Вы находитесь в разделе Типовых решений систем безопасности

Смартвидео: системы интеллектуальной обработки видеоинформации. Технологии распознавания лиц

Количество видеокамер наблюдения увеличивается из года в год, приводя к лавинообразному росту загруженности центров мониторинга. Современные компьютерные системы видеонаблюдения обеспечивают мгновенный доступ к данным, поступающим с десятков, сотен и даже тысяч видеокамер. Но беда в том, что все эти гигабайты и терабайты информации зачастую лишь занимают место на дисках и востребованной бывает лишь весьма малая часть данных

Cледить за потоком данных, поступающих в реальном времени одновременно из множественных источников, весьма проблематично и недешево. Одним из наиболее перспективных направлений в области видеонаблюдения является создание автоматизированных компьютерных систем интеллектуальной обработки видеоинформации, выполняющих всю рутинную работу без вмешательства человека, которому остается лишь принимать решения. Такие системы позволяют сократить объемы поступающей к оператору информации и более эффективно использовать человеческие ресурсы. Они позволяют отслеживать движущиеся объекты, классифицировать их, анализировать траектории их движения и поведение людей, обнаруживать оставленные предметы, производить в автоматическом режиме идентификацию транспортных средств и их государственных номеров, идентифицировать лица и производить многие другие действия. Эффективность применения таких систем настолько высока, что для них даже был введен специальный термин: "смартвидео". Эта статья посвящена возможностям одной из наиболее впечатляющих составляющих современных технологий смартвидео - системы захвата и распознавания лиц.

Как работают системы захвата и распознавания лиц

Компьютерные системы распознавания лиц позволяют быстро и с достаточной достоверностью производить сравнение лиц и интенсивный поиск похожих образцов в многомиллионных базах данных. Человеку порой бывает нелегко с достоверностью определить сходство лица человека с его фотографией в паспорте, особенно если этот человек принадлежит к другой национальной (расовой) группе. Так, например, европейцу весьма трудно идентифицировать азиата, и наоборот. Компьютерные системы могут в короткий срок решить эту задачу без участия человека или предложить оператору принцип. возможность самостоятельного сравнения, но не со всеми хранящимися в базе данными, а только с немногочисленной выборкой, наиболее соответствующей запросу.

Существует несколько классов таких систем:

• системы, позволяющие сравнивать фотографии из паспорта и реальное изображение человека, требуют присутствия оператора, позволяют производить операции в полуавтоматическом режиме. Необходимое условие для успешного сравнения изображений - сотрудничество со стороны исследуемой персоны (установленное поведение перед камерой, позволяющее произвести качественный захват лица). Время поиска - в пределах от нескольких секунд до нескольких минут.

• системы, осуществляющие контроль доступа путем сравнения изображения лица человека и изображения из базы данных, требуют дополнительных методов верификации (по проксимити-карте, по отпечаткам пальцев, по голосу и т.п.). Они могут функционировать в автоматическом режиме, требуют сотрудничества со стороны объекта исследования (предъявления проксимити-карты, фиксации перед камерой). Время сравнения составляет несколько секунд.

• системы идентификации личности по видеоизображению позволяют идентифицировать движущиеся лица, производя поиск, отслеживание и сравнение с базой данных в реальном времени. Они могут быть установлены для мониторинга в общественных местах, позволяя идентифицировать людей в толпе и т.д. Идентификация не требует участия исследуемой персоны и может производиться скрытно. Есть принцип. возможность работы в автоматическом режиме, обрабатывая поступающую видеоинформацию и предоставляя результаты в течении 1-3 секунд.

Давайте попробуем разобраться, как работают подобные системы. Происходящий в них технологический цикл может быть разбит на несколько этапов. Для большей ясности изучим каждый из них отдельно.

интенсивный поиск лица на изображении

На этом этапе производится интенсивный поиск лица на изображении с целью его дальнейшего распознавания. Для выделения области лица есть несколько способов:

• выделение областей изображения, близких по цвету к коже и образующих область, схожую с лицом по пропорциям. Достоинства: простота реализации, быстрая работа алгоритма. Недостатки: работе алгоритма мешают сильные вариации в цвете кожи у разных людей и сильно неравномерное освещение лица.

• выделение контуров на изображении, последующая аппроксимация контуров овалом с заданными параметрами погрешности и трактовка данной области как лица при успешной аппроксимации. Достоинства: алгоритм работает при нефронтальном позиционировании лица. Недостатки: низкая устойчивость к шуму.

• выделение симметрий на изображении с нейросетевой классификацией. Недостаток у подобных систем только один: они требуют наличия у производителя специальных наукоемких технологий, которые возможно создать только после множественных лет целенаправленной работы. Достоинства: устойчивость к шуму и неравномерной засветке лица.

Алгоритм выделения лица должен соответствовать условиям эксплуатации системы. В охранных системах используются стандартные CCTV-камеры, весьма часто эксплуатация происходит при низком освещении и, как следствие - высоком уровне шума. Стандартные камеры имеют низкое разрешение, не достаточное для выполнения требований к надежности захвата лица. При выборе системы нужно учитывать, какой класс алгоритмов использует данный продукт.

Трекинг лица м. кадрами видеопотока

В системах обработки видеоизображения такили иначе имеются схемы трекинга: отслеживания перемещения лица м. кадрами для выбора оптимального ракурса и качества изображения. При работе с видеопотоком изображения поступают с частотой 25 кадр/с.Такая частота смены ракурса крайне неудобнадля оператора и сводит на нет экономию размера архива. Поэтому система должна из всей последовательности выбрать 1-2 ракурса и предоставить оператору по одной фотокарточке на человека. Для этого используются алгоритмы аппроксимации и предсказания вектора движения или корреляционные алгоритмы. В случае с видеопотоком возможны комбинации вышеперечисленных методов с межкадровым анализом и т.п. есть достаточное количество хорошо зарекомендовавших себя методов, но не все они подходят для систем, работающих в реальном времени

интенсивный поиск основных признаков лица

Следующим этапом цикла идентификации является интенсивный поиск на изображении основных признаков лица, таких, как глаза, нос, рот и т.д. Для этого могут быть использованы многие из вышеперечисленных алгоритмов.

После того как найдены основные признаки, изображение лица приводится к стандартному виду: масштабируется, разворачивается, в некоторых случаях также определяется положение (фас, 3/4 или точные 3D-координаты). Изображение корректируется; нормализуются яркость, контрастность.

Непосредственное сравнение полученного изображения с другими ресурсоемко и неэффективно, поэтому из него, выделяют характерные признаки и преобразуют его в другую, более подходящую для сравнения форму: в вектор малой размерности или в граф.

Сравнение полученного представления изображения с существующей базой данных

Последним этапом обработки изображения является сравнение полученного представления с имеющимися в базе данных (идентификация) или сравнение "один-к-одному" (верификация).

Практика применения систем захвата и распознавания лиц

В настоящее время системы захвата и распознавания лиц окружены ореолом различных мифов. Специалисты в области компьютерного зрения с пеной у рта спорят о надежности процедуры верификации лиц. Многие считают системы распознавания лиц скорее атрибутом фантастических фильмов, чем реально работающими технологиями. но уже в настоящее время есть ряд объектов с успешно внедренными на них автоматическими системами захвата и распознавания лиц в реальном времени. проблема внедрения таких систем все так же требует детального разбора с приведением примеров.

Прежде всего разделим задачи систем распознавания лиц на две группы, каждая из которых обладает самостоятельной ценностью. Первая группа - захват лиц в потоке людей и ведение по ним базы данных. Можно считать, что уже сейчас эти задачи имеют надежное технологическое решение, с чем врядли кто-нибудь из специалистов будет спорить. Вторая группа задач - автоматическая верификация - сейчас также вполне решаема на практике, хотя и не однозначна. Например, едва ли можно в настоящее время рекомендовать подобные системы для реализации автоматического доступа на особо важные объекты: вероятность ложной несработки слишком велика для данного типа задач. но представьте себе другую ситуацию: система захвата и верификации лиц установлена в мониторинговом центре, осуществляющем слежение (при помощи оператора, разумеется) за местами массового скопления людей, холлами крупных отелей, залами ожидания аэропортов и железнодорожных вокзалов и им подобными. Даже если система всего лишь поможет обратить внимание оператора на какие-либо лица, обладающие сходством с имеющимися в базе данных, это существенно увеличит оперативность реагирования с целью предотвращения опасных ситуаций. Для решения задач данного типа системы распознавания лиц не только необходимы, но и уже сейчас вполне могут быть реализованы на практике. Примеры из жизни способны доказать то и другое.

Пример первый: Palace Hotel, Нью-Йорк

Установленная система распознавания лиц обслуживает 96 камер со скоростью 5 кадр/с на один видеоканал (такая v работы была специфицирована службой безопасности гостиницы), для чего используются 3 видеосервера. Система осуществляет захват лиц и сравнение их с изображениями, имеющимися в базе данных полиции Нью-Йорка. При обнаружении сходства сравниваемых изображений оператору выдается предупреждающий сигнал, после чего служба безопасности гостиницы проводит тщательную проверку данной ситуации.

Пример второй: Железнодорожная станция TaiYuan City, Китай

Установленная система захвата и распознавания лиц обслуживает все камеры железнодорожной станции, передавая результат обработки видеоинформации на большой экран центра мониторинга. Система настолько успешно себя зарекомендовала, что ее работе была посвящена специальная статья в одной из центральных газет КНР.

Читайте далее:
IP-революция
IP- видеокамеры: взгляд на отечественный рынок
IР-видеонаблюдение: мифы и реальность
WV-CU650 и WV-AS60 Локальное и сетевое управление системами цифровых регистраторов серии WJ-HD300
CCTV: перспективы развития и прогнозы
Россия в эпоху цифрового CCTV
Черно-белые видеокамеры высокого разрешения
Цифра ли, аналог ли -главное качество!
интенсивный поиск информации в больших видеоархивах
Цифровые видеорегистраторы: что выбрать?
Компактная цветная система видеонаблюдения для малого бизнеса "из одной коробки"
CPcam. Эволюция ваших желаний
Развитие сетевого видео привлекает новых игроков на рынок
Грудничковые хроники доктора Пилюлькина (По материалам блога Михаила Руцкова Печатается в авторской
Дурная наследственность