Коротко
Главный ответ
Распознавание лиц в СКУД может применяться в двух режимах: идентификация (один ко многим) и верификация (один к одному). Идентификация по лицу имеет ограничения: вероятность ошибок растет с размером базы, поэтому рекомендуется только для небольших групп (до ~100 человек) при строгих требованиях к зоне прохода. Верификация по лицу (в сочетании с картой) работает практически без ограничений.
Главное из материала
Основные выводы
- Распознавание лиц — бесконтактный метод идентификации, использующий видеокамеру и компьютер, иногда со структурированной подсветкой для 3D-геометрии.
- 2D-распознавание развивается быстрее 3D, так как 2D-данных больше и не требуется специальное оборудование.
- Основные ошибки: ложный отказ (не узнал своего) и ложное опознавание (пропустил чужака). Вероятности: ~0.01% ложного опознавания и ~5% ложного отказа на одном кадре.
- Идентификация по лицу (один ко многим) при большой базе приводит к росту ложных опознаваний (например, 0.01% на 1000 сравнений дает ~10% вероятности, что неизвестный будет признан своим).
- Верификация по лицу (один к одному) после идентификации по карте значительно надежнее и рекомендуется для СКУД.
Технологии распознавания лиц
Распознавание лиц — метод бесконтактной идентификации людей по лицу. Обычно используется видеокамера и компьютер с программой анализа изображений. Анализ может происходить на камере или на сервере, камер может быть несколько.
Могут применяться специальные решения, например, структурированная подсветка для получения 3D-геометрии лица. Однако 3D-распознавание не обязательно лучше 2D; 2D-технологии развиваются быстрее из-за большего количества данных и разработчиков. 2D-распознавание не ограничено фундаментально: например, система может узнать человека с закрытым глазом или из-под воды.
Плюсы и минусы распознавания лиц в СКУД
Плюс: удобство — человек не останавливается, система распознает и открывает турникет. Минус: не стопроцентная работа, ошибки случаются чаще, чем с отпечатками пальцев.
Ошибки: ложный отказ (не узнал своего) и ложное опознавание (пропустил чужака). Вероятности: ~0.01% ложного опознавания и ~5% ложного отказа на одном кадре. Вероятности зависят от оборудования зоны прохода, освещения, ракурса, качества эталонных снимков.
Человек заинтересован в проходе, поэтому готов снять шапку и посмотреть в камеру, что снижает ошибки. Минус: меньшая защита от подделок — большинство систем сработает на бумажную фотографию. Минус: вычислительно емкая задача, требуются быстрые компьютеры. Минус: цена пока высока, но падает; есть бесплатные алгоритмы, но они работают хуже коммерческих.
Идентификация по лицу (один ко многим)
Идентификация — когда человек распознается только по лицу, сравнение с базой. При большой базе вероятность ложного опознавания резко увеличивается: 0.01% на 1000 сравнений дает ~10% вероятности, что неизвестный будет признан своим.
Также возможна путаница между сотрудниками. На реальных внедрениях это приводит к неточным отчетам о проходах. Рекомендуется использовать идентификацию по лицу только для ~100 сотрудников и при строгих требованиях к зоне прохода. На большем количестве людей не рекомендуется.
Верификация по лицу (один к одному)
Верификация — сотрудник сначала идентифицируется по другому признаку (например, карте), затем система сличает его лицо с эталонным. Сравнение происходит один к одному, поэтому ошибки не умножаются с ростом базы.
Ложное опознавание становится менее важным, так как человек уже идентифицирован по другому признаку. Можно уменьшить вероятность ложного отказа, не увеличивая риск ложного допуска. Верификация может применяться в СКУД практически без ограничений.
Розыск лиц в толпе
Задача розыска лиц в толпе (например, жуликов в магазине) похожа на идентификацию в СКУД, но есть отличия. Люди не кооперируют, не стремятся быть распознанными. Фотографии в базе разыскиваемых не всегда качественные.
Ложные срабатывания возможны, решение всегда остается за человеком. Это отдельная задача со своими подходами, выходит за рамки презентации.
Резюме
Идентификация по лицу в СКУД имеет много нюансов и приемлемо работает только на небольшом количестве сотрудников. Верификация по лицу может применяться в СКУД практически без ограничений.
Практика
Чек-лист по материалу
- Определите, нужна ли идентификация (один ко многим) или верификация (один к одному).
- Для идентификации: ограничьте число сотрудников (до ~100) и обеспечьте строгие требования к зоне прохода (освещение, ракурс, качество камеры).
- Для верификации: используйте карту или другой идентификатор в сочетании с распознаванием лица.
- Учитывайте вероятность ошибок: ложный отказ ~5%, ложное опознавание ~0.01% на одном кадре.
- Обеспечьте качественные эталонные фотографии в базе.
- Рассмотрите защиту от подделок (например, определение живости).
- Оцените вычислительные ресурсы и стоимость оборудования.
- Для розыска лиц в толпе: предусмотрите участие человека в принятии решения.
Справка
Термины из видео
- Распознавание лиц
- Метод бесконтактной идентификации людей по лицу с использованием видеокамеры и компьютера.
- Идентификация
- Процесс определения личности человека по биометрическим данным, сравнение один ко многим.
- Верификация
- Процесс подтверждения личности человека по биометрическим данным, сравнение один к одному.
- Ложный отказ
- Ошибка, когда система не узнает зарегистрированного пользователя.
- Ложное опознавание
- Ошибка, когда система ошибочно принимает человека за другого.
- Структурированная подсветка
- Специальное решение для получения трехмерной геометрии лица.
- СКУД
- Система контроля и управления доступом.
Первоисточник
Проверьте контекст в оригинале
Статья подготовлена на основе видео. Сырые субтитры хранятся внутри системы и не публикуются.
Открыть на YouTube ↗