Я тебя знаю?
За распознавания лиц отвечают алгоритмы. Подключаясь к камере, они анализируют все поступающие изображения и соотносят их с теми, которые есть в базе данных. За обработку информации отвечает нейросеть, которая учитывает также дополнительные параметры: пол и возраст человека, насколько вероятно, что именно он находится в конкретном месте, имеет ли он право здесь находиться. Сканирование проходит по заданным векторам, к которым привязаны все параметры лица – это и расстояние между глазами, и высота лба, и размер носа, и контуры скул, а еще – морщины, родинки, пигментные пятна.
Получая изображение, нейросеть сопоставляет его с теми, которые уже есть в базе. На первом этапе фильтруются самые легко определимые черты – пол, национальность, – а дальше идет проверка по фотографиям. Если совпадение достигает 90% или выше, человек считается опознанным.
На первый взгляд, задача простая, но на практике вычислительные системы сталкиваются с целым рядом проблем.
Во-первых, на улицах люди не позируют перед камерами: лица получаются смазанными, в пол-оборота, закрытые очками или головными уборами.
Во-вторых, мимо камер проходят толпы людей. Если алгоритм будет слишком медленным, он не успеет проверить всех, кто попадает в поле зрения камеры.
И в-третьих, базы данных, с которыми сверяются системы, чаще всего неполные. Для точной работы требуется несколько десятков фотографий каждого человека, причем в разных ракурсах и позах, на разных фонах. В случае, когда есть возможность подключить базу данных из социальных сетей, задача, конечно, упрощается, но злоумышленники часто не имеют личных аккаунтов и не выкладывают фотографии в Интернет.
Работа над ошибками
В биометрических измерениях без ошибок не обойтись, это признают производители всех систем. По сути, ошибки бывают двух видов:
— человек есть в базе, но система его не узнала (ошибка типа «false reject rate»).
— человека нет в базе, но система его опознала (ошибка типа «false access rate»).
И еще есть третий вариант: алгоритм работает слишком медленно и выдает результаты слишком поздно.
Соответственно, чем ниже процент ошибок, тем качественнее система. Дополнительное обучение на больших базах и увеличение производительности помогают уменьшать процент ошибок.
Оценить качество работы алгоритмов можно с помощью тестов, среди которых один из самых авторитетных – от NIST (Национальный институт стандартов и технологий США). Производитель предоставляет институту свое оборудование и алгоритмы и не принимает участие в нем – институт проверяет работоспособность системы на собственных закрытых базах.
2% точности
2018 год стал годом пилотных проектов в области распознавания лиц: сразу в нескольких крупных городах по всему миру заработали аналогичные системы. Что интересно, с разными результатами.
Лондон, Великобритания
Британская система пока бьет отрицательные рекорды. Запущенные Скотланд-Ярдом алгоритмы за три месяца показали 98% ложных срабатываний, и только в 2% узнавали людей правильно. За время тестов не удалось задержать ни одного правонарушителя.
Китай, по всей стране
Китайский Sky Net – одна из крупнейших систем распознавания лиц в мире, к ней подключены десятки миллионов камер по всей стране, которые передают максимум информации о перемещении людей, их роде деятельности и законопослушности. По внутренним оценкам, уровень точности колеблется от 60 до 70%.
А в феврале в Чжэнчжоу к Sky Net подключили смарт-очки для полицейских. Они работают медленно – на проверку человека по базе данных нужно от полутора до трех минут – зато с высокой точностью. За первые полторы недели пилотного проекта на многолюдном вокзале полицейским удалось задержать семерых человек, подозреваемых в преступлениях, и еще более двадцати, пользующихся фальшивыми документами.
Вашингтон и Нью-Йорк, США
В Штатах системы распознавания лиц тестируют в аэропортах. Публично результаты тестов, запущенных в августе, не разглашаются, но на третий день после установки одного человека, пытавшегося выйти из аэропорта по поддельному паспорту, уже распознали и задержали (сотрудники аэропорта, в отличие от нейросети, ничего подозрительного не заметили).
Еще один пилот – в неблагополучном многоэтажном жилом комплексе River Park Towers (Нью-Йорк). Там установлена китайская система от компании Hikvision и на ее счету уже тоже минимум одно успешное задержание.
Орландо, США
С мая одну из самых известных систем распознавания лиц в мире — Rekognition от Amazon – испытывают полицейские в Орландо. Она особенно хорошо помогает раскрывать мелкие преступления – кражи из магазинов, ограбления на улицах. Если преступник засветился на камере, нейросеть сама находит его в соцсетях и сообщает об этом полиции.
Москва, Россия
В российской столице алгоритмы распознавания лиц работают с середины 2017 года – тогда они появились возле подъездов домов. По официальным данным, это повысило уровень раскрываемости преступлений на 50%. С апреля 2018-го алгоритмы распознавания лиц от компании VisionLabs и Сбербанка действуют в метро, а в январе 2019 года мэр Москвы Сергей Собянин сообщил, что аналогичные системы запускаются по всему городу.
Также с помощью технологии задержали болельщика, который пытался украсть спонсорский кубок для лучшего игрока.
Города проведения ЧМ-18, Россия
Другая российская система (FindFace Security от компании NTechLab) показала себя на Чемпионате мира по футболу 2018. К ней подключили более 500 камер в районе стадионов и фанзон и задержали более 180 нарушителей.
Технологический чемпион
Сейчас лидерство в сфере распознавания лиц принадлежит российским компаниям – в мировых рейтингах (NIST, IARPA) лидируют NTechLab и VisionLabs. Алгоритмы этих компаний справляются даже с самыми сложными задачами: распознают людей в гриме, считывают эмоции. NTechLab отличается еще и способностью распознавать детские лица.
В прошлом году NTechLab также вошла в число призеров конкурса WIDER Pedestrian Challenge по определению силуэта – задача заключалась в том, чтобы максимально точно определить движущегося пешехода или велосипедиста, отделить от статичных объектов и выстраивать маршруты. Вместе с технологией распознавания лиц определение силуэта поможет еще точнее выявлять правонарушителей и ловить их.
До 1 сентября 2018 года качество работы алгоритмов NTechLab мог оценить любой пользователь: в открытом доступе находился сервис FindFace, который мгновенно узнавал человека по фотографии и показывал его профили в социальных сетях. Сервис сразу же создал несколько негативных прецедентов: с его помощью анонимное сообщество «Двач» устроило настоящую охоту на порноактрис, а жители нескольких городов провели самосуд, вычислив подъездных хулиганов и мелких правонарушителей.
Конгрессмены-преступники
Несмотря на то, что во всех городах, где действуют системы распознавания лиц, власти позиционируют их как способ предотвращения преступлений, общественность часто выступает решительно против, опасаясь нарушения конфиденциальности, тотальной слежки и антиутопических сценариев, близких к «1984» Джорджа Оруэлла. А еще больше опасаются ошибок, из-за которых могут пострадать невиновные.
В июле Американский союз гражданских свобод обратился к Конгрессу США с петицией против систем распознавания лиц. Союз настаивает, что до тех пор, пока точность распознавания лиц не достигнет 100%, ее нельзя использовать в правоохранительных целях. Чтобы доказать свою позицию, представители союза просканировали фотографии всех конгрессменов через систему распознавания лиц Amazon Rekognition – и система опознала 28 человек (более 5%) как разыскиваемых преступников.
Законно?
Когда дело доходит до разрешений или запретов на использование системы распознавания лиц, законодательство многих стран пасует. Так как технология начала внедряться совсем недавно, законодательная база еще не проработана.
В России этот вопрос регулирует «Закон о персональных данных» (ФЗ №152). Он разрешает сбор, обработку и использование персональных, в том числе биометрических данных, только с личного согласия. Однако случаи использования данных в целях сохранения безопасности, для противодействия терроризму, осуществления оперативно-розыскной деятельности попадают в список исключений.
Сейчас в России разрабатываются дополнительные законодательные акты, которые более явно регулировали бы использование биометрических данных – они входят в программу «Цифровая экономика».
В Китае все проще – государство на законодательном уровне имеет право на сбор, обработку и хранение персональных данных. А вот в США законодательство разных штатов трактует ситуацию по-разному.
Технология распознавания лиц от Facebook, как оказалось, противоречит законодательству штата Иллинойс – и жители штата подали на корпорацию в суд.
Добро пожаловать!
В целом, мы пока не можем расслабиться и предоставить предотвращение преступлений видеокамерам с умными алгоритмами – системы ошибаются, путаются в толпах людей, а базы данных остаются неполными. Между тем, представители крупнейших компаний, которые занимаются разработкой систем распознавания лиц, уверены, что за ними – наше будущее. Причем это будущее не только в резком снижении уровня криминала, но и в повышении комфорта повседневной жизни.
Так, уже действуют коммерческие решения для офисов: сотрудникам не нужно прикладывать пропуска на входе, камеры узнают их в лицо и пропускают. В магазинах начинают работать системы узнавания постоянных клиентов: продавцы получают информацию о его имени, частоте покупок и предпочитаемых товарах.
Пока крупные компании разрабатывают системы для предотвращения преступлений, программист из Голландии нашел технологии другое применение. Он настроил нейросеть так, чтобы она узнавала за окном его кота и впускала его домой, когда он попросится.
