ВИДЕОАНАЛИТИКА И РАСПОЗНАВАНИЕ ЛИЦ

Функциональные возможности систем видеонаблюдения получают все больше средств для автоматического анализа видеоинформации.

Качественная современная система видеонаблюдения должна не только производить запись и выводить изображение на экран, но и осуществлять ряд аналитических функций. Одной из наиболее востребованных является распознавание и идентификация людей (лиц) в зоне контроля.

Видеоаналитика и распознавание лиц

Функция распознавания лиц широко применяется в следующих случаях:

Система контроля управления доступа (СКУД).

В этом случае видеонаблюдения интегрировано в систему безопасности и управляет контроллерами на турникетах. Она может использоваться как дублирующая система пропуска и как основная.

Преимуществом такого применения является минимизации влияния человеческого фактора и повышение трудовой дисциплины.

Противодействие кражам в гипермаркетах.

Проблема систематических хищений стоит перед каждым магазином, особенно перед организациями с большими торговыми площадями. Классическая система видеонаблюдения, установленная в магазине, не сможет в полной мере обезопасить магазин от воровства.

К тому же, она обычно используется "post factum" для получения доказательств уже совершенной кражи, когда ущерб уже нанесен.

Зачастую, мелкие противоправные действия, которые приносят не только финансовый урон, но и снижение репутации магазина, осуществляют одни и те же люди.

Введение их изображения в особую базу данных и использование средств видеоаналитики поможет выявить потенциального злоумышленника еще на входе в магазин и более тщательно контролировать его действия в помещении.

Фейс-контроль в развлекательных заведениях и ночных клубах.

Использование системы распознавания лиц с выведением тревожной информации на удаленное устройство владельца клуба (планшет, смартфон и т.п.) поможет снизить или полностью пресечь злоупотребления персонала.


МЕТОДЫ РАСПОЗНАВАНИЯ ЛИЦ

На данный момент широко используется несколько эффективных алгоритмов распознавания лица в системах видеонаблюдения.

Гибкое сравнение на графах.

Метод относится к 2D моделированию. Его суть заключается в сопоставлении графов, которые описывают изображения лиц. Само лицо представлено в виде сетки с индивидуальным расположением вершин и ребер.

Процедура распознавания происходит следующим образом - эталонный граф, характеризующий основной параметр распознания, остается неизменным, в то время как другие деформируются под влиянием структура лица с привязкой к основным антропометрическим точкам: расстояние между глазами, ушами, линия носа, ширина губ и т.п.

Чем больше этих точек используется, тем точнее будет система распознавания, но и существенно увеличится время на обработку одного объекта.

Недостатки метода:

  • сложность алгоритма распознания приводит к необходимости использования значительных вычислительных мощностей;
  • низкая технологичность и сложная процедура введения новых эталонов в базу;
  • быстродействие аналитической системы обратно пропорционально размерам баз данных:

Нейронные сети.

Довольно распространенный метод, который использует около десятка различных алгоритмов. Наиболее совершенным на данный момент является Convolutional Neural Network, который позволяет проводить быстрое и эффективное распознание и использует многослойное сканирование, позволяющие быстро классифицировать полученное изображение.

Недостатки:

  • существенные сложности с добавлением нового эталона в базу данных, фактически внесение любого изменения требует полного переобучения сети;
  • довольно сложная процедура внесения изменений, в зависимости от количества выбранных параметров по которым производится распознание может занять от нескольких часов до нескольких дней;
  • неупорядоченный выбор основных параметров алгоритма распознавания. архитектура сети и количество сканируемых слоев фактически не формализированы и для оптимизации этой функции распознания требуется привлечение специалиста довольно высокого уровня.

Скрытые Марковские модели.

Метод основан на статистическом сравнении объекта с базой эталонов.

Недостатки:

  • дополнительные подбор модели для базы данных (низкая скорость срабатывания);
  • низкая различающая способность и не оптимальный алгоритм обучения;
  • система может оптимизировать только время обработки данных и отклика на собственную модель, но не может минимизировать время перебора других моделей.


ПРИНЦИП ДЕЙСТВИЯ СИСТЕМЫ РАСПОЗНАНИЯ ЛИЦ

Независимо от выбранного алгоритма видео аналитики программная функция распознавания лиц работает по принципу сравнения отсканированного изображения с эталонами, имеющимися в базе.

Хорошим показателем эффективности и быстродействия считается, если комплекс идентифицировал человеческое лицо с расстояния не менее 10 метров от видеокамеры.

При этом, узнавание должно происходить даже при изменении определенных физических параметров: изменение прически, появление бороды, наличие или отсутствие очков и т.п.

Период, за который осуществляется опознание и дается команда отклика на исполнительные устройства, не должен превышать определенного времени, например подхода объекта видеоконтроля от входной двери турникетам.

Камеры для распознавания лиц.

Для реализации различных функциональных возможностей систем видеоаналитики используются системы ip видеонаблюдения. В зависимости от решаемых задач используется несколько типов ip камер, обладающих соответствующими характеристиками:

Обнаружение.

Разрешение от 1 Мpix, фокусное расстояние от 1 мм. Фиксирует проникновение объекта на подконтрольную территорию, может использоваться для панорамного сканирования и получения общего изображения ситуации на объекте. Не распознает лица, а только наводит на объект более совершенные дорогостоящие IP видеокамеры, которые производят сканирование основных биометрических параметров.

Опознание.

Разрешение от 2 Мpix, фокусное расстояние от 6 мм. Может использоваться в системах идентификации со слабыми алгоритмами, которые производят распознание 3-4 ключевым параметрам.

Идентификация.

Разрешение от 5 Мpix, фокусное расстояние 8-12 мм. Качество получаемого изображения достаточное для использования сложных алгоритмов распознавания.

Кроме основных эксплуатационных параметров видеокамеры на эффективность системы распознания оказывает значительное влияние место установки видеокамеры, то есть угол обзора и расположение источников освещения.


ОБЗОР ПОПУЛЯРНЫХ ПРОГРАММ РАСПОЗНАВАНИЯ ЛИЦ

«Face Интеллект» от компании House Control.

Компания занимается монтажом, поставкой и обслуживанием систем безопасности высокого уровня сложности для промышленных объектов. Программа работает на основе алгоритма распознавания лиц от компании Cognitec. Данный алгоритм применяется уже несколько лет и имеет открытый код.

Часто используется только небольшими производителями инсталляторами систем безопасности и видеонаблюдения. Совместим с большинством аналоговых и цифровых видеокамер с соответствующим уровнем разрешения.

Имеет довольно высокий коэффициент распознания, но при установке следует особое внимание уделить правильности расположения видеокамер. Для увеличения эффективности функционирования программы, камеры рекомендуется устанавливать позади турникета, чтобы человек притормаживал на несколько секунд в поле зрения камеры.

Face director от компании Синезис.

Компания занимается разработкой интеллектуальных систем видеонаблюдения, а также программ бизнес-аналитики на их основе. Программа Face director может не только обнаруживать и идентифицировать лицо, которое попало в поле зрения камер, но и организовать сопровождение объектов по всему пути следования.

Основные преимущества:

  • программа поддерживает широкий диапазон углов поворота (90 в горизонтальной и 30 в вертикальной плоскости);
  • срабатывание тревожного сигнала при попытке прикрыть лицо;
  • вероятность идентификации при обнаружении совпадение 99%.

VOCORD FaseControl от компании VOCORD.

Компания основана в 1999 году, занимается разработкой и установкой систем безопасности с нестандартными характеристиками. Программа VOCORD FaseControl является собственной разработкой компании на основе оригинального алгоритма.

Основные функциональные возможности:

  • выделение лиц людей в плотном пешеходном потоке;
  • распознание в режиме реального времени;
  • может формировать несколько типов предупреждений оператору в зависимости от того какой статус присвоен идентифицированному объекту;
  • аналитический поиск в архиве по базе сохраненных лиц;
  • распознает пол и возраст объекта;
  • имеет широкие возможности в составлении аналитических отчетов.



  *  *  *
© 2014-2024 г.г. Все права защищены.
Материалы сайта имеют ознакомительный характер, могут выражать мнение автора и не подлежат использованию в качестве руководящих и нормативных документов.