СКУД с распознаванием лиц: почему не работает так, как вы хотите?

Введение: популярность и обещания технологии

Распознавание лиц становится все более популярным и используется для решения разных задач: от разблокировки смартфона по лицу хозяина до поиска преступников в толпе или контроля доступа на территорию объекта.

Это звучит заманчиво: человеку не нужно ничего делать специально, перед ним распахиваются двери и открываются турникеты. Однако в реальной жизни не все так радужно.

Реальность: вероятностный характер и ошибки

Главное, что нужно понимать: распознавание лиц, как и вся биометрическая идентификация, имеет вероятностный характер, то есть оно ошибается. Система может принять случайного прохожего за своего и пропустить его, думая, что он свой, либо наоборот, необоснованно запретить доступ своему сотруднику, перепутав его с чужим.

Такие ошибки приводят к некорректному учету времени, проведенного на территории, что критично для организаций.

Сравнение с другими биометрическими методами

В общем случае распознавание лиц ошибается больше, чем другие методы биометрической идентификации. Это обусловлено тем, что алгоритмы распознавания еще не достигли желаемого совершенства, а также тем, что условия распознавания лиц отличаются от условий снятия других биометрических данных.

Другие популярные методы СКУД — отпечатки пальцев, ладонь, радужка глаза — требуют если не прямого физического контакта, то как минимум достаточно близкого расстояния, что упрощает контроль условий съемки.

Факторы, влияющие на точность

Распознавание лиц не требует от человека останавливаться и смотреть прямо в камеру, но на шанс быть узнанным влияют эталонная фотография в базе, общее качество кадров с камер, освещенность и ракурс.

Существуют разные алгоритмы распознавания, и для одних эти параметры более критичны, чем для других.

Уязвимость и ресурсоемкость

Некоторые алгоритмы делают проверку лица на живость, другие легко обмануть, просто предъявив фотографию. Однако спуфинг-атака не гарантирует успех, так как считыватель может быть готов к попыткам обмана.

Распознавание лиц — ресурсоемкая задача. Чем больше база сотрудников и камер в системе, тем большая мощность требуется от оборудования. Каждый кадр с каждой камеры нужно обрабатывать без ощутимых задержек, сравнивая найденные лица со всеми эталонными.

Рекомендации по применению

Распознавание лиц хорошо подходит для задач, где машине не требуется самой принимать решение, а нужно проинформировать человека, который примет окончательное решение. Например, система может сказать: «Вот этот похож на нашего постоянного посетителя».

Также распознавание лиц можно использовать для шоу на выставках или показательных мероприятий, чтобы продемонстрировать инновационность. Однако серьезное использование для принятия решения о доступе требует индивидуального обсуждения и оценки рентабельности.

Практика

Чек-лист по материалу

• Оцените допустимый уровень ошибок для вашего сценария СКУД.
• Учитывайте условия освещения и качество камер на объекте.
• Обеспечьте качественную эталонную базу фотографий сотрудников.
• Проверьте алгоритм на устойчивость к фотографиям и другим обманам.
• Рассчитайте необходимые вычислительные мощности для вашего числа камер и базы.
• Рассмотрите использование распознавания лиц как вспомогательного инструмента для оператора, а не для автоматического решения.

Справка

Термины из видео

СКУД

Система контроля и управления доступом.

Биометрическая идентификация

Метод идентификации человека по его биологическим характеристикам (лицо, отпечатки пальцев, радужка и т.д.).

Вероятностный характер

Свойство системы, при котором результат не гарантирован на 100%, а имеет некоторую вероятность ошибки.

Эталонная фотография

Фотография человека, используемая как образец для сравнения при распознавании.

Проверка живости (liveness)

Метод защиты от обмана системы с помощью фотографии или видео, проверяющий, что перед камерой живой человек.