Диссертация (1172947), страница 4
Текст из файла (страница 4)
Первая ошибкаупоминалась выше. Вторая ошибка отражает случаи, когда система распознаетчеловека, на самом деле не являющегося искомым лицом из установленногосписка или путает его с другим человеком, – ее принято называть FAR (FalseAcceptance Rate), положим ее в качестве ошибки второго рода [78].Устойчивостькнеконтролируемымусловиям—характеристика,эмпирически оценивающая устойчивость работы системы при различныхвнешних условиях. Важной характеристикой является скорость работы, онаопределяет, насколько быстро преступник будет задержан.Применение высокоскоростных дорогостоящих систем при проведенииоперативных мероприятий в условиях, когда оно с участием большого количествалюдей длятся от нескольких часов до нескольких дней не выгодно. Гораздоудобнеевэтомслучаевоспользоватьсясуществующимисистемамивидеонаблюдения, которые уступают по возможностям системам техническогозрения.1.3 Функционирование систем идентификации по изображениюБольшое внимание в технической литературе уделяется рассмотрениюпринципов работы и созданию на их основе специализированных системтехнического зрения.
Данные системы могут применяться не только в системахобеспечения безопасности, но также и в других областях. Например, напроизводстве,дляобеспечениядеятельностироботов-сборщиковготовойпродукции, в промышленной радиографии, или при проведении аэрофотосъемки.Типовой процесс технического зрения в ИАС можно определить каквыделение, идентификацию и преобразование информации из изображений. Егоможноразделитьпредварительнаянашестьобработка,интерпретация ([89], с.9).основныхсегментация,этапов:снятиеописание,информации,распознавание,18Данные этапы с учѐтом действий оператора приведены на рисунке 1.2.Прокомментируем сами этапы в свете прояснения задач исследования.
В данномслучае рассматривается только подсистема технического зрения в ИАС.Снятие информации – получение видеопотока с набором изображений. Приэтом, учитывая специфику ИАС, можно говорить, что они имеют дело сполутоновыми изображениями или наборами характерных точек в геометрии лиц,которые в состоянии давать применяемые в настоящее время видеокамеры. Приэтом возможное их улучшение в ходе передачи данных с камеры на объектобработки будет представлять собой действие второго этапа работы ИАС.
Частосистема сама в состоянии производить подчеркивание границ исследуемогоизображениякаким-либоспособом,например,путемвысокочастотнойфильтрации.При дальнейшей машинной обработке на этом этапе используется системаулучшения изображения, которая тесно связана с алгоритмами извлеченияинформации из видеопотока. Процедура улучшения изображений в ИАС частосводится к выполнению ряда действий для улучшения визуального восприятияизображения оператором. А иногда, если позволяют вычислительные ресурсы,преобразует его в форму, более удобную для визуального анализа.При проведении машинного анализа изображений возникают задачитретьего этапа.
В ходе его проведения решаются задачи сегментации, фильтрациипомех, выделения изображений из фона, определение границ объектов.Сегментация, в рассматриваемом случае, – это выделение объектов на лице. Вболее общем виде, это выделение наборов признаков (характеристик) дляопределѐнных классов объектов, которые считаются подклассами какого-тосуперкласса.Описание, четвѐртый этап, требует определения значений конкретныхпризнаков(характеристик)сегментации.дляклассовобъектов,выявленныхвходе191. Снятие информации2. Предварительная обработка3. Сегментация4.
Описание5. Распознавание6. Интерпретация7. Принятие решения оператором(портретная экспертиза)Рисунок 1.2 Алгоритм (этапы) типового процесса технического зрения в ИАС, учѐтомиспользования системы операторомМетоды распознавания образов принято делить на группы. Одна из нихоснована на сравнении полученного набора значений признаков с эталонами.Другая – на понятии систем непересекающихся подмножеств признаков. Следуетотметить, что данная группа методов сходна с первой. Ещѐ одна группа методовраспознавания использует понятие конструкции рассматриваемых образов. Врезультате еѐ применения для описания объекта создаѐтся список (векторописаний примитивов). Он содержит информацию об используемых для описанияпримитивах, входящих в состав объекта, и об их взаимном расположении. В базеданных (БД), или хранилище объектов, хранится набор «эталонов», сходных поструктуре описания с объектом распознавания. Для установки факта совпадения(принадлежности к данному классу) выполняются процедуры попарногосравнения списков или, после предварительной сортировки объектов на группыпо характерным примитивам, поиска по двоичному дереву.20Обычно получение описаний изображений представляет собой задачу,связанную с перехода от набора признаков изображения,полученных извидеопотока, например, значений яркости, контрастности, положения точек,параметры текстуры, к набору средств описания объекта в виде вектора чисел.Такие наборы чисел требуют значительно меньше вычислительных ресурсов имогут служить в качестве исходных данных для их последующей машиннойинтерпретации.Интерпретация на основе распознавания – шестой этап работы системытехнического зрения.
На этом этапе происходит выявление принадлежностиинтерпретируемого по группе признаков и их значений объекта к определѐннойгруппе распознаваемых объектов, имеющихся в распоряжении системы. Данныйэтап может осуществляться как автоматически на основе распознавания, так иоператором. Но в большинстве используемых на сегодняшний день ИАС стехническим зрением окончательное решение принимает оператор.
И это указанона риcунке 1.2 в качестве 7 этапа.Кроме того, следует заметить, что «распознавание лица предусматриваетвыполнение любой из следующих функций: аутентификация - установлениеподлинности "один в один", идентификация - поиск соответствия "один измногих"» [97].
Данное уточнение необходимо во избежание путаницы впоследующих описаниях деталей решаемых задач.21Этап 1: обнаружение лица(организованный направленный потоклюдей)Этап 2: оценка качества (программаосуществляет выбор изображений,которые удовлетворяют заданнымкритериям качества)Этап 3: построение шаблона (нетривиальноематематическое преобразование изображения лица внабор признаков)Этап 4: сопоставление и принятие решениясистемой (решение о наличии или отсутствииидентичной личности в БД)Этап 5: Оценка качества работы системыоператором (визуальная оценка)Принятие решения операторомРисунок 1.3 Алгоритм (этапы) работы системы распознавания лицПрежде чем переходить к выводам относительно функций тех или иныхсистем в отношении их пригодности к решению задач исследования, установим,какие же системы используются в РФ, и как они применяются.
Для этоговоспользуемся некоторыми обзорами. Так, в частности, в [97] говорится: «ВРоссии наибольшее распространение получили такие биометрические движки,как Cognitec (разработка компании Cognitec Systems GmbH, Германия), "Каскадпоток" (разработка компании "Техносерв", Россия), FRS SDK (разработкакомпании Asia Software, Казахстан), FaceIt (разработка компании L1 Identity22Solutions, США)». Под «движками» в данном случае понимаются системыраспознаваниялиц,которыевобщемслучаеявляютсяподсистемамикомплексных ИАС.На основе анализа алгоритмов работы этих систем автор [97] делает выводыотносительно алгоритма их работы. Для того чтобы увидеть отклонения от такоготипового алгоритма, рассмотрим алгоритм работы системы распознавания лиц.Он «в любом биометрическом движке выполняется в несколько этапов:обнаружение лица, оценка качества, построение шаблона, сопоставление ипринятие решения» [97].
Алгоритм приведѐн на рисунке 1.3. Про систему FaceItбыло сказано выше, а про Каскад-Поток [97] будет сказано несколько слов далее.На этапе 1 для качественного съѐма информации должны работатьорганизационные меры (например, пропуск людей через пропускной пункт, гдеони будут задерживаться на небольшое время) и интеллектуальные камеры. Этосамо по себе накладывает определѐнный отпечаток на комплексные ИАС, так какзначительно увеличивает их стоимость и повышает процент неавтоматическогоучастия людей в процессе.
При этом стоимость самой системы не включает в себястоимостиорганизационныхдополнительныхмероприятийчеловеческихистоимостиресурсов.участияСтоимостьвнихпримененияинтеллектуальных камер в общей стоимости ИАС также в расчѐт не принимается.Предполагается, однако, что данный инструмент снятия информации будетподобно компьютеру выполнять программы для производства метаданных,содержащих сведения о найденных лицах. Каким образом при этом будеторганизован канал передачи данных на сервер, и как будет осуществляться анализвидео в камерах, автор статьи не говорит.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
