Информационная система идентификации изображений

Зачастую системы идентификации  несут в себе два модуля: регистрация и идентификация.

Так с помощью регистрационного модуля система приобретает свойства идентификации определенного человека. В процессе регистрации датчики или видеокамера считывает данные человека и создает цифровое изображение его внешних данных. Для сканирования лица необходимо 20-30 секунд, вследствие таких действий создается несколько изображений. В лучшем случае такие изображения будут иметь слегка разные ракурсы и выражение лица, и это позволяет иметь более точные данные. Особый системный модуль подвергает обработке эти данные и устанавливает определенные характеристики присущие личности, после чего разрабатывает шаблон. На человеческом лице присутствуют некоторые части, которые практически не подвергаются изменениям в течение жизни, например, верхние очертания глазниц, скулы и края рта. Многие алгоритмы, которые разработаны специально для биометрических систем, могут учитывать потенциальные изменения в прическе определенного человека, поскольку в них не применяют анализ границы роста волос. Каждый индивидуальный шаблон пользователя хранится в базе данных.

С видеокамеры на идентификационный  модуль идет изображение с преобразованием  в тот же оцифрованный формат, в  котором хранится шаблон. Переданные данные сопоставляются с шаблоном, и происходит определение соответствия полученных и имеющихся в базе изображений. Уровень схожести, который требуется для проверки, можно представить как некий порог, с помощью которого можно отрегулировать различные факторы, такие как: тип сотрудников, мощность РС, время суток и пр.

Идентификация может происходить  посредством верификации, аутентификации, распознавания. В процессе верификации идет подтверждение идентичности поступивших данных и шаблона, который хранится в базе данных. Аутентификация подразумевает подтверждение соответствия изображения получаемого с видеокамеры. Процесс распознавания, заключается в сопоставлении полученных характеристик с шаблонами.

К сожалению, аутентификация не всегда происходит верно, даже при  внесении правильных биометрических параметров. И этому способствуют некоторые  особенности, такие как изменение  биометрических характеристик. В любом  случае возможна ошибка системы. При  этом используя различные технологии, данная ошибка может значительно  различаться. Технологией предусмотрен контроль, который может определить и расставить приоритеты, что важнее не пропустить «чужака» или пропустить «своих».

Одно  из наиглавнейших условий биометрических технологий это легкость эксплуатации. Ни в коем случае в процессе сканирования, человек не должен испытывать дискомфорт. Технология идентификации по лицу в  данном случае является самой удобной. Но в этом случае могут возникнуть проблемы с точностью работы системы.

Но  вопреки несомненным преимуществам, все-таки имеются отрицательные предубеждения против биометрических систем, и поэтому часто возникают вопросы, не будут ли индивидуальные данные использовать в плохих целях (слежка например) и тем самым нарушать права и личную жизнь человека. Ведь по некоторым сенсационным и необоснованным заявлениям биометрические технологии имеют отрицательные отзывы.

Но, не смотря, ни на что, в  последние годы, биометрические методы завоевали особенную актуальность. Все мы помним резонансное трагическое  событие 11 сентября произошедшее в  США. После такого происшествия мировое  сообщество остро осознало уровень  терроризма, и стало ясно, что  традиционные методы защиты дали сбой, и это повлекло за собой трагическую  гибель людей. Эти события и стали  отправной точкой для увеличения интереса к интегрированным системам безопасности.

Существует мнение, относительно контроля в аэропортах, а именно, если бы он был жестче, то возможно было бы избежать многих несчастий. Поиск виноватых можно значительно облегчить с помощью современных интегрированных систем видеонаблюдения и идентификации лиц.

Существует широкий спектр алгоритмов обнаружения и распознавания  лица человека. Например, по результатам  программы Feret (face recognition technology) агентства DARPA и Исследовательской лаборатории армии США лучшими признаны: алгоритм Университета Южной Калифорнии, алгоритм университета штата Мэрилен, алгоритм, созданный в Media Laboratory Массачусетского технологического института. На основе данных алгоритмов, а также алгоритмов идентификации личности по отпечаткам пальцев функционируют системы персональной идентификации, осуществляется верификация кредитных карточек и криминалистическая экспертиза.

Высокий исследовательский  интерес к данной тематике обусловливается  внедрением интеллектуальных сред, распространением носимых информационных устройств, в том числе встраиваемых в  предметы одежды и аксессуары. 

4. ОБЗОР И АНАЛИЗ ПАТЕНТОВ И СОВРЕМЕННЫХ 

ПУБЛИКАЦИЙ 

В настоящее время идентификация изображений применяется во многих сферах деятельности людей. Она используется для подтверждения подлинности документов и денежных знаков, для распознавания личности, для повышения достоверности и оперативности контроля продукции на промышленных предприятиях и т.д.

Современный рынок предлагает ряд специализированных продуктов, которые разработаны для идентификации  лиц. В подобной продукции применяют  различные алгоритмы, и сложно сказать  какая технология имеет преимущества. На сегодняшний день лидерами такой  продукции являются системы Viisage, Visionic и Miros.

Один из лидеров в области  производства систем идентификации  является компания Viisage. Эта компания применяет алгоритм, который был разработан в Массачусетском технологическом институте. Многие американские компании и госструктуры используют систему Viisage совместно с идентификационными документами, такими как водительские удостоверения. Производители Viisage представляют на российском рынке ряд техники, в которой используется система распознавания лиц.

Специалисты компании Visionic взяли за основу приложения FaceIt алгоритм анализа местных признаков, который разработали в университете Рокфеллера. Одна великобританская коммерческая организация внедрила приложение FaceIt в анти криминальную телевизионную систему (Mandrake). С помощью такой интегрированной программы возможно разыскать правонарушителей по данным поступающим со 144 видеокамер, которые объединены в сеть. После установления идентичности, которую система проводит самостоятельно, все данные поступают офицеру безопасности.

Компания Miros разработала систему TrueFace с применением технологий нейронных сетей,и такую систему можно встретить в комплексе получения наличных средств корпорации Mr.Payroll, так же она установлена во многих казино США. В соединенных Штатах независимые эксперты провели сравнительный анализ технологий идентификации лиц. И вот какие результаты они огласили.

Как оказалось на практике, в процессе использования систем идентификации лиц, которые применяли  в стандартных охранных системах, предполагалось, что идентифицируемый человек должен смотреть прямо в  камеру. Поскольку в этом случае система работает с несложным  двумерным изображением, это снижает  интенсивность вычислений и значительно  упрощает алгоритмы. Но и в этом случае задание для идентификации не простое, ведь алгоритмы должны учитывать  изменение качества освещения, выражения  лица, наличие декоративной косметики или аксессуаров.

Для того что бы система  идентификации лиц работала надежно, необходимо наличие некоторых факторов:

• качество изображения, необходимо, что бы идентифицируемый человек смотрел прямо в камеру, и при этом было хорошее освещение, в противном случае вероятность работы системы без ошибки значительно снижается;
• фотографии, занесенные в базу данных, должны быть актуальны и качественны;
• размер базы данных.

Технологии идентификации  лица неплохо работают с обыкновенными  камерами наблюдения, данные которых, попадают в персональный компьютер  и имеют разрешение 320х420 пикселей на один дюйм при скорости 3-5 кадров в секунду. Например, хорошее качество для видео конференции нуждается в скорости видеопотока от 15 к/сек. Соответственно при более высокой скорости и разрешении, качество распознавания будет значительно лучше. Если процесс идентификации происходит с дальнего расстояния, то качество видеокамеры и результат распознавания будут зависеть друг от друга. Если использовать стандартный компьютер, то объем базы данных не должен превышать 10000 изображений.

На сегодняшний день современные  технологии насчитываю четыре главных  метода распознавания лиц:

• «eigenfaces»;
• анализ отличительных черт лица;
• анализ «нейронных сетей»;
• метод «автоматической обработки изображений лица».

Каждый из этих методов  имеет свои сложности в реализации и разные цели применения.

Метод «Eigenface» подразумевает использование технологии двумерного изображения в серых полутенях, с помощью которых можно представить отличия отображения лица. Данный метод довольно часто применяют в качестве основы для других технологий идентификации лица. С помощью комбинаций характеристик 100-120 «Eigenface» возможно воссоздать множество лиц. Во время регистрации, «собственное лицо» определенного человека имеет вид ряда коэффициентов. В режиме определения подлинности используемое живое изображение проходит проверку идентичности с зарегистрированным шаблоном, так определяется коэффициент отличия. Уровень отличий шаблонов и выявляет факт распознавания человека. Такую технологию хорошо использовать в помещениях с хорошим освещением, когда существует вероятность сканирования лица в фас.

Наиболее распространена методика анализа «отличительных черт лица». Эта методика схожа с методикой "Eigenface», но больше приспособлена к распознаванию видоизменений мимики и внешности человека. В данной технологии применятся несколько десятков типичных особенностей разных частей лица, и учитывается их расположение. Определенное индивидуальное сочетание таких особенностей и определяет параметры каждого конкретного человека. Каждое человеческое лицо уникально, но имеет определенные динамические свойства, улыбка, наличие усов или бороды и т.д., и подобные изменения усложняют процедуру идентификации. Например, когда человек улыбается, то некоторые части лица смещаются и вызывают движение смежных участков. С учетом таких смещений, возможно, идентифицировать лицо человека при разных мимических видоизменениях. Поскольку с помощью такого анализа можно рассмотреть локальные части лица, то допустимы отклонения в пределах до 25° в горизонтальной плоскости, и 15° в вертикальной. Но данный метод требует дорогой и мощной аппаратуры, вследствие чего подобный метод не имеет широкого распространения.

Основной принцип метода "нейронных сетей", основан на сравнивании совпадения проверяемого лица с лицом, зарегистрированным в базе данных. В этой системе используется алгоритм установления соответствия уникальных параметров лица человека, которого проверяют и параметров имеющегося шаблона, в этом случае применяют максимальное количество возможных параметров.

В процессе сравнения обнаруживаются несоответствия между человеческим лицом и шаблоном, после чего включается механизм и при помощи определенных весовых коэффициентов определяется уровень соответствия проверяемого лица и шаблона. С помощью такого метода можно значительно улучшить качество идентификации лица даже в трудных условиях.

Метод «автоматической обработки  лица» является самой простой технологией, в которой применяют расстояние и отношение расстояния между точками лица, которые легко определить, например, глаза, кончик носа или уголки рта. Принято считать, что такой метод не настолько мощный как предыдущие, но его можно эффективно применять при плохой освещенности. [14]

Многопрофильное предприятие  ООО "Элсис" является патентообладателем  дактилоскопической системы идентификации изображения, включающей телевизионную камеру с фоточувствительным элементом и волоконно-оптической входной поверхностью, контактирующей с объектом, и осветитель для просвечивания объекта, отличающейся тем, что осветитель является импульсным, а фоточувствительным элементом является односекционный прибор с зарядовой связью. Авторы изобретения — Минкин В.А.; Грекович А.А.; Романова Л.П.; Татаурщиков С.С.; Штам А.И. Дата начала отсчета срока действия патента: 
19.12.1996.

Изобретение относится к  электронике и может быть применимо  в любых областях деятельности человека, где необходимо осуществлять идентификацию  пользователя. Это может быть вычислительная техника, медицина, криминалистика, финансовая и банковская деятельность, охранные и пропускные системы. Известен целый ряд систем, позволяющих вводить изображение рисунка кожи пальца с помощью электронных устройств и осуществлять его обработку и идентификацию. По своим функциональным возможностям дактилоскопические системы разделяются на две группы:

1. Обрабатывающие изображение с промежуточного носителя, например дактокарты.

2. Обрабатывающие изображения  живого пальца, так называемые  живые сканеры.

Различие двух данных групп  систем связаны прежде всего с поверхностной структурой внешнего носителя дактилоскопического изображения, представляющей собой дактокарту на бумаге или рельеф кожи пальца, а также с задачами по применению.

Системы первой группы чаще всего применяются в полиции  и криминалистике для идентификации  личности преступника по дактокартам или следам с места преступления. Однако эти системы непригодны для быстрой идентификации пользователя. Для считывания дактокарт и следов в таких системах используются обычные сканеры, применение которых для считывания изображения живого рельефа кожи пальца невозможно. Кроме того, использование промежуточных носителей (дактокарт) приводит к потере информации и не позволяет передавать и обрабатывать мелкие детали рельефа кожи.