Практический опыт внедрения биометрических технологийидентификации личности

Конференция Intelligent Video 2.023.11.2011Докладчик: Андрей Хрулев

Слайд 2

Рынок систем идентификации личности

Объемы рынка систем идентификации личности (по данным International Biometric Group)

$ 10,000.0

$ 9,000.0

$ 8,000.0

$ 7,000.0

$ 6,000.0

$ 5,000.0

$ 4,000.0

$ 3,000.0

$ 2,000.0

$ 1,000.0

$ 0.02009 2010 2011 2012 2013 2014

Слайд 3

Структура рынка идентификации личности

по данным International Biometric Group

Слайд 4

Факторы, влияющие на эффективность биометрии лица

Объективные факторы

Субъективные факторы

Технологические факторы

Биометрия лица

Слайд 5

Объективные факторыОсвещенность

Низкая освещенность приводит к «размытию» изображения лица и снижению эффективности детектирования и идентификации

Создание необходимых условий освещенности на объекте (не менее 80 Лк)

Применение камер на основе современных высокочувствительных сенсоров (типа Sony ICX285AL)

Применение ИК-подсветки и ИК-камер

Повышение эффективности идентификации на 15-40%

Слайд 6

Объективные факторыРазмер изображения лица на кадре

Малый размер изображения лица снижает эффективность алгоритмов распознавания

60-90 пикс

10% - 20% от линейного размера кадра

Применение IP-камер высокого разрешения (не менее 1 МПикс)

Корректный выбор области видеонаблюдения на объекте и калибровка камеры

Повышение эффективности идентификации на 40-50%

Слайд 7

Объективные факторыКачество исходных баз данных

База данных МВД России

База данных по ИСО/МЭК

Формирование единой разыскной базы данных в соответствии с требованиями ИСО/МЭК 19794-5

Применение современных алгоритмов распознавания, устойчивых к искажениям исходных данных

Обязательная оценка качества !

Повышение эффективности идентификации на 10-90%

Низкое качество исходных изображений в базе данных приводит к повышению вероятностей ошибок ложной идентификации

Слайд 8

Субъективные факторыРакурс лица

Необходимо обеспечить отклонения лица от фронтального положения не более чем на 20 градусов за счет корректного расположения камеры

Многокамерная (мультикаскадная) идентификация личности

Применение современных алгоритмов распознавания, устойчивых к искажениям исходных данных

3D моделирование

Значительные отклонения лица от фронтального положения искажают геометрию лица и повышают вероятности ошибок ложной идентификации

Слайд 9

Динамическая оценка ракурса лица

Динамическое моделирование геометрии лица и автоматическая оценка ракурса

Слайд 10

Субъективные факторыДинамика потока людей

Плотность потока людейСкорость пассажиропотокаНаправление потока людей

Корректная организация потока людей на объекте в зонах идентификации (зоны досмотра, переходы, эскалаторы, зоны контроля и т.п.)

Правильная установка и калибровка камер на объекте

Применение высокоскоростных алгоритмов распознавания, обрабатывающих не менее 20 кадров в сек.

Технология сопровождения (трекинг)

Слайд 11

Субъективные факторыМаскировка внешности

Применение современных алгоритмов распознавания, устойчивых к искажениям исходных данных (учитывающих сложные геометрические модели)

Наличие значительной обучающей выборки для работы алгоритмов распознавания

Оценка качества изображений лиц в видеопотоке

Незначительная маскировка внешности (капюшоны, головные оборы, очки, усы, бороды и т.п.) искажает геометрию лица и «сбивает» работу алгоритмов распознавания

Слайд 12

Технологические факторыВычислительные ресурсы

Детекция лица

Формирование шаблона

Идентификация

Оценка качества

Конфликт ресурсов!

Централизованная схема работы Распределенная схема работы

Детекция лица

Оценка качества

Формирование шаблона

Иденти-фикация

Вычислит. блок

СерверИнтеллект.камера

Повышение эффективности обработки видеопотока в 3-5 раз

Слайд 13

Основные тенденции развития биометрии лица

Построение систем идентификации личности на основе распределенных вычислительных комплексов, включающих интеллектуальные IP-видеокамеры

Применение современных алгоритмов распознавания изображений лица, устойчивых к искажениям исходных данных и обеспечивающих автоматическую оценку качества

Применение методов «социальной инженерии» для организации потока людей в зонах идентификации личности

Применение современных высокочувствительных сенсоров в камерах видеонаблюдения (камеры машинного зрения)

Применение многокамерной видеоаналитики для мультикаскадной идентификации личности

Объединение систем идентификации личности в единую комплексную аналитическую систему оперативно-разыскных мероприятий

Спасибо!

Москва, ул. Юности д. 13АТ: +7 (495) 648-08-08Ф: +7 (495) 648-08-07www.technoserv.ru