Портал по безопасности SEC.RU — короткий путь к информацииЧастный некоммерческий проект

Смотреть связанное видео →

Тема: СКУД · Рубрика: Системы безопасности

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

Аудиоверсия ещё не подготовлена.

Разбираем, почему распознавание лиц в СКУД ошибается чаще других биометрий, зависит от условий съемки и требует мощного оборудования. Рекомендации по применению.

Коротко

Главный ответ

Распознавание лиц в СКУД пока несовершенно: оно вероятностно и ошибается, зависит от условий съемки и качества базы, требует больших вычислительных ресурсов. Лучше использовать его для информирования оператора, а не для автоматического принятия решений о доступе.

Главное из материала

Основные выводы

  • Распознавание лиц, как и любая биометрия, вероятностно и может ошибаться, пропуская чужих или блокируя своих.
  • Ошибки распознавания лиц приводят к некорректному учету рабочего времени и нарушению безопасности.
  • Распознавание лиц менее надежно, чем отпечатки пальцев или радужка, из-за вариативности условий съемки и несовершенства алгоритмов.
  • Системы распознавания лиц ресурсоемки: требуют мощного оборудования для обработки видеопотока и сравнения с базой.
  • Распознавание лиц лучше использовать для информирования оператора, а не для автоматического принятия решения о доступе.
  • Применение распознавания лиц в СКУД требует индивидуального обсуждения и оценки рентабельности.

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.

Первоисточник

Войдите или зарегистрируйтесь, чтобы открыть оригинал

Нашли ошибку?

Напишите, какой фрагмент нужно проверить. Сообщение получит администрация сайта.

Указать на ошибку
Оставить замечание через сайт

Эта форма сохраняет замечание в админке сайта, без отправки письма.

Обсуждение статьи

Вопросы по материалу и опыт читателей — на форуме SEC.RU.

Открыть обсуждение в отдельном окне →

Таймкоды и фрагменты