Кто такие современные высокотехнологичные лицедеи? Может ли Большой Брат идентифицировать ваше лицо с помощью уличного видеонаблюдения и сказать, счастливы ли вы, грустны или сердиты? Может ли эта идентификация привести к вашему аресту по неоплаченному счёту? Какова вероятность того, что идентификация неверна и вас путают с кем-то другим? Можете ли вы полностью победить слежку, используя какой-то трюк?
С другой стороны, можно ли попасть в хранилище, защищённое камерой и программным обеспечением для идентификации лиц, подняв отпечаток лица уполномоченного лица? Что делать, если вы наденете 3-D маску лица уполномоченного лица? Добро пожаловать в мир с распознаванием лиц — и с подделками распознавания лиц.
Связанная тема: Глубокое обучение против машинного обучения: познавая разницу
Что такое система распознавания лиц?
Система распознавания лиц (СРЛ) – метод идентификации человека или сверки подлинности конкретной личности по оцифрованному изображению. Это ветвь «компьютерного зрения», связанная с электронными финансами (сверка по банковской карте, кью-ар коду и прочее), социологией (социальное ранжирование), рекрутингом (кадровая благонадёжность) и прочее.
Спуфинг (spoofing attack, англ. spoofing, подмена) – это технология электронной подмены личности, выдачи себя за другого, обман сети, юридического или физического лица. Применяют хакеры, пранкеры и др.
Как работает распознавание лиц?
СРЛ (система распознавания лиц) появилась в 1964 году. Остановимся на существующих системах:
1. Ранние алгоритмы распознавания лиц (они всё ещё используются сейчас в улучшенной и более автоматизированной форме) полагаются на биометрию (скажем, расстояние между глазами), чтобы превратить измеренные черты лица из двумерного изображения в набор чисел (вектор признаков или шаблон), который описывает лицо. Затем алгоритм сравнивает эти векторы с базой данных известных лиц, сопоставление производят таким же образом.
Среди сложностей в этом процессе является приведение граней к нормализованному виду для учёта поворота и наклона головы перед извлечением метрик. Этот класс алгоритмов называется «использование геометрических данных».
2. Другой подход к распознаванию лиц заключается в нормализации и сжатии двумерных (2-D) изображений лиц и сравнении их с базой данных аналогично нормализованных и сжатых изображений. Этот класс алгоритмов называется «использование фотометрических данных»
3. Трёхмерное распознавание лиц использует 3-D датчики для захвата изображения лица или реконструирует 3-D изображение с трёх 2-D камер слежения, направленных под разными углами. 3-D распознавание лиц может быть значительно более точным, чем 2-D распознавание.
4. Анализ текстуры кожи сопоставляет линии, узоры и пятна на лице человека с другим вектором признаков. Добавление анализа текстуры кожи к 2-D или 3-D распознаванию лиц повышает на 20-25% точность распознавания, особенно в случаях двойников и близнецов.
5. Многоспектральные изображения (видимый свет и инфракрасный) позволяют достичь еще большей точности, причём, позволяют учесть расовый тип (негры, «не греющие» благодаря выделению меркаптанов и изобилию потовых желез могут быть чуть более тусклые в инфракрасном свете).
Объединяя и комбинируя эти методы, можно повысить точность распознавания. В среднем, частота ошибок уменьшается вдвое каждые два года.
Ведущие игроки рынка СРЛ (и спуфинга?)
Говорят, не пойман – не вор.
Говорят, разработчики антивирусов – они же и разработчики вирусов.
Говорят, создатели СРЛ – они же и специалисты по спуфингу. Высокотехнологичные лицедеи.
Алгоритмы различных поставщиков и стран мира отличаются. Существует несколько алгоритмов распознавания лиц с открытым исходным кодом различного качества и несколько крупных облачных сервисов, предлагающих распознавание лиц.
Некоторые поставщики предлагают комплексные решения по идентификации, анализируя изображения, видео-аудио, что позволяет идентифицировать объекты, людей, тексты, сцены, виды деятельности, в том числе пользовательские метки и фациальный анализ (позволяет уточнять интерпретацию данных геологической разведки полезных ископаемых).
Среди ведущих игроков рынка Тест поставщика распознавания лиц (FRVT), Google AutoML Vision, API Face
Не все базы данных лиц одинаковы: они отличаются по количеству изображений, численности представленных людей, условиям изображений и освещению.
Правоохранительные органы также имеют доступ к непубличным наборам данных о лицах, таким как текущие фотографии и изображения водительских прав.
Исследователь Итан Мейерс предлагает некоторые убедительные советы по выбору набора данных лиц для конкретной цели.
Поставщики улучшили свои методы борьбы со спуфингом, включив свёрточные нейронные сети. Годовые сравнения показывают значительный рост производительности и точности СРЛ; по словам продавцов, это происходит в первую очередь из-за использования глубокие свёрточные нейронные сети.
Создатели и разоблачители морфинга
Национальный институт стандартов и технологий США в 1990-х годах провёл серию испытаний под названием Технология распознавания лиц (FERET). Новые тесты алгоритмов распознавания лиц (NIST) запущены с 2000 года. Используемые наборы данных изображений в основном представляют собой служебные снимки правоохранительных органов, но также включают в себя неподвижные изображения в дикой природе, изображения с низким разрешением с веб-камер.
Связанные с NIST программы тестирования распознавания лиц изучают демографические эффекты, обнаружение морфинга лиц (от англ. morphing – технология компьютерной анимации, визуальный эффект, создающий впечатление плавной трансформации одного объекта в другой), идентификацию лиц, размещенных в социальных сетях, и идентификацию лиц в видео.
