CC BY
77
Научная статья УДК 34
https://doi.org/10.24412/2073-0454-2021-6-86-90 NIION: 2003-0059-6/21-082 MOSURED: 77/27-003-2021-06-281
Применение систем видеонаблюдения и автоматизированных систем биометрической идентификации человека при производстве портретных экспертиз и исследований (на примере аппаратно-программного комплекса
«Безопасный город»)
Ангелина Алексеевна Гусенкова
Московский университет МВД России имени В. Я. Кикотя, Москва, Россия, gusenkova99@mail.ru
Аннотация. Система видеонаблюдения является наиболее эффективным средством, способствующим раскрытию, расследованию и предупреждению преступлений. В январе 2020 г. в московскую систему видеонаблюдения была интегрирована система распознавания лиц российской компании NtechLab.
Основанный на алгоритме продукт FindFace эффективно распознает лица и является биометрической системой. Алгоритм включает в себя следующие этапы распознавания: детектирование лица и силуэта на изображении; исправление визуальных искажений; извлечение характеристик лица; верификация или идентификация лица. Тем не менее, несмотря на наличие такого уровня программ, все также продолжают назначаться портретные экспертизы в силу того, что доказательством по делу является именно заключение эксперта.
Ключевые слова: системы видеонаблюдения, алгоритм, биометрическая система, идентификация, база данных, портретная экспертиза
Для цитирования: Гусенкова А. А. Применение систем видеонаблюдения и автоматизированных систем биометрической идентификации человека при производстве портретных экспертиз и исследований (на примере аппаратно-программного комплекса «Безопасный город») // Вестник Московского университета МВД России. 2021. № 6. С. 86-90. https://doi.org/10.24412/2073-0454-2021-6-86-90.
Original article
Application of video surveillance systems and automated systems of biometric identification of a person in the production of portrait examinations and research (on the example of the hardware and software complex "Safe city")
Angelina A. Gusenkova
Moscow University of the Ministry of Internal affairs of Russia named after V. Ya. Kikot', Moscow, Russia,
gusenkova99@mail.ru
Abstract. The video surveillance system is the most effective tool that contributes to the detection, investigation and prevention of crimes. In January 2020, the face recognition system of the Russian company NtechLab was integrated into the Moscow video surveillance system.
Based on the algorithm, the FindFace product effectively recognizes faces and is a biometric system. The algorithm includes the following stages of recognition: detection of the face and silhouette in the image; correction of visual distortions; extraction of facial characteristics; identification or identification of the face. Nevertheless, despite the existence of such a level of programs, portrait examinations continue to be appointed due to the fact that the expert's conclusion is the evidence in the case.
Keywords: video surveillance systems, algorithm, biometric system, identification, database, forensic facial identification
For citation: Gusenkova A. A. Application of video surveillance systems and automated systems of biometric identification of a person in the production of portrait examinations and research (on the example of the hardware and software complex "Safe city"). Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2021;(6):86-90. (In Russ.). https://doi.org/10.24412/2073-0454-2021-6-86-90.
© Гусенкова А. А., 2021
Ежегодно технологии, связанные с идентификацией человека по различным основаниям совершенствуются и развиваются. Разрабатываются и реализуются различные проекты, модернизирующие имеющиеся системы опознавания личности и направленные на создание совершенно новых систем. Однако основной целью таких проектов является создание мультибио-метрического комплекса идентификации личности в режиме реального времени. Такие технологии основаны на том, что камера, подключенная к подобной системе, выхватывает лицо из потока, сверяет его в режиме реального времени с имеющейся базой данных и определяет, представляет ли данное лицо оперативный интерес, а также устанавливает данные личности. В Москве развернута обширная городская система видеонаблюдения, подобного рода [1].
Кроме того, в Москве ежегодно проходит масштабная модернизация городской системы видеонаблюдения: десятки тысяч камер заменяются на камеры с более высоким разрешением, а также устанавливаются камеры в тех местах, где ранее их не было. Обновленные системы видеонаблюдения оснащены специальными цифровыми камерами с функцией «интеллектуального видео». Данная функция позволяет анализировать статические (фотографии) и динамические (видеозаписи) изображения и сверять полученную информацию с имеющимися базами данных. Повышение качества изображения способствует росту эффективности использования средств видеонаблюдения.
Система видеонаблюдения является наиболее эффективным средством, способствующим раскрытию, расследованию и предупреждению преступлений. В современном мире система видеонаблюдения является основной системой, используемой для обеспечения охраны различного рода объектов.
В настоящее время системы видеонаблюдения широко применяются для обеспечения охраны различных объектов. В случае возникновения криминальной ситуации системы видеонаблюдения дают реальную возможность наиболее объективно зафиксировать процесс совершения преступления, а также запечатлеть лиц, совершивших преступление, что впоследствии является доказательством по уголовному делу, а также объектами для производства таких судебных экспертиз как портретная, видео- и фототехническая.
Одним из важнейших моментов достижения результатов являются параметры аппаратуры. Наиболее актуальны цифровые камеры видеонаблюдения с разрешением Full HD 1920х1080, что существенно превышает разрешение устаревших аналоговых камер. Благодаря высокому разрешению, на видеозаписи с
цифровых № видеокамер различимы не только общие черты человека, его фигуры, одежды, но и мелкие индивидуализирующие признаки элементов лица.
«Безопасный город» — это автоматизированная система для удовлетворения основных потребностей города, основанная на комплексе программно-аппаратных средств и организационных мер для обеспечения видеоохраны и технической безопасности, а также управления объектами жилищно-коммунального хозяйства и другими распределенными объектами в масштабах города.
Система «Безопасный город» функционирует на базе Единого центра хранения и обработки данных, сокращенно ЕЦХД. Информация с камер Москвы поступает в центр обработки данных ЕЦХД, который обеспечивает надежное хранение видеозаписей.
По данным, имеющимся на официальном сайте ЕЦХД, по состоянию на конец 2020 года к системе Безопасный город подключено 173 тысячи камер. Данные камеры охватывают 100 % административно-территориального деления города Москвы [3].
Большое число камер расположено в жилом секторе. В настоящий момент 93% жилого сектора города Москвы оборудовано камерами видеонаблюдения, большая часть которых расположена на домофонах.
В январе 2020 года в московскую систему видеонаблюдения была интегрирована система распознавания лиц российской компании NtechLab.
Основанный на алгоритме продукт FindFace эффективно распознает лица и работает исключительно на инфраструктуре клиента — компания NtechLab, не передает и не хранит биометрические данные [4]. FindFace способен обнаружить и даже идентифицировать лицо человека на фото, а также в видеопотоке, в котором может присутствовать большое количество лиц. Данный алгоритм возможно использовать для решения разнообразных задач, в число которых входит точный подсчет людей в видеопотоке, контроль доступа на объекты, отслеживание передвижений и поведения людей, запечатленных на видеозаписи. Алгоритм FindFacе является биометрической системой.
Биометрические системы — это системы, основанные на использовании биометрических данных лиц, в целях удостоверения личности человека.
В России понятие «биометрических персональных данных» закреплено в статье 11 Федерального закона «О персональных данных» № 152-ФЗ7 [2]. Это сведения, которые характеризуют физиологические и биологические особенности человека, на основании которых можно установить его личность.
Биометрическая система может работать в двух
режимах:
Верификация — это процесс сравнения биометрического образца с другими ранее сохраненными образцами. Иными словами, данное сравнение можно назвать сравнением «один к одному»;
Идентификация - это процесс сравнения, основанный на том, что полученные биометрические данные сравниваются с имеющимися в системе, и система осуществляет поиск лица, которому принадлежит искомый образец, устанавливается наличие совпадения. Данный процесс можно назвать сравнением «один ко многим». Идентификация личности завершается получением положительного результата в том случае, когда необходимый биометрический образец имеется в базе данных. При этом может быть найдено несколько кандидатов, которые имеют сходство с проверяемым объектом.
Биометрический шаблон (образец) — это данные, получаемые биометрической системой в виде последовательности чисел (в двоичном формате) на основе анализа имеющихся характеристик лица.
Используемые в идентификации и верификации методы и средства, основанные на изучении биометрических характеристик личности, называются биометрическими технологиями.
Каждая биометрическая система включает в себя две основные части: аппаратные средства и специализированное ПО (программное обеспечение). В число аппаратных средств входят различные биометрические сканеры и терминалы, которые необходимы для фиксации какого-либо биометрического параметра, а также для его преобразования в цифровой код, доступный компьютеру. Затем полученная цифровая модель анализируется специализированным ПО и сопоставляется с имеющимися биометрическими базами.
Биометрический параметр человека — это определенная физическая характеристика или поведенческая черта. Основываясь на эти параметры, происходит процесс сравнения с полученными ранее аналогичными биометрическими характеристиками и чертами других людей.
Биометрические параметры делятся на две категории: физиологические и поведенческие.
Физиологические (статические) параметры — это индивидуальные признаки человека, полученные при рождении и неотъемлемые и чаще неизменные в течение всей жизни. К числу подобных параметров относятся, например, геометрия кисти руки, рисунок сетчатки глаза и др.
Поведенческие (динамические) параметры — это характеристики, приобретенные человеком со време-
нем и способные меняться с возрастом или под внешним воздействием. К ним относятся: голос человека, динамические параметры письма и воспроизведения подписи, динамические параметры набора текста на клавиатуре, походка, сердечный ритм и иное.
Любая биометрическая характеристика обладает рядом следующих свойств:
- всеобщность — каждому человеку присущи биометрические характеристики;
- уникальность — каждый человек обладает индивидуальными, неповторимыми биометрическими характеристиками;
- постоянство — биометрические характеристики обладают устойчивостью во времени;
- измеримость — имеется реальная возможность измерить биометрические характеристики определенным считывающим устройством;
- приемлемость — сбор биометрических характеристик не должен нарушать права пользователей и общества в целом.
Эффективность применения биометрических систем определяет комбинация описанных выше свойств.
FindFace Security является интеллектуальной видеоаналитикой, основанной на распознавании лиц. Лица в режиме реального времени выделяются из видеопотока специализированной системой, сверяются со списками мониторинга и, в случае обнаружения совпадения, система отправляет уведомление о наличии совпадения с определенным лицом в имеющейся базе.
Алгоритм включает в себя следующие этапы распознавания: детектирование лица и силуэта на изображении; исправление визуальных искажений; извлечение характеристик лица; верификация или идентификация лица.
Работа алгоритма начинается с того, что он анализирует кадр видеоряда, состоящего из отдельных кадров. Каждый стоп-кадр анализируемого видеоряда состоит из огромного массива пикселей.
Затем происходит определение цветов пикселей. Каждому пикселю присваивается свой собственный уникальный цветовой код, который представляется в виде трех числовых значений из палитры RGB. По итогам данного процесса происходит вход в матрицу нейронной сети из RGB-значений пикселей.
Следующим этапом является определение местонахождения лица на изображении. Существенным преимуществом алгоритма NtechLab является то, что он может задетектировать абсолютно любое число лиц в кадре. Именно это преимущество позволяет применять его в целях обеспечения безопасности в местах
массового скопления людей и в общественных местах. На скорость работы детектора не влияет количество лиц в кадре. Алгоритм технологии распознавания лиц выдаёт координаты границ бибокса: верхняя левая и правая нижняя граница лица для дальнейшей работы с каждым лицом.
После определения местонахождения лица на кадре происходит исправление визуальных искажений. Специально созданный алгоритм, входящий в основной алгоритм NtechLab, четко определяет положение головы анализируемого лица и исправляет визуальные искажения, то есть разворачивает лицо в положение анфас. Изображение проходит выравнивание по многим точкам, в число которых входит выравнивание по зрачкам, углам рта, носу.
После этого алгоритм извлекает полученные числовые характеристики лица. Сеть генерирует и присваивает лицам персональный вектор признаков, называемый биометрическим шаблоном. Биометрический шаблон — определенный числовой код, сгенерированный нейросетью после преобразования исследуемого изображения, и используемый в процессе сравнения с имеющимися в базе шаблонами.
Следующий этап — поиск и проверка по имеющимся базам изображений. Производитель утверждает, что алгоритм находит лица даже после значительных изменений, связанных с возрастом, появлением бороды или усов, а также в тех случаях, когда часть лица прикрыта каким-либо предметом, например очками или медицинской маской.
Система выделяет для себя признаки лица, называемые атрибутами. Используя поиск по атрибутам, можно быстро найти в базах мониторинга лица с определенным признаком, например, все лица с бородой или усами. Для каждого признака (атрибута) существует индивидуальная нейронная сеть, однако при поиске по нескольким атрибутам сразу (например, при поиске лиц в очках и с усами) все задействованные одномоментно сети работают параллельно.
Также производитель утверждает, что система способна определять наличие медицинской маски на лице в трёх состояниях: нет маски, правильно надета, неправильно надета. Актуальность данной функции обусловлена современными реалиями жизни, вызванными всеми известной коронавирусной инфекцией.
Тем не менее, несмотря на наличие такого уровня программ, все также продолжают назначаться портретные экспертизы в силу того, что доказательством по делу является именно заключение эксперта.
В этой связи мы предлагаем внедрять систему распознавания лиц в работу эксперта, с целью изначаль-
ной проверки лиц, изображенных на стоп-кадрах из видеозаписей по биометрическим базам данных, а затем проверять установленные совпадения с помощью методов портретной экспертизы.
Что касается исследования лиц, закрытых маской. В настоящее время методика портретной экспертизы не предусматривает исследование таких объектов в силу того, что большое количество элементов лица не просматривается. В соответствии с методикой портретной экспертизы, изложенной в сборнике «Типовые экспертные методики исследования вещественных доказательств: Ч. 1» под редакцией кандидата технических наук Дильдина Ю. М., может быть сформулирован вывод о невозможности решения вопроса в том случае, когда невозможно проанализировать характер совпадений и различий признаков внешности из-за несопоставимых условий съемки. Наличие маски на лице человека, изображенного на исследуемом объекте, может относиться к описанной выше ситуации, приводящей к НПВ.
Однако производители системы распознавания лиц, используемой в настоящий момент в городе Москве утверждают, что их алгоритмы способны идентифицировать лица, несмотря на наличие маски. Поэтому в дальнейшем наше исследование будет направлено на установление возможности идентификации лиц в медицинских масках по тем элементам внешности, которые могут быть изучены, несмотря на наличие медицинской маски, с применением метода визуального сопоставления признаков внешнего облика человека, а также иных методов, применимых к подобным изображениям.
Ситуация в стране и мире ежегодно меняется, технологии развиваются, поэтому и судебная экспертиза должна идти в ногу со временем, применять имеющиеся достижения науки и техники в целях расследования и раскрытия преступлений, изменять методики, разработанные многие годы назад, и адаптировать их к современным условиям жизни.
Список источников
1. Савенкова, Е. Ю., Дробышева, Т. В., Лештаева, Т. Э., Попова, А. А. Городская система видеонаблюдения «Безопасный город». Внедрение современных технологий в распознавании лиц / Справочное пособие ЭКЦ ГУ МВД России по Москве, 2019. 24 с.
2. Федеральный закон от 27.07.2006 № 152-ФЗ (ред. от 31.12.2017) «О персональных данных» // СПС Консультант Плюс.
3. Единое хранилище данных: [Электронный ресурс]. URL: https://ehd.moscow/index.php?id_ src=441&id ind=900&id tab=1&action=show details
open&show=inds&show_full=1&exist=1&source=-9997&id_root[0]=441_441&id_root[1]=441_900 (дата обращения: 14.03.2021 г.).
4. NtechLab - дополняя интеллект: [Электронный ресурс]. URL: https://ntechlab.ru/ (дата обращения: 14.03.2021 г.).
References
1. Savenkova, E. Yu., Drobysheva, T. V., Leshtaeva, T. E., Popova, A. A. City video surveillance system "Safe City". Introduction of modern technologies in face recognition / Reference manual of the ECC of the Ministry
of Internal Affairs of Russia in Moscow, 2019. 24 p.
2. Federal Law No. 152-FZ of 27.07.2006 (as amended on 31.12.2017) "On personal data" // SPS Consultant Plus.
3. Unified data warehouse: [Electronic resource]. URL: https://ehd.moscow/index.php?id_src=441&id_ ind = 900&id_tab = 1 &action=show_detail s_ open&show=inds&show_full=1&exist=1&source=-9997&id_root[0]=441_441&id_root[1]= 441_900 (Accessed: 03/14/2021).
4. NtechLab - complementing intelligence: [Electronic resource]. URL: https://ntechlab.ru / (Accessed: 03/14/2021).
Информация об авторе
А. А. Гусенкова - курсант Института-факультета судебной экспертизы Московского университета МВД России имени В. Я. Кикотя.
Information about the author A. A. Gusenkova - Cadet of the Institute-faculty of Forensics of the Moscow University of the Ministry of Internal affairs of Russia named after V. Ya. Kikot'.
Статья поступила в редакцию 26.08.2021; одобрена после рецензирования 01.10.2021; принята к публикации 25.10.2021.
The article was submitted 26.08.2021; approved after reviewing 01.10.2021; accepted for publication 25.10.2021.
Н.П. МАЙЛИС
Настольная книга эксперта. Майлис Н.П. Монография. 287 с. Гриф МУМЦ "Профессиональный учебник". Гриф НИИ образования и науки. Гриф МНИЦ судебной экспертизы и исследований
Изложены истоки формирования и развития судебной экспертизы, основные теоретические понятия. Рассмотрены вопросы формирования теории идентификации и диагностики в судебной экспертизе, современная классификация судебных экспертиз и перспективы их развития, субъекты судебно-экспертной деятельности и ее правовое обеспечение. В соответствии с процессуальным уголовным, гражданским, арбитражным законодательством и Кодексом об административных правонарушениях рассмотрены виды назначаемых экспертиз, особенности проведения комплексных экспертиз, информационное обеспечение судебно-экспертной деятельности и отдельных видов экспертиз, а также экспертная этика как важная составляющая профессиональной деятельности. Должное внимание уделено экспертным ошибкам и подготовке судебных экспертов.
Для аспирантов (адъюнктов), студентов, преподавателей высших учебных заведений, практических работников, назначающих судебные экспертизы, и специалистов, которые их проводят, а также широкого круга читателей, проявляющих интерес к криминалистике и судебной экспертизе.
