Автоматизированная система обработки информации на примере системы видеонаблюдения

Все эти задачи могут быть решены только с использованием средств  биометрической идентификации личности, основанных на принципе "Я – то, что я есть". Такой принцип  позволяет информационной системе  идентифицировать непосредственно  человека, а не предметы, которые  он предъявляет, или информацию, которую  сообщает.

Среди всего многообразия биометрических характеристик человека, используемых для идентификации  личности, особо стоит отметить изображение  лица. Биометрия лица уникальна тем, что не требует создания специализированных сенсоров для получения изображения  – изображение лица можно получить с обычной камеры системы видеонаблюдения. Более того, фотография лица присутствует практически на любом документе, удостоверяющем личность, а значит внедрение этой технологии на практике не сопряжено с разнообразными нормативными проблемами и сложностями социального  восприятия технологии.

Стоит также отметить, что  изображение лица может быть получено неявно для самого человека, а значит, биометрия лица оптимально подходит для построения систем мониторинга  и скрытой идентификации.

Любая система распознавания  лица – это типичная система распознавания  образов, задача которой сводится к  формированию некоторого набора признаков, так называемого биометрического  шаблона, согласно заложенной в систему  математической модели. Именно эта  модель и составляет ключевое ноу-хау  любой биометрической системы, а  эффективность распознавания лица напрямую зависит от таких факторов, как устойчивость биометрического  шаблона к различного рода помехам, искажениям в исходном фото- или видеоизображении.

Эффективность распознавания  лица напрямую зависит от таких факторов, как устойчивость биометрического  шаблона к различного рода помехам, искажениям в исходном фото- или видеоизображении

Как правило, распознавание  лица в любом биометрическом движке выполняется в несколько этапов: обнаружение лица, оценка качества, построение шаблона, сопоставление  и принятие решения.

Этап 1: обнаружение  лица

На этом этапе система  автоматически выделяет (детектирует) в потоке видеокадров или на фотографии лица людей, причем диапазон ракурсов и масштабов лиц может значительно  варьироваться, что крайне важно  для построения систем безопасности. Совершенно необязательно, что все выделенные лица будут распознаны (как правило, это и невозможно), но обнаружить максимальное количество лиц в потоке и, при необходимости, разместить их в архиве крайне полезно.

Обнаружение лица является одним из ключевых этапов распознавания, так как пропуск лица детектором автоматически означает невозможность  дальнейшей идентификации. Качество работы детектора принято характеризовать вероятностью обнаружения лица. Для современных биометрических систем, работающих в условиях потока людей, значение вероятности обнаружения лица составляет от 95 до 99% и зависит от условий регистрации видео (освещенность, разрешение камер и т.д.).

Одной из наиболее перспективных  тенденций развития рынка биометрии  является появление интеллектуальных цифровых видеокамер, реализующих функцию  обнаружения лица на основе встроенной логики (рис. 11). Интеллектуальные видеокамеры позволяют получать не только качественный видеопоток, но и связанные с ним метаданные, содержащие сведения о найденных лицах. 

 

Рисунок 11 - Видеокамера на основе встроенной логики

 

Такой подход позволяет значительно  снизить нагрузку на аппаратные мощности системы распознавания, что, в свою очередь, уменьшает конечную стоимость  биометрических комплексов, делая их более доступными для конечного  потребителя. Кроме того, уменьшаются  требования к каналам передачи данных, поскольку при таком подходе  нам не требуются гигабитные линии связи для передачи высококачественного видео, а достаточно наличия стандартных сетей для передачи сжатого видео и незначительного потока детектированных изображений лиц.

Этап 2: оценка качества

Это очень важный этап распознавания, на котором биометрический движок осуществляет выбор из всего массива детектированных  лиц только тех изображений, которые  удовлетворяют заданным критериям  качества.

Часто разработчики биометрических систем лукавят, утверждая, что их система  обеспечивает высокий уровень распознавания  при соответствии изображений лица в видеопотоке требованиям качества, определенным в ГОСТ Р ИСО/МЭК 19794-5. Однако этот ГОСТ накладывает очень жесткие (практически идеальные) условия на качество фотографий лица (фронтальный ракурс лица с отклонением не более чем на 5 град.; равномерная освещенность; нейтральная мимика и т.п.), которые не могут быть выполнены в реальных условиях систем видеонаблюдения. Такие требования ГОСТа вполне оправданы тем, что, по сути, данный стандарт предназначен для унификации формата хранения электронной фотографии в паспортно-визовых документах нового поколения – так называемых биометрических паспортах. На практике системы биометрической идентификации вынуждены иметь дело с гораздо менее благоприятными условиями работы:

• отклонение лица от фронтального положения на углы, превышающие 20 град.;
• сильная засветка;
• перекрытие части лица;
• наличие теней на лице;
• малый размер изображения и т.п.

Именно стабильность работы биометрического движка в таких  сложных условиях и определяет его  качество. В современных биометрических движках на этапе оценки качества, как правило, оцениваются:

• ракурс лица (не должен превышать 20– 30 град.);
• размер лица, (оценивается по расстоянию между зрачками глаз и должен быть больше 50–80 пкс);
• частичное закрытие лица (закрытие лица не должно быть больше 10–25% от общей площади лица).

Существует общее заблуждение, что если на изображении лица глаза  закрыты (морганием или очками), то якобы система не сможет распознать человека. Действительно ранние алгоритмы  распознавания лица использовали центры зрачков глаз в качестве базы для  дальнейшей обработки изображения, в частности для стандартного масштабирования лица. Однако в настоящий  момент многие современные биометрические движки используют более сложные схемы кодирования лица и не привязаны к положению центров зрачков.

Этап 3: построение шаблона

Это один из самых сложных  и уникальных этапов распознавания  лица, составляющий ключевое ноу-хау  технологии биометрического движка. Суть данного этапа состоит в  нетривиальном математическом преобразовании изображения лица в набор признаков, объединенных в биометрический шаблон.

Каждому лицу соответствует  свой уникальный биометрический шаблон. Принципы построения биометрических шаблонов чрезвычайно многообразны: шаблон может  быть основан на текстурных свойствах  лица, на геометрических особенностях, на характерных точках, на комбинации различных разнородных признаков.

Важнейшей характеристикой  биометрического шаблона является его размер. Чем больше размер шаблона, тем больше информативных признаков  он включает в себя, но тем ниже скорость и эффективность поиска этого  шаблона. Типичное значение размера шаблона лица в биометрических системах составляет от 1 до 20 кбайт.

Этап 4: сопоставление  и принятие решения

Это объединенный этап работы системы распознавания, на котором  производится сравнение биометрического  шаблона лица, построенного по детектированному лицу, с массивом шаблонов, хранящихся в базе данных. В простейшем случае сопоставление осуществляется простым  перебором всех шаблонов и оценкой  меры их схожести. На основании полученных оценок и их сопоставления с заданными  порогами принимается решение о  наличии или отсутствии идентичной личности в базе данных.

В современных системах сопоставление  реализуется по сложным оптимальным  схемам сравнения, обеспечивающим скорость сопоставления от 10 000 до 200 000 сравнений  в секунду и более. Причем стоит  понимать, что процесс сопоставления  может быть запараллелен, что позволяет работать системам идентификации практически в режиме реального времени даже по большим массивам изображений, например в 100 000 персон.

Качество работы систем распознавания  лиц принято характеризовать  вероятностями идентификации. Очевидно, что при биометрической идентификации  возможно появление двух типов ошибок.

Первая ошибка связана  с возможностью пропустить и не распознать человека, на самом деле находящегося в базе данных, – ее часто называют ошибкой первого рода. Причем часто  указывают не само значение ошибки первого рода, а единицу минус  вероятность ошибки первого рода. Такое значение называют вероятностью правильного распознавания PПР.

Вторая ошибка отражает случаи, когда система распознает человека, на самом деле не находящегося в  базе данных или путает его с другим человеком, – ее принято называть ошибкой второго рода. Для современных  систем распознавания лица типичное значение вероятности правильного  распознавания, как правило, находится  в диапазоне от 80 до 97%, при ошибке второго рода не превышающей 1%.

Условия успешной идентификации

Стоит понимать, что распознавание  лица – не абсолютная технология. Часто  можно слышать критику в адрес  биометрических систем, что на реальных объектах не удается достичь столь  же высоких показателей, как и  в "лабораторных" условиях. Это  утверждение верно лишь отчасти. Действительно, эффективно распознавать лицо можно только в определенных условиях, именно поэтому крайне важно  при внедрении биометрии лица понимать, в каких условиях будет  эксплуатироваться система. Однако для большинства современных  систем распознавания эти условия  вполне достижимы на реальных объектах. Так, для повышения эффективности  распознавания лица в идентификационных  зонах следует организовывать направленный поток людей (дверные проемы, рамки  металлодетекторов, турникеты и т.п.) для обеспечения возможности кратковременной (не более 1–2 с) фиксации лица каждого посетителя. При этом камеры видеофиксации должны быть установлены с таким условием, чтобы угол отклонения зафиксированных лиц от фронтального положения не превышал 20–30 град. (например, установка камер на удалении от зоны прохода в 8–10 м при высоте подвеса на 2–3 м).

Соблюдение этих условий  при внедрении систем распознавания  позволяет эффективно решать задачу идентификации личности и поиска людей, представляющих определенный интерес, с вероятностями, максимально приближенными  к декларируемым разработчиками значениям показателей успешной идентификации.

 

5 ДЕТЕКТОРЫ ДВИЖЕНИЯ

 

Датчики движения и датчики  присутствия реагируют на появление  или исчезновения инфракрасного  света на фотоэлементе, являющимся основой этих устройств. Эти факторы, прежде всего, связаны с деятельностью человека, гораздо реже воздействием тепловых излучений, вырабатываемых бытовыми приборами, что приводит к ошибочным срабатываниям датчиков. Например, распознать человека на фоне теплых полов, датчик практически не может. По физической природе ИК-излучение и видимый свет одинаковы. При попадании инфракрасного света на линзу фотоэлемент меняет свои параметры.

Яркость инфракрасного света  зависит от температуры тела, чем  горячее, тем светится ярче, чем холоднее – свечение слабее. Поэтому инфракрасное свечение человеческого тела самое  значительное и распознается датчиком мгновенно. Какая разница между  датчиками присутствия и датчиками  движения. Датчики движения менее  чувствительны, усилительный тракт  фотоэлемента ограничен в тепловой восприимчивости. Поэтому они реагируют  только на движущегося человека. Датчики  присутствия реагируют на все  малейшие движения, даже на незначительные шевеления человеческих пальцев. Здесь  датчик сработает только тогда, когда  в помещении не будет никого, или  когда человек будет сидеть неподвижно. Как устроен датчик. В центре устройства, на котором размещена схема обработки  сигнала, находится приемник ИК-света, точнее пироэлектрический инфракрасный датчик. Основная линза состоит из множества маленьких линз, каждая из которых фокусирует ИК-свет на плоскость фотоэлемента, а одна из них непосредственно на сам фотоэлемент, происходит регистрация сигнала. Во время движения человека, на какое-то время, фокус линзы смещается с фотоэлемента, сигнал пропадает. Другая линза фокусирует ИК-свет на человека, и сигнал вновь появляется. Каждая из линз охватывает свой сегмент, поэтому сигнал пропадает при выходе человека из зоны этого сегмента. Поэтому, чем больше линз, тем выше чувствительность датчика. При удалении от датчика размер сегмента увеличивается, все незначительные движения будут находиться в зоне только одного сегмента. В этом случае, датчик присутствия будет работать только, как датчик движения. Основная характеристика датчика движения – радиус обнаружения. У датчика присутствия особенностью является радиус обнаружения сидящего, стоящего или движущегося человека, а так же любые изменения положения человеческого тела, находящегося под неусыпным взором пироэлектрического ока.

 

 

 

 

ЗАКЛЮЧЕНИЕ

 

Современные технологии видеонаблюдения  стремительно развиваются. Производители  систем улучшают качество оборудования и сегодня, охранное видеонаблюдение  имеет высокий технический уровень. Несколько лет назад установка  системы видеонаблюдения ограничивалась комплектом из 4 узлов: аналоговая видеокамера, монитор, источники питания и  соединительные провода, для записи использовали видеомагнитофоны. Сейчас, это сложные технические комплексы, охранное видеонаблюдение позволяет  не только постоянно наблюдать за охраняемой зоной, но производить постоянную запись или в момент движения объектов, с помощью видеорегистраторов, передавать картинку в сеть при помощи видеосерверов.