وقت آن است که بفهمیم. واقعاً تشخیص چهره چگونه کار می کند؟ آیا مشکل تشخیص چهره حل شده است؟ تمام مراحل را خودتان انجام دهید

اگر فقط در مسکو در حال حاضر شبکه ای از بیش از 150000 دوربین نظارت تصویری در فضای باز وجود داشته باشد، چه می توانیم بگوییم. هیچ پنهانی از آنها وجود ندارد، و این مردم را به فکر وا می دارد، اما مقیاس "نظارت" چندان بزرگ نیست. این شبکه از یک سیستم تشخیص چهره قدرتمند استفاده می کند، اما برای کار به انرژی زیادی نیاز دارد، بنابراین تنها 2-4 هزار دوربین در زمان واقعی کار می کنند. نظارت انبوه بر جمعیت هنوز هم ترسناک است، بنابراین ارزش تمرکز بر مزایای واقعی این فناوری را دارد. اما اول از همه.

سیستم تشخیص چهره چگونه کار می کند؟

آیا تا به حال به این فکر کرده اید که چگونه یک چهره را تشخیص می دهید و آن را می شناسید؟ چگونه یک کامپیوتر این کار را انجام می دهد؟ البته چهره انسان دارای ویژگی های خاصی است که به راحتی قابل توصیف است. فاصله بین چشم ها، موقعیت و عرض بینی، شکل برآمدگی های ابرو و چانه - وقتی به شخص دیگری نگاه می کنید ناخودآگاه متوجه همه این جزئیات می شوید. کامپیوتر همه این کارها را با کارایی و دقت خاصی انجام می دهد، زیرا با ترکیب تمام این معیارها به دست می آید. فرمول ریاضیصورت انسان

بنابراین تشخیص چهره در حال حاضر چقدر خوب کار می کند؟ خیلی خوب است، اما گاهی اوقات اشتباه می کند. اگر تا به حال با نرم افزار تشخیص چهره در فیس بوک یا پلتفرم دیگری مواجه شده اید، احتمالاً متوجه شده اید که نتایج خنده دار به همان اندازه که نتایج دقیق وجود دارد، وجود دارد. با این حال، اگرچه این فناوری با دقت 100 درصد کار نمی کند، اما به اندازه کافی خوب است که استفاده گسترده ای داشته باشد. و حتی شما را عصبی می کند.

پل هاوی از NEC می گوید که سیستم تشخیص چهره آن ها چهره ها را برای شناسه های فردی اسکن می کند:

به عنوان مثال، بسیاری از مردم فاصله بین چشم ها را یک ویژگی منحصر به فرد می دانند. یا ممکن است فاصله چانه تا پیشانی و سایر اجزا باشد. به طور خاص، ما 15-20 عامل را که مهم تلقی می شوند و همچنین عوامل دیگری را که دیگر چندان مهم نیستند در نظر می گیریم. یک تصویر سه بعدی از سر فرد ایجاد می شود، بنابراین حتی اگر تا حدی پوشیده شده باشد، باز هم می توانیم مطابقت دقیقی داشته باشیم. سپس سیستم امضای چهره را می گیرد و آن را از طریق پایگاه داده اجرا می کند.

آیا باید نگران نرم افزار تشخیص چهره باشید؟

اول از همه، تشخیص چهره داده است. داده ها را می توان جمع آوری و ذخیره کرد، اغلب بدون اجازه. هنگامی که اطلاعات جمع آوری و ذخیره می شود، برای هک باز است. پلتفرم‌های نرم‌افزار تشخیص چهره هنوز هک‌های بزرگی را متحمل نشده‌اند، اما با گسترش فناوری، داده‌های بیومتریک شما در دست همه است. بیشتراز مردم.



مسائل مربوط به مالکیت نیز وجود دارد. اکثر مردم نمی دانند که وقتی برای پلتفرم های رسانه های اجتماعی مانند فیس بوک ثبت نام می کنند، داده های آنها از آن لحظه به فیس بوک تعلق دارد. با تعداد روزافزونی از شرکت‌هایی که از تشخیص چهره استفاده می‌کنند، به زودی حتی مجبور نخواهید شد عکس‌های خود را در اینترنت آپلود کنید تا در معرض خطر قرار بگیرید. آنها قبلاً در آنجا ذخیره شده اند و برای مدت طولانی ذخیره شده اند.

وقتی صحبت از نرم افزار شد، همه آنها متفاوت کار می کنند، اما در هسته از روش ها و شبکه های عصبی مشابهی استفاده می کنند. هر چهره دارای ویژگی های متمایز بسیاری است (نمی توان دو چهره یکسان را در جهان پیدا کرد، اما در طول تاریخ بشریت تعداد زیادی از آنها وجود داشته است!). به عنوان مثال، نرم افزار FaceIt این ویژگی ها را به عنوان گره ها تعریف می کند. هر صورت دارای تقریباً 80 نقطه گره است، مشابه مواردی که قبلاً ذکر کردیم: فاصله بین چشم ها، عرض بینی، عمق حدقه های چشم، شکل چانه، طول فک. این نقاط اندازه گیری می شوند و یک کد عددی ایجاد می کنند - "faceprint" - که سپس وارد یک پایگاه داده می شود.

در گذشته، تشخیص چهره به تصاویر دوبعدی برای مقایسه یا شناسایی سایر تصاویر دو بعدی از پایگاه داده متکی بود. برای حداکثر کارایی و دقت، تصویر باید چهره ای باشد که مستقیماً به دوربین نگاه می کند، با پراکندگی نور کمی و بدون حالت چهره خاص. البته خیلی ضعیف کار کرد

در بیشتر موارد، تصاویر در یک محیط مناسب ایجاد نشده اند. زوج بازی کوچکنور می تواند کارایی سیستم را کاهش دهد و منجر به نرخ بالای خرابی شود.

2 بعدی با تشخیص 3 بعدی جایگزین شده است. این روند نرم افزاری اخیر از یک مدل سه بعدی برای ارائه تشخیص چهره بسیار دقیق استفاده می کند. این نرم افزار با گرفتن یک تصویر سه بعدی از سطح صورت یک فرد در زمان واقعی، ویژگی های متمایز را برجسته می کند - جایی که بافت سخت و استخوان برجسته تر هستند، مانند انحنای حدقه چشم، بینی و چانه - برای شناسایی سوژه. این مناطق منحصر به فرد هستند و در طول زمان تغییر نمی کنند.



با استفاده از عمق و محور اندازه گیری که تحت تأثیر نور قرار نمی گیرند، می توان از تشخیص چهره سه بعدی حتی در تاریکی استفاده کرد و اشیا را از زوایای مختلف (حتی در پروفایل) تشخیص داد. چنین نرم افزاری چندین مرحله را برای شناسایی افراد طی می کند:

• تشخیص: گرفتن تصویر با اسکن دیجیتالی یک عکس موجود (2D) یا فیلم برای تولید یک تصویر زنده از سوژه (3D).
• هم ترازی: سیستم پس از شناسایی چهره، موقعیت سر، اندازه و وضعیت سر را یادداشت می کند.
• اندازه گیری: سیستم منحنی های صورت را با دقت میلی متری اندازه گیری می کند و یک قالب ایجاد می کند.
• نمایندگی: سیستم قالب را به کد منحصر به فرد. این کد به هر الگو مجموعه ای از اعداد می دهد که نمایانگر ویژگی ها و ویژگی های چهره هستند.
• مقایسه: اگر تصویر به صورت سه بعدی باشد و پایگاه داده شامل تصاویر سه بعدی باشد، مقایسه بدون تغییر تصویر ادامه خواهد داشت. اما اگر پایگاه داده از تصاویر دو بعدی تشکیل شده باشد، تصویر سه بعدی به اجزای مختلف تجزیه می شود (مانند عکس های دو بعدی از همان ویژگی های صورت گرفته شده از زوایای مختلف) و آنها به تصاویر دو بعدی تبدیل می شوند. و سپس مطابقت در پایگاه داده پیدا می شود.
• تایید یا شناسایی: در طی فرآیند تأیید، تصویر تنها با یک تصویر در پایگاه داده مقایسه می شود (1:1). اگر هدف شناسایی باشد، تصویر با تمام تصاویر موجود در پایگاه داده مقایسه می شود و در نتیجه تعدادی تطابق احتمالی (1:N) حاصل می شود. در صورت لزوم از یک روش یا روش دیگر استفاده می شود.

سیستم های تشخیص چهره کجا استفاده می شود؟

در گذشته، سیستم‌های تشخیص چهره عمدتاً در اجرای قانون استفاده می‌شد، زیرا مقامات از آن‌ها برای جستجوی چهره‌های تصادفی در میان جمعیت استفاده می‌کردند. برخی از سازمان‌های دولتی نیز از سیستم‌های مشابه برای امنیت و حذف تقلب در رأی‌دهندگان استفاده می‌کنند.

با این حال، موقعیت های بسیار دیگری وجود دارد که در آن چنین نرم افزارهایی محبوب می شوند. سیستم ها ارزان تر می شوند و توزیع آنها در حال رشد است. آنها اکنون با دوربین ها و رایانه های مورد استفاده بانک ها و فرودگاه ها سازگار هستند. آژانس های مسافرتی در حال کار بر روی یک برنامه "مسافر کارآزموده" هستند تا به مسافرانی که داوطلبانه اطلاعات ارائه می کنند، غربالگری سریع امنیتی ارائه دهند. اگر افراد از سیستم تشخیص چهره که چهره‌ها را با یک پایگاه داده داخلی منطبق می‌کند، استفاده کنند، صف‌های فرودگاه سریع‌تر حرکت می‌کنند.

سایر برنامه های کاربردی بالقوه شامل دستگاه های خودپرداز و دستگاه های پول نقد است. نرم افزارمی تواند به سرعت چهره مشتری را بررسی کند. پس از اجازه مشتری، دستگاه خودپرداز یا ترمینال از چهره عکس می گیرد. این نرم افزار یک پرینت صورت ایجاد می کند که از مشتری در برابر سرقت هویت و تراکنش های تقلبی محافظت می کند - دستگاه خودپرداز به سادگی به شخصی با چهره متفاوت پول نمی دهد. شما حتی نیازی به پین ​​کد ندارید.

شعبده بازي؟ فن آوری ها!

توسعه فناوری تشخیص چهره در زمینه نقل و انتقالات بانکی از اهمیت ویژه ای برخوردار است. روز دیگر، بانک روسی Otkrytie راه حل منحصر به فرد خود را ارائه کرد که تحت نام تجاری Open Garage توسعه یافته است: انتقال پول با استفاده از یک عکس. به جای وارد کردن کارت یا شماره تلفن، فقط باید از شخصی که باید به او انتقال را انجام دهید، عکس بگیرید. سیستم تشخیص چهره عکس را با عکس مرجع مقایسه می‌کند (در زمان صدور کارت توسط بانک انجام می‌شود) و نام و نام خانوادگی را اعلام می‌کند. تنها کاری که باید انجام دهید این است که یک کارت را انتخاب کرده و مبلغ را وارد کنید. آنچه به ویژه مهم است این است که مشتریان بانک های شخص ثالث نیز می توانند از این عملکرد برای انتقال به مشتریان Otkrytie استفاده کنند - فرستنده نقل و انتقالات می تواند از کارت هر بانک روسی استفاده کند.

«استفاده از عکس مشتری به جای شماره کارت بانکیالکسی ماتویف، رئیس این مرکز می‌گوید: «این یک رویکرد اساساً جدید برای انتقال‌های آنلاین است، مبتنی بر استفاده از یک سیستم تشخیص چهره شبکه عصبی، که به مشتری اجازه می‌دهد تا با درجه بالایی از دقت بر اساس داده‌های بیومتریک او شناسایی شود. بخش توسعه سیستم های مشارکت بانک Otkritie. - این سرویس سناریوهای زندگی کاملاً جدیدی را برای کاربران باز می کند نقل و انتقالات پول. در حال حاضر هیچ یک از فعالان بازار مالی در جهان چنین خدماتی را به مشتریان خود ارائه نمی دهند.

اپلیکیشن موبایل"افتتاح. ترجمه ها» امکان پذیر است.

شاید امروزه هیچ فناوری دیگری وجود نداشته باشد که با این همه افسانه، دروغ و بی کفایتی احاطه شده باشد. روزنامه‌نگارانی که در مورد فناوری صحبت می‌کنند، سیاستمدارانی که در مورد اجرای موفق صحبت می‌کنند دروغ می‌گویند، اکثر فروشندگان فناوری دروغ می‌گویند. هر ماه عواقب افرادی را می بینم که سعی می کنند تشخیص چهره را در سیستم هایی اجرا کنند که نمی توانند آن را مدیریت کنند.

موضوع این مقاله برای مدت طولانی دردناک بود، اما من هنوز برای نوشتن آن تنبل بودم. متن های زیادی که قبلاً بیست بار برای افراد مختلف تکرار کرده ام. اما، پس از خواندن بسته دیگری از زباله، به این نتیجه رسیدم که وقت آن فرا رسیده است. من لینک این مقاله را ارائه خواهم کرد.

بنابراین. در این مقاله به چند سوال ساده پاسخ خواهم داد:

به نظر شما سازندگان الگوریتم ها این پایه ها را از کجا آورده اند؟

یه اشاره کوچولو اولین محصول NTech که اکنون دارند Find Face است، جستجوی افراد در VKontakte. فکر می کنم نیازی به توضیح نیست. البته، VKontakte در حال مبارزه با ربات هایی است که همه چیز را پمپاژ می کنند باز کردن پروفایل ها. اما تا جایی که من شنیدم مردم هنوز در حال دانلود هستند. و همکلاسی ها و اینستاگرام

به نظر می رسد با فیس بوک - همه چیز در آنجا پیچیده تر است. اما تقریباً مطمئن هستم که آنها نیز به چیزی رسیده اند.
بنابراین بله، اگر نمایه شما عمومی است، پس می توانید افتخار کنید، از آن برای آموزش الگوریتم ها استفاده شده است؛)

درباره راه حل ها و درباره شرکت ها

در حال حاضر رهبران دیگر 1-2 شرکت چینی و 1 آمریکایی هستند، Vocord چیزی در رتبه بندی از دست داده است.

سایر موارد روسی در رتبه بندی عبارتند از itmo، 3divi و intellivision. سینزیس- شرکت بلاروسیاگرچه برخی از آنها زمانی در مسکو بودند، اما حدود 3 سال پیش آنها یک وبلاگ در Habré داشتند. من در مورد چند راه حل دیگر می دانم که آنها متعلق به شرکت های خارجی هستند، اما دفاتر توسعه نیز در روسیه هستند. چندین شرکت روسی نیز وجود دارند که در رقابت حضور ندارند، اما به نظر می رسد راه حل های خوبی دارند. به عنوان مثال، اهداف توسعه هزاره است. بدیهی است که Odnoklassniki و Vkontakte نیز موارد خوب خود را دارند، اما آنها برای استفاده داخلی هستند.

به طور خلاصه، بله، این بیشتر ما و چینی ها هستیم که حالات چهره یکسانی داریم.

NTech اولین شرکتی بود که در جهان نمایش داد پارامترهای خوبسطح جدید جایی در اواخر سال 2015. VisionLabs به تازگی با NTech آشنا شده است. در سال 2015 آنها رهبران بازار بودند. اما راه حل آنها مربوط به نسل گذشته بود و آنها شروع کردند به تلاش برای رسیدن به NTech تنها در پایان سال 2016.

صادقانه بگویم، من هیچ کدام از این شرکت ها را دوست ندارم. خیلی بازاریابی تهاجمی. من افرادی را دیدم که به وضوح راه حل نامناسبی به آنها داده شد که مشکلات آنها را حل نکرد.

از این طرف من Vocord را خیلی بیشتر دوست داشتم. من یک بار به بچه هایی که Vocord خیلی صادقانه به آنها گفت: "پروژه شما با چنین دوربین ها و نقاط نصب کار نمی کند." NTech و VisionLabs با خوشحالی سعی در فروش کردند. اما چیزی در مورد Vocord وجود دارد اخیراناپدید شد.

نتیجه گیری

امروز، شما نمی توانید تمام افسانه ها را باور کنید که می توانید همه جنایتکاران را دستگیر کنید یا همه را در شهر مشاهده کنید. اما مهم است که به یاد داشته باشید که چنین چیزهایی می تواند به دستگیری مجرمان کمک کند. مثلاً نه همه را در مترو، بلکه فقط کسانی را که سیستم شبیه آنها می داند متوقف کند. دوربین ها را طوری قرار دهید که چهره ها بهتر شناخته شوند و زیرساخت های مناسب برای این کار ایجاد کنید. هرچند که مثلا من مخالف این هستم. زیرا هزینه یک اشتباه اگر به عنوان شخص دیگری شناخته شوید ممکن است بسیار زیاد باشد.

باز شد عصر جدید. فناوری تشخیص چهره ویژگی اصلی آن است. و هیچ کس شک ندارد که این روش باز کردن قفل در بسیاری از گوشی های هوشمند دیگر نیز اجرا خواهد شد.

در دهه 1960، آزمایش‌های ویژه‌ای انجام شد که در آن رایانه باید تشخیص چهره یک فرد را یاد می‌گرفت. سپس به چیزی منجر نشد، زیرا هر احساسی منجر به شکست شد. همچنین سیستم اختراع شده از تغییر شرایط نوری می ترسید.

تنها در اواخر قرن بیستم سیستم‌هایی ظاهر شدند که یاد می‌گرفتند چهره افراد را از روی عکس‌ها شناسایی کنند و آنها را به خاطر بسپارند. در عین حال، وقتی سبیل، ریش، عینک و سایر "تداخل" ظاهر می شوند، دیگر شکست نمی خورند. به طور فعال، چنین سیستم هایی شروع به معرفی کردند دوربین های دیجیتال. آنها همچنین جایگاهی در بخش امنیتی پیدا کردند.

سیستم های تشخیص چهره برای مدت طولانییک اشکال قابل توجه وجود داشت. آنها به شدت به نور و زاویه بستگی داشتند. با این حال، این مشکل در اسکنرهای امنیتی قابل توجه نبود. صورت تقریباً به آنها فشار داده شد، سپس توسط لامپ ها روشن شد. معرفی عکاسی استریو به خلاص شدن از مضرات فوق کمک کرد. دو دوربین عمق صحنه را درک می کنند و بنابراین دقت خوانش ها چندین برابر افزایش می یابد.

فناوری تشخیص چهره چگونه کار می کند؟

به تدریج خصوصیت جدیددر گوشی های هوشمند ظاهر شد. در اینجا، شناسایی کاربر بیومتریک اجرا می شود تا قفل دستگاه باز نشود غریبه. در حالت ایده آل، دسترسی اطلاعات شخصیشاید فقط یک دوقلو در این مورد جای نگرانی نیست. بعید است که کسی به طور جدی چیزی را از برادر یا خواهر خود پنهان کند. و هیچ کس به خود زحمت نمی دهد که یک رمز عبور اضافی برای خواندن برخی از داده های به خصوص سری تعیین کند.

عملکرد سیستم تشخیص چهره در گوشی های هوشمند را می توان به چهار مرحله تقسیم کرد:

1. اسکن چهره.با استفاده از آن انجام می شود دوربین جلویا، مانند مورد آیفون X، سنسور ویژه. اسکن سه بعدی است، بنابراین فوکوس عکس کار نخواهد کرد.
2. استخراج داده های منحصر به فرداین سیستم بر مجموعه ای از ویژگی های صورت اسکن شده تمرکز می کند. اغلب اینها خطوط حدقه چشم، شکل استخوان گونه و عرض بینی است. در سیستم های پیشرفته، اسکارها نیز ممکن است قابل مشاهده باشند.
3. بازیابی یک الگو با داده های دریافتی قبلی از حافظه.
4. جستجو برای مسابقاتمرحله نهایی که در آن سیستم تصمیم می گیرد که آیا قفل صفحه نمایش را باز کند یا خیر. قدرت پردازنده های مدرنبه شما این امکان را می دهد که فقط کسری از ثانیه را صرف "فکر کردن" کنید.

عملکرد تشخیص چهره را می توان حتی با استفاده از دوربین جلو - تا زمانی که دارای دو لنز باشد - اجرا کرد. با این حال، در این حالت، عملکرد این تابع ناپایدار خواهد بود. واقعیت این است که فقط سنسورهای خاص اسکن چهره را حتی در تاریکی تضمین می کنند، در حالی که دوربین جلو به نور روشن نیاز دارد. همچنین سنسورهای ویژه به صورت مجازی روی صورت نمایش داده می شوند مقدار زیادنقاط، بنابراین آنها حتی زمانی که ریش، عینک و تداخل دیگر وجود دارد، کار می کنند. در یک کلام، در برخی از DOOGEE Mix 2، سیستم قطعاً بدتر از iPhone X کار خواهد کرد. مورد دیگر سالگرد است. محصول اپلقیمت بسیار بیشتری نسبت به سایر گوشی های هوشمند با تشخیص چهره دارد.

آیا فناوری آینده است؟

سنسورهای مورد نیاز برای اسکن چهره نیاز به نصب کامل دارند. یک جابجایی صدم میلی متر منجر به این واقعیت می شود که عملکرد عملکرد دیگر ایده آل نخواهد بود - بنابراین، در حین تولید یک گوشی هوشمند، ممکن است افزایش عملکرد نقص مشاهده شود و این منجر به افزایش هزینه آن می شود. بله، و خود سنسورها بسیار گران هستند، به دلایل خوبی فقط از آنها استفاده می شود شرکت اپل، اگرچه او هیچ حق ثبت اختراعی برای آنها ندارد.

در یک کلام، در حال حاضر، سازندگان اندروید عملکرد تشخیص چهره را با استفاده از دوربین جلو اجرا خواهند کرد. در حال حاضر می توانید آن را در Samsung Galaxy S8 و Note 8 پیدا کنید. اما دارندگان این دستگاه ها به شما تایید می کنند که کار نمی کند. به بهترین شکل- استفاده آسان تر از اسکنر اثر انگشت بنابراین، هنوز چیزی در مورد آینده عملکرد نمی توان گفت. باید منتظر بمانیم تا ببینیم آیا اپل حسگرهای مربوطه را در موارد بیشتری اجرا خواهد کرد یا خیر گوشی های هوشمند مقرون به صرفهو اینکه آیا آنها در دستگاه های Android ظاهر می شوند یا خیر.

نتیجه

نیازی به نگرانی در مورد ذخیره اطلاعات شناسایی خود نیست. الگوی ایجاد شده در حین اسکن چهره در بخش جداگانه ای از حافظه قرار دارد - خواندن این بخش توسط رایانه یا برنامه های شخص ثالثغیر ممکن با این حال، این در مورد اثر انگشت نیز صدق می کند. اینکه کدام نوع شناسایی برای استفاده راحت تر است بستگی به تصمیم شما دارد.

آیا تا به حال گوشی هوشمندی در دست گرفته اید که بتواند چهره شما را تشخیص دهد؟ و آیا انتظار اجرای انبوه این ویژگی را دارید؟ نظر خود را در نظرات به اشتراک بگذارید، ما خوشحال خواهیم شد!

دیدن یعنی درک آنچه دیده می شود. اگر نواحی بینایی نئوکورتکس، نوعی کامپیوتر زیستی که مسئول تشخیص الگو است، در مغز ما کار نکند، کور می شویم. اکنون چنین تحلیلگرهایی که قادر به تشخیص چهره و درک بیان آنها هستند در سیستم های مصنوعی ظاهر می شوند.

بنابراین چیزها بینایی پیدا می کنند و بینایی ذهن خود را دارد. در ابتدا به نظر من احمق است: سیستم تشخیص چهره LUNA که به تازگی روشن شده عجله ای برای وارد شدن به حالت عادی و به یاد آوردن من ندارد. اما در نهایت او گزارش می دهد که به خاطر می آورد و می خواهد نام را وارد کند. LUNA می تواند خود جنسیت و سن را تعیین کند. از نظر جنسیت آسان است: من ریش دارم، اما سیستم سن من را پنج سال بیش از حد تخمین زد - ظاهراً به دلیل همان ریش.

حالا حتی اگر عینکم را بردارم یا سرم را بچرخانم، دوربین مرا می شناسد. ما باید چیز جدی تری را امتحان کنیم - با کلاه گیس و سبیل های دروغین به سمت کمد می رویم. من فرهای ضخیم را انتخاب می کنم که نیمی از صورتم را نیز پنهان می کنند - لونا هنوز مرا می شناسد.

پس از بازی به اندازه کافی با کلاه گیس، ICQ را باز می کنیم و شروع به سرگرم شدن با ماسک برای تماس های ویدیویی می کنیم: ماسک ها به صورت واقعی روی صورت دیجیتال من اعمال می شوند - من می توانم بدون شناسایی چت ویدیویی داشته باشم.

شماره بعدی برنامه ما Face.DJ است. این برنامه یک مدل سه بعدی از صورت را از یک سلفی می سازد و سپس آن صورت را روی یک سر مجازی قرار می دهد تا بتوانید مدل مو و لوازم جانبی را امتحان کنید. یکی دیگر از اهداف برنامه، متحرک سازی کاربر، ایجاد یک کپی کارتونی از او برای بازی ها و سایر فعالیت های آنلاین است.

یولیا، متخصص روابط عمومی در VisionLabs، شرکتی که LUNA را توسعه داده است، می‌گوید: ما در حال آماده‌سازی همان برنامه‌ای برای یک سرویس دوستیابی هستیم: مردم اغلب نمی‌خواهند در اولین تماس صحبت خود را باز کنند. - برخی افراد برای افزودن عنصر بازی به تعاملات عاشقانه خود ماسک می زنند.

سیستم کراس پلتفرم LUNA نیز ماسک های زیادی دارد. یک برنامه کاربردی در وجود دارد پیام رسان تلگرام، که جنسیت و سن را با چهره تشخیص می دهد، LUNA در ابر و LUNA برای مرورگر وجود دارد. اما نکته اصلی این است که این برنامه را می توان در انواع محصولات فناورانه پیاده سازی کرد تا از آن برای تشخیص چهره استفاده شود.

برای مثال، یکی از مشتریان ما باید عکس‌هایی را انتخاب کند - به اصطلاح بهترین عکس از یک جریان ویدیویی. بنابراین، برنامه ما خودش با این کار کنار می آید. مشتری دیگر به سیستم نیاز دارد تا چهره را نه تنها هنگام ورود به بانک آنلاین، بلکه در کل جلسه تشخیص دهد، زیرا می توانید از آنجا دور شوید و یک مهاجم از دسترسی شما استفاده می کند. ما هم با این وظیفه کنار آمدیم.

مشتریان اصلی VisionLabs بانک ها هستند. به عنوان مثال، در بانک Pochta، 50 هزار محل کار به سیستم LUNA مجهز شده اند - این بزرگترین پیاده سازی بیومتریک در جهان است. همچنین تشخیص چهره مشتریان برای مقایسه عکس های گذرنامه با عکس های موجود در پایگاه داده مهم است. از این گذشته، رایج ترین تقلب در این زمینه، چسباندن عکس خود در پاسپورت شخص دیگری برای دریافت وام است.

ماشین ها چگونه می بینند

الکساندر خانین، مدیر VisionLabs، به ما نزدیک می شود.

از بینایی کامپیوتر برایمان بگویید؟

الکساندر خانین:بینایی کامپیوتر شاخه ای از ریاضیات کاربردی است که از نظر پیچیدگی معادل مسئله ایجاد است هوش مصنوعیبطور کلی. کانال بصری اصلی ترین کانال برای دریافت اطلاعات در مورد دنیای اطراف است. و ما به آنچه با چشمان خود می بینیم بیش از سایر منابع اعتماد داریم.

وظیفه ما این است که به یک برنامه عکاسی یا ویدیویی آموزش دهیم تا نتیجه گیری کند و تصویر را درست مانند یک شخص درک کند. یا حتی بهتر. وقتی ماشین در این مهارت با انسان مطابقت داشته باشد، می توانیم مشکل را حل شده در نظر بگیریم. تاکنون فقط برای برخی از حوزه های کاربردی محدود حل شده است. به عنوان مثال، برای تشخیص نقص تجهیزات یا تشخیص چهره.

آیا مشکل تشخیص چهره حل شده است؟

الکساندر خانین:بله، قبلاً به طور قابل اعتماد نشان داده شده است که دستگاه چهره ها را بهتر از ما تشخیص می دهد. و دقیق تر و سریع تر. آدم در تعیین سن و ملیت خیلی خوب نیست. کسانی که در اروپا زندگی می کنند کمتر قادر به تشخیص چهره افراد با ظاهر آسیایی هستند و بالعکس. ما هم فراموشکار هستیم. برای تکمیل همه چیز، دستگاه این کار را ده ها میلیون بار سریعتر انجام می دهد.

اما یک فرد نه پارامترهای فردی، بلکه یک فرد و حتی وضعیت را به عنوان یک کل تجزیه و تحلیل می کند. ما زمینه ای را درک می کنیم که در آن صورت مخاطب بیان خاصی به خود می گیرد. ماشین چگونه با این همه کنار می آید؟

الکساندر خانین:ترکیب بهترین تکنیک ها بینایی کامپیوتریو یادگیری ماشینی به عنوان مثال، روش یادگیری عمیق را در نظر بگیرید - ویژگی آن این است که فرد پارامترهای چهره را برای تشخیص مشخص نمی کند.

آیا خود شبکه عصبی برنامه ریزی می کند؟

الکساندر خانین:شبکه های عصبی در دهه 1970 ظاهر شدند و انقلاب در این منطقه حدود 2013-2014 آغاز شد. زیرا تنها در این زمان امکان انباشت مقدار کافی داده برای آموزش شبکه های عصبی وجود داشت. قدرت پردازشنسبتا ارزان شده اند. ادامه توسعه روش‌های تشخیص قطعی - مشخص کردن قسمت‌های صورت برای مقایسه - بی‌معنی شده است.

این پیشرفت زمانی رخ داد که پارامترهای از پیش تعیین شده، مانند نقاط کلیدی روی صورت، کنار گذاشته شدند. در عوض، به دستگاه وظیفه داده شد: «ببینید، اینجا ده هزار جفت عکس است، هر جفت یک نفر است. آنها را تجزیه و تحلیل کنید تا بتوانید در عکس‌ها مشخص کنید که هنوز نمی‌بینید که همان شخص کدام است و که متفاوت هستند.» خود ماشین پارامترهایی را پیدا می کند که برای حل این مشکل مهم هستند.

آیا سیستم خود را اینگونه آموزش دادید؟

الکساندر خانین:خوب، بله، این یک کار شناسایی معمولی است - عکسی که اکنون گرفته شده است را با عکس موجود در گذرنامه مقایسه کنید و تأیید کنید که این همان شخص است. ما داده‌های بزرگ را به عنوان ورودی به دستگاه دادیم - میلیون‌ها جفت عکس، و در خروجی پاسخ صحیح را برای هر پرتره عکاسی خواستیم. و سیستم یاد گرفت - خود پارامترها را تنظیم کرد تا خطاها را به حداقل برساند. یعنی برای یادگیری عمیق ابتدا باید یک نمونه آموزشی پیدا کنید - نمونه های زیادی از راه حل های صحیح. سپس برنامه به تنهایی کار می کند.

این میلیون ها جفت عکس را از کجا آوردی؟

الکساندر خانین:نمونه‌های آموزشی برای محققان وجود دارد - ما ابتدا از آنها استفاده کردیم، و سپس با شرکا و مشتریانی کار کردیم که به ما اجازه دادند به آموزش در مورد داده‌های آنها ادامه دهیم.

چگونه در بازار موفق شویم

مشکل شناخت افراد از روی چهره حل شده است. در مورد تعریف احساسات چطور؟

الکساندر خانین:به عنوان مثال، در کشورهای آفریقایی مردم مرحله تلگراف را دور زدند و بلافاصله به آن روی آوردند شبکه موبایل، بنابراین ما بدون حل مشکل شناخت احساسات، بلافاصله به موارد بیشتری روی آوردیم سطح بالا- به نتیجه گیری در مورد ویژگی های انسانی که برای مشتریان ما مهم است. کسب و کار نشان می دهد: هیچ فایده ای از این واقعیت وجود ندارد که یک دستگاه تشخیص دهد که یک شخص لبخند می زند یا اخم کرده است. مهارت های جدی تری مورد نیاز است.

به عنوان مثال دروغ را تشخیص دهید؟

الکساندر خانین:آره. یا تعیین کنید که آیا نامزد شرایط شما را برآورده می کند یا خیر. چه مشتری از خدمات راضی باشد یا نه، لبخند می تواند نه تنها بیانگر شادی، بلکه تمسخر و نارضایتی پنهان باشد. بنابراین، تشخیص احساسات خود یک کار فرعی است. ما چهره را در پویایی، توالی واکنش ها به سؤالات، خدمات و محیط مطالعه می کنیم.

آیا محصولات نوآورانه ای وجود دارد که شما آن را هدف قرار دهید؟

الکساندر خانین:ما خودمان در جناح جلو هستیم. این یک واقعیت پزشکی است که محصول ما اولین سیستم جامع تشخیص چهره در جهان برای بانک ها و خرده فروشی ها است که در تلفن همراه، و در وب سایت، و در شعب، و در دستگاه های خودپرداز، و در پایانه های سلف سرویس - در همه جا. ما نه تنها اولین هستیم، بلکه تا آنجا که من می دانم، تنها هستیم.

آیا برخی از پایانه های سلف سرویس قبلاً سیستم تشخیص چهره نصب کرده اند؟

الکساندر خانین:بله، به عنوان مثال، در بانک Otkritie - در پایانه ها صف الکترونیکی. و اینها پروژه های آزمایشی نیستند، بلکه آنهایی هستند که در شرایط واقعی کار می کنند و مشتریان را راضی می کنند.

آیا احساس می کنید رقبای شما نفس می کشند؟

الکساندر خانین:پروژه های آزمایشی زیادی در مناطق نزدیک به ما وجود دارد. ده ها شرکت وجود دارد که تنها در روسیه با تشخیص چهره سروکار دارند، حدود صد شرکت در چین و بیش از هزار شرکت در جهان. به همین دلیل است که می گویم خود مشکل تشخیص چهره حداقل برای اکثر بخش ها و کارهای عملی حل شده است.

فناوری چیزی نیست که برای موفقیت در بازار مهم است. بیشتر مشتریان اهمیتی نمی‌دهند که ما چه فناوری داریم و دقیقاً چگونه یک مشکل را حل می‌کنیم، مثلاً افزایش سرعت خدمات در بانک یا فروشگاه - با استفاده از تشخیص چهره، پیش‌بینی آب و هوا یا جادوی سیاه. برای آنها مهم است که نتیجه وجود داشته باشد.

همه را بشناس!

چه وظایفی هنوز حل نشده است، اما در آینده قابل پیش بینی حل خواهد شد؟ متخصصان روی چه چیزی کار می کنند؟

الکساندر خانین:یکی از مهم ترین مشکلات حل نشده، تشخیص چهره در یک محیط کاملاً کنترل نشده مانند شلوغی است. بسیاری از مردم می گویند که آنها می دانند چگونه این کار را انجام دهند، اما در واقع آنها هنوز چیزی شبیه به این را اجرا نکرده اند. ظاهراً بیهوده صحبت می کنند.

آیا تشخیص افراد تصادفی از روی چهره آنها غیرقانونی نیست؟ این استفاده از داده های شخصی است.

الکساندر خانین:البته تجارت ممنوع است. این نقض حقوق بشر و تجاوز به حریم خصوصی است. به طور کلی، اکنون فناوری به ما اجازه می دهد تا خیلی بیشتر از آنچه قانون اجازه می دهد انجام دهیم. اما ما فقط در منطقه سفید کار می کنیم - با رعایت کامل قانون. برای ما مهم است که حقوق مردم تضییع نشود. ما حق استفاده از داده‌های او را از شبکه‌های اجتماعی بدون رضایت شخص نداریم و بنابراین، برای مثال، سیستمی برای فروشگاهی ایجاد نمی‌کنیم که اطلاعات مشتری را بر اساس عکس او جستجو می‌کند. اما می‌توانیم برنامه‌ای توسعه دهیم که جنسیت و سن خریداران را بر اساس عکس‌ها تخمین بزند.

شرکت ما فقط با مشاغل کار می کند، اما سرویس های امنیت ملی سیستم هایی دارند که افراد را بر اساس عکس جستجو می کنند.

یعنی FSB می تواند، اما مردم عادیممنوع است؟

الکساندر خانین:آره. اگر یک سازمان اطلاعاتی بخواهد تروریستی را در میان جمعیت پیدا کند، باید همه را اسکن و شناسایی کند. و اگر شخصی به فروشگاه رفت و برنامه عکس حساب کاربری او را در شبکه اجتماعی پیدا کرد، تلفن را شناسایی کرد و شروع به ارسال هرزنامه کرد، این یک تخلف بسیار جدی است. در غرب برای این امر مسئولیت کیفری وجود دارد.

آیا فرودگاه ها از قبل سیستم تشخیص چهره دارند؟

الکساندر خانین:بله، بیشتر در کنترل گذرنامه - آنها بررسی می کنند که آیا پاسپورت شما است، آیا جعلی نیست و آیا شما در لیست مسدود یا در لیست تحت تعقیب فدرال هستید. در خارج از کشور، درجه اتوماسیون بسیار بالاتر است. در فرودگاه های سنگاپور، لندن، پاریس، کنترل گذرنامه می تواند به طور خودکار و بدون مشارکت کارمندان انجام شود. پاسپورت خود را اسکن می کنید، از شما عکس گرفته می شود، تأیید انجام می شود - و تمام، می توانید ادامه دهید.

حدس بزنید چه چیزی در تصویر است

بینایی کامپیوتر چگونه توسعه خواهد یافت؟

الکساندر خانین:بخور گروه بزرگوظایفی که به آنها پاسخگویی به سؤالات تصویری گفته می شود: شما یک تصویر را به رایانه نشان می دهید و او باید آنچه را که در آنجا نشان داده شده است درک کند. این بسیار دشوار است: اگر فقط تشخیص اشیاء را به طور جداگانه آموزش دهید، هیچ چیز کار نخواهد کرد - باید زمینه و رابطه اشیاء را درک کنید.

یکی دیگر از وظایف مشابه، شناخت اعمال انسان است، زیرا آنها نیز عمدتاً توسط زمینه تعیین می شوند. مثلاً اگر یک نفر دستش را بلند کرد یعنی چه؟ آیا او پیشتاز است یا قرار است کسی را بزند؟ اینجا نشسته ایم و فکر می کنیم.

بنابراین می‌خواهید به ماشین‌ها یاد دهید که تصاویری را که معنای آنها به زمینه بستگی دارد، تشخیص دهند؟

الکساندر خانین:آموزش تفسیر زمینه و در نتیجه تشخیص تصاویر، اعمال، صحنه ها.

زمانی که روبات ها نور را خواهند دید

الکساندر خانین:من دوست دارم توسعه بینایی کامپیوتر را کامل ببینم. سپس ربات ها چشمان واقعی خواهند داشت، به این معنی که می توانند آنچه را که اتفاق می افتد درک کنند و واکنش مناسب نشان دهند. در غیر این صورت، آنها بخشی از جامعه نمی شوند، بلکه اسباب بازی هایی با کنترل از راه دور می مانند.

سیستم های تشخیص چهره چگونه زندگی ما را در سال های آینده تغییر خواهند داد؟

الکساندر خانین:مطمئناً در هنگام مجوز - به عنوان مثال، وقتی قفل تلفن خود را باز می کنید - متوجه عملکرد چنین سیستم هایی خواهید شد. بسیاری از افراد قبلاً به Touch ID عادت کرده اند، اما به زودی رایج ترین روش ورود به سیستم با استفاده از چهره شما خواهد بود. وقتی به خانه می‌آیید، دیگر نیازی به جستجوی کلیدهای خود نخواهید داشت و در محل کار نیازی به مجوز نخواهید داشت. خدمات و سلف سرویس در بانک ها، فروشگاه ها و در سراسر بخش خدمات تسریع می شود: پرداخت ها بدون کارت انجام می شود.

خیابان ها امن تر خواهند شد زیرا نظارت تصویری با عملکردهای ردیابی وجود خواهد داشت. شهرها و کشورها دریافت خواهند کرد حفاظت اضافیو قصاص جنایت اجتناب ناپذیر خواهد شد. سیستم همه چیز را ضبط می کند: چه کسی این کار را انجام داد و کجا، بعداً به کجا رفت. مفهوم "شهر امن" با "شهر هوشمند" جایگزین خواهد شد: همین زیرساخت امنیت را فراهم می کند و به عنوان مثال، جریان مردم و اتومبیل ها را کنترل می کند و همچنین موارد دیگر.

همان سیستم دوربین و بینایی کامپیوتری که همه جا نصب شده است؟

الکساندر خانین:بله، الگوریتم اهمیتی ندارد که چه کسی را بشناسد: یک مشتری VIP یا یک دزد. ساختار چهره همه یکسان است: چشم، دهان و بینی. اما این فقط در مورد چهره ها نیست. همین سیستم می تواند مثلاً با کنترل روشنایی مقابله کند. اگر کسی در اتاق نیست، چرا برق می سوزانیم؟ دستگاه در صورت تشخیص مشکلات و غیره با خدمات ابزار تماس می گیرد.

زندگی در دنیایی که همه چیز در آن قابل مشاهده است ترسناک است. از لحاظ فنی، ساختن دیستوپیا که در آن همه تحت نظارت کامل باشند، به طور فزاینده ای آسان تر می شود...

الکساندر خانین:من فکر می کنم که جهان در نهایت جای بهتر و مکان بسیار امن تری خواهد بود. اما دروغ گفتن سخت تر خواهد بود. به عنوان مثال، من و شرکای من اخیراً محصولی را توسعه داده‌ایم که نه تنها به فضای کار دسترسی دارد، بلکه زمان صرف شده در آنجا را نیز در نظر می‌گیرد: در این زمان رسیده، در این زمان باقی مانده است. پیاده روی نکردید، دیر کردید، از ناهار برنگشتید - همه چیز ثبت خواهد شد.

و هیچ راهی برای پنهان شدن از این وجود نخواهد داشت؟ احتمالاً ماسک هایی با صورت شخص دیگری روی آنها وجود خواهد داشت.

الکساندر خانین:البته راه های زیادی برای فریب دادن سیستم وجود دارد و در این زمینه "مسابقه تسلیحاتی" تازه شروع شده است. یک ویدیو وجود داشت که در آن نحوه انجام آرایشی که مانع تشخیص می شود را آموزش دادند. اما این سه سال پیش بود - الگوریتم های فعلی را نمی توان به این راحتی فریب داد.

اگر عکسی را به جای چهره نشان دهید چه؟

الکساندر خانین:برای شناسایی کلاهبرداران، یک «ردیاب حیات» ویژه در سیستم‌های تشخیص چهره برنامه‌ریزی شده است که تعیین می‌کند فرد مقابل او یا عکس است. چندین شاخص از سرزندگی وجود دارد. ساده ترین آن که استاندارد جهانی محسوب می شود، چشمک می زند. این سیستم همچنین می‌تواند از فرد بخواهد لبخند بزند، سر خود را بچرخاند یا به دوربین نزدیک‌تر شود تا از واقعی بودن آنها مطمئن شود. اما اگر دوربین مجهز به سنسور عمق باشد، این مورد نیاز نیست: دستگاه بلافاصله متوجه می شود که یک جسم سه بعدی در قاب وجود دارد و نه یک عکس.

چه کسی دیگر پیشتاز است؟

تشخیص چهره نه تنها علم و فناوری است، بلکه یک تجارت بزرگ است که در کشورهای توسعه یافته با سرعت فوق العاده ای در حال رشد است. شرکت تحقیقاتی Allied Market Research پیش بینی می کند که تا سال 2022 گردش مالی آن تقریباً ده میلیارد دلار خواهد بود. در میان بازیکنان پیشرو، بازیکنان روسی وجود دارند. از میان ده ها استارت آپ و پروژه تحقیقاتی، ما سه مورد از موفق ترین آنها را شناسایی کرده ایم.

NTechLab.آرتم کوخارنکو فارغ التحصیل دانشگاه دولتی مسکو با برنامه ای شروع کرد که نژاد سگ ها را از روی عکس مشخص می کرد. اما قبلاً در سال 2015، الگوریتم FaceN که او با شرکای خود در پروژه NTechLab ایجاد کرد در دو دسته از چهار دسته مسابقه اصلی تشخیص چهره جهان MegaFace برنده شد. تیم گوگل. با این حال، شهرت واقعی پس از توسعه محبوب ترین به این شرکت رسید اپلیکیشن های FindFace، برای جستجوی عکس افراد در شبکه اجتماعی VKontakte طراحی شده است. امروزه تعداد برنامه های کاربردی برای یکپارچه سازی فناوری FindFace به هزار نفر نزدیک شده است.

Vocord.شرکت Vocord را می توان با خیال راحت قهرمان جهان در تشخیص چهره دانست: در وب سایت مسابقه MegaFace رتبه اول را به خود اختصاص می دهد و با اختلاف قابل توجهی پیشتاز است. تیم Vocord در بازار سیستم های بینایی کامپیوتری کهنه کار هستند: آنها برنامه تشخیص چهره بیومتریک از راه دور Vocord FaceControl را در سال 2008 منتشر کردند، امروزه محصولات آنها توسط بیش از دو هزار تجاری و تجاری استفاده می شود. سازمان های دولتی. این شرکت در شناسایی چهره، یعنی جستجوی یک فرد در میان جمعیت تخصص دارد.

VisionLabs.محصولات آنها در میان سه سیستم تشخیص چهره تجاری برتر جهان قرار دارند. اطلاعات بیشتر در مورد این شرکت را در متن اصلی بخوانید.

انواع اصلی بیومتریک

طبقه بندی بین المللی روش های شناسایی یک شخص

صورت.برنامه ای با استفاده از یک عکس یا تصویر ویدیویی از یک چهره، اندازه و شکل چشم ها، بینی، استخوان گونه، وضعیت نسبی آنها را تجزیه و تحلیل می کند و بر اساس این داده ها، ترکیبی منحصر به فرد ایجاد می کند که سپس آن را با نمونه های موجود برای یک مسابقه مقایسه می کند.

اثر انگشت.روش اثر انگشت بر اساس منحصر به فرد بودن الگوی پاپیلاری پوست است و به طور گسترده در علم پزشکی قانونی استفاده می شود.

سخن، گفتار.یک روش تشخیص مبتنی بر تبدیل گفتار صدادار به اطلاعات دیجیتال.

چشم ها.شناخت در نتیجه مقایسه اتفاق می افتد تصویر دیجیتالعنبیه با موارد موجود در پایگاه داده.

وین.روش شناسایی بر اساس الگوی وریدی دست یا انگشتان.

یکی از کلیدهای کیفیت زندگی در جامعه مدرن است رویکرد درستبرای اطمینان از امنیت شخصی و امنیت اموال. الزامات سیستم های ضبط ویدئو به طور مداوم در حال افزایش است. سیستم خوبمشاهده این روزها نه تنها باید بتواند آنچه را که در آن اتفاق می افتد ثبت کند رسانه قابل جابجایی، بلکه برای شناسایی و شناسایی افراد در کادر.

مکان های کاربرد

کارکرد «تشخیص چهره» در بسیاری از جنبه های زندگی بشر کاربرد خود را یافته است. استفاده از سیستم های نظارت تصویری از این نوعمی توان:

• یک ایست بازرسی در شرکت یا سایر اشیاء بسته شده از اشیاء خارجی را سازماندهی کنید. نظارت تصویری را می توان به گردان ها متصل کرد و یک ایست بازرسی خودکار را می توان بر اساس اصل "دوست یا دشمن" سازماندهی کرد.
• سازماندهی سیستمی برای مقابله با سرقت در فروشگاه های خرده فروشی و سایر املاک خصوصی. هر فروشگاهی به خصوص فروشگاه های بزرگ با مشکل اعتیاد برخی از بازدیدکنندگان به سرقت مواجه است. اغلب همان افراد تمایل به سرقت از همان فروشگاه های خرده فروشی دارند. با نصب دوربین هایی با سیستم تشخیص چهره، می توانید به اقدامات فردی که قبلاً در حال سرقت دستگیر شده است نگاه کنید. اسکنر به محض ورود به فروشگاه به کنسول امنیتی اطلاع می دهد.
• سازماندهی سیستمی برای جلوگیری از نفوذ به قلمرو خانوارها و سایر اشیاء بسته. گاهی اوقات تشخیص یک مزاحم پنهان از یک بوته یا اشیاء دیگر روی مانیتور برای شخص دشوار است، به خصوص اگر دوربین ها در یک منطقه کم نور نصب شده باشند. اما آنچه برای انسان غیرقابل دسترس است می تواند به راحتی توسط یک ماژول کامپیوتر انجام شود.
• کنترل چهره در کلوپ های شبانه - محافظت 100٪ از مهمانان ناخوانده.

اصل عملیات

یک سیستم نظارت تصویری با عملکرد "تشخیص چهره" بر اساس اصل مقایسه تصویر دریافتی با تصویر موجود در پایگاه داده کار می کند. مجموعه متوسط ​​می تواند چهره انسان را در فاصله بیش از ده متر از دوربین شناسایی کند. در این حالت، بازدید کننده حتی با در نظر گرفتن وجود تغییرات در پارامترهای فیزیکی صورت شناسایی می شود: تغییر مدل مو، ریش، وجود عینک و غیره. تجزیه و تحلیل بر اساس مقایسه پارامترهای بیومتریک سر انجام می شود. ساختار، فردی برای هر فرد. در این حالت، اسکن در حین حرکت انجام می شود؛ بازدیدکننده فقط باید هنگام حرکت صورت خود را به سمت اسکنر بچرخاند. سیستم نظارت تصویری را می توان به چرخ گردان و سایر دستگاه ها متصل کرد مجاز استوارد شوید و به طور خودکار کار کنید. بازدیدکنندگان ناشناس به منطقه حفاظت شده دسترسی نخواهند داشت و عکس آنها برای پردازش توسط سرویس امنیتی در پایگاه داده ذخیره می شود.

به طور معمول، چنین سیستم‌هایی در شرکت‌های بزرگ نصب می‌شوند که موفقیت آینده شرکت به امنیت بستگی دارد، به عنوان مثال، شرکتی که انواع جدیدی از سلاح‌ها یا ریزمدارها را توسعه می‌دهد، یک آزمایشگاه بیولوژیکی. سیستم به طور خودکار همه کارکنان را شناسایی کرده و آنها را با پایگاه داده مقایسه می کند. در صورت عدم انطباق یا عدم وجود شخصی در سیستم، پروتکل های امنیتی را فعال می کند، چراغ دزدگیر در اتاق نگهبانی روشن می شود و قرمز می شود. نشانگر نور. محل پیدا شدن مهاجم به طور دقیق مشخص شده است نقشه الکترونیکیشی و امنیت در عرض چند ثانیه متجاوز را پیدا می کند.

روش های کار

دوربین های سیستم های تشخیص چهره در دو حالت دو بعدی و سه بعدی کار می کنند. در مورد سیستم های دو بعدی، تشخیص بر اساس یک تصویر مسطح اتفاق می افتد. دوربین های دوبعدی به میزان روشنایی اتاق بسیار حساس هستند و کیفیت تصویر نهایی تا حد زیادی به این پارامتر بستگی دارد. در نور بددیدن تصویر دشوار خواهد بود. دوربین های نمایشگر سه بعدی یک تصویر سه بعدی را بر اساس تصویر دریافتی بازسازی می کنند. نور ضعیف مانع خاصی برای آنها نیست، معمولا فقط می تواند بافت صورت را کمی تغییر دهد.

انواع

بسته به اهداف و اهداف تعیین شده برای سیستم نظارت تصویری با عملکرد تشخیص چهره، آنها به موارد زیر تقسیم می شوند:

• تشخیص (دوربین از 1 مگاپیکسل، فاصله کانونی از 1 میلی متر). اقدامات این سیستم امنیتی با هدف ثبت نفوذ به اشیاء کنترل شده است. اسکنر قادر است فرد را از گربه یا سنجاب تشخیص دهد، اما قادر به شناسایی او نیست.
• تشخیص (دوربین از 2 مگاپیکسل، فاصله کانونی از 6 میلی متر). که در در این موردوظیفه اصلی اسکنر تشخیص چهره بازدیدکنندگان بر اساس اصل "دوست یا دشمن" است. هنگام مشاهده ویدیو، تصویر کاملاً تار خواهد بود، چهره های آشنا را در آن تشخیص خواهید داد، اما اگر دزدی وارد مرکز شده باشد، پیدا کردن او از این قاب ها بسیار دشوار خواهد بود.
• شناسایی (دوربین بیش از 2 مگاپیکسل، فاصله کانونی از 8 میلی متر) این سیستم ها می توانند تمام عملکردهای انواع قبلی را انجام دهند و کیفیت تصویر به دست آمده برای شناسایی یک مزاحم کاملاً کافی خواهد بود. چنین عکسی به راحتی به مراجع قضایی و نیروی انتظامی قابل انتقال است.

در پرانتز برای توضیح هر نوع سیستم نظارت تصویری اشاره کرده ایم حداقل الزاماتبه وضوح دوربین و فاصله کانونی لنز. هنگام سفارش تجهیزات، باید در نظر داشت که این ویژگی ها در شرایط ایده آل تیراندازی کافی است. به طور طبیعی، این به ندرت در عمل اتفاق می افتد، بنابراین هنگام انتخاب اسکنر، بهتر است دستگاه هایی با ذخیره خریداری کنید، به عنوان مثال، برای سیستم های تشخیص - وضوح 2 مگاپیکسل و فاصله کانونی 8 میلی متر، برای سیستم های نمایشگر - وضوح 5. MP و فاصله کانونی 12 میلی متر.

طبیعتاً نتیجه نهایی فقط به این ویژگی ها بستگی ندارد. فاصله کانونی و وضوح بسیار مهم هستند، اما هنگام نصب دوربین، باید نور، زاویه دید و بسیاری از پارامترهای دیگر را در نظر بگیرید. بنابراین بهتر است انتخاب و نصب را به افراد حرفه ای بسپارید.