Компания CRISPERSOFT разработала несколько прототипов на основе нейронных сетей, в том числе успешно внедрила систему распознавания лиц на фундаменте опенсорсной библиотеки.
Практическое приложение теории распознавания образов является одним из наиболее перспективных методов бесконтактной идентификации человека по его биометрическим данным. С технологической точки зрения система распознавания лиц расположена на одной ступени выше системы обнаружения в том смысле, что она сравнивает уже имеющиеся изображения или шаблоны с вновь загруженными на предмет вероятных совпадений.
Большинство систем распознавания лиц выполняют основные этапы регистрации, захвата изображений видеокамер, извлечения функций и сравнения шаблонов для последующей настройки и эксплуатации. Хотя методы извлечения черт лица и различаются у разных поставщиков программного обеспечения, цель состоит в том, чтобы свести информацию к определенному шаблону базы данных, совместимому с алгоритмами высокоскоростного поиска.
Последний шаг в распознавании лиц — это сканирование базы данных и сравнение захваченного изображения с шаблоном для получения ответа «да» или «нет». Однако, если главная задача системы состоит в идентификации, она должна сравнить изображение с каждым шаблоном в базе данных.
Для улучшения качественных показателей разработчики программного обеспечения компании CRISPERSOFT объединили методы нейронной сети с анализом локальных особенностей. Идеальная точность достигается, когда собирается наибольшее количество изображений человеческого лица. Тогда из полученного набора кадров программа извлекает определенные признаки и выдает усредненный результат. Нейронные сети требуют постоянного тренинга для оптимальной производительности, которая будет со временем улучшаться, поскольку данные об успехах и ошибках возвращаются в систему.
Лицо каждого человека уникально. Анализ локальных особенностей включает около 80 ориентиров, таких как контуры ушей, губ, подбородка, кончик носа, переносица, скулы, расстояние между глазами и т.д. В процессе работы система сравнивает черты лица с небольшими отклонениями для учета изменений в выражении, ведет учет и добавляет узловые точки. При этом темные очки, косметика или растительность на лице не исключают возможности обнаружения и аутентификации. Алгоритмы обладают способностью распознавать лицо как в целом, так и его отдельные участки.
Сегодняшняя задача — это баланс текущих и будущих ожиданий потребителей в отношении конфиденциальности все еще развивающейся технологии, которая может использоваться как в инновационных, безобидных инструментах, так и в качестве физических или логических мер безопасности.
Следует также понимать, что чем больше метаданных получит самообучающийся искусственный интеллект, тем лучше он будет работать.
Метод распознавания лиц, применяемый экспертами компании CRISPERSOFT может быть очень полезным в различных секторах бизнеса. Так, например, распознавание лиц сотрудников необходимо в качестве инструмента безопасности для входа. Система может защищать информацию в офисах, разрешая или запрещая доступ к важным данным.
Таким образом, интеллектуальное видеонаблюдение работает как надежный защитник, обеспечивая безопасность в различных сферах.
