Распознавание лиц

Методы автоматического распознавания лиц

Задача идентификации и распознавания лиц — это одна из первых практических задач, которая стимулировала становление и развитие теории распознавания и идентификации объектов.

Интерес к процедурам, лежащим в основе процесса узнавания и распознавания лиц, всегда был значительным, особенно в связи с возрастающими практическими потребностями: охранные системы, верификация, криминалистическая экспертиза, телеконференции и т. д. Несмотря на ясность того житейского факта, что человек хорошо идентифицирует лица людей, совсем не очевидно, как научить ЭВМ проводить эту процедуру, в том числе как декодировать и хранить цифровые изображения лиц. Ещё менее ясными являются оценки схожести лиц, включая их комплексную обработку. Можно выделить несколько направлений исследований проблемы распознавания лиц:

• нейропсихологические модели;
• нейрофизиологические модели;
• информационно — процессуальные модели;
• компьютерные модели распознавания.

Проблема распознавания лиц рассматривалась ещё на ранних стадиях компьютерного зрения. Ряд компаний на протяжении более 40 лет активно разрабатывают автоматизированные, а сейчас и автоматические системы распознавания человеческих лиц: Smith & Wesson (система ASID — Automated Suspect Identification System); ImageWare (система FaceID); Imagis, Epic Solutions, Spillman, Miros (система Trueface); Vissage Technology (система Vissage Gallery); Visionics (система FaceIt).

Технологии распознавания лиц позволяют производить автоматический поиск и распознавание лиц в графических файлах и видеопотоке.

В первых исследованиях по компьютерному зрению осуществлялось построение модели простых геометрических тел по нескольким изображениям проекций^[1]. Результаты этого исследования применялись в роботах, которые собирали конструкции из разбросанных по столу деталей. Большинство ранних исследований по распознанию лиц не были публично представлены, что затрудняет исторический анализ. Первые системы распознания лиц были полуавтоматическими и требовали, чтобы оператор вручную осуществлял локализацию признаков на изображении (такие как глаза, уши, нос и рот). После чего система вычисляла расстояния до опорной точки, которые в дальнейшем и использовались для сравнения моделей.

Первые эксперименты в области машинного распознавания лиц представил в 1960-х годах Вуди Бледсо — профессор Техасского университета в Остине, исследователь искусственного интеллекта. Его рабочая группа создала базу из 800 снимков людей в разных ракурсах. Далее ученые размечали лица 46 точками-координатами с помощью прототипа современного планшета. Посредством специального алгоритма система разворачивала лица под разными углами, работали с масштабом. На втором этапе алгоритм использовал 22 измерения, действуя согласно байесовской теории принятия решений — чтобы общий вывод был максимально точным. В итоге система, разработанная Бледсо, справлялась в 100 раз быстрее^[2].

В 1971 году была опубликована работа^[3] , представляющая использующие 21 признак (такие как цвет волос, толщина губ и др.) для полуавтоматического распознавания.

Eigenface - одна из ранних полностью автоматических систем. Она была представлена в 1991 году ^[4]. Метод, положенный в ее основу, заключается в нахождении главных компонент из нормализованных изображений обучающей выборки.

По мнению некоторых специалистов, развитие технологии распознавания лиц представляет потенциальную опасность для свободы личности^[5].^[6]

Одной из опций "Умного города" является оплата какой-либо услуги, используя свои лица. В китайском городе Инчуань, столица провинции Нинся - это концепция реализовано полностью, эьл единственный смартгород в мире, где необязательно иметь с собой деньги, банковскую карту или же проездные^[7].

В ходе военных действий на Украине используется программное обеспечение американской компании Clearview AI^[8].Clearview используется не только для идентификации погибших в Украине. Компания подтвердила, что ее технология применяется для проверок на украинских контрольно-пропускных пунктах, чтобы определить врага и подозрительных лиц.

Известный американский специалист в области ИИ Гэри Маркус указывает на опасность ошибок при использовании распознавания лиц полицией и спецслужбами:^[9]:

[Ошибочное распознавание] совершенно неприемлемо, если на карту ставится человеческая жизнь и безопасность. Автоматическое распознавание людей на фотографиях может иметь надежность 90 %, и если речь идет только о личном использовании этой технологии, то этого будет вполне достаточно. Но если её применяет полиция для поиска подозреваемых на записях камер наблюдения, то 10 % ошибок — это катастрофически много.

Кроме того, известен эффект кросс-расы, в ходе которого страдает способность человека распознавать лица людей, не относящихся к его расе.