tipo: rotação (alinhamento), dimensionamento, conversão de canal, etc.

2. A segunda etapa pode incluir tanto a busca por pontos-chave quanto a representação da matriz de pixels da face no espaço de características. Nesse caso, os recursos são entendidos como descritores arbitrários de imagens obtidos como resultado do processamento dos dados originais.

3. Na última etapa, o modelo é codificado e registrado no banco de dados do modelo. O banco de dados de modelos gerado é posteriormente usado como um conjunto de padrões.

Apresentamos uma representação esquemática do princípio de identificação e reconhecimento de rostos na Figura 4, que reflete as seguintes notações:

1. Transferindo uma imagem de um stream de vídeo para o sistema.

2. Identificação da amostra dentre os templates disponíveis na base de dados.

3.
Verificação da amostra mais próxima da lista e apresentada na entrada do sistema.

Figura 4 – Representação esquemática do princípio de identificação e reconhecimento de faces

Se o processo de identificação for bem-sucedido, o sistema retorna um resultado positivo, que consiste em combinar a pessoa da imagem do stream de vídeo com o sujeito identificado.

Assim, os sistemas de reconhecimento e identificação facial baseados na gravação de vídeo em tempo real têm uma ampla gama de aplicações e operam sujeitos a uma série de restrições impostas às imagens resultantes. Como parte de uma pesquisa futura, analisaremos soluções existentes na área de reconhecimento e identificação de rostos a partir de gravação de vídeo em tempo real.

Hoje, o âmbito de aplicação dos sistemas de reconhecimento e identificação baseados na gravação de vídeo afeta quase todas as áreas da atividade humana. Uma das principais áreas de aplicação são as atividades de segurança, e os principais objetos de reconhecimento são rostos humanos e placas de veículos. No entanto, hoje existem tendências na crescente demanda por funções mais complexas - detecção de movimento e objetos abandonados, rastreamento de trajetórias de movimento, rastreamento multicâmera, classificação e identificação de objetos, reconhecimento de situação, análise do comportamento humano, etc.

A luta contra o terrorismo e a criminalidade pode ser identificada como uma área crítica de aplicação para sistemas de reconhecimento e identificação baseados em gravação de vídeo. Nos casos em que as imagens dos rostos dos criminosos são armazenadas em banco de dados, e em locais lotados (por exemplo, aeroportos, estações de trem, shopping centers, instituições esportivas) as filmagens são realizadas em tempo real, o uso de tais sistemas é uma forma eficaz método de identificação de pessoas procuradas.

Assim, o problema deste estudo reside na existência de uma série de problemas não resolvidos relativos à estabilidade dos algoritmos de reconhecimento à influência de condições externas e requisitos computacionais, juntamente com o rápido desenvolvimento do campo de aplicação de sistemas de reconhecimento e identificação baseados em gravação de vídeo em tempo real. É necessário desenvolver um projeto moderno de um sistema de gravação de vídeo eficaz em termos de reconhecimento e identificação de rostos em tempo real, capaz de fornecer suporte de alta qualidade para o sucesso da aplicação da tecnologia em estudo.

Com base na relevância e nos problemas identificados, podemos concluir que é aconselhável desenvolver um projeto de um sistema de gravação de vídeo eficaz em termos de reconhecimento e identificação de rostos em tempo real.

Link bibliográfico

Yurko I.V., Aldobaeva V.N. ÁREAS DE APLICAÇÃO E PRINCÍPIOS DE FUNCIONAMENTO DE SISTEMAS DE RECONHECIMENTO E IDENTIFICAÇÃO FACIAL POR FIXAÇÃO DE VÍDEO EM TEMPO REAL // Boletim Científico de Estudantes Internacionais. – 2018. – Nº 2.;
URL: http://eduherald.ru/ru/article/view?id=18416 (data de acesso: 01/01/2020). Chamamos a sua atenção revistas publicadas pela editora "Academia de Ciências Naturais"

Todo mundo conhece bem as cenas dos filmes de ficção científica: o herói se aproxima da porta e a porta se abre, reconhecendo-o. Esta é uma das demonstrações claras da conveniência e confiabilidade do uso de tecnologias biométricas para controle de acesso. Porém, na prática não é tão simples. Hoje, algumas empresas estão prontas para oferecer aos consumidores controle de acesso por meio de tecnologias biométricas.

Os métodos tradicionais de identificação pessoal, que se baseiam em vários cartões de identificação, chaves ou dados únicos, como uma palavra-passe, não são tão fiáveis ​​como são actualmente exigidos. Um passo natural para aumentar a confiabilidade dos identificadores foram as tentativas de usar tecnologias biométricas para sistemas de segurança.

A gama de problemas que podem ser resolvidos com novas tecnologias é extremamente ampla:

1. evitar que intrusos entrem em áreas e instalações protegidas através de falsificação e roubo de documentos, cartões, senhas;
2. limitar o acesso à informação e garantir a responsabilidade pessoal pela sua segurança;
3. garantir que apenas especialistas certificados tenham acesso a instalações críticas;
4. evitar custos indiretos associados ao funcionamento dos sistemas de controlo de acessos (cartões, chaves);
5. eliminar os inconvenientes associados à perda, dano ou simples esquecimento de chaves, cartões, senhas;
6. organizar registros de acesso e presença de funcionários.

O desenvolvimento de tecnologias de reconhecimento de imagens baseadas em diversas características biométricas começou há bastante tempo; Nossos compatriotas alcançaram um sucesso significativo no desenvolvimento dos fundamentos teóricos dessas tecnologias. No entanto, os resultados práticos foram obtidos principalmente no Ocidente e apenas “ontem”. O poder dos computadores modernos e dos algoritmos aprimorados permitiram criar produtos que, pelas suas características e relações, se tornaram acessíveis e interessantes para uma ampla gama de usuários.

A ideia de utilizar as características individuais de uma pessoa para identificá-la não é nova. Hoje, são conhecidas diversas tecnologias que podem ser usadas em sistemas de segurança para identificar indivíduos:

1. impressões digitais (individuais e da mão como um todo);
2. características faciais (baseadas em imagens ópticas e infravermelhas);
3. íris dos olhos;
4. voz;
5. outras características.

Todas as tecnologias biométricas têm abordagens comuns para resolver o problema de identificação, embora todos os métodos difiram na facilidade de uso e na precisão dos resultados.

Qualquer tecnologia biométrica é aplicada em etapas:

1. digitalização de objetos;
2. extração de informações individuais;
3. formação de modelos;
4. comparação do modelo atual com o banco de dados.

Um sistema de reconhecimento biométrico combina características fisiológicas ou comportamentais específicas de um usuário com um determinado padrão. Normalmente, um sistema biométrico consiste em dois módulos: um módulo de registro e um módulo de identificação.

Módulo de registro“treina” o sistema para identificar uma pessoa específica. Na fase de registro, uma câmera de vídeo ou outros sensores examinam uma pessoa para criar uma representação digital de sua aparência. A digitalização facial dura cerca de 20 a 30 segundos, resultando na formação de várias imagens. Idealmente, essas imagens terão ângulos e expressões faciais ligeiramente diferentes, permitindo dados mais precisos. Um módulo de software especial processa essa representação e determina as características do indivíduo e, em seguida, cria um modelo. Existem algumas partes do rosto que permanecem praticamente inalteradas ao longo do tempo, como os contornos superiores das órbitas oculares, as áreas ao redor das maçãs do rosto e as bordas da boca. A maioria dos algoritmos desenvolvidos para tecnologias biométricas podem levar em consideração possíveis mudanças no penteado de uma pessoa, uma vez que não analisam a área do rosto acima da linha do cabelo. O modelo de imagem de cada usuário é armazenado no banco de dados do sistema biométrico.

Módulo de identificação recebe a imagem de uma pessoa de uma câmera de vídeo e a converte no mesmo formato digital em que o modelo está armazenado. Os dados resultantes são comparados com um modelo armazenado em um banco de dados para determinar se as imagens correspondem entre si. O grau de similaridade exigido para verificação é um limite que pode ser ajustado para Vários tipos pessoal, energia do PC, hora do dia e uma série de outros fatores.

A identificação pode assumir a forma de verificação, autenticação ou reconhecimento. Durante a verificação, a identidade dos dados recebidos e do modelo armazenado no banco de dados é confirmada. Autenticação - confirma que a imagem recebida da câmera de vídeo corresponde a um dos modelos armazenados no banco de dados. Durante o reconhecimento, se as características recebidas e um dos modelos armazenados forem iguais, o sistema identifica a pessoa com o modelo correspondente.

Ao utilizar sistemas biométricos, especialmente sistemas de reconhecimento facial, mesmo quando são inseridas características biométricas corretas, a decisão de autenticação nem sempre é correta. Isto se deve a uma série de características e, em primeiro lugar, ao fato de que muitas características biométricas podem mudar. Existe um certo grau de possibilidade de erro do sistema. Além disso, ao usar tecnologias diferentes, o erro pode variar significativamente. Para sistemas de controle de acesso que utilizam tecnologias biométricas, é necessário determinar o que é mais importante não deixar entrar “estranhos” ou deixar entrar todos os “insiders”.

Um fator importante para os usuários da tecnologia biométrica em sistemas de segurança é a facilidade de uso. A pessoa cujas características estão sendo escaneadas não deverá sofrer nenhum inconveniente. Nesse sentido, o método mais interessante é, obviamente, a tecnologia de reconhecimento facial. É verdade que neste caso surgem outros problemas, principalmente relacionados com a precisão do sistema.

Apesar dos benefícios óbvios, há uma série de preconceitos negativos contra a biometria, que muitas vezes levantam questões sobre se os dados biométricos serão usados ​​para espionar pessoas e violar o seu direito à privacidade. Devido a afirmações sensacionais e exageros infundados, a percepção das tecnologias biométricas difere drasticamente da situação real.

E, no entanto, a utilização de métodos de identificação biométrica tornou-se particularmente relevante nos últimos anos. Este problema tornou-se especialmente grave após os acontecimentos de 11 de setembro nos Estados Unidos. A comunidade internacional percebeu o grau em que a ameaça do terrorismo está a crescer em todo o mundo e a complexidade da organização proteção confiável métodos tradicionais. Foram estes trágicos acontecimentos que serviram de ponto de partida para aumentar a atenção aos modernos sistemas de segurança integrados. É uma opinião bem conhecida que se os controlos aeroportuários tivessem sido mais rigorosos, os acidentes poderiam ter sido evitados. Ainda hoje, a procura dos responsáveis ​​por uma série de outros incidentes poderia ser significativamente facilitada através da utilização de modernos sistemas de videovigilância em integração com sistemas de reconhecimento facial.

Existem atualmente quatro métodos principais de reconhecimento facial:

1. "faces próprias";
2. análise " características distintas";
3. análise baseada em " redes neurais";
4. método de "processamento automático de imagens faciais".

Todos esses métodos diferem na complexidade de implementação e na finalidade de aplicação.

"Eigenface" pode ser traduzido como "rosto próprio". Esta tecnologia utiliza imagens bidimensionais em tons de cinza que representam características distintivas imagens de rosto. O método "eigenface" é frequentemente usado como base para outros métodos de reconhecimento facial.

Ao combinar características 100 - 120 "eigenface" podem ser restauradas um grande número de pessoas No momento do cadastro, a “face própria” de cada pessoa é apresentada na forma de uma série de coeficientes. Para o modo de autenticação, no qual uma imagem é usada para verificar a identidade, o modelo ativo é comparado com um modelo já registrado para determinar o fator de diferença. O grau de diferença entre os modelos determina o fato da identificação. A tecnologia "eigenface" é ideal quando usada em ambientes bem iluminados, quando é possível digitalizar o rosto pela frente.

A análise de características é a tecnologia de identificação mais amplamente utilizada. Esta tecnologia é semelhante à técnica "Eigenface", mas é mais adaptada às mudanças na aparência ou nas expressões faciais de uma pessoa (rosto sorridente ou carrancudo). A tecnologia de “características distintivas” utiliza dezenas de características de diferentes áreas do rosto, levando em consideração sua localização relativa. A combinação individual desses parâmetros determina as características de cada pessoa. O rosto humano é único, mas bastante dinâmico, porque... uma pessoa pode sorrir, deixar crescer a barba e o bigode, colocar óculos - tudo isso aumenta a complexidade do procedimento de identificação. Assim, por exemplo, ao sorrir, ocorre algum deslocamento das partes da face localizadas próximas à boca, o que por sua vez provocará um movimento semelhante das partes adjacentes. Levando em consideração tais deslocamentos, é possível identificar de forma inequívoca uma pessoa mesmo com diversas alterações faciais. Como esta análise considera áreas locais da face, os desvios permitidos podem variar de até 25° no plano horizontal e até aproximadamente 15° no plano vertical e requerem equipamentos bastante potentes e caros, o que reduz a extensão da propagação de este método.

Em um método baseado em rede neural, os traços característicos de ambas as faces - a registrada e a que está sendo verificada - são comparados para uma correspondência. As “redes neurais” utilizam um algoritmo que combina os parâmetros únicos do rosto da pessoa que está sendo testada e os parâmetros do modelo localizado no banco de dados, utilizando o máximo número possível de parâmetros. À medida que a comparação avança, são determinadas inconsistências entre o rosto da pessoa que está sendo verificada e o modelo do banco de dados, então é lançado um mecanismo que, usando coeficientes de ponderação apropriados, determina o grau de conformidade da face que está sendo verificada com o modelo do banco de dados. base de dados. Este método melhora a qualidade da identificação facial em condições difíceis.

O método de “processamento automático de imagens faciais” é o mais tecnologia simples, utilizando distâncias e proporções de distâncias entre pontos da face facilmente identificáveis, como os olhos, a ponta do nariz e os cantos da boca. Embora este método Não tão poderoso quanto "eigenfaces" ou "rede neural", pode ser usado de forma bastante eficaz em condições de pouca luz.

Sistemas de reconhecimento facial no mercado

Até o momento, vários produtos comerciais foram desenvolvidos para reconhecimento facial. Os algoritmos utilizados nesses produtos são diferentes e ainda é difícil avaliar qual tecnologia apresenta vantagens. Os líderes no momento são os seguintes sistemas: Visionic, Viisage e Miros.

• O aplicativo FaceIt da Visionic é baseado em um algoritmo de análise de recursos local desenvolvido na Universidade Rockefeller. Uma empresa comercial no Reino Unido integrou o FaceIt em um sistema anticrime de televisão chamado Mandrake. Este sistema procura criminosos usando dados de vídeo provenientes de 144 câmeras conectadas em uma rede fechada. Quando a identidade é estabelecida, o sistema notifica o responsável pela segurança. Na Rússia, o representante da Visionic é a empresa DanCom.
• Outro líder nesta área, Viisage, utiliza um algoritmo desenvolvido no Massachusetts Institute of Technology. Empresas e agências governamentais em muitos estados dos EUA e em vários outros países usam o sistema da Viisage em conjunto com documentos de identificação, como carteiras de motorista.
• A ZN Vision Technologies AG (Alemanha) oferece no mercado uma série de produtos que utilizam tecnologia de reconhecimento facial. Esses sistemas são apresentados em Mercado russo Empresa solitária.
• O sistema de reconhecimento facial TrueFace da Miros usa tecnologia de rede neural, e o próprio sistema é usado no complexo de distribuição de dinheiro da corporação Mr.Payroll e está instalado em cassinos e outros estabelecimentos de entretenimento em muitos estados dos EUA.

Nos Estados Unidos, especialistas independentes realizaram testes comparativos de diversas tecnologias de reconhecimento facial. Os resultados do teste são apresentados abaixo.

Arroz. 1. Análise comparativa da eficácia do reconhecimento facial em diferentes sistemas

Na prática, ao utilizar sistemas de reconhecimento facial como parte de sistemas de segurança eletrónica padrão, assume-se que a pessoa a identificar está a olhar diretamente para a câmara. Assim, o sistema funciona com uma imagem bidimensional relativamente simples, o que simplifica significativamente os algoritmos e reduz a intensidade dos cálculos. Mas mesmo neste caso, a tarefa de reconhecimento ainda não é trivial, uma vez que os algoritmos devem levar em conta a possibilidade de alterações nos níveis de iluminação, alterações na expressão facial e presença ou ausência de maquiagem ou óculos.

A confiabilidade de um sistema de reconhecimento facial depende muito de vários fatores:

• Qualidade da imagem. A probabilidade de operação do sistema sem erros é visivelmente reduzida se a pessoa que estamos tentando identificar não estiver olhando diretamente para a câmera ou for filmada com pouca iluminação.
• A relevância da fotografia inserida na base de dados.
• Tamanho do banco de dados.

As tecnologias de reconhecimento facial funcionam bem com câmeras de vídeo padrão que transmitem dados e são controladas por um computador pessoal e exigem uma resolução de 320x240 pixels por polegada com uma taxa de transmissão de vídeo de pelo menos 3 a 5 quadros por segundo. Para efeito de comparação, a qualidade aceitável para uma videoconferência requer uma velocidade de transmissão de vídeo de 15 quadros por segundo. Maior velocidade de transmissão de vídeo com mais alta resolução leva a uma melhor qualidade de identificação. Ao reconhecer rostos a longa distância, existe uma forte relação entre a qualidade da câmera de vídeo e o resultado da identificação.

Volume do banco de dados ao usar padrão computadores pessoais não excede 10.000 imagens.

Conclusão

Os métodos de reconhecimento facial propostos hoje são interessantes e estão próximos de uma implementação generalizada, mas ainda não é possível, como nos filmes, confiar apenas na tecnologia de reconhecimento facial para abrir a porta. É bom como assistente de um guarda de segurança ou outro sistema de controle de acesso.

É este método que se utiliza em muitas situações quando é necessário garantir que o documento apresentado pertence realmente a quem o apresenta. Isso acontece, por exemplo, em um aeroporto internacional, quando um guarda de fronteira confere a foto do passaporte com o rosto do titular do passaporte e decide se é o passaporte dele ou não. O sistema de acesso ao computador opera de acordo com um algoritmo semelhante. A única diferença é que a foto é comparada com um modelo já armazenado no banco de dados.

Já surgiram tecnologias baseadas no reconhecimento facial em luz infravermelha. Nova tecnologia baseia-se no fato de que a imagem térmica criada pela radiação de calor dos vasos sanguíneos da face, ou seja, um termograma do rosto de uma pessoa, é única para cada pessoa e, portanto, pode ser utilizada como um característica biométrica para sistemas de controle de acesso. Este termograma é um identificador mais estável que a geometria facial, pois é quase independente das mudanças na aparência de uma pessoa.

Nos últimos anos, a biometria penetrou cada vez mais em nossas vidas. Os principais países do mundo já introduziram ou planejam introduzir passaportes eletrônicos contendo informações sobre as características biométricas de seu titular em um futuro próximo; muitos centros de escritórios implementaram sensores biométricos em sistemas corporativos controle de acesso; os laptops há muito são equipados com autenticação biométrica de usuário; aparecem no arsenal dos serviços de segurança meios modernos identificar qualquer criminoso procurado em uma multidão de pessoas

Andrey Khrulev
Chefe do Departamento de Biometria
e sistemas de segurança integrados
Grupo de empresas "Technoserv", Ph.D.

Existem cada vez mais exemplos de utilização de sistemas biométricos. O sucesso da biometria é fácil de explicar. Os meios tradicionais de identificação pessoal, baseados nos princípios “Eu sou o que tenho” (cartões de identificação, tokens, documentos de identificação) e “Eu sou o que sei” (senhas, códigos PIN) não são perfeitos. É fácil perder um cartão, você pode esquecer sua senha e, além disso, qualquer invasor pode usá-la e nenhum sistema pode distingui-lo de uma pessoa falsa.

Além disso, os meios tradicionais de identificação são absolutamente inúteis quando se trata de tarefas de identificação pessoal oculta, e há cada vez mais tarefas desse tipo:

• reconhecer um criminoso no meio de uma multidão;
• verifique se o proprietário realmente está apresentando o passaporte;
• descubra se uma pessoa é procurada;
• descobrir se a pessoa já esteve envolvida em fraude financeira com empréstimos;
• identificar torcedores potencialmente perigosos ao entrar no estádio, etc.

Todos estes problemas só podem ser resolvidos utilizando ferramentas biométricas de identificação pessoal baseadas no princípio “Eu sou o que sou”. Este princípio permite sistema de informação identificar a pessoa diretamente, e não os objetos que ela apresenta ou as informações que comunica.

A singularidade da biometria facial

Dentre a variedade de características biométricas humanas utilizadas para identificação pessoal, destaca-se especialmente a imagem do rosto. A biometria facial é única porque não requer a criação de sensores especializados para obter uma imagem - uma imagem facial pode ser obtida em câmera normal sistemas de videovigilância. Além disso, a fotografia de uma pessoa está presente em quase todos os documentos de identidade, o que significa que a implementação desta tecnologia na prática não está associada a vários problemas regulatórios e às complexidades da percepção social da tecnologia.

É importante notar também que uma imagem facial pode ser obtida implicitamente para a própria pessoa, o que significa que a biometria facial é ideal para a construção de sistemas de monitoramento e identificação secretos.

Qualquer sistema de reconhecimento facial é um típico sistema de reconhecimento de imagem, cuja tarefa é formar um determinado conjunto de características, o chamado modelo biométrico, de acordo com o modelo matemático embutido no sistema. É este modelo que constitui o know-how chave de qualquer sistema biométrico, e a eficácia do reconhecimento facial depende diretamente de fatores como a estabilidade do modelo biométrico a vários tipos de interferências e distorções na foto original ou imagem de vídeo.

A eficácia do reconhecimento facial depende diretamente de fatores como a resistência do modelo biométrico a vários tipos de interferências e distorções na foto original ou imagem de vídeo

Apesar da enorme variedade de sistemas de reconhecimento facial apresentados tanto no mercado russo como no mundo, muitos deles utilizam os mesmos motores biométricos - na verdade implementações de software métodos para construir e comparar modelos matemáticos da face. Na Rússia, os motores biométricos mais utilizados são Cognitec (desenvolvido pela Cognitec Systems GmbH, Alemanha), Cascade-Potok (desenvolvido pela Technoserv, Rússia), FRS SDK (desenvolvido pela Asia Software, Cazaquistão), FaceIt (desenvolvido pela empresa L1 Identity Soluções, EUA).

Normalmente, o reconhecimento facial em qualquer mecanismo biométrico é realizado em várias etapas: detecção facial, avaliação de qualidade, construção de modelos, correspondência e tomada de decisão.

Etapa 1: detecção de rosto

Nesta fase, o sistema identifica (detecta) automaticamente os rostos das pessoas num fluxo de fotogramas de vídeo ou em fotografias, e a gama de ângulos e escalas dos rostos pode variar significativamente, o que é extremamente importante para sistemas de segurança de edifícios. Não é necessário que todos os rostos selecionados sejam reconhecidos (como regra, isso é impossível), mas para detectar Quantia máxima indivíduos no fluxo e, se necessário, colocá-los no arquivo é extremamente útil (Fig. 1).

A detecção de rosto é um dos principais estágios do reconhecimento, uma vez que a falta de um rosto pelo detector significa automaticamente que a identificação posterior é impossível. A qualidade do detector é geralmente caracterizada pela probabilidade de detectar uma face P0. Para sistemas biométricos modernos operando em ambientes lotados, a probabilidade de detecção de rosto varia de 95 a 99% e depende das condições de gravação de vídeo (iluminação, resolução da câmera, etc.).

Uma das tendências mais promissoras no desenvolvimento do mercado de biometria é o surgimento de câmeras de vídeo digitais inteligentes que implementam uma função de detecção de rosto baseada em lógica integrada (Fig. 2). As câmeras de vídeo inteligentes permitem que você receba não apenas um fluxo de vídeo de alta qualidade, mas também metadados associados contendo informações sobre os rostos encontrados.

Esta abordagem permite reduzir significativamente a carga na capacidade de hardware do sistema de reconhecimento, o que, por sua vez, reduz o custo final dos complexos biométricos, tornando-os mais acessíveis ao consumidor final. Além disso, os requisitos para canais de transmissão de dados são reduzidos, pois com esta abordagem não precisamos de linhas de comunicação gigabit para transmitir vídeo de alta qualidade, mas sim de redes padrão para transmissão de vídeo compactado e um pequeno fluxo de imagens faciais detectadas.

Etapa 2: avaliação da qualidade

Esta é uma etapa de reconhecimento muito importante, na qual o mecanismo biométrico seleciona de todo o conjunto de rostos detectados apenas as imagens que atendem aos critérios de qualidade especificados.

Muitas vezes, os desenvolvedores de sistemas biométricos são falsos, alegando que seu sistema fornece um alto nível de reconhecimento quando as imagens faciais no fluxo de vídeo atendem aos requisitos de qualidade definidos no GOST R ISO/IEC 19794-5. No entanto, este GOST impõe condições muito rigorosas (quase ideais) à qualidade das fotografias faciais (ângulo frontal do rosto com desvio não superior a 5 graus; iluminação uniforme; expressões faciais neutras, etc.), que não podem ser atendidas em condições reais do sistema de vigilância por vídeo. Tais requisitos GOST são plenamente justificados pelo fato de que, em essência, este padrão tem como objetivo unificar o formato de armazenamento de fotografias eletrônicas em passaportes e vistos de nova geração - os chamados passaportes biométricos. Na prática, os sistemas de identificação biométrica são forçados a lidar com condições operacionais muito menos favoráveis:

• desvio da face da posição frontal em ângulos superiores a 20 graus;
• iluminação forte;
• cobrindo parte do rosto;
• a presença de sombras no rosto;
• tamanho de imagem pequeno, etc.

É a estabilidade do motor biométrico em condições tão difíceis que determina sua qualidade. Nos motores biométricos modernos, na fase de avaliação da qualidade, via de regra, são avaliados:

• ângulo facial (não deve exceder 20–30 graus);
• tamanho do rosto (estimado pela distância entre as pupilas dos olhos e deve ser superior a 50–80 px);
• fechamento parcial da face (o fechamento da face não deve exceder 10–25% da área total da face).

Existe um equívoco comum de que se os olhos estiverem fechados na imagem de um rosto (piscando ou usando óculos), o sistema supostamente não será capaz de reconhecer a pessoa. Na verdade, os primeiros algoritmos de reconhecimento facial usavam os centros das pupilas dos olhos como base para o processamento posterior de imagens, em particular para o dimensionamento facial padrão. No entanto, no momento, muitos motores biométricos modernos (por exemplo, Cognitec ou Cascade-Potok) usam esquemas de codificação facial mais complexos e não estão vinculados à posição dos centros dos alunos.

Etapa 3: construindo um modelo

Esta é uma das etapas mais complexas e únicas do reconhecimento facial e constitui o principal know-how da tecnologia de motores biométricos. A essência deste estágio é uma transformação matemática não trivial de uma imagem facial em um conjunto de características combinadas em um modelo biométrico.

Cada rosto possui seu próprio modelo biométrico exclusivo. Os princípios de construção de templates biométricos são extremamente diversos: um template pode ser baseado nas propriedades texturais da face, em características geométricas, em pontos característicos, em uma combinação de várias características heterogêneas.

A característica mais importante de um modelo biométrico é o seu tamanho. Quanto maior o tamanho do modelo, mais recursos informativos ele inclui, mas menor será a velocidade e a eficiência da busca por esse modelo. O tamanho típico de um modelo facial em sistemas biométricos varia de 1 a 20 kB.

Etapa 4: comparação e tomada de decisão

Esta é uma etapa combinada do funcionamento do sistema de reconhecimento, na qual é feita uma comparação do modelo facial biométrico, construído a partir da face detectada, com um conjunto de modelos armazenados no banco de dados. No caso mais simples, a comparação é realizada simplesmente pesquisando todos os modelos e avaliando a medida de sua similaridade. Com base nas avaliações obtidas e na sua comparação com limites especificados, é tomada uma decisão sobre a presença ou ausência de uma pessoa idêntica na base de dados.

Em sistemas modernos, a comparação é implementada usando esquemas complexos de comparação ideal, proporcionando uma velocidade de comparação de 10.000 a 200.000 comparações por segundo ou mais. Além disso, vale a pena entender que o processo de correspondência pode ser paralelizado, o que permite que os sistemas de identificação funcionem quase em tempo real mesmo para grandes conjuntos de imagens, por exemplo, 100 mil pessoas.

A qualidade do desempenho dos sistemas de reconhecimento facial é geralmente caracterizada por probabilidades de identificação. É óbvio que durante a identificação biométrica podem ocorrer dois tipos de erros.

1. O primeiro erro está relacionado à possibilidade de perder e não reconhecer a pessoa que realmente está no banco de dados – isso costuma ser chamado de erro tipo I. Além disso, muitas vezes indicam não o valor do erro tipo I em si, mas um menos a probabilidade de um erro tipo I. Este valor é denominado probabilidade de reconhecimento correto PPR.
2. O segundo erro reflete os casos em que o sistema reconhece uma pessoa que não está realmente no banco de dados ou a confunde com outra pessoa - geralmente é chamado de erro tipo II. Para sistemas modernos de reconhecimento facial, a probabilidade típica de reconhecimento correto está geralmente na faixa de 80 a 97%, com um erro tipo II não superior a 1%.

Condições para identificação bem-sucedida

Vale entender que o reconhecimento facial não é uma tecnologia absoluta. Muitas vezes pode-se ouvir críticas aos sistemas biométricos de que em objetos reais não é possível alcançar o mesmo alto desempenho que em condições de “laboratório”. Esta afirmação é apenas parcialmente verdadeira. Na verdade, o reconhecimento facial só pode ser efetivamente reconhecido sob certas condições, razão pela qual é extremamente importante, ao introduzir a biometria facial, compreender em que condições o sistema será operado. No entanto, para a maioria dos sistemas de reconhecimento modernos, estas condições são bastante alcançáveis ​​em objetos reais. Assim, para aumentar a eficiência do reconhecimento facial nas zonas de identificação, deve ser organizado um fluxo direcionado de pessoas (portas, molduras de detectores de metais, catracas, etc.) para garantir a possibilidade de curto prazo (não mais que 1–2 s) gravação do rosto de cada visitante. Neste caso, as câmeras de gravação de vídeo devem ser instaladas de forma que o ângulo de desvio das pessoas gravadas da posição frontal não ultrapasse 20–30 graus. (por exemplo, instalação de câmeras a uma distância de 8–10 m da zona de passagem com altura de suspensão de 2–3 m).

O cumprimento destas condições na implementação de sistemas de reconhecimento permite resolver eficazmente o problema de identificação de uma pessoa e de procura de pessoas de particular interesse, com probabilidades o mais próximas possível dos valores dos indicadores de identificação de sucesso declarados pelos desenvolvedores.