Оглавление

Введение. 2

1 Общие теоретические сведения о технологии распознавания лиц. 3

1.1        Определение технологии. 3

1.2        Описание проблем, решающихся с помощью технологии. 3

1.3        Области применения технологии. 3

1.4        Достоинства и недостатки технологии. 4

2       История развития распознавания лиц. 6

3       Принципы работы технологии. 7

3.1        Основные подходы.. 7

3.2        Составляющие технологии. 7

3.3        Классификация. 8

4 Тенденции развития технологии распознавания лиц. 9

4.1 Ограничения. 9

5 Индивидуальное отношение. 10

Заключение. 11

Список использованных источников. 12

Введение

Технология распознавания лиц используется во многих областях: развлечения, безопасность, правоохранительные органы, биометрия и многое другое. На протяжении многих лет она развивалась от простых методов компьютерного зрения вплоть до передовых искусственных нейронных сетей. Распознавание лиц играет ключевую роль в анализе, отслеживании и распознавании лиц, но вопрос в том, что именно такое распознавание лиц, как оно работает и какие имеет достоинства и недостатки?

1 Общие теоретические сведения о технологии распознавания лиц

1. 1. Определение технологии

Распознавание лиц - это способ идентификации или подтверждения личности человека по его лицу.

1. 2. Описание проблем, решающихся с помощью технологии

Технология распознавания лиц наиболее полезна сотрудникам правоохранительных органов, пытающимся найти преступников. По иронии судьбы, это спорная тема, учитывая повышенное внимание к конфиденциальности в последние 6-8 лет.

Аналогичным образом, многие малые предприятия начали использовать ту же технологию, чтобы расширить свои возможности, столкнувшись с кражей.

Для личного использования можно сэкономить несколько секунд на разблокировке телефона, если используете технологию распознавания лиц, а не отпечаток пальца, PIN-код или пароль. Хотя эксперты утверждают, что распознавание лиц менее безопасно, чем другие методы обеспечения безопасности.

В целом, преимуществом технологии распознавания лиц является ощущение безопасности и защищенности. И это ощущение достигается благодаря постоянно развивающейся технологии.

1. 3. Области применения технологии

Хотя распознавание лиц в той или иной форме существует с 1960-х годов, последние технологические достижения привели к широкому распространению этой технологии. Эта технология больше не рассматривается как нечто из научно-фантастических фильмов. С выпуском Iphone миллионы людей в буквальном смысле имеют технологию распознавания лиц на ладонях, защищающую их данные и личную информацию. Хотя контроль доступа к мобильному телефону может быть наиболее узнаваемым способом использования распознавания лиц, он используется для широкого спектра применений, включая предотвращение преступлений, защиту событий и повышение удобства авиаперелетов.

Широкий спектр потенциальных применений технологии облегчил внедрение различных отраслей по мере того, как технология стала более зрелой. Обычно ассоциируемая с сектором безопасности, сегодня она завоевывает рынки здравоохранения, розничной торговли и маркетинга.

Технологические гиганты, такие как Apple или Google, используют распознавание лиц в своих мобильных устройствах для проверки личности своих пользователей, предоставляя безопасные логины для устройств.

В некоторых других случаях, применение находят государственные организации, которые используют эту технологию в таких местах, как аэропорты, для предотвращения кражи личных данных, поиска пропавших людей и выявления преступников.

1. 4. Достоинства и недостатки технологии

Распознавание лиц может принести обществу множество преимуществ: от предотвращения преступлений и повышения безопасности до сокращения ненужного взаимодействия с людьми.

Помогает находить пропавших людей и выявлять преступников

Правоохранительные органы используют распознавание лиц для идентификации преступников без каких-либо других средств идентификации и поиска пропавших без вести людей, сравнивая лица в прямом эфире с лицами из списка наблюдения.

Защищает бизнес от кражи

Программное обеспечение для распознавания лиц может быть эффективной мерой против магазинных краж. Владельцы бизнеса используют программное обеспечение и камеры видеонаблюдения для выявления известных или подозреваемых воров, а наличие самих камер в первую очередь предотвращает кражу.

Усиливает меры безопасности в банках и аэропортах

Распознавание лиц также помогает повысить безопасность в помещениях, не связанных с розничной торговлей, таких как аэропорты и банки.

Этот метод был обычной частью проверки безопасности в аэропортах в течение многих лет. Подобно выявлению преступников, которые заходят в магазины, программное обеспечение помогает выявить преступников и потенциальные угрозы для авиакомпаний и пассажиров.

Делает покупки более эффективными

Хотя идентификация и поиск пропавших без вести лиц и преступников, возможно, являются наиболее важными преимуществами распознавания лиц, они выходят за рамки безопасности и удобства.

Вместо совершения покупок наличными или картой, в магазинах технология распознавания лиц может распознавать ваше лицо и позволить списать средства с вашего счета.

Уменьшает количество точек соприкосновения

Распознавание лиц требует меньше человеческих ресурсов, чем другие виды мер безопасности, например такие как снятие отпечатков пальцев. Технология не требует физического контакта или прямого взаимодействия с человеком. Вместо этого она использует искусственный интеллект, чтобы сделать это автоматическим процессом.

Улучшает организацию фотографий

Распознавание лиц также позволяет помечать фотографии в облачном хранилище с помощью Apple или Google. Это облегчает организацию, поиск и обмен фотографиями.

Улучшает медицинское лечение

Одним из удивительных применений технологии распознавания лиц является выявление генетических нарушений.

Изучая тонкие черты лица, программное обеспечение для распознавания лиц может в некоторых случаях определить, как конкретные генетические мутации вызвали тот или иной синдром. Эта технология может быть более быстрой и менее дорогостоящей, чем традиционное генетическое тестирование.

Минусы распознавания лиц

Как и в случае с любой технологией, использование распознавания лиц имеет потенциальные недостатки, такие как угрозы конфиденциальности, нарушения прав и личных свобод, потенциальная кража данных и другие преступления. Существует также риск ошибок из-за недостатков в технологии.

Угрожает личной и общественной неприкосновенности частной жизни

Угроза частной жизни является существенным недостатком технологии распознавания лиц. Людям не нравится, когда их лица записываются и сохраняются в базе данных для неизвестного использования в будущем.

Запись и сканирование с помощью технологии распознавания лиц могут заставить людей чувствовать, что за ними всегда наблюдают и судят за их поведение. Кроме того, полиция может использовать распознавание лиц, чтобы прогнать личность в базе данных по виртуальному списку преступников, что все равно, что рассматривать личность как подозреваемого в совершении преступления без достаточных оснований.

Нарушает личные права

Страны с ограниченными личными свободами, такие как Китай, ОАЭ, Северная Корея, Иран и Ирак, обычно используют распознавание лиц для слежки за гражданами и ареста тех, кого считают нарушителями спокойствия.

Создает уязвимости в данных

Существует также озабоченность по поводу хранения данных распознавания лиц, поскольку эти базы данных потенциально могут быть взломаны.

Предоставляет возможности для мошенничества и других преступлений

Нарушители закона также могут использовать технологию распознавания лиц для совершения преступлений против невинных жертв. Они могут собирать личную информацию отдельных лиц, включая изображения и видео, собранные с помощью сканирования лиц и сохраненные в базах данных, для совершения мошенничества с личными данными.

Обладая этой информацией, вор может снять информацию с кредитных карт, открыть банковские счета на имя жертвы.

Помимо мошенничества, злоумышленники могут преследовать жертв, используя технологию распознавания лиц.

Например, преследователи могут выполнять обратный поиск изображений на снимке, сделанном в общественном месте, чтобы собрать информацию о своих жертвах и определить, кто они и где живут.

Кроме того, поскольку технологическая преступность развивается быстрее, чем закон, люди могут стать жертвами еще до того, как эта деятельность будет расценена как преступление.

Технология несовершенна

Технология зависит от алгоритмов для сопоставления лиц. Эти алгоритмы более надежны для белых мужчин, чем для других групп, потому что базы данных содержат больше данных о белых мужчинах. Это создает непреднамеренные искажения в алгоритмах.

2. История развития распознавания лиц

Системе распознавания лиц уже более 50 лет.

Исследовательская группа, возглавляемая Вудро У. Бледсо, проводила эксперименты в период с 1964 по 1966 год, чтобы выяснить, могут ли "программирующие компьютеры" распознавать человеческие лица.

Команда использовала элементарный сканер для отображения линии роста волос, глаз и носа человека. Задача компьютера состояла в том, чтобы найти совпадения.

Это не увенчалось успехом.

Компьютерам труднее распознавать лица, чем обыгрывать гроссмейстеров в шахматы. Пройдет много лет, прежде чем эти проблемы будут преодолены.

Благодаря совершенствованию технологии камер, процессам картографирования, машинному обучению и скорости обработки распознавание лиц достигло успехов.

Рисунок 1- Динамика мирового рынка систем биометрической идентификации (2009—2017 гг.)[1]

По прогнозам, к 2042 году объем мирового рынка технологий распознавания лиц составит примерно 15,4 миллиарда долларов, что продемонстрирует темпы роста на 21,4% с 2016 года.

3. Принципы работы технологии
   1. Основные подходы

Программное обеспечение для распознавания лиц использует сочетание искусственного интеллекта (ИИ) и биометрических технологий для идентификации человеческих лиц путем измерения узловых точек, расстояний между определенными чертами лица. Программное обеспечение анализирует и сравнивает закономерности черт лица человека, чтобы обеспечить точную проверку его личности.

1. 2. Составляющие технологии

Приложения для биометрического распознавания лиц в настоящее время часто используются в потребительских технологиях. Например, миллионы пользователей принимают участие в возможностях распознавания лиц iPhone X. Лицо пользователя идентифицируется с помощью 30 000 отдельных инфракрасных точек и добавляет дополнительный уровень безопасности к традиционным методам идентификации.

Технология, лежащая в основе распознавания лиц, варьируется от одного приложения к другому, но ее основная механика, включает четыре основных шага:

1. Изображение лица снимается с фотографии или видео. Чтобы обеспечить более точное соответствие, лицо должно быть обращено к камере, хотя технология допускает некоторые повороты и даже может выделять отдельные лица из толпы.

2. Программное обеспечение считывает геометрию лица. Ключевыми факторами являются расстояние между глазами и расстояние от лба до подбородка. Программное обеспечение идентифицирует эти черты лица, а затем создает подпись лица на основе созданного ими профиля.

3. Полученная подпись лица сравнивается с базой данных известных лиц. Эти данные получены из баз данных полиции и государственных служб безопасности.

4. Если будет обнаружено, что подпись лица совпадает с подписью, отмеченной в базе данных, она может быть использована для расследования и задержания.

1. 3. Классификация

Алгоритмы распознавания можно разделить на два основных подхода: геометрический, который рассматривает отличительные признаки, и фотометрический, который представляет собой статистический подход, который преобразует изображение в значения и сравнивает значения с шаблонами, чтобы устранить отклонения. Некоторые классифицируют эти алгоритмы на две широкие категории: целостные и основанные на функциях модели. Первый пытается распознать лицо целиком, в то время как основанный на признаках подразделяется на компоненты, такие как в соответствии с признаками, и анализирует каждый из них, а также его пространственное расположение по отношению к другим признакам.

СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ (CNN)

Сверточная нейронная сеть (CNN) - один из прорывов в области искусственных нейронных сетей (ANN) и разработки искусственного интеллекта. Это один из самых популярных алгоритмов глубокого обучения, разновидности машинного обучения, при котором модель учится выполнять задачи классификации непосредственно на изображении, видео, тексте или звуке. Модель демонстрирует впечатляющие результаты в нескольких областях: компьютерное зрение, обработка естественного языка (NLP) и самый большой набор данных классификации изображений (Image Net). CNN — это обычная нейронная сеть с новыми слоями - сверточным и объединяющим. CNN может иметь десятки и сотни таких слоев, и каждый из них учится обнаруживать различные особенности изображения.

EIGENFACES

Собственные лица - это метод обнаружения и распознавания лиц, который определяет дисперсию лиц в наборах данных изображений. Он использует эти различия для кодирования и декодирования лиц с помощью машинного обучения. Набор собственных лиц - это набор “стандартизированных компонентов лица”, определяемых статистическим анализом большого количества изображений лиц. Чертам лица присваиваются математические значения, так как этот метод использует не цифровые изображения, а скорее статистические базы данных. Любое человеческое лицо представляет собой комбинацию этих значений с разными процентами.

FISHERFACES

Fisherfaces - один из самых популярных алгоритмов распознавания лиц; считается, что он превосходит многие из своих альтернатив. В качестве усовершенствования алгоритма Eeigenfaces его часто сравнивают с собственными интерфейсами и считают более успешным в различении классов в процессе обучения. Ключевым преимуществом этого алгоритма является его способность интерполировать и экстраполировать изменения освещения и выражения лица. Имеются сообщения о 93% точности алгоритма Fisherfaces в сочетании с методом PCA на этапе предварительной обработки.

4 Тенденции развития технологии распознавания лиц

4.1 Ограничения

Проблема предвзятости

Проблема в том, что ни одна система распознавания лиц не идеальна. Расовая дискриминация в системах распознавания лиц всегда была камнем преткновения.

Решение этой проблемы кроется в природе того, как алгоритмы распознавания лиц “учатся”.

Распознавание лиц в масках

Более широкое использование масок для лица в связи с пандемией COVID-19 усложнило распознавание лиц, но индустрия отреагировала на это новыми инновациями.

5 Индивидуальное отношение

Сегодня технология распознавания лиц предпочтительнее других типов биометрических технологий, таких как сканирование отпечатков пальцев, распознавание голоса, распознавание текстуры кожи, благодаря ее бесконтактному характеру и простоте развертывания. В настоящее время распознавание лиц преимущественно используется в сфере безопасности и маркетинга.

Заключение

Существует множество алгоритмов и методов распознавания лиц. Хотя все они преследуют одну преобладающую цель, они могут быть специфичными для конкретной задачи и проблемы. В зависимости от целей использования и обстоятельств внедрения они варьируются от нейронных сетей и математических моделей до технических решений частных компаний.

С развитием технологий распознавания лиц и их постоянным совершенствованием эти системы, скорее всего, станут частью нашей повседневной жизни. Мы должны подумать о том, как эта технология повлияет на личную жизнь и как сделать ее менее навязчивой.

Трудно сказать, получит ли эта технология поддержку большинства членов нашего общества, но преимущества, которые могут дать эти услуги, очень реальны. Только время покажет, как технология расширит возможности людей и бизнеса.

Список использованных источников

1. Биометрические технологии, которые мы выбираем [Электронный ресурс] URL: https://www.itweek.ru/security/article/detail.php?ID=122751 (дата обращения:21.03.22)
2. Что такое распознавание лиц – определение и описание [Электронный ресурс] URL:    (ttps://www.kaspersky.ru/resource-center/definitions/what-is-facial-recognition) (дата обращения:21.03.22)
3. Земцов А. Алгоритмы распознавания лиц. – М.: LAP Lambert Academic Publishing, 2011. – 128 с.
4. Кухарев Г.А., Е.И. Каменская, Ю.Н. Матвеев, Н.Л. Щеголева. Методы обработки и распознавания изображений лиц в задачах биометрии. – М.: Политехника, 2013. – 416 с.
5. Нейрокомпьютеры в системах обработки изображений. – М.: Радиотехника, 2003. – 192 с.
6. Овчинский В., Ларина Е. Искусственный интеллект. Большие данные. Преступность. – М.: , 2018. – 416 с.