Томский инженер придумал, как распознавать людей в видеопотоке по любым "плоским" изображениям

Потребность в быстрой идентификации личности по изображению лица высока во многих сферах, особенно в сфере безопасности, где быстрота реакции имеет решающее значение.

Потребность в быстрой идентификации личности по изображению лица высока во многих сферах, особенно в сфере безопасности, где быстрота реакции имеет решающее значение.
Фото KeithJJ/pixabay.com.

Инженер из Томского политехнического университета разработал программный продукт для мультисенсорной системы распознавания личности. Она работает с видеопотоком в режиме реального времени с привлечением трёхмерных моделей. Новая технология учитывает все минусы аналогов и позволяет максимально быстро и точно идентифицировать личность. Кстати, области применения системы не ограничатся лишь сферой безопасности.

Инженер лаборатории 3D-моделирования и промышленного дизайна Томского политехнического университета (ТПУ) Степан Небаба разработал программный продукт для мультисенсорной системы распознавания личности в видеопотоке в режиме реального времени с привлечением трёхмерных моделей. Опытный прототип системы планируется получить в 2019 году, а полностью завершить работу — в 2020 году.

Как отмечается в пресс-релизе вуза, потребность в быстрой некооперативной идентификации личности по изображению лица высока во многих сферах, особенно в сфере безопасности, где быстрота реакции на событие имеет решающее значение. При этом лучшие современные разработки обладают достаточно высокой стоимостью и редко достигают высокой точности распознавания в сложных условиях съёмки.

"Моя разработка, — рассказывает учёный, — призвана решить задачу быстрого некооперативного распознавания личности по изображению лица в видеопотоке с высокой точностью, используя при этом оборудование бюджетной ценовой категории, без привлечения серверов обработки информации и строгих спецификаций для датчиков".

Комплекс позволит искать на видеозаписи человека по любому "плоскому" изображению. Например, можно будет определить по фотороботу преступника, попавшего на камеры в аэропорту, в метро, на вокзале. Или его можно будет использовать для контроля доступа на предприятии, чтобы выявить в производственном помещении человека, у которого туда нет допуска.

Степан Небаба поясняет, что система состоит из специальных датчиков для съёмки и программного обеспечения, которое он и разрабатывает. Под датчиками понимаются как видеокамеры, так и камеры инфракрасного диапазона, при помощи которых можно с достаточно высокой точностью определять расстояние до объектов, составляя таким образом их 3D-модель. Эти датчики выпускаются серийно и достаточно широко распространены. Обрабатывать данные, поступающие с такой системы, сможет обычный компьютер. Но чем больше число изображений, по которым ведётся поиск, тем выше будут требования к вычислительным ресурсам и объёму оперативной памяти устройства.

Исследователь не первый год занимается этой темой. Предыдущая разработка, по его словам, способна синтезировать 3D-модели лиц людей и проводить их сравнение как с трёхмерными моделями, так и с плоскими растровыми изображениями лиц. Разрабатываемая сейчас технология призвана расширить круг применения этой системы на 3D-модели, получаемые с помощью датчиков глубины, что в перспективе положительно скажется на качестве распознавания личности при сохранении высокого быстродействия. С помощью этой технологии можно также сравнивать снятые на видео лица, для которых имеется только какое-то изображение в 2D.

Конечная цель специалиста —  построить универсальную систему, способную сравнивать все типы моделей лиц: 2D с 2D, 2D с 3D и 3D с 3D. Как раз в области сравнения 3D-моделей с 2D-изображениями и кроется главная загвоздка: либо происходит быстрое, но не очень точное 2D-распознавание, либо точное, но крайне медленное и сложное 3D-распознавание.

Инженер поясняет: "Двумерное изображение, 2D, в данном контексте — это любое растровое изображение лица человека, например, кадр из видео, достаточно точный фоторобот. Естественно, чем чётче и ближе к реальному лицу изображение, тем точнее и надёжнее получается результат распознавания. Большинство современных систем имеют довольно строгие требования как к эталонным изображениям, так и к условиям съёмки видео, моя разработка стремится снизить эти требования, сохранив при этом высокую точность и скорость распознавания личности в видеопотоке".

Добавим также, что для совершенствования систем распознавания лиц исследователи прибегают к помощи искусственного интеллекта. Он научился различать мужчин и женщин по улыбке, по лицу вычислять лжецовневнимательных студентов, а также сексуальную ориентацию людей.

Не менее важно изучать и способы обмана таких программ. А их уже немало: к примеру, созданы необычные очки, которые заставят программу считать, что вы Милла Йовович, а также одежда с особым рисунком, которая скрывает человека от системы распознавания лиц.