Vzít si půjčku, požádat o vízum nebo jednoduše uvést na trh nejnovější model smartphonu – to vše je dnes nemožné bez účasti algoritmů pro rozpoznávání obličeje. Pomáhají policistům při vyšetřování, hudebníkům na pódiu, ale postupně se proměňují ve vševidoucí oko, které sleduje všechny naše akce online i offline.

Algoritmy (technologie)

Identifikace osoby z fotografie z pohledu počítače znamená dva velmi odlišné úkoly: za prvé najít obličej na fotografii (pokud tam je), a za druhé izolovat z obrázku ty rysy, které tuto osobu odlišují od ostatních. lidí v databázi.

1. Najděte

Pokusy naučit počítač najít obličej na fotografiích se objevovaly již od počátku 70. let. Bylo vyzkoušeno mnoho přístupů, ale nejdůležitější průlom přišel mnohem později – v roce 2001 vytvořili Paul Viola a Michael Jones metodu kaskádového posilování, tedy řetězce slabých klasifikátorů. Ačkoli nyní existují sofistikovanější algoritmy, můžete se vsadit, že je to stará dobrá Viola-Jones, která funguje jak ve vašem mobilním telefonu, tak ve fotoaparátu. Je to všechno o pozoruhodné rychlosti a spolehlivosti: ještě v roce 2001 dokázal průměrný počítač touto metodou zpracovat 15 snímků za sekundu. Efektivita algoritmu dnes uspokojuje všechny rozumné požadavky. Hlavní věc, kterou musíte o této metodě vědět, je, že je překvapivě jednoduchá. Ani nebudete věřit jak moc.

1. Krok 1. Odstraníme barvu a obrázek přeměníme na jasovou matici.
2. Krok 2. Umístěte na něj jednu ze čtvercových masek – říká se jim Haarovy prvky. Procházíme s ním celý obrázek, měníme polohu a velikost.
3. Krok 3. Sečteme hodnoty digitálního jasu z těch buněk matice, které spadají pod bílou část masky, a odečteme od nich hodnoty, které spadají pod černou část. Pokud je alespoň v jednom z případů rozdíl mezi bílou a černou oblastí nad určitou prahovou hodnotou, vezmeme tuto oblast obrázku pro další práci. Pokud ne, zapomeňte na ni, není tu žádná tvář.
4. Krok 4. Opakujte od kroku 2 s novou maskou - ale pouze v oblasti obrázku, která prošla prvním testem.

Proč to funguje? Podívejte se na znamení. Téměř na všech fotografiích je oblast očí vždy o něco tmavší než oblast bezprostředně pod ní. Podívejte se na znamení: světlá oblast uprostřed odpovídá hřbetu nosu, který se nachází mezi tmavýma očima. Černobílé masky na první pohled vůbec nevypadají jako tváře, ale při vší své primitivnosti mají vysokou zobecňující sílu.

Proč tak rychle? Jeden důležitý bod není v popsaném algoritmu zaznamenán. Chcete-li odečíst jas jedné části obrázku od druhé, museli byste přidat jas každého pixelu a těch může být mnoho. Proto je ve skutečnosti před aplikací masky matice převedena na integrální zobrazení: hodnoty v matici jasu jsou přidány předem takovým způsobem, že integrální jas obdélníku lze získat přidáním čtyři čísla.

Jak sestavit kaskádu? Přestože každá fáze maskování vytváří velmi velkou chybu (skutečná přesnost není o mnoho více než 50 %), síla algoritmu spočívá v kaskádové organizaci procesu. To vám umožní rychle vyloučit z analýzy oblasti, kde rozhodně není žádná tvář, a věnovat úsilí pouze těm oblastem, které mohou přinést výsledky. Tomuto principu sestavení slabých klasifikátorů do sekvence se říká boosting (více se o něm dočtete v říjnovém vydání PM nebo). Obecná zásada je tato: i velké chyby, když je vynásobíme, stanou se malými.

2. Zjednodušte

Najít rysy obličeje, které by umožnily identifikovat jeho majitele, znamená zredukovat realitu na vzorec. Hovoříme o zjednodušení, a to velmi radikálním. Například i na miniaturní fotografii 64 x 64 pixelů může být obrovské množství různých kombinací pixelů - (2 8) 64 x 64 = 2 32768 kusů. Navíc k sečtení každého ze 7,6 miliardy lidí na Zemi by stačilo pouze 33 bitů. Při přechodu z jednoho čísla na druhé musíte odstranit veškerý cizí hluk, ale zachovat nejdůležitější individuální vlastnosti. Statistici obeznámení s takovými problémy vyvinuli mnoho nástrojů pro zjednodušení dat. Například metoda hlavních komponent, která položila základ pro identifikaci tváří. Nedávno však konvoluční neuronové sítě zanechaly staré metody daleko za sebou. Jejich struktura je docela zvláštní, ale v podstatě jde také o způsob zjednodušení: jeho úkolem je redukovat konkrétní obrázek na soubor funkcí.

Na obrázek aplikujeme masku pevné velikosti (správně nazývanou konvoluční jádro) a vynásobíme jas každého pixelu v obrázku hodnotami jasu v masce. Najdeme průměrnou hodnotu pro všechny pixely v „okně“ a zapíšeme ji do jedné buňky další úrovně.

Masku posuneme o pevný krok, znovu vynásobíme a znovu zapíšeme průměr do mapy objektů.

Poté, co jsme prošli celým obrázkem s jednou maskou, opakujeme s druhou - získáme novou mapu funkcí.

Zmenšujeme velikost našich map: vezmeme několik sousedních pixelů (například čtverec 2x2 nebo 3x3) a do další úrovně přeneseme pouze jednu maximální hodnotu. Totéž děláme pro karty obdržené se všemi ostatními maskami.

Z důvodu matematické hygieny nahrazujeme všechny záporné hodnoty nulami. Opakujeme od kroku 2 tolikrát, kolikrát chceme získat vrstvy v neuronové síti.

Z poslední mapy rysů sestavíme nikoli konvoluční, ale plně propojenou neuronovou síť: všechny buňky poslední úrovně přeměníme na neurony, které s určitou váhou ovlivňují neurony další vrstvy. Poslední krok. V sítích trénovaných na klasifikaci objektů (pro rozlišení koček od psů na fotkách atd.) je zde výstupní vrstva, tedy seznam pravděpodobností detekce konkrétní odpovědi. V případě tváří dostáváme místo konkrétní odpovědi krátký soubor nejdůležitějších rysů obličeje. Například v Google FaceNet se jedná o 128 abstraktních číselných parametrů.

3. Identifikujte

Úplně poslední fáze, skutečná identifikace, je ten nejjednodušší a dokonce triviální krok. Scvrkává se na posouzení podobnosti výsledného seznamu funkcí s těmi, které jsou již v databázi. V matematickém žargonu to znamená najít v prostoru prvků vzdálenost od daného vektoru k nejbližší oblasti známých tváří. Stejně tak můžete vyřešit další problém – najít si navzájem podobné lidi.

Proč to funguje? Konvoluční neuronová síť je navržena tak, aby extrahovala nejcharakterističtější rysy z obrazu, a to automaticky a na různých úrovních abstrakce. Pokud první úrovně obvykle reagují na jednoduché vzory, jako je stínování, přechod, jasné hranice atd., pak s každou další úrovní se komplexnost prvků zvyšuje. Masky, které neuronová síť zkouší na vysokých úrovních, často skutečně připomínají lidské tváře nebo jejich fragmenty. Navíc, na rozdíl od analýzy hlavních komponent, neuronové sítě kombinují funkce nelineárním (a neočekávaným) způsobem.

Odkud masky pocházejí? Na rozdíl od masek používaných v algoritmu Viola-Jones se neuronové sítě obejdou bez lidské pomoci a nacházejí masky během procesu učení. K tomu potřebujete mít velkou tréninkovou sadu, která by obsahovala obrázky různých tváří na různém pozadí. Pokud jde o výslednou sadu vlastností, které neuronová síť produkuje, je tvořena metodou tripletů. Trojice jsou sady obrázků, ve kterých první dva představují fotografii stejné osoby a třetí fotografie jiné osoby. Neuronová síť se učí nacházet rysy, které k sobě první snímky co nejvíce přiblíží a zároveň vyloučí třetí.

Čí neuronová síť je lepší? Identifikace obličeje již dávno opustila akademii a vstoupila do velkého byznysu. A zde, stejně jako v každém podnikání, se výrobci snaží dokázat, že jejich algoritmy jsou lepší, i když ne vždy poskytují data z otevřeného testování. Například podle soutěže MegaFace aktuálně vykazuje nejlepší přesnost ruský algoritmus deepVo V3 od Vocordu s výsledkem 92 %. FaceNet v8 od Googlu ve stejné soutěži ukazuje pouze 70 % a DeepFace od Facebooku se s deklarovanou přesností 97 % soutěže vůbec nezúčastnil. Tato čísla je třeba interpretovat opatrně, ale již nyní je jasné, že nejlepší algoritmy téměř dosáhly přesnosti rozpoznávání obličeje na lidské úrovni.

Živý make-up (umění)

V zimě 2016, na 58. výročním udílení cen Grammy, Lady Gaga přednesla poctu Davidu Bowiemu, který nedávno zemřel. Během vystoupení se jí po tváři rozlila živá láva a zanechala na jejím čele a tváři stopu rozeznatelnou všem fanouškům Bowieho – oranžový blesk. Efekt pohybujícího se make-upu byl vytvořen pomocí videoprojekce: počítač sledoval pohyby zpěvačky v reálném čase a promítal obrázky na její obličej s ohledem na jeho tvar a polohu. Na internetu je snadné najít video, na kterém je patrné, že projekce je stále nedokonalá a při náhlých pohybech se mírně zpožďuje.

Nobumichi Asai vyvíjí technologii video mapování Omote pro tváře od roku 2014 a od roku 2015 ji aktivně předvádí po celém světě a sbírá slušný seznam ocenění. Společnost, kterou založil, WOW Inc. se stal partnerem společnosti Intel a získal dobrý podnět k vývoji a spolupráce s Ishikawou Watanabe z Tokijské univerzity nám umožnila urychlit projekci. To hlavní se však děje na počítači a podobná řešení používá mnoho vývojářů aplikací, které vám umožňují nasadit si na obličej masky, ať už jde o helmu vojáka Empire nebo make-up „Davida Bowieho“.

Alexander Khanin, zakladatel a generální ředitel společnosti VisionLabs

„Takový systém nevyžaduje výkonný počítač, masky lze aplikovat i na mobilních zařízeních. Systém může pracovat přímo na chytrém telefonu, bez odesílání dat do cloudu nebo serveru.

„Tento úkol se nazývá sledování bodů obličeje. Ve veřejné doméně existuje mnoho podobných řešení, ale profesionální projekty se vyznačují rychlostí a fotorealismem,“ řekl nám Alexander Khanin, vedoucí VisionLabs. "Nejobtížnější je v tomto případě určit polohu bodů s přihlédnutím k výrazům obličeje a individuálnímu tvaru obličeje nebo v extrémních podmínkách: při silném otáčení hlavy, nedostatečném osvětlení a vysoké expozici." Aby se systém naučil nacházet body, trénuje se neuronová síť – nejprve ručně, pečlivě označujte fotku za fotkou. „Vstupem je obrázek a výstupem je označená sada bodů,“ vysvětluje Alexander. „Pak se spustí detektor, určí se obličej, sestaví se jeho trojrozměrný model, na který se nanese maska. Značky jsou aplikovány na každý snímek streamu v reálném čase.“

Zhruba takto funguje vynález Nobumichi Asai. Dříve japonský inženýr skenuje hlavy svých modelů, získává přesné trojrozměrné prototypy a připravuje videosekvenci zohledňující tvar obličeje. Úkol usnadňují také malé reflexní fixy, které se nalepí na účinkující před vstupem na pódium. Pět infračervených kamer monitoruje jejich pohyb a přenáší sledovací data do počítače. Pak se vše stane tak, jak nám řekli VisionLabs: obličej je detekován, sestaví se trojrozměrný model a do hry vstupuje projektor Ishikawa Watanabeho.

Zařízení DynaFlash představil v roce 2015: je to vysokorychlostní projektor, který dokáže sledovat a kompenzovat pohyby letadla, na kterém je obraz zobrazen. Obrazovku lze naklonit, ale obraz nebude zkreslený a bude vysílán s frekvencí až tisíc 8bitových snímků za vteřinu: zpoždění nepřesáhne neviditelné tři milisekundy. Pro Asai se takový projektor ukázal jako dar z nebes a začal fungovat skutečně v reálném čase. Na videu natočeném v roce 2017 pro populární japonské duo Inori už není zpoždění vůbec vidět. Tváře tanečníků se promění buď v živé lebky, nebo v plačící masky. Vypadá svěže a přitahuje pozornost – ale technologie se rychle stává módou. Motýl přistávající na tváři meteorologa nebo performeři měnící svou podobu pokaždé na pódiu se brzy stanou asi nejčastější věcí.

Face hacking (aktivismus)

Mechanika učí, že každá akce vytváří reakci, a rychlý vývoj systémů sledování a osobní identifikace není výjimkou. Neuronové sítě dnes umožňují porovnat náhodnou rozmazanou fotografii z ulice s obrázky nahranými na účty sociálních sítí a během několika sekund zjistit identitu kolemjdoucího. Umělci, aktivisté a specialisté na počítačové vidění zároveň vytvářejí nástroje, které mohou lidem vrátit soukromí, osobní prostor, který se tak závratnou rychlostí zmenšuje.

Identifikace může být zmařena v různých fázích algoritmů. Zpravidla jsou napadeny první kroky procesu rozpoznávání – detekce postav a tváří v obraze. Stejně jako vojenské maskování klame náš zrak, skrývá předmět, narušuje jeho geometrické proporce a siluetu, tak se snaží strojové vidění zmást barevnými kontrastními skvrnami, které zkreslují pro něj důležité parametry: ovál obličeje, umístění očí, úst. , atd. Počítačové vidění naštěstí ještě není tak dokonalé jako to naše, což ponechává velkou volnost ve výběru barev a tvarů takovéto „kamufláže“.

Růžové a fialové, žluté a modré tóny dominují řadě oblečení HyperFace, jejíž první vzorky představili návrhář Adam Harvey a startup Hyphen Labs v lednu 2017. Pixelové vzory poskytují strojovému vidění ideální – z jeho pohledu – obraz lidské tváře, kterou počítač zachytí jako návnadu. O několik měsíců později moskevský programátor Grigory Bakunov a jeho kolegové dokonce vyvinuli speciální aplikaci, která generuje možnosti make-upu, které narušují činnost identifikačních systémů. A i když se autoři po chvíli přemýšlení rozhodli program nezveřejnit, stejný Adam Harvey nabízí několik hotových možností.

Člověk s maskou nebo s podivným make-upem na obličeji nemusí být počítačovým systémům nápadný, ale ostatní lidé mu určitě budou věnovat pozornost. Existují však způsoby, jak to udělat naopak. Z pohledu neuronové sítě totiž obrázek neobsahuje obrázky v pro nás obvyklém smyslu; pro ni je obrázek souborem čísel a koeficientů. Proto jí mohou vypadat docela podobně i úplně jiné předměty. Znáte-li tyto nuance AI, můžete provést jemnější útok a opravit obraz jen mírně - takže změny budou pro člověka téměř nepostřehnutelné, ale strojové vidění bude zcela oklamáno. V listopadu 2017 vědci ukázali, jak malé změny v barvě želvy nebo baseballového míčku způsobily, že systém InceptionV3 společnosti Google místo toho sebevědomě viděl pistoli nebo šálek espressa. A Mahmoud Sharif a jeho kolegové z Carnegie Mellon University navrhli strakatý vzor pro rám brýlí: nemá téměř žádný vliv na vnímání obličeje ostatními, ale počítačová identifikace pomocí Face++ ho sebevědomě splete s tváří osoby „pro koho“ byl navržen vzor na rámu.

Dnes snad neexistuje žádná jiná technologie, která by byla opředena tolika mýty, lží a neschopností. Novináři, kteří mluví o technologiích, lžou, politici, kteří mluví o úspěšné implementaci, lže většina prodejců technologií. Každý měsíc vidím důsledky toho, jak se lidé snaží implementovat rozpoznávání obličejů do systémů, které to nezvládají.

Téma tohoto článku bylo ožehavé už dlouho, ale byl jsem stále líný ho napsat. Spousta textu, který jsem již dvacetkrát opakoval různým lidem. Ale po přečtení dalšího balíku odpadků jsem se rozhodl, že je čas. Poskytnu odkaz na tento článek.

Tak. V tomto článku odpovím na několik jednoduchých otázek:

Odkud si myslíte, že tvůrci algoritmů vzali tyto základy?

Malá nápověda. První NTech produkt, který nyní mají, je Find Face, vyhledávání lidí na VKontakte. Myslím, že není potřeba žádné vysvětlení. VKontakte samozřejmě bojuje proti botům, kteří stahují všechny otevřené profily. Ale jak jsem slyšel, lidé stále stahují. A spolužáci. A Instagram.

Vypadá to jako u Facebooku – tam je všechno složitější. Ale jsem si téměř jistý, že také na něco přišli.
Takže ano, pokud je váš profil veřejný, pak můžete být hrdí, byl použit k trénování algoritmů;)

O řešeních a o firmách

To je něco, na co můžeme být hrdí. Z 5 předních společností na světě jsou nyní dvě ruské. Jedná se o N-Tech a VisionLabs. Před půl rokem byly lídry NTech a Vocord, první fungoval mnohem lépe na otočených obličejích, druhý na frontálních.

Nyní jsou zbývající lídři 1-2 čínské společnosti a 1 americká, Vocord v hodnocení něco ztratil.

Dalšími ruskými v hodnocení jsou itmo, 3divi a intellivision. Synesis je běloruská firma, i když její část byla kdysi v Moskvě asi před 3 lety měli blog na Habré. O několika dalších řešeních vím, že patří zahraničním společnostem, ale vývojové kanceláře jsou také v Rusku. Existuje také několik ruských společností, které nejsou zahrnuty do soutěže, ale zdá se, že mají dobrá řešení. Například rozvojové cíle tisíciletí mají. Je zřejmé, že Odnoklassniki a VKontakte mají také své vlastní dobré, ale jsou pro interní použití.

Zkrátka ano, jsme to většinou my a Číňané, kdo má stejný výraz obličeje.

NTech byl obecně první na světě, který ukázal dobré parametry na nové úrovni. Někde na konci roku 2015. VisionLabs teprve dohnaly NTech. V roce 2015 byli lídry na trhu. Jejich rozhodnutí však bylo z poslední generace a NTech se začali pokoušet dohnat až na konci roku 2016.

Abych byl upřímný, nemám rád ani jednu z těchto společností. Velmi agresivní marketing. Viděl jsem lidi, kterým bylo prodáno zjevně nevhodné řešení, které nevyřešilo jejich problémy.

Z této strany se mi Vocord líbil mnohem víc. Jednou jsem konzultoval několik lidí, kterým Vocord velmi upřímně řekl: "Váš projekt nebude fungovat s takovými kamerami a instalačními body." NTech a VisionLabs se šťastně pokusily prodat. Vocord ale nedávno zmizel.

závěry

Na závěr bych chtěl říci následující. Rozpoznávání obličeje je velmi dobrý a mocný nástroj. Dnes vám opravdu umožňuje najít zločince. Jeho implementace však vyžaduje velmi přesnou analýzu všech parametrů. K dispozici je spousta OpenSource řešení. Existují aplikace (rozpoznání v davech na stadionech), kde stačí nainstalovat VisionLabs|Ntech a také udržovat tým údržby, analýzy a rozhodování. A tady vám OpenSource nepomůže.

Dnes nemůžete věřit všem pohádkám, že můžete chytit všechny zločince nebo pozorovat všechny ve městě. Ale je důležité si uvědomit, že takové věci mohou pomoci dopadnout zločince. Například zastavit v metru ne všechny, ale jen ty, které systém považuje za podobné. Umístěte kamery tak, aby byly tváře lépe rozpoznávány, a vytvořte k tomu vhodnou infrastrukturu. I když já jsem například proti tomuto. Protože cena za chybu, pokud vás někdo pozná, může být příliš vysoká.

Přidat štítky

Moderní integrované bezpečnostní systémy jsou schopny řešit problémy jakékoli složitosti ve všech typech průmyslových, sociálních a domácích zařízení. Video monitorovací systémy jsou velmi důležitými nástroji bezpečnostních systémů a požadavky na funkčnost segmentu neustále rostou.

Komplexní zabezpečovací systémy

Jednotná platforma zahrnuje moduly pro bezpečnostní a požární zařízení, řízení a správu přístupu, video dohled nebo uzavřený televizní okruh (CCT). Funkce posledně jmenovaného se donedávna omezovaly na videomonitoring a záznam situace v zařízení a okolí, archivaci a ukládání dat. Klasické videosystémy mají řadu významných nevýhod:

• Lidský faktor. Neefektivní výkon operátora při vysílání velkého objemu informací.
• Nemožnost chirurgického zákroku, včasná analýza.
• Značné časové náklady na vyhledávání a identifikaci události.

Rozvoj digitálních technologií vedl k vytvoření „chytrých“ automatizovaných systémů.

Síla je v intelektu

Základním principem intelektuální analýzy je video analytika - technologie založená na metodách a algoritmech pro rozpoznávání obrazu a automatizovaný sběr dat jako výsledek analýzy video streamu. Takové zařízení je bez lidského zásahu schopno v reálném čase detekovat a sledovat zadané cíle (auto, skupina osob), potenciálně nebezpečné situace (kouř, požár, neoprávněný zásah do provozu videokamer), naprogramované události a rychle vydat poplachový signál. Filtrováním videodat, která nejsou zajímavá, se výrazně snižuje zatížení komunikačních kanálů a archivní databáze.

Nejoblíbenějším nástrojem pro analýzu videa je systém rozpoznávání obličeje. V závislosti na vykonávaných funkcích a přidělených úkolech jsou na zařízení kladeny určité požadavky.

Software a hardware

Pro zajištění efektivního provozu systému se používá několik typů IP videokamer s různými výkonnostními charakteristikami. Detekce objektu na kontrolovaném území je zaznamenávána panoramatickými kamerami s rozlišením 1 megapixel a ohniskovou vzdáleností 1 mm a jsou na něj namířeny snímací zařízení. Jedná se o pokročilejší fotoaparáty (od 2 MP, od 2 mm), které provádějí rozpoznávání pomocí jednoduchých metod (3-4 parametry). K identifikaci objektu se používají kamery s dobrou kvalitou obrazu, dostačující pro použití složitých algoritmů (od 5 MP, 8-12 mm).

Nejoblíbenější softwarové produkty pro rozpoznávání obličeje "Face Intellect" (vyvinutý společností House Control), Face director (společnost Sinesis) a VOCORD FaceControl (VOCORD) demonstrují:

• Vysoká pravděpodobnost identifikace objektu (až 99 %).
• Podpora širokého rozsahu úhlů natočení kamery.
• Možnost identifikace tváří i v husté pěší mase.
• Variabilita při přípravě analytických zpráv.

Základy rozpoznávání vzorů

Jakékoli biometrické rozpoznávací systémy jsou založeny na identifikaci korespondence čtených fyziologických charakteristik osoby s určitým specifikovaným vzorem.

Skenování probíhá v reálném čase. IP kamera vysílá video stream do terminálu a systém rozpoznávání obličeje určuje, zda se obraz shoduje s fotografiemi uloženými v databázi. Existují dvě hlavní metody. První je založen na statických principech: na základě výsledků zpracování biometrických parametrů je vytvořen elektronický vzorek v podobě jedinečného čísla odpovídajícího konkrétní osobě. Druhá metoda modeluje „lidský“ přístup a vyznačuje se samoučením a robustností. Identifikace osoby z obrazu videa zohledňuje změny související s věkem a další faktory (přítomnost pokrývky hlavy, vousů nebo kníru, brýle). Tato technologie umožňuje pracovat i se starými fotografiemi a v případě potřeby i s rentgenovými snímky.

Algoritmus vyhledávání obličeje

Nejběžnější technikou pro detekci tváří je použití Haarových kaskád (souborů masek).

Maska je obdélníkové okno s různými kombinacemi bílých a černých segmentů.

Mechanismus programu je následující: snímek videa je pokryt sadou masek a na základě výsledků konvoluce (počítání pixelů, které spadají do bílých a černých sektorů) se vypočítá rozdíl a porovná se s určitou prahovou hodnotou. .

Pro zlepšení výkonu klasifikátoru se vytvářejí pozitivní (snímky s lidskými tvářemi) a negativní (bez nich) tréninkové vzorky. V prvním případě je výsledek konvoluce nad prahovou hodnotou, ve druhém - níže. Detektor obličeje s přijatelnou chybou určí součet konvolucí všech kaskád a v případě překročení prahové hodnoty signalizuje přítomnost obličejů v záběru.

Rozpoznávací technologie

Po detekci a lokalizaci zahrnuje přípravná fáze jas a geometrické zarovnání obrazu. Další akce – výpočet a identifikace vlastností – lze provádět různými metodami.

Při skenování obličeje celé tváře v místnosti s vynikajícím osvětlením prokazují dobré výsledky algoritmy, které pracují s dvourozměrnými obrázky. Analýzou jedinečných bodů a vzdáleností mezi nimi systém rozpoznávání obličeje určuje skutečnost identifikace na základě rozdílových koeficientů mezi „živým“ obrázkem a registrovanou šablonou.

Trojrozměrné technologie jsou odolné vůči změnám světelného toku, přípustná odchylka od předního úhlu je až 45 stupňů. Zde se analyzují nejen body a čáry, ale také vlastnosti povrchů (zakřivení, profil) a metrika vzdáleností mezi nimi. Aby takové algoritmy fungovaly, je vyžadována maximální kvalita záznamu videa s frekvencí až 200 snímků/s. Systém je založen na stereo videokamerách s maticí 5 megapixelů, vysokým optickým rozlišením a chybou synchronizace sníženou na minimum. Navíc jsou propojeny speciálním časovacím kabelem pro přenos hodinových impulsů.

Stav na trhu moderních systémů

První z nich byly kvůli jejich vysoké ceně vyvinuty pouze pro vládní vojenská zařízení a teprve v polovině 90. let byly dostupné komerčním organizacím. Rychlý vývoj technologií umožnil zvýšit přesnost systémů a rozšířit rozsah jejich použití. Vedoucí postavení na trhu naší země patří americkým a západoevropským výrobcům zabezpečovacích systémů. Nejprodávanější jsou zařízení od korporací ZN Vision Technologies a Visionics. Nejslibnější mezi tuzemskými vývojáři jsou výzkumy a produkty společností Vocord, NTechLab, Soling, VisionLabs LLC a skupiny TsRT, které se mimo jiné zabývají i adaptací zahraničních komplexů na ruské podmínky.

Počítačové ovládání obličeje

Nejrozsáhlejší oblastí uplatnění bezkontaktní identifikace je boj proti terorismu a kriminalitě. Obraz obličeje zločince je uložen v databázi. V místech, kde se vyskytují velké davy lidí (letiště, nádraží, obchodní centra, sportovní instituce), je v reálném čase zaznamenáván tok lidí za účelem identifikace hledaných osob.

Další oblastí jsou systémy kontroly vstupu: ukázková fotografie na elektronické propustce je porovnána s modelem získaným jako výsledek zpracování dat z videokamer. Procedura probíhá okamžitě, aniž by od těch, kdo ji podstupují, vyžadovala další akce (na rozdíl od skenování sítnice nebo otisků prstů).

Dalším rychle rostoucím odvětvím je marketing. Interaktivní billboard naskenuje obličej člověka, určí jeho pohlaví a věk a vizualizuje pouze ty reklamy, které budou pro klienta potenciálně zajímavé.

Trendy a vyhlídky rozvoje

Systémy rozpoznávání obličeje jsou v bankovním sektoru velmi žádané.

Koncem loňského roku se vedení Pochta Bank po instalaci 50 000 chytrých videokamer ve svých kancelářích podařilo ušetřit miliony rublů tím, že zabránili podvodům v segmentu půjček a plateb. Odborníci tvrdí, že do roku 2021 bude vytvořena potřebná infrastrukturní síť a jakékoli operace na bankomatech budou možné až po biometrické identifikaci obličeje klienta.

V příštím desetiletí umožní špičkové technologie otevřít síť plnohodnotných samoobslužných prodejen: kupující projde před výkladní skříně, vybere si produkt, který se mu líbí, a odejde. Systém rozpoznání obličeje a obrazu určí totožnost kupujícího, zakoupí a odečte požadovanou částku z jeho účtu.

Pracuje se na vytvoření systémů pro rozpoznávání psycho-emocionálních stavů. Analýza lidských emocí bude žádaná v multimediálních oblastech: animace, kino a průmysl počítačových her.

• zajištění bezpečnosti na přeplněných místech;
• bezpečnostní systémy, zamezení nelegálnímu vstupu do objektu, vyhledávání narušitelů;
• ovládání obličeje v segmentu stravování a zábavy, vyhledávání podezřelých a potenciálně nebezpečných návštěvníků;
• ověřování bankovních karet;
• online platby;
• kontextová reklama, digitální marketing, Intelligent Signage a Digital Signage;
• fotografické vybavení;
• kriminalistika;
• telekonference;
• mobilní aplikace;
• vyhledávání fotografií ve velkých databázích fotografií;
• označování lidí na fotografiích na sociálních sítích a mnoho dalších.

Panasonic nainstaloval kamery, které rozpoznávají tváře a nákupy ve velkém řetězci supermarketů

Začátkem dubna 2019 oznámil velký japonský řetězec supermarketů FamilyMart zahájení používání systému rozpoznávání obličeje, který umožňuje platit za nákupy bez zapojení pokladních. Přečtěte si více.

Nově můžete platit za jízdy v čínském metru tváří

V britských věznicích se objevil systém rozpoznávání obličeje, který má bojovat proti přenosu „zakázaných drog“

Začátkem března 2019 vyšlo najevo, že se v britských věznicích Hull, Humber a Lindholm objevil systém rozpoznávání obličeje, který má za úkol bojovat proti přenosu zakázaných věcí, jako jsou mobilní telefony a drogy.

V roce 2018 vězeňští úředníci zaznamenali více než 23 000 nezákonných převozů, což je o 4 000 více než v roce 2017. Podle zpráv tajných služeb někteří návštěvníci dodávají pašované zboží do několika věznic po celé zemi. Použití otisků prstů a ověřování dokladů bez elektronické komunikace mezi věznicemi však neumožňuje takové pachatele identifikovat.

Ve vězení testovaná biometrie a technologie rozpoznávání obličeje využívá IDScan a software vyvinutý londýnskou společností Facewatch. Věznice také používají technologii skenování duhovky vyvinutou společností Tascent, americkou společností pro biometrickou identifikaci a bezpečnost.

Ve věznici HMP Humber zaměstnanci během šesti týdnů skenovali tváře 770 návštěvníků, aby identifikovali, kdo používal falešný průkaz totožnosti nebo navštěvoval různé vězně v různých časech. Pomocí nových bezpečnostních systémů se vězeňským úředníkům podařilo identifikovat řadu podezřelých osob, kterým může být po vyšetřování zabráněno ve vstupu do britských věznic. Sesbíraná data navíc mohou sloužit jako důkazní materiál při dalších vyšetřováních ve věznici i mimo ni.

Toto použití rozpoznávání obličeje však vyvolalo v některých částech společnosti pobouření. Britští aktivisté za občanské svobody Big Brother Watch se odvolali k Evropskému soudu pro lidská práva proti používání technologie hromadného sledování vládou Spojeného království.

Společnost NEC spustila bankomaty, které umožňují vybírat peníze pomocí rozpoznávání obličeje

Na konci února 2019 společnost NEC Corporation oznámila spuštění prvních bankomatů na světě, které umožňují výběr hotovosti pomocí rozpoznávání obličeje. Bankomaty vznikly ve spolupráci s velkou tchajwanskou bankou E.SUN Commercial Bank. Přečtěte si více.

IBM vydala databázi 1 milionu fotografií obličejů pro trénování biometrických systémů

2018

Rozpoznávání obličeje nefunguje v každém druhém smartphonu

Začátkem ledna 2019 otestovala nizozemská nezisková organizace 110 modelů smartphonů a zjistila, že funkce rozpoznávání obličeje používaná k zamykání zařízení nefungovala správně na více než každém druhém zařízení.

Studie provedená společností Consumentenbond a jejími mezinárodními partnery zjistila, že 42 testovaných smartphonů lze odemknout pouze pomocí fotografie majitele telefonu. Poslouží jakákoliv fotografie získaná například ze sociálních sítí, z CCTV kamer nebo jakýmkoli jiným způsobem.

Výsledky této studie znepokojují uživatele i bezpečnostní agentury. Použití vytištěné fotografie obličeje majitele je prvním testem funkce rozpoznávání obličeje, kterou používají běžní uživatelé a testeři. Ale co je nejdůležitější, toto je první trik, který se útočníci pokusí použít k hacknutí smartphonu chráněného identifikací obličeje, než přejdou ke složitějším útokům, které zahrnují vytváření masek nebo 3D tištěných hlav majitele telefonu.

Jakýkoli systém rozpoznávání obličeje, který neprojde fototestem, je obecně považován za zbytečný. Modely Consumerbond, Asus, BlackBerry, Huawei, Lenovo, Nokia, Samsung, Sony a Xiaomi v těchto testech neuspěly. V případě Sony v testu propadly naprosto všechny modely. Dalších šest modelů – Honor a šest modelů LG – bylo testováno pouze v „přísném“ režimu. I když tento test může uživatele vést k závěru, že není dobrý nápad povolit rozpoznávání obličeje, 68 zařízení, včetně vlajkové lodi Apple iPhone XR a , tento jednoduchý útok přežilo, stejně jako mnoho dalších špičkových modelů Android od společností Samsung, Huawei, OnePlus a Čest.

Úplný seznam modelů, které prošly fototestem, najdete na webu Consumerenbond.

Nejoblíbenější systémy rozpoznávání obličeje v Číně

Jedním z nejběžnějších programů pro rozpoznávání obličejů je Face++, který se používá pro kontrolu přístupu všude od vlakových nádraží v Pekingu až po kancelářskou budovu Alibaba.

Alibaba sama vyvinula vlastní systémy, které se budou používat v šanghajském metru k identifikaci cestujících pomocí jejich obličeje a hlasu.

Policisté sledující bezpečnost na čínském nádraží nosí speciální sluneční brýle s funkcí rozpoznávání obličeje. Zařízení je schopno identifikovat osobu za 100 milisekund a nejednou pomohlo orgánům činným v trestním řízení při dopadení zločinců.

V čínském Shenzhenu fungovala první kamera na světě, která zaznamenávala přestupky chodců. Je instalován na jednom z frekventovaných přechodů ve městě a sleduje osoby přecházející silnici na zákazovém semaforu. Kamera využívá technologii rozpoznávání obličeje k určení identity narušitele.

Přijímací zkoušky na vysoké školy v celé zemi využívají rozpoznávání obličeje a otisků prstů, aby se zajistilo, že účastníci testu jsou skutečnými studenty.

Některé školky po řadě únosů dětí otevírají své dveře pouze lidem, jejichž tváře jsou v systému registrovány. V jedné z mateřských škol bylo pro zajištění bezpečnosti instalováno více než 200 kamer.

Dokonce i některé toalety mají nainstalované stroje s rozpoznáváním obličeje. Automat vydá 60 cm toaletního papíru jedné osobě maximálně jednou za devět minut.

Alibaba má bezhotovostní obchody Hema, kde uživatelé skenují svůj obličej a zadávají telefonní číslo, aby mohli platit přes Alipay.

Alibaba spolu s výrobcem hotelových informačních systémů Shiji nainstalovala systém rozpoznávání obličeje pro odbavení v 50 hotelech. Čínští turisté využívající online cestovní kancelář Fliggy (vlastněná Alibaba) si tam mohou nejprve zarezervovat hotel, poté se do hotelu rychle přihlásit pomocí „masky“ obličeje a složit zálohu.

Peking se rozhodl bojovat proti nelegálnímu pronájmu veřejného bydlení pomocí chytrých zámků, které rozpoznávají majitele podle obličeje

Na konci prosince 2018 bylo známo, že do veřejného bydlení v Pekingu byly rychle zaváděny „chytré“ zámky s technologií rozpoznávání obličeje. Místní úřady s jejich pomocí posilují opatření proti nelegálnímu opětovnému pronajímání veřejných bytů poskytovaných rodinám s nízkými příjmy za zvýhodněné sazby.

Chytrý zámek s rozpoznáním obličeje

Očekává se, že do konce června 2019 budou zámky s vestavěným systémem skenování obličeje používány ve všech programech poskytování preferenčního státního bydlení v Pekingu s účastí 120 tisíc nájemníků, uvádí The South China Morning Post s odkazem na Pekingské vydání The Beijing News.

Porovnáním informací získaných skenováním tváří návštěvníků s obrázky z uložené databáze systém rozpozná vlastníky a neotevírá dveře cizím lidem, řekl Beijing News Shan Zhenyu, ředitel informačního centra v Beijing State Housing Center. v rozhovoru.

Kromě toho lze systém použít k péči o osamělé starší lidi. Pokud starší osoba po určitou dobu neopustí domov nebo do něj nevstoupí, bude správci nemovitosti zasláno oznámení, aby je zkontroloval.

Ve velkých městech, jako je Peking, jsou pronájmy bytů velmi drahé. V průměru stojí pronajatý byt v čínské metropoli asi 5 tisíc juanů měsíčně (asi 730 dolarů), zatímco nájemné za veřejné bydlení může být méně než 2 tisíce juanů měsíčně (290 dolarů).

Pekingské úřady doufají, že chytré zámky, které rozpoznávají majitele podle obličeje, zlepší bezpečnost, zabrání nelegálnímu podnájmu a zajistí, že výhody budou mít jen lidé, kteří to skutečně potřebují.

Ke konci roku 2018 se chytré zámky s rozpoznáváním obličeje používají ve 47 programech veřejného bydlení v Pekingu. S jejich pomocí se podařilo získat asi 100 tisíc naskenovaných snímků tváří nájemníků a členů jejich rodin.

Čínské Airbnb instaluje do domácností chytré zámky s rozpoznáváním obličeje

Neúspěch v Londýně. Systém rozpoznávání obličeje v metru nikoho nepoznává

Na konci prosince 2018 se ukázalo, že systém rozpoznávání obličejů nasazený v londýnském metru nikoho nepozná. Londýnští policisté byli kritizováni za používání neoznačených dodávek k testování kontroverzní a nepřesné technologie automatického rozpoznávání obličejů na vánočních nakupujících. Přečtěte si více.

Toalety s rozpoznáváním obličeje v Číně snižují spotřebu toaletního papíru

Na konci roku 2018 se začalo vědět o rostoucím počtu veřejných toalet v Číně se systémem rozpoznávání obličeje, který šetří toaletní papír.

V prosinci se taková toaleta otevřela v parku Baotu Spring ve městě Jinan (provincie Shandong), které se nachází 400 km jižně od Pekingu. V této toaletě je automat, který po naskenování vašeho obličeje vydá toaletní papír. V jednom přístupu zařízení vydá přibližně 70 cm papíru a pro přijetí další části sanitárního produktu musí stejná osoba počkat 9 minut a znovu přiložit hlavu ke kameře pro identifikaci.

K odemknutí smartphonu vytisknou hackeři a policie hlavu majitele na 3D tiskárně

Systém rozpoznávání obličeje byl spuštěn na 14 amerických letištích

20. srpna 2018 byl na 14 amerických letištích spuštěn systém rozpoznávání obličeje. O jeho účinnosti hovořila americká celní a pohraniční hlídka (CBP).

Jak bylo uvedeno na webových stránkách ministerstva, 22. srpna 26letý cestující, který přiletěl na letiště Washington Dulles ze Sao Paula (Brazílie), předložil na kontrolním stanovišti pas francouzského občana. Biometrický systém však odhalil, že obličej muže neodpovídá fotografii v dokumentu.

Když byl příjezd do Spojených států poslán k dodatečné kontrole, byl „zjevně nervózní“, a jak se ukázalo, z dobrého důvodu. V jeho botě našli identifikační kartu na jméno občana Konžské republiky, který byl ve skutečnosti zadrženým. Nyní mu hrozí vězení za pokus dostat se do Spojených států s falešnými doklady.

Systémy rozpoznávání obličejů britské policie se ukázaly jako zbytečné

V květnu 2018 se objevily velké problémy v systémech rozpoznávání obličejů používaných britskou policií. V důsledku toho bylo možné podat velké množství stížností – tato otázka se stala „prioritou“ úřadu komisaře pro informace, cituje BBC mluvčí regulátora Elizabeth Denhamovou.

Britská lidskoprávní organizace Big Brother Watch zveřejnila výzkum, který ukazuje, že „ohromující“ počet nevinných lidí se díky technologii rozpoznávání obličejů proměnil v potenciální zločince.

Od května 2017 do března 2018 tak systém pro policii Jižního Walesu vyprodukoval 2 685 shod osob s podezřelou databází, ale 2 451 z nich se ukázalo jako falešných.

Londýnští policisté použili technologii identifikace obličeje na karnevalu v Notting Hill v roce 2017. Údaje systému byly nesprávné v 98 % případů, kdy byl spuštěn signál, že byl údajně spatřen podezřelý z policejní databáze. Řešení je navrženo tak, že při identifikaci možného porušovatele zákona je vyslán signál na služebnu na nejbližší policejní služebně.

Policie začala vinit kamery, které produkovaly nekvalitní obraz a skutečnost, že systém byl použit poprvé, ale výsledek se nezlepšil ani v následujících 15 akcích (fotbalové zápasy, festivaly, přehlídky), při kterých byla technika použitý. Pouze na třech z nich systém neudělal jedinou chybu.

Policie také uvedla, že během devíti měsíců fungování systému rozpoznávání obličejů správně identifikovala více než 2 tisíce lidí, což vedlo ke 450 zatčením. Nikdo však nebyl neprávem uvězněn. To je vysvětleno skutečností, že kromě práce s algoritmy jsou do práce zapojeni lidé, kteří kontrolují odpovědi a činí konečná rozhodnutí.

Vědci vynalezli nový způsob, jak oklamat systémy rozpoznávání obličeje

Systémy rozpoznávání obličejů jsou každým dnem složitější a stále častěji se používají v každodenním životě, například minulý rok Apple uvedl na trh smartphone iPhone X vybavený biometrickým systémem Face ID. Takové systémy však lze oklamat zejména pomocí infračervených LED. Infračervené paprsky nejsou viditelné pouhým okem, ale většina kamer dokáže infračervené signály detekovat.

Čínští vědci vytvořili baseballovou čepici vybavenou miniaturními infračervenými LED diodami, které jsou umístěny tak, že infračervené paprsky dopadající na obličej nositele pomáhají nejen skrýt jeho identitu, ale také „vydávat se za jinou osobu pro autentizaci založenou na rozpoznávání obličeje“. ." Tento úkol je složitější a vyžaduje použití hluboké neuronové sítě k rozpoznání statického obrazu tváře a správnému promítání infračervených paprsků na podvodníkovu tvář.

K otestování své teorie použili vědci fotografie čtyř náhodných lidí a v 70 % případů se jim podařilo oklamat systémy rozpoznávání obličeje za předpokladu, že mezi obětí a podvodníkem byla jen malá podobnost.

„Na základě našich zjištění a útoků můžeme dospět k závěru, že současné technologie rozpoznávání obličeje je obtížné nazvat bezpečnými a spolehlivými v kritických scénářích, jako je autentizace a sledování,“ uzavřeli vědci. Dodali také, že infračervené LED by mohly být ukryty nejen v baseballových čepicích, ale také v deštnících, vlasech nebo parukách.

Ruská dvojčata požadují od Applu 20 milionů, protože iPhone X mezi nimi nevidí rozdíl

Dvojčata z Vladimiru - 26letý Alexander a Ilja Tunčikovi - zaslali stížnost ruské kanceláři společnosti Apple kvůli tomu, že systém rozpoznávání obličeje Face ID na jejich chytrých telefonech iPhone X shodně identifikuje oba mladé lidi, a tím v jejich názor, porušující ochranu osobních údajů.

Uražení uživatelé požadují, aby společnost zlepšila technologii a také nahradila morální škody ve výši 20 milionů rublů, řekl agentuře TASS v lednu 2018 Roman Ardykutsa, právník zastupující zájmy bratrů.

„Dvojčata si zakoupila... iPhone X právě proto, aby mohla používat funkci odemykání obrazovky pomocí obličeje. K jejich zklamání každé zařízení pozná oba bratry, na což nebyli při nákupu upozorněni, tato informace v návodu není; Proto žadatelé žádají společnost o zdokonalení technologie,“ vysvětlil.

2017

Rozpoznávání obličeje v maloobchodě

V listopadu 2017 CNBC vydala příběh o zavedení systémů rozpoznávání obličeje v obchodech. Maloobchodníci používají tyto technologie ke shromažďování údajů o zákaznících a přizpůsobení nabídek na základě relevantních údajů.

V maloobchodě se rozpoznávání obličeje využívá především k motivaci zákazníků. Pokud je například člověk rozpoznán při vstupu do obchodu a je vidět jeho historie nákupů, zaměstnanci obchodu lépe vědí, co mu nabídnout. Pokud si tedy koupil televizi v obchodě s elektronikou, zaměstnanec ho pozná, zavolá mu jménem a nabídne koupi nového dálkového ovladače.

Podle hongkongské IT společnosti Jardine One Solution (JOS) mnoho maloobchodníků využívá ke sběru dat o návštěvnících svých obchodů funkce rozpoznávání obličejů.

Samotný JOS pomáhá maloobchodníkům s rozpoznáváním obličeje vytvářet profily zákazníků a sledovat jejich akce v místě prodeje. Hovoříme o údajích, jako je počet návštěvníků, jejich věk, pohlaví, etnikum. Takové informace pomáhají obchodům lépe porozumět toku zákazníků a vybírat pro ně personalizované nabídky, poznamenal Lunt.

Například pomocí analýzy dat pocházejících ze systémů rozpoznávání obličejů můžete vybrat hudbu, která se hraje na obchodním parketu.

JOS říká, že všechna přijatá data zákazníků jsou anonymní, ale otázka důvěrnosti zůstává aktuální. Technologie přijetí takových systémů nebrání, ale existují obavy týkající se osobních údajů a kultury, připouští Mark Lunt.

Dodal, že maloobchodníci utrácejí spoustu peněz na prevenci úniku dat a ochranu informací. Skandál s krádeží dat od milionů zákazníků Uberu ukazuje, že společnosti se nemohou cítit bezpečně a uživatelé musí být opatrní při zveřejňování osobních údajů, říká jednatel JOS.

Mark Ryski, zakladatel a generální ředitel společnosti HeadCount, která nabízí služby sledování provozu v obchodech a zlepšování služeb, říká, že biometrická data, včetně těch generovaných systémy rozpoznávání obličejů, jsou citlivá a mají velký potenciál – zejména pro zajištění bezpečnosti a zlepšení kvality zákaznických služeb.

Podle Brennanové Wilkie, senior viceprezidentky zákaznické strategie společnosti InMoment, existuje skutečně velký potenciál pro použití zařízení pro rozpoznávání obličejů v maloobchodních prodejnách. Taková zařízení například dokážou porovnat výraz obličeje zákazníka v obchodě s údaji o něm, jeho věrnosti značce a dalších nákupech. Aby se zmírnily obavy o soukromí uživatelů, musí obchody zákazníkům ukázat, jaké výhody získají, stejně jako to udělaly s přepážkami s vlastními pokladnami nebo bankovními kartami s čipem, řekl.

Podle prognózy analytické společnosti MarketsandMarkets dosáhne globální trh se systémy rozpoznávání obličeje do roku 2021 6,8 miliardy dolarů.

Autorizace v iPhone X pomocí obličeje byla hacknuta pomocí masky za 150 dolarů. Video

Vědcům se podařilo vydávat bílého muže za Millu Jovovich téměř v 90 procentech případů. Asiatku se speciálními brýlemi si počítač ve stejném procentu případů spletl s mužem z Blízkého východu.

Svou metodu testovali i na komerčním softwaru Face++, který Alibaba používá k autorizaci plateb. V tomto případě osobu s brýlemi neposadili před kameru, ale nejprve ji v brýlích vyfotili a následně nahráli do programu. Díky tomu dokázali ve 100 procentech případů vydávat jednu osobu za druhou.

Americké veřejné organizace proti rozpoznávání obličejů

Koalice 52 organizací občanské společnosti a lidskoprávních organizací zaslala dopis ministerstvu spravedlnosti a požádala je, aby prošetřilo nadměrné používání technologie rozpoznávání obličeje při vymáhání práva. Koalice se také obává nerovnoměrné přesnosti strojového rozpoznávání tváří různého rasového původu, což by se mohlo stát základem rasismu ze strany strážců zákona.

Tyto technologie jsou zvláště zneužívány místní policií, státní policií a FBI, uvádí list. Koalice žádá ministerstvo spravedlnosti, aby upřednostnilo vyšetřování policejních oddělení, která jsou již vyšetřována pro zaujatost vůči lidem jiné barvy pleti.

Základem žádosti byly výsledky studie Centra pro soukromí a technologie na Právnické fakultě Georgetownské univerzity. Studie zjistila, že tváře poloviny dospělé populace USA byly za různých okolností skenovány vládním identifikačním softwarem.

Vědci poznamenávají, že ve Spojených státech dnes neexistují žádná závažná nařízení upravující používání tohoto softwaru. Podle Alvara Bedoyi, ředitele Centra a spoluautora studie, jakmile je člověk vyfotografován s řidičským průkazem, je již zařazen v databázi policie nebo FBI. To je zvláště významné vzhledem k tomu, že rozpoznávání obličeje může být nepřesné a může poškodit nevinné občany.

Příklady projektů v HSBC, MasterCard a Facebooku

Služba bude dostupná firemním klientům NSBC. Prostřednictvím bankovní mobilní aplikace si budou moci otevřít účty pouhým kliknutím na selfie. Banka potvrzuje totožnost klienta pomocí programu rozpoznávání obličeje. Fotografie se porovnává s obrázky dříve nahranými do systému, například z pasu nebo řidičského průkazu. Očekává se, že nová služba odstraní nutnost pamatovat si digitální kódy a zkrátí dobu identifikace.

Pro využití této možnosti si uživatelé budou muset do svého počítače, tabletu nebo chytrého telefonu stáhnout speciální aplikaci. Poté se podívejte do fotoaparátu nebo použijte snímač otisků prstů zařízení (pokud jej zařízení má). Nicméně (alespoň prozatím) budou uživatelé i nadále povinni poskytovat údaje o své kreditní kartě. Pouze v případě, že je vyžadována další identifikace, budou moci uživatelé použít výše uvedenou možnost.

S tímto novým přístupem má MasterCard v úmyslu chránit uživatele před falešnými online transakcemi, které jsou prováděny pomocí odcizených uživatelských hesel, a také poskytnout uživatelům pohodlnější autorizační systém. Společnost uvedla, že 92 % lidí, kteří testovali tento nový systém, mu dalo přednost před tradičními hesly.

Někteří odborníci zpochybňují bezpečnost informací, aby zabránili kyberzločincům snadno získat otisky prstů uživatele nebo fotografii jeho obličeje, pokud dojde k transakci při nezabezpečeném používání veřejné Wi-Fi sítě.

Odborníci na kybernetickou bezpečnost tvrdí, že systém by měl zahrnovat více vrstev zabezpečení, aby se zabránilo potenciální krádeži fotografií obličeje uživatelů. Online platby jsou totiž pro kyberzločince atraktivním cílem.

Na konci roku 2015 prokázala skupina expertů z Technické univerzity v Berlíně schopnost extrahovat PIN kód jakéhokoli smartphonu pomocí selfie uživatele. K tomu přečetli tento kód, který se uživateli zobrazil v očích, když jej zadal na svém telefonu OPPO N1. K provedení tohoto základního útoku musí hacker jednoduše převzít kontrolu nad přední kamerou smartphonu. Mohl by kyberzločinec převzít kontrolu nad zařízením uživatele, pořídit si selfie a poté provádět online platby pomocí napsaného hesla, které hacker viděl v očích své oběti?

MasterCard trvá na tom, že její bezpečnostní mechanismy budou schopny takové chování odhalit. Uživatelé by například museli zablikat, aby aplikace zobrazila „živý“ obrázek osoby, nikoli její fotografii nebo předem natočené video. Systém porovnává obraz obličeje uživatele, převádí jej na kód a předává jej prostřednictvím zabezpečeného protokolu přes internet do MasterCard. Společnost slibuje, že tyto informace budou bezpečně uloženy na jejích serverech a samotná společnost nebude schopna rekonstruovat tvář uživatele.

V létě 2016 to vyšlo najevo Výzkumníci obešli biometrický autentizační systém pomocí fotografie z Facebooku. Útok byl umožněn díky potenciálním zranitelnostem spojeným se sociálními zdroji.

Tým výzkumníků ze Státní univerzity v Severní Karolíně předvedl metodu, jak obejít bezpečnostní systémy postavené na technologii rozpoznávání obličejů pomocí dostupných fotografií uživatelů sociálních sítí. Jak je vysvětleno ve zprávě specialistů, útok byl umožněn kvůli potenciálním zranitelnostem spojeným se sociálními zdroji.

„Není divu, že osobní fotografie zveřejněné na sociálních sítích mohou představovat riziko pro soukromí. Většina velkých sociálních sítí doporučuje uživatelům, aby si při zveřejňování fotografií na webu nastavili soukromí, ale mnohé z těchto fotografií jsou často dostupné široké veřejnosti nebo si je mohou prohlížet pouze přátelé. Uživatelé navíc nemohou nezávisle kontrolovat dostupnost svých fotografií zveřejněných jinými odběrateli,“ poznamenávají vědci.

V rámci experimentu vědci vybrali fotografie 20 dobrovolníků (uživatelů Facebooku, Google+, LinkedInu a dalších sociálních zdrojů). Tyto obrázky pak použili k vytvoření 3D modelů obličeje, oživili je řadou animačních efektů, aplikovali na model texturu pokožky a upravili pohled (v případě potřeby). Výsledné modely vědci testovali na pěti bezpečnostních systémech, z nichž čtyři byly oklamány v 55–85 % případů.

Podle zprávy společnosti Technavo(zima 216) jeden z klíčových trendů, který má pozitivní dopad na trh technologií biometrické identifikace obličeje ( Rozpoznávání obličeje), je zavádění multimodálních biometrických systémů v sektorech jako je zdravotnictví, bankovnictví, finanční sektor, sektor cenných papírů a pojišťovnictví, sektor dopravy, silniční doprava, ale i veřejný sektor.

Zakladatel projektu Benjamin Levy uvedl, že díky vysoké úrovni zabezpečení bude IsItYou schopen rozpoznat 99 999 ze 100 tisíc případů podvodů. Levy se snažil přesvědčit banky, aby jeho systém zavedly již v příštím roce. Bude sloužit k provádění finančních transakcí.

Google již v Androidu používá rozpoznávání obličeje. Tímto způsobem můžete odemknout zařízení s tímto mobilním operačním systémem. Vývojáři však opakovaně tvrdili, že rozpoznávání obličeje není ve srovnání s klasickými metodami dostatečně bezpečné. V tomto ohledu odborníci pochybovali o prohlášeních Benjamina Levyho.

Marios Savvedes z Carnegie Mellon University zkoumá rozpoznávání obličeje. Věří, že samočinný bezpečnostní test IsItYou nemůže být spolehlivý.

Světový expert v oblasti biometrie Dr. Massimo Tistarelli sdílí stejný názor. Řekl, že v Evropě probíhá komplexní výzkumný projekt Tabula Rasa, jehož hlavním cílem je vyvinout ochranu proti podvodům pro biometrické identifikační metody. Před vstupem na trh by podle něj měla být provedena řada nezávislých studií, které účinnost přípravku potvrdí.

K systému rozpoznávání obličeje bylo připojeno více než tři tisíce kamer městské videosledovací sítě. Obraz videa je automaticky analyzován v reálném čase: systém dokáže určit identitu osoby ve videu, její pohlaví a věk.

Moskevský video monitorovací systém byl vycvičen, aby rozpoznával tváře. Díky algoritmu založenému na využití neuronových sítí jsou videozáznamy z městských kamer analyzovány v reálném čase. Obličeje na nahrávkách jsou naskenovány, aby je bylo možné v případě potřeby porovnat s informacemi v různých databázích – například ve fotodatabázích orgánů činných v trestním řízení při hledání pachatele. Kromě toho může takový analytický systém pomoci orgánům činným v trestním řízení při dopadení zločince vybudovat trasu pro jeho pohyb po městě. Systém sám vybere potřebná videa z různých sledovacích kamer a identifikuje podezřelého ve videu. Metropolitní síť se skládá ze 160 tisíc videokamer a pokrývá 95 procent vchodů obytných budov. Do konce roku si občané budou moci samostatně instalovat kamery do svých domovů a připojit je k jednotnému video monitorovacímu systému.

„Zavedení analýzy videa je silným hnacím motorem pro zvýšení efektivity soukromých i městských video monitorovacích systémů. Obyvatelé města mají nyní další úroveň ochrany,“ řekl Artem Ermolaev, vedoucí moskevského oddělení informačních technologií. — Všechny tyto příležitosti musí být samozřejmě realizovány velmi zodpovědně. Naší prioritou je najít rovnováhu mezi soukromím a bezpečností a udržujeme přísné vnitřní kontroly, abychom zajistili dodržování práv občanů.“

V současné době je k městskému dohledovému systému připojeno asi 16 tisíc uživatelů - jedná se o pracovníky orgánů činných v trestním řízení, státních a městských organizací. Každý má svou vlastní úroveň přístupu, která vám umožňuje zachovat důvěrnost informací. Strážci zákona mohou na vyžádání získat potřebné údaje v rámci platné legislativy a zaměstnanci státních orgánů mají přístup k videokamerám pouze z těch území a tras, za které odpovídají. Každý hovor do sledovacího systému je zaznamenán.

Funkce rozpoznání obličeje funguje online, proces identifikace trvá několik sekund. Pokud algoritmus detekuje osobu, jejíž obličej je nahrán do databáze, odešle výstrahu orgánům činným v trestním řízení.

Ministerstvo také poznamenalo, že zavedení funkce rozpoznávání obličeje již zvýšilo efektivitu vyšetřování trestných činů a vyhledávání zločinců. Během pilotních testů byl použit k odhalení a zadržení více než 50 procent narušitelů zákona, kteří byli vyhledáni pomocí analytických algoritmů. Předtím se některé z nich po mnoho let nepodařilo najít.

Moskvané budou moci připojit své monitorovací kamery k obecné městské síti. Tato varianta bude realizována do konce roku. Video z takových kamer bude přenášeno do jednotného centra pro ukládání a zpracování dat (DSDC) a záznamy z nich lze použít jako právně významný důkaz u soudu.

V letošním roce bylo k jedinému datovému centru pro ukládání a zpracování dat připojeno více než 3,5 tisíce dalších kamer. Přístupové videokamery, kamery instalované v území a v budovách škol a školek, na stanicích MCC, stadionech, zastávkách MHD a autobusových nádražích i v parcích jsou napojeny do jednotného systému. Do června 2018 se navíc CCTV kamery objeví na 25 podzemních přechodech pro chodce v hlavním městě. Záznamová zařízení budou instalována v podzemních chodbách, které nejsou napojeny na stanice metra a spadají pod pravomoc státního rozpočtového ústavu Gormost.