CC BY
17
УДК 004.93
Оралов И.С., Дударов С.П.
ИНСТРУМЕНТЫ РАЗРАБОТКИ, МЕТОДЫ И ПРИМЕРЫ ПРОГРАММНЫХ СРЕДСТВ ДЛЯ ИДЕНТИФИКАЦИИ И РАСПОЗНАВАНИЯ ЛИЦ ЛЮДЕЙ ПРИ ВИДЕОФИКСАЦИИ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ
Оралов Иван Сергеевич, студент 3 курса бакалавриата факультета цифровых технологий и химического инжиниринга;
Дударов Сергей Павлович, к.т.н., доцент кафедры информационных компьютерных технологий, e-mail: dudarov@muctr.ru,
Российский химико-технологический университет имени Д. И. Менделеева, Москва, Россия 125047, Москва, Миусская пл., д. 9
Представлен обзор инструментов разработки, библиотек, открытого исходного кода для идентификации и распознавания лиц людей при помощи видеофиксации в режиме реального времени. Рассмотрены методы, возможные программные средства, классификация систем распознавания лиц, готовые решения, возможные области применения, решаемые задачи, правовые аспекты разработки и внедрения подобных систем. Ключевые слова: идентификация лиц, распознавание образов, компьютерное зрение, инструменты разработки, программное обеспечение, нейронная сеть, правовые аспекты.
DEVELOPMENT TOOLS, METHODS AND EXAMPLES OF SOFTWARE TOOLS FOR IDENTIFICATION AND RECOGNITION OF HUMAN FACES DURING VIDEO FIXING IN REAL TIME
Oralov I.S., Dudarov S.P.
D. Mendeleev University of Chemical Technology of Russia, Moscow, Russia
An overview of development tools, libraries, open source code for identifying and recognizing human faces using real-time video recording is presented. Methods, possible software tools, classification of face recognition systems, ready-made solutions, possible areas of application, problems to be solved, legal aspects of the development and implementation of such systems are considered.
Key words: face identification, pattern recognition, computer vision, development tools, software, neural network, legal aspects.
В настоящее время наблюдается повышенная актуальность решения задачи контроля доступа и аутентификации пользователей в различных ресурсах и системах. Для ее решения все чаще используются биометрические системы, что позволяет обеспечить надежность и удобство пользователей. Биометрическая система - это система распознавания людей по одной или более физическим или поведенческим чертам, например, по лицу человека.
Подобные решения можно встраивать в любые системы, где необходимо разграничивать права доступа или отслеживать работу пользователя в определённых целях. Одной из наиболее важных особенностей работы с биометрией является возможность, а зачастую и необходимость ее реализации в режиме реального времени.
Один из наиболее важных способов классификации систем для обработки изображений лиц людей - по способу их сравнения с образцом. Их достаточно много. Возможные способы сравнения представлены на рис. 1.
В настоящее время на рынке можно найти готовые решения систем распознавания и идентификации лиц, такие, как:
• 8е1ес1е1 У^еоАпа!^^ - программное
обеспечение для облачного видеонаблюдения и видеоаналитики;
• Macroscop - программное обеспечение для IP-камер, обеспечивает управление системами видеонаблюдения;
• Amazon Rekognition - программное обеспечение от компании Amazon, позволяющее проводить анализ видео и фото;
• Oz Forensics - программное обеспечение производящее биометрическую идентификацию по фото или видео;
• Revisor VMS - программное обеспечение для построения систем видеонаблюдения на основе IP-камер;
• TRASSIR Face Recognition - встраиваемый модуль для распознавания лиц по заранее сформированной базе данных лиц людей.
Большинство перечисленных и подобных им продуктов являются серверными и встраиваемыми, применяются в крупных организациях для осуществления контроля доступа. Минусами любых подобных систем является необходимость иметь большие вычислительные мощности для быстрого анализа входных образов и представления результатов в режиме реального времени.
Рис. 1. Классификация по способу сравнения изображений
Аутентификация и контроль доступа с помощью систем распознавания лиц - важное, но не единственное направление компьютерного зрения. Оно также применяется для автоматизации рутинных процессов, обеспечения безопасности платежей, отслеживания правонарушений
(например, для обеспечения безопасности дорожного движения), в медицине, в сфере творчества [1] и многих других сферах человеческой деятельности.
Сейчас направление компьютерного зрения активно развивается, благодаря чему появляются все новые алгоритмы, программы, библиотеки для создания собственного программного обеспечения и его интеграции в различные системы. Существуют как готовые решения с открытым исходным кодом, так и библиотеки для разработчиков. Можно перечислить следующие ресурсы:
• OpenCV (Open Source Computer Vision Library) [2] - широко используется для обработки изображений и реализации вычислительных алгоритмов общего назначения. Сама библиотека реализована на языках программирования C/C++, но также разрабатывается и для Python, Java, Matlab, Ruby, Lua и других языков;
• PCL (Point Cloud Library) -крупномасштабный открытый проект,
предназначенный для обработки облаков точек и 2В/3В-изображений. Эта платформа включает в себя множество алгоритмов, в том числе фильтрацию, реконструкцию поверхности, оценку характеристик, регистрацию, сегментацию, подбор модели;
• BoofCV - библиотека компьютерного зрения с открытым исходным кодом, написанная на чистом Java;
• Cambridge Video Dynamics - библиотека для изображений, видеозахвата, дисплея, компьютерного зрения и многого другого;
• libCVD - библиотека компьютерного зрения на языке программирования С++.
На данный момент одним из основных инструментов реализации компьютерного зрения являются искусственные нейронные сети. Существует большое количество архитектур нейронных сетей. Одной из самых широко используемых является сеть, построенная на архитектуре многослойного перцептрона. Она позволяет классифицировать поданное на вход изображение (сигнал) в соответствии с предварительным обучением сети.
Обучаются многослойные перцептроны на специально подготовленной выборке из обучающих
примеров. Обучение сводится к настройке весов межнейронных связей в процессе решения задачи минимизации отклонений выходных сигналов перцептрона от ожидаемых по соответствующим примерам выходов. В процессе обучения нейронной сети происходит автоматическое извлечение ключевых признаков, определение их важности и построение взаимосвязей между ними. Предполагается, что обученная нейронная сеть сможет применить опыт, полученный в процессе обучения, на неизвестных образах за счет своих обобщающих способностей.
При всех плюсах многослойных перцептронов они обладают и рядом недостатков. Так, добавление нового эталонного образа (лица) в базу данных требует полного переобучения сети на всем имеющемся наборе, а это является достаточно длительной процедурой. При этом можно столкнуться с проблемами математического характера, связанными с попаданием в локальный оптимум, выбором оптимального шага оптимизации, переобучением и т. д. Альтернативная архитектура для решения задачи распознавания образов лиц -нейронная сеть адаптивного резонанса. В классическом варианте она решает задачу кластеризации. Однако если предварительно обучить данную сеть на эталонных изображениях лиц так, чтобы каждому кластеру соответствовал определенный эталонный образ (лицо человека), эту архитектуру также можно использовать с целью идентификации человека. При этом новый образ потребует только добавления нового нейрона (кластера) со своими весовыми коэффициентами без необходимости дообучения или переобучения остальных нейронов.
Для внедрения и использования систем определения лиц существуют правовые ограничения. В частности, необходимо письменное согласие на предоставление и обработку персональных данных человека, регламентируемое Федеральным законом от 27.07.2006 №152-ФЗ «О персональных данных» с актуальными изменениями и дополнениями.
Обобщая, человек предоставляет свои биометрические данные, разрешает их хранение, обработку и использование, а оператор (государственный орган, муниципальный орган, юридическое или физическое лицо, осуществляющие обработку персональных данных) обязуется
обезопасить личные данные и использовать их строго по оговоренному назначению. Однако согласие лиц может быть исключено в контексте определенных целей обработки, а также защиты публичных интересов.
На данный момент плохо регламентирован с правовой точки зрения аспект безопасности хранения и распространения биометрических данных. При утечке, умышленной передаче, сторонней информационной атаке, слиянии различных баз предусмотрены наказания от административных до уголовных.
Идентификация и распознавание людей в режиме реального времени, а также проектирование, администрирование и обслуживание подобных систем - это актуальная, перспективная, но труднореализуемая на данный момент задача. Уже имеются готовые решения, которые нашли применения в различных областях жизни. Не все правовые аспекты этой темы еще проработаны и введены в эксплуатацию, что тормозит развитие данного направления и введение разработок в повседневную жизнь, однако существующий зарубежный опыт доказывает неизбежность их внедрения с систематическим расширением области использования. В настоящее время имеется большое исследовательское поле для сглаживания минусов действующих отечественных систем, улучшения алгоритмов детектирования, распознавания образов, оптимизации новых разработок систем компьютерного зрения с учётом современных технологических платформ и особенностей российского законодательства, на что будут направлены дальнейшие исследования авторов.
Список литературы
1. George Bebis, Richard Boyle, Bahram Parvin, Darko Koracin, Daniela Ushizima, Sek Chai, Shinjiro Sueda, Xin Lin, Aidong Lu, Daniel Thalmann, Chaoli Wang, Panpan Xu Advances in Visual Computing. -14th International Symposium on Visual Computing, ISVC 2019 Lake Tahoe, NV, USA, October 7-9, 2019. -P. 247-257.
2. Kari Pulli, Anatoly Baksheev, Kirill Kornyakov, Victor Eruhimov. Real-Time Computer Vision with OpenCV. - Communications of the ACM, Volume 55, Issue б, 2012.
