Практический опыт внедрения биометрических...
DESCRIPTION
Доклад Андрея Хрулева на конференции Intelligent Video 2.0TRANSCRIPT
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