Современное состояние и проблемы систем распознавания лиц

С развитием технического прогресса развивается и преступность. Соот‐ ветственно, у правоохранительных органов возникает проблема идентифи‐ кации преступников и защиты данных добропорядочных граждан. С этой це‐ лью разрабатываются системы для распознавания человека. Они сканируют и отпечатки пальцев рук, и сетчатку глаз, и лицо, и фигуру человека.

Одной из самых широко применяемых является система распознава‐ ния лица человека, основанная на анализе и последующем сравнении изо‐ бражений этого лица. Однако такие программы несовершенны, что часто приводит к ошибкам, выражающимся в срабатывании на другую внешность.

Зная об этом, преступники используют различные методы противодействия путем либо своего обезличивания, либо с помощью различных приемов и приспособлений. К таким приемам относятся нанесение грима и использование маскировки (париков, вставных чел ю стей и др.).

В последнее время разработчики сосредотачивают свои усилия на ис‐ следовании методов обхода систем распознавания с помощью сопутствую‐ щих элементов внешности - головных уборов, солнцезащитных о ч ков, накладных элементов внешности: усов, бород, париков. В результате было установлено, что наиболее сложным для распознавания ч е ловека является способ диссимиляции внешности, при ко т ором внешний облик лица сохраняется. К способу диссимиляции относится наложение гри м а как самый доступный и дешевый, позволяющий изменить лицо человека и внести сбой в систему безопасности. Маскировка с помощью наложения грима является одной из старейших. В основном она при м енялась в театральном искусстве. В настоящее время в сети Интернет появилось много видеоуроков по нало‐ жению грима.

Как показало исследование, практически невозможно распознать лицо, когда с помощью грима меняется возраст или облик человека. Системы распознавания пока еще не могут определить, это лицо пожилого человека или молодого, так как грим в совокупности с косметикой позволя е т реалистично наложить морщины, изменить овал лица, форму глаз, подб о родка и т. п. (см. рис. 1).

Рис. 1. Наложение возрастного грима

Разработчики систем распознавания, столкнувшись с эт о й проблемой, начали проводить исследования по обучению сверточных нейронных сетей. Эксперименты проводились на одном и том же лице с гримом и без. Предварительное исследование показало, что ошибки распознавания возросли н а 23 %.

Эти работы ведутся по всему мир у . Так, ряд научных лаб о раторий Швеции предложили свой метод распознавания искусственного старения лица человека с помощью грима. Они сконструировали автономн ы й детек‐ тор, который служит для основной системы распознавания фильтром, отсеи‐ вающим изменения на лице человека. В основе работы данного фильтра способность сверточных сетей самообучаться и послойно отсеивать наложе‐ ние грима до естественного изображения. Однако проблема обучения этих сетей заключается в малом количестве данных. Сейчас идет накопление баз данных при помощи изучения фото и ви д ео, которые нах о дятся в сети Ин‐ тернет.

В 2013 г. был создан проект HyperFace – камуфляж, который н а правлен на изменение алгоритмов компьютерног о зрения при распознавании лица человека. «Яндекс» тоже не остался в стороне от экспериментов в области нанесения грима, позволяющего обмануть алгоритмы распознавания лиц. Суть эксперимента заключалась в следующем: сначала изучалась ориги‐ нальная фотография лица человека, затем алгоритм специально созданной программы на основе этой фотографии подбирал новый образ, в котором распознавались бы только отдельные чер т ы оригинала, но в цело м это уже было изображение другого лица. С помощью полученных результ а тов под‐ бирался грим, который и наносился на ли ц о оригинала (см. рис. 2).

Рис. 2. Макияж, основанный на принципе антисходства

Еще одна проблема сбоя систем ра с познавания была выявлена, когда в поле зрения камер появлялся человек, одетый в одежду с принтами в виде человеческих лиц, определенных символов и т. п., ведь система отрабатыва‐ ет наиболее броские изображения, а ли ц о человека остается нераспознан‐ ным (см. рис. 3).

Рис. 3. Вид одежды, позволяющей обойти систему распознавания

Многие компании‐разработчики, та к ие как «Вокорд», NtechLab, Vision‐ Labs, ITV AxxonSoft и другие, предлагают свои подходы для решения описан‐ ных проблем. Так, компания NtechLab разработала программу Find F ace SDK, в основе которой лежит библиотека на языке C, дающая доступ к передовой технологии распознавания лиц на основе нейронных сетей. С помо щ ью этой программы можно обрабатывать не толь к о видео, но и статичны е изобра‐ жения. FindFace SDK успешно интегрируется в терминалы самообслуживания и носимые устройства.

Компания VisionLabs LUNA специализируется на программном продук‐ те SDK‐системы распознавания и анализа л иц, который ос н ован на извлече‐ нии характеристик, описывающих лицо, независимо от посторонн и х факто‐ ров. В основе такого подхода лежит способность сверточн ы х нейросетей от‐ сеивать ненужные изображения, выделяя только искомый объект.

Компания ITVAxxonSoft применяет к омбинированный подход, то есть использование фильтра нейросети, который работает совместно с системой слежения. Система слежения определяет движущиеся объекты или остав‐ ленные предметы, а фильтр отсеивает все ненужное, оставляя только необ‐ ходимое изображение. Такой алгоритм м о жет быть испол ь зован в местах с интенсивным движением, где кроме нужного объекта присутствует множе‐ ство шумов в виде движущихся транспор т ных средств, бликов на воде, ше‐ велящихся листьев деревьев и т. д.

Государство заинтересовано в продвижении таких систем. Так, Мини‐ стерство цифрового развития, связи и массовых коммуникаций РФ издало приказ от 25 июня 2018 г. № 321 «Об утверждении порядка обработки, вклю‐ чая сбор и хранение, параметров биометрических персональных данных в целях идентификации, порядка размещения и обновления биометрических персональных данных в единой биометрической системе, а также требований к информационным технологиям и техническим средствам, предназначен‐ ным для обработки биометрических персональных данных в целях проведе‐ ния идентификации», которым предусмотрены требования к цифровому изо‐ бражению лица [1]. Центробанк России тоже выпустил методические реко‐ мендации от 14 февраля 2019 г. № 4‐МР по нейтрализации банками угроз безопасности [2], актуальных при обработке, включая сбор и хранение, био‐ метрических персональных данных, их проверке и передаче информации о степени их соответствия предоставленным биометрическим персональным данным гражданина Российской Федерации.

Многие обыватели считают, что системы распознавания нарушают их право на частную жизнь, в связи с этим возникает противодействие этим системам. Так, организация «Роскомсвобода» запустила кампанию против неправомерного использования системы распознавания лиц исходя из того, что «Весь мир, по сути, делится на два лагеря. Первый лагерь – это Китай, где государство за всеми следит и никого не спрашивает, где не соблюдают‐ ся понятия частной жизни и персональных данных. Второй – европейский, где публичное распознавание лиц может быть только с согласия либо по по‐ становлению суда, если речь идет о преступнике».

Исходя из сказанного, развитие систем распознавания лиц будет про‐ должаться, как и будет продолжаться противостояние этим системам [3]. Главное, чтобы они способствовали быстрому нахождению преступника и тем самым скорейшему расследованию преступлений.