Камеры наблюдения для распознавания лиц.

Качество картинки и её разрешение играет важную роль в возможностях системы.
Разрешение в 1 Мп позволяет обнаруживать и образы объектов, различать человека или собаку.
Уже 2 Мп позволяет провести небольшой анализ, может быть полезно если не нужна высокая точность системы.
Для полноценной идентификации необходимо хотя бы 5 Мп в камере, это позволит провести глубокий и детальный анализ по множеству параметров.
Важен также и угол обзора, если лицо снять в анфас, то обработать его проще. Кроме того, необходимо понимать что нужно не просто распознать образ, но сделать это с учетом возможных изменений. Например, появление бороды, изменение цвета волос или глаз.

Применение.

Ключевой сферой, конечно, будет безопасность. В Москве будет реализована система для поиска преступников экспериментальная стадия проекта уже прошла успешно.
Другие области:
•СКУД;
•Учет рабочего времени;
•Реклама (возраст, пол, подсчёт числа посетителей);
•Платёжные системы;
•Частные домашние системы и мобильные телефоны.
Власти в Китае в экспериментальном порядке даже контролируют мусорки с разделением отходов, и если вы не соблюдаете порядок, то можете получить штраф. Да и в целом городская среда однозначно будет только расширять сеть видеонаблюдения и использования ИИ, как для контроля преступлений, так и для получения десятков других метрик о потоке людей. Как и у любой системы тут есть две стороны медали, и на обратной находится наша приватность, а на лицевой — защита. С другой стороны, к контролю дорожного движения и автоматическим штрафам все уже привыкли, и это лучше чем терять по пол часа рядом с инспектором, а в некоторых случаях справедливее.

Что говорит об этом закон?

Почти ничего. В Великобритании нет закона, который дает полиции право использовать программу по распознаванию лиц, и никакой государственной политики по ее использованию. Это привело к тому, что комиссар по биометрии Пол Уайлс назвал ситуацию выгодной для полиции, которая сама решает, где и когда целесообразно использовать программу распознавания лиц и что делать с изображениями, которые снимают камеры.

«В моем устройстве скрытый микрофон?» На что способны наши новые гаджеты

Компания «Свобода» призвала к полному запрету использования программы в режиме реального времени в общественных местах, заявляя, что она нарушает право на частную жизнь и принуждает людей менять свое поведение. Группа подала судебный иск против полиции Южного Уэльса в связи с использованием этой технологии. Подобные же претензии выразил Эссекский университет в ходе независимого обзора использования полицией программы распознавания лиц. Было доказано, что людей ошибочно задерживали, а значит, технология используется для выслеживания людей, которые вовсе не находятся в розыске. В заключении было сказано, что распознавание лиц в режиме реального времени нарушает закон о правах человека.

Еще одна область разногласий – списки людей, находящихся в розыске. Несмотря на решение Верховного суда 2012 года, что хранение изображений невинных людей незаконно, полиция постоянно создавала базу данных из задержанных 20 миллионов человек, многие из которых так никогда и не были осуждены. Фотографии из базы данных и из социальных сетей используются для создания списков людей, находящихся в розыске, и используются в системах распознавания лиц. В частном бизнесе ситуация еще хуже – владельцы магазинов и предприятий сами решают, кто входит в секретные списки находящихся в розыске и обмениваются фотографиями с другими фирмами.

В США ситуация не намного лучше. Только в пяти штатах есть законы, которые касаются использования программы по распознаванию лиц правоохранительными органами. Путаница в законе привела к тому, что в то время, как в полиции Сиэтла и Сан-Франциско запрещено использовать программу в режиме реального времени, в офисе шерифа в округе Марикопа, штат Аризона, каждое фото и водительские права жителей Гондураса проверяются по списку подозреваемых через программу распознавания лиц.

Методы решения задачи.

Рассмотрим их упрощенно надо понимать, что алгоритмы могут совершенствоваться, изменяться и комбинироваться, однако в целом подход к решениям задач имеет довольно четкие представления.

1.Гибкое сравнение на графах.

В основе эталонный граф с набором параметров остается неизменным, в то время как другие деформируются под него. Структура лица воспринимается с привязкой к основным точкам, иначе говоря, происходит подстраивание образа под взятую эталону модель. Чем больше вы берете точек, тем продолжительнее и сложнее вычисления, даже с ростом уровня мощности компьютеров эта задача остается достаточно ресурсоемкой.

2.Нейронные сети.

Обладают множеством различных алгоритмов, каждый из которых стремится к улучшению показателей. Нейронные сети отлично показывают себя в системах машинного обучения, и неплохо справляются с распознаванием образов. Для их обучения могут использоваться миллионы готовых образов, оцениваются десятки параметров и параллельно выполняется множество процессов. Развитие электроники позволяет выделять значительные вычислительные мощности для работы такой сети. На их основе строятся основы алгоритмов ИИ, которые позволяют определить пол, возраст, и другие параметры. Для рекламы – это возможность персонализировать через камеры видеонаблюдения баннеры под тех, кто на них смотрит. А в сочетании с аналитикой и технологиями больших данных, получается добиваться удивительных результатов.

3.Скрытые Марковские модели.

В целом довольно тяжелый и малоэффективный способ, который показывает не очень высокие результаты, но может найти своё применение.
 

Как это работает?

Во-первых, компьютер должен понять, что такое лицо. Научить его можно через алгоритм, обычно глубокой нейронной сети, на примере огромного количества фотографий в различных приложениях. Каждый раз, сталкиваясь с изображением, алгоритм оценивает, где находится лицо. Сначала будет много мусора, но постепенно алгоритм улучшается и в конечном итоге овладевает искусством определения лиц. Это шаг к функции распознавания лиц.

Искусственный интеллект интернета. Как нас заставляют лайкать, кликать и покупать

Следующая ступень – распознавание. Обычно используется вторая нейронная сеть. Она получает серию фотографий и учится отличать одно лицо от другого. Некоторые алгоритмы непосредственно отображают лицо, измеряя расстояния между глазами, носом и ртом и так далее. Другие отображают лицо, используя более абстрактные черты. В любом случае, сеть выводит вектор для каждого лица – строку чисел, которая однозначно идентифицирует человека среди других в обучающем блоке.

Программное обеспечение работает с видеоматериалами в режиме реального времени. Компьютер сканирует кадры видео, как правило в местах скопления людей, например на входе на футбольный стадион. И сначала он обнаруживает в кадре лица, а затем выдает векторы для каждого из них. Затем векторы лица сравниваются с векторами лиц людей в розыскном списке. Все совпадения, которые проходят предварительно установленный порог, затем ранжируются и отображаются.

Это не единственный способ, который использует полиция для распознавания лиц. Если подозреваемый замечен, офицеры могут загрузить снимки преступника из базы данных и искать записи с камер видеонаблюдения, чтобы проследить путь подозреваемого до места преступления.

Дополнительные функции глубокого анализа

Конечно, наше воображение, подогретое слухами о предстоящем цифровом контроле населения через камеры наблюдения, рисует поистине безграничные возможности для данной технологии: мы мечтаем о поиске человека по фотографии, о каталогизации его перемещений по нашему объекту, где ведётся видеонаблюдение, о возможности поиска его профиля в соц.сетях, но… реальность куда более прозаична. На сегодня функционал Synology DVA3219 позволяет обнаруживать на видео людей и… просматривать последние события по событиям в общей ленте.

Данная функция может быть особенно полезна, когда вы наблюдаете за какой-то большой территорией, например, внутренним двором здания, и в общем потоке событий вам будет легко определить, когда в поле зрения камеры попадали люди, а когда — транспортные средства. Впоследствии при расследовании инцидентов это может сократить время нахождения видеозаписей.

Собственно, из возможности отделять людей от машин и произрастают две дополнительные функции интеллектуального видеонаблюдения: подсчёт людей, пересекающих некую виртуальную границу, и улучшенное определение движения. Сегодня работа с людскими потоками, возможность предсказывания направления толпы в разных условиях, является едва ли не базовым столпом урбанистики и рекламы. Но для того, чтобы суметь посчитать число посетителей, проходящих через дверь, камера должна быть установлена строго на потолке и смотреть на макушки. У нас такой возможности нет, поэтому протестировать мы её не можем. К слову, сегодня технологии для видеонаблюдения позволяют подсчитывать количество посетителей и строить тепловые карты посещаемости объектов, так что никаких технических ограничений для этой функции нет, и Synology надо срочно исправляться.

Как насчет других биометрических данных?

Конечно, технология распознавания лиц в центре внимания, но полиция и другие организации внимательно изучают новые биометрические данные, которые идентифицируют людей, помимо отпечатков пальцев и ДНК.

Говорят, что анализы текстуры кожи компенсируют проблемы при попытке распознать частично закрытые или искаженные лица, анализируя расстояние между порами кожи. Этот метод не часто тестировался, но разработчики утверждают, что, возможно, он позволит различать близнецов.

Еще один биометрический анализ, который интересует полицию, так как он применим на расстоянии и без взаимодействия с человеком, – это анализ походки.

Алгоритмы идентифицируют людей по уникальному стилю их шага, отражая различия в анатомии, генетике, социальном происхождении, привычках и индивидуальности.

Алгоритмы идентифицируют людей по уникальному стилю их шага, отражая различия в анатомии, генетике, социальном происхождении, привычках и индивидуальности.

Есть еще распознавание вен, когда оптические сканеры составляют карту кровеносных сосудов на руке, пальце или в глазу. Считается, что сканеры трудно обмануть, так как наши вены находятся под кожей. Система PalmSecure Fujitsu использует карты вен для мониторинга сотрудников на различных предприятиях.

Идентификация голоса уже используется банками и Министерством по налогам и сборам для подтверждения личности. В отличие от распознавания речи, которое переводит звуки в слова, идентификация голоса обнаруживает уникальные акустические паттерны, созданные голосовым трактом человека и его речевыми привычками.

Как технология распространяется?

Большую роль сыграли достижения в трех областях: большие данные (big data), глубокие сверточные нейронные сети и мощные графические процессоры.

Благодаря Instagram, Facebook, Flickr, Google и другим системам в интернете находятся миллиарды фотографий лиц людей, которые были объединены в огромные наборы данных. Они используются для обучения глубоких нейронных сетей – главной опоры современного искусственного интеллекта – для обнаружения и распознавания лиц. Рутинная вычислительная работа обычно выполняется на графических процессорах, сверхбыстрых чипах, которые предназначены для обработки графики. Но за последнее десятилетие системы распознавания лиц распространились повсюду, и данные, собранные по ним, помогли компаниям отточить свои технологии.

Что дальше?

Вполне возможно, что эта технология станет вездесущей. Американская фирма Vuzix объединилась с дубайской фирмой NNTC для производства смарт-очков для распознавания лиц. В оправу вставлена крошечная восьмимегапиксельная камера, которая сканирует лица прохожих и предупреждает владельца о любых совпадениях в базе данных из миллиона человек. В Великобритании беспроводное видеонаблюдение работает на полицейских нательных камерах, которые делают почти то же самое. В США недавно запатентована полицейская нательная камера, которая начинает запись, когда лицо подозреваемого опознано.

А между тем технические фирмы совершенствуют свои системы, чтобы работать быстрее, с большим количеством лиц и со все более сложными изображениями – сделанными при плохом освещении или если люди прикрывают лица. Ведется работа над алгоритмами, которые смогут идентифицировать людей в масках и с использованием маскировки. Чтобы сделать системы распознавания еще более эффективными, биометрия лица будет сочетаться с другими биометрическими анализами, такими как голос и походка.

Неудивительно, что гонка вооружений началась: исследователи из Университета Карнеги-Меллона в Питтсбурге разработали свои собственные солнцезащитные очки, чтобы обмануть систему распознавания лиц: так один испытатель в очках был идентифицирован как Мила Йовович.

Перевод Марии Строгановой

DVA3219 — первое устройство для Edge-видеонаблюдения

Сейчас в IT-индустрии идёт настоящий бум Edge-устройств (читайте нашу статью «что такое Edge Computing и почему периферийные вычисления — это побег из облака»), и Synology DVA3219 — это типичный кирпичик для построения умного видеонаблюдения «где-то там», на удалённом объекте, будь то склад, магазинчик или офис. Не надо сравнивать эту модель с другими аналогами у Synology, это совершенно отдельное направление развитие модельного ряда компании.

Характеристики Synology DVA3219:

• Процессор Intel Atom C3538 (4С, 2.1 GHz, Hardware AES-NI)
• ОЗУ: 1 модуль 4Gb DDR4, всего до двух модулей SO-DIMM общим объёмом до 32 Гб

• GPU: Nvidia GeForce 1050 Ti, 4 GB

• Дисковая подсистема:
  • 4 отсека для 3.5/2.5″ HDD/SSD с интерфейсом SATA-600
  • Возможность подключения двух дисковых полок по 5 дисков DX517
  • Поддержка SSD-кэширования
• Интерфейсы:

  • 4x 1GBase-T 1000Mbps Ethernet (LACP, VLAN)

  • 3x USB 3.0
• Встроенный блок питания

Сама платформа для настольных NAS-ов у Synology уже давно не меняется, поэтому описывать дизайн корпуса и охлаждения я не вижу смысла. Вместо этого давайте ответим на наиболее частые вопросы о работе этого устройства.

Может ли DVA3219 работать как NAS?

Да, эта модель поддерживает все те же функции, что реализованы в настольных NAS-ах серии DS

Вам доступен файловый шаринг по протоколам CIFS (SMB) / NFS / iSCSI, резервное копирование вашей IT-инфраструктуры (читайте наш обзор Synology Active Backup for Business), платформа виртуализации, контейнерная виртуализация, сервер мультимедиа и даже закачка торрентов, если вам это важно

Какая видеокарта установлена в DVA3219?

Самая обычная NVIDIA GeForce Ti1050 c 4 Гб памяти DDR5 от OEM-производителя, определить которого не удалось. Видеокарту можно вытащить и установить в настольный ПК: она определяется, на ней можно работать и играть, подключив монитор, если конечно вы найдёте, во что играть на GeForce Ti1050.

Но подключить к NAS-у монитор нельзя: порты HDMI и DVI скрыты внутри корпуса.

Можно ли использовать видеокарту для чего-то другого?

При первичной настройке NAS-а вы устанавливаете в систему SDK CUDA, правда выбора версии у вас нет. При использовании Docker, вполне возможно получить доступ к ресурсам GPU, но учитывая что CUDA презентует ресурсы GPU полностью под приложение, интеллектуальные функции видеонаблюдения работать не будут.

Доступны ли функции глубинного анализа видео на моделях с мощными CPU?

Нет, такие возможности как распознавание лиц, детектер периметра, подсчёт потока клиентов, требуют иной архитектуры вычислений, и запускаются только на NAS-ах с GPU.

Чем ещё DVA3219 отличается от обычных настольных NAS-ов Synology?

Поскольку устройство позиционируется как периферийный видеорегистратор, здесь нет выделенных слотов под SSD кэш и нет высокоскоростных 10-гигабитных интерфейсов. Зато устройство имеет целых 4 сетевых порта, для каждого из которых вы можете настроить VLAN для разграничения сетевого трафика и аггрегацию каналов для повышение отказоустойчивости.

Перспектива интеграции в Surveillance CMS

Конечно, можно только представить, какие перспективы даёт использование таких устройств, как DVA3219 в роли выделенных серверов для ИИ-обработки изображения в распределённых сетях видеонаблюдения. Я очень надеюсь, что в будущем Synology даст возможность NAS-у распознавать лица на записях, сделанных совершенно другими NAS-ами в других филиалах в других городах. Да и вообще для таких целей можно будет централизованно устанавливать NAS-ы с GPU и проводить удалённый анализ Edge-видео, пусть даже и с небольшой задержкой. Всё это обещает большие перспективы в будущем.

Ну а сегодня единственный способ использовать ИИ-функции DVA3219 в распределённой сети CMS — это устанавливать данный NAS в качестве главного хост-сервера, потому что данная модель может использовать интеллектуальные функции анализа видео только для записей со своих камер. При подключении устройства в виде хоста видеозаписи, для доступа к интеллектуальным функциям придётся заходить на сам сервер.

И что с этим делать?

У некоторых читателей закономерно встал вопрос: ну распознаёт Synology лица, и что с этим делать? А на самом деле, очень правильный вопрос. В системах видеонаблюдения Synology предусмотрена возможность создавать скрипты с описанием логики события. Например «в камере обнаружено движение…» и дальше возможны варианты. Например, из встроенных шаблонов есть возможность подать звуковой сигнал на сервере видеонаблюдения, сделать скриншот или даже открыть дверь, но это — лишь часть. Гораздо интереснее возможность сервера «стукнуться» на web-адрес с запросом GET или Post, что даст вам простейший вариант авторизации или включения какого-то устройства.

Конечно, такой лакомый кусочек искусственного интеллекта Synology не стала выставлять напоказ, а запихнула в дальний угол меню Surveillance Station: жмём в левом верхнем углу кнопку «пуск» и выбираем пункт «правила действия» с иконкой, почему-то напоминающей календарь. Дальше создаём событие, источником которого станет распознавание лиц. Здесь — полный набор: появился ли в кадре VIP объект, появилось ли неизвестное лицо или заблокированный пользователь. На следующей закладке мы выбираем действие, и собственно всё, настройка закончена.

Среди встроенных профилей есть очень актуальный “детектор одетых масок”, который поможет вам поднять дисциплину в период эпидемий. Единственное, чего мало, так это встроенных профилей: мне бы хотелось увидеть расклейщиков объявлений, людей в форме, курящих, ненадевших маску или каску, а лучше и вовсе дать возможность самому создавать такие условия. Но, этого нет даже в дорогом коммерческом софте, чего уж требовать от NAS-а.

Функции распознавания лиц

Пожалуй, начать надо с того, что Synology научилась отличать на записи людей от животных и автомобилей. Но в текущей версии ПО, принадлежность объекта к расе людей, машин или животных устройство определяет исключительно по физическим размерам в кадре: если движение зафиксировано на малой площади кадра, то в базу записывается событие с указанием на животное, на средней площади – человек, на большой – автомобиль. Следовательно, если в кадр попадёт слон или лошадь, возможны варианты… Но это, как говорится, лишь приятное отступление, а на деле в первое время вам предстоит провести некий процесс обучения, составляя базу портретов ваших посетителей.

Технически, тесты показали, что алгоритм при распознавании человека, ориентируется на его глаза, либо очки. Поэтому если скрывать глаза от камеры, то алгоритм распознавания лиц даже не будет предпринимать попытки узнать вас по вторичным признакам, скажем по скулам или форме носа. Кроме этого, большое значение имеет цвет одежды человека, а точнее его контрастность с окружающей обстановкой. Если ваша одежда подобрана под тон стен, ИИ может не распознать вас (что не так страшно). Но если NAS распознал в кадре объект, то продолжает «вести» его, и даже если лицо вдруг становится нечётким (например из-за попадания на объектив грязи или насекомых), объект всё равно остаётся зарегистрированным, что прекрасно видно на следующем скриншоте.

Вы спросите меня, как применить распознавание лиц локально? Достаточно просто: вы можете создать базу данных ваших сотрудников и гостей, определить их статус (например, VIP или наоборот персоны нон грата), а впоследствии в базе легко выбрать интересующего вас сотрудника и открыть все записи, в которых он, прямо скажем, засветился.

Так же отдельной графой записываются неизвестные люди, которыми могут быть обычные курьеры или редкие посетители. Поначалу в вашей базе данных будут случаи, когда ваших же зарегистрированных пользователей система не узнаёт, например, из-за плохого освещения. Мы рекомендуем периодически просматривать такие ситуации и вручную добавлять неразборчивый снимок к аккаунту пользователя, чтобы в следующий раз системе было легче опознать человека при неблагоприятных условиях съёмки.

И не надо думать, что для распознавания лиц нужна какая-то сверхдорогая 4K камера: разрешения 720p @ 24FPS вполне хватает для уверенной работы этой функции. Принципиально уже сегодня возможностей Synology DVA3219 достаточно, чтобы открывать двери для сотрудников автоматически на основе распознавания лиц.

Выводы

Сегодня DVA3219 — это уже готовое решение, которое может улучшить качество работы службы безопасности вашего предприятия, при этом работая ещё и в качестве хранилища для резервных копий, и у меня нет никаких сомнений, что Synology добавит установку GPU в свои Enterprise-решения, в которых как правило пустуют PCI Express слоты расширения. Уже на сегодня это вполне жизнеспособное решение, которое может повысить защищённость вашей компании и облегчить работу по установлению обстоятельств произошедших инцидентов. Практически, сейчас вы можете отслеживать перемещения ваших сотрудников, получать информацию о посещениях вашей торговой точки или фиксировать проезд автомобильной техники в базе данных. Это очень хорошее начало для настольного NAS-а, который при этом сохраняет весь тот функционал, за который пользователи покупают устройства Synology.

Михаил Дегтярёв (aka LIKE OFF)

21/09.2020