Кто и как использует технологии распознавания лиц в России

Сегодня распознавание лица — это удобная и практичная функция идентификации без пароля. Сама технология относится к области применения теории распознавания образов, которая возникла значительно раньше современных компьютерных систем. Распознавание образов — неотъемлемая часть деятельности мозга. Поэтому в спектре компьютерных дисциплин задачи распознавания относятся к проблематике искусственного интеллекта.

Алгоритм работы технологии распознавания лиц состоит из двух этапов: идентификация (кто этот человек?) и верификация (а тот ли это человек, за которого он себя выдает?). Последовательность действий обычно такова:

Методы извлечения признаков условно делятся на две группы: использующие локальные и глобальные признаки лица. При использовании локальных — алгоритм выделяет отдельные части (глаза, нос, рот и др.) и уже по ним распознает лицо. При использовании глобальных — оперирует со всем лицом в целом. Количество существующих методов выделения признаков и их классификации велико, но одни и те же методы используются для выделения как локальных, так и глобальных признаков.

Один из самых распространенных методов — нейросетевой. Дмитрий Антонов, руководитель направления Департамента развития продуктов компании ISS, объясняет это тем, что «использование сверточных нейронных сетей в отличие от «классической» математики делает распознавание менее зависимым от кооперативности поведения людей, снижает требования к монтажу камер, улучшает качество распознавания в широком диапазоне внешних условий, включая изменяющуюся освещенность».

Восстановить исходную фотографию человека из такого файла нельзя. Система просто каждый раз одинаково преобразует картинку и сравнивает полученные цифры. При этом биометрическая модель отличается от обычного фотоизображения: она работает с видеопотоками (закодированная последовательность кадров) и обезличенной информацией.

По данным J'son & Partners Consulting, к концу 2018 года доля технологий распознавания лиц в общем объеме российского биометрического рынка составила почти 50%, а в течение четырех лет этот сегмент показывал рост на уровне 106,7% в год. Растущий спрос эксперты связывают с технологическим прорывом в области машинного обучения, а также с интересом крупных инвесторов к российским стартапам, разрабатывающих алгоритмы face recognition. Сейчас технология распознавания лиц получает в России существенную поддержку со стороны государства, в том числе на уровне законодательства.

30 июня 2018 года вступили в силу изменения, внесенные в отдельные законодательные акты, позволяющие госорганам, банкам и иным организациям в предусмотренных законом случаях проводить удаленную идентификацию физлиц, основанную на использовании их биометрических персональных данных (Федеральный закон от 31 декабря 2017 г. № 482-ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации»). Форма согласия на обработку персональных данных и биометрических персональных данных утверждена Правительством РФ (распоряжение Правительства РФ от 30 июня 2018 г. № 1322-р).

Среди самых распространенных сфер применения можно выделить следующие:

По данным агентства J'son & Partners, с 2014 года доля систем контроля доступа с распознаванием лиц выросла с 0,7% до 11%. «Распознавание лиц используется для разграничения доступа в технологические зоны, особенно в случаях, когда сотрудники передают свои пропуска во временное пользование, — рассказывает Дмитрий Антонов. — Современные системы распознавания лиц оснащены технологией защиты от подмены лиц, которая автоматически отличает реальное лицо от фотографии. Это дает возможность отслеживать случаи подмены собственного лица чужой фотографией или прохода сотрудника, несущего фото отсутствующего коллеги».

В ЖКХ-сфере технология обеспечивает доступ жильцов многоквартирного дома в подъезд или помещение. «Для образовательных учреждений применяется интеграция с контрольно-пропускной системой, использование лица как дополнительного идентификатора для контроля учащихся, интеграция с рейтинговой системой и кампусными картами студента и преподавателя», — приводит пример Евгений Седых, директор eVision.Tech, советник Директора программы развития опорного университета Республики Марий Эл по инновационной и научной деятельности.

Применяемое в СИБУРе решение разрабатывалось индивидуально под требования компании и не является «коробочным». Прежде чем выбрать конкретное решение, специалисты тестировали несколько вариантов, представленных на рынке. Остановились на совокупности лучших показателей: допустимой вероятности ошибки, высокого уровня быстродействия и защиты от спуфинга (англ. spoofing — подмена), а также возможности интеграции с другими системами доступа.

Решение, основанное на идентификации по лицу, в сравнении с другими биометрическими модальностями, такими как радужная оболочка, отпечаток ладони или пальца, не требует прямого контакта пользователя со считывателем, при этом процесс максимально открыт. Также выбранное решение не требует замены систем управления доступом, которые построены на разных платформах, а значит, и не предполагает соответствующих затрат.

Применение системы снизило риски, связанные с человеческим фактором при предоставлении доступа в офис, а также исключило несанкционированный проход путем передачи пропуска. Также решение повысило удобство пользователей, как сотрудников, так и гостей. Внедрение комплекса биометрической идентификации упростило дальнейшую автоматизацию процесс доступа посетителей в офис — позволило внедрить терминалы самостоятельной регистрации.

МВД тестирует камеры-видеорегистраторы с функцией распознавания лиц. Если испытания будут успешными, функция распознавания появится у портативных видеорегистраторов, которые уже применяют полицейские. Камера по размеру чуть меньше рации и крепится на одежду человека. Она анализирует видеопоток и выделяет из него лица людей, данные о которых через интернет (в устройство можно вставить сим-карту) отправляет на сервер. В некоторых странах, например, в США и в Китае, в распоряжении полиции есть не только такие устройства, но и умные очки.

Для многих организаций, в частности, для сетевого ритейла, актуальная задача — обнаружить человека из «черного списка» (ранее совершившего кражу или подозреваемого в незаконных действиях).

Подобная система внедрена в «Бауцентре» Калининграда. Специализированные камеры, установленные на рубеже контроля, в полностью автоматическом режиме выделяют, фотографируют и сохраняют в архиве лица посетителей магазина, после чего изображения сравниваются с эталонной базой данных, которая хранится у заказчика. При обнаружении человека из «черного списка» охранник в течение 1-2 секунд получает сигнал тревоги.

Цель системы в этом сегменте — проанализировать поведение покупателя (например, на кассе) и повысить лояльность к сети. Такие системы уже использует 59% ритейлеров одежды в Великобритании. В 2017 году Walmart разработал технологию, которая помогает определить, насколько покупатель доволен посещением магазина. Если система обнаружит покупателя с несчастным лицом, она подает сигнал об этом сотрудникам магазина.

Ведущие российские ритейлеры также либо тестируют, либо уже используют распознавание лиц, часто покупая «коробочные» решения. В 2018 году о тестовом проекте заявила X5. Технология распознавания лиц в десятки раз ускорила контроль планограмм, сократила на 10% количество людей, уходящих из магазина без покупок, и на 20% — потери магазинов. Руководство считает, что улучшения положительно повлияли на товарооборот. Система помогала отслеживать количество людей в очередях, определяла самые посещаемые отделы в магазинах, а также распознавала лица, пол, возраст и настроение покупателей.

С первого июля 2018 года российские банки начали сбор биометрических данных клиентов. Пройдя идентификацию в системе, клиент может с помощью голоса и фотоизображения удаленно открыть счет или заказать выпуск карты на портале госуслуг.

«Альфа-Банк» производит сбор биометрических данных для Единой биометрической системы более чем в 100 отделениях по всей стране.

«Альфа-Банк» реализовал простую и быструю для клиентов и для сотрудников процедуру сбора данных. Разработанное банком приложение дает графические и текстовые подсказки оператору для быстрого фотографирования и записи голоса. В среднем процедура сбора занимает пять минут. «Потенциально все банковские услуги могут быть оказаны с применением биометрической идентификации, но разработка новых продуктов и процессов требует много времени, — добавляет Баттулин. — Сейчас этот рынок находится в стадии становления, и банки предлагают клиентам самые простые продукты с удаленной идентификацией — дебетовые карты и депозиты».

Андрей Шурыгин, руководитель дирекции биометрических технологий «Почта Банка» (система применяется более чем в 3,5 тысячах точек присутствия), рассказывает о применении технологии:

Используемая в банке платформа биометрической идентификации по изображению построена на алгоритмах нейросетей и использует более 200 «маркеров», определяемых на лице. «Это позволяет достигнуть минимального уровня ошибок — один случай на миллиард, — рассказывает Шурыгин. — При этом персональные данные клиентов надежно защищены, хранятся исключительно в банке и никому не передаются. Всем клиентам мы поясняем, с какой целью мы их фотографируем и как будет использоваться фото».

Евгений Лукин, операционный директор ORBL, говорит, что интерес у работодателей к системе учета рабочего времени сотрудников (СУРВ) растет с каждым годом. Осуществление контроля происходит при помощи программы, встроенной в планшет при входе в офис или другое место работы.

Камера планшета фиксирует время прихода и ухода сотрудника, вносит информацию в систему, которая при запросе формирует отчет о присутствии каждого из сотрудников на рабочем месте. Такие системы особенно востребованы у тех работодателей, которые имеют много наемного персонала, работающего посменно и с гибким графиком. Система позволяет упростить всю бумажную работу и контроль, предоставляя достоверную информацию по отработанному сотрудниками времени.

В 2017 году подобный сервис тестировала сеть салонов «Эконика». Чтобы сервис распознал лицо пришедшего на работу сотрудника, тому было достаточно посмотреть в камеру планшета. Распознавание лица занимало меньше секунды, если данные передавались по Wi-Fi, если по мобильному интернету — то 2-3 секунды.

В марте стартап ORBL представил прототип разработки с одним из европейских провайдеров платежных систем на выставке eShow в Барселоне. Это киоск для оплаты товаров или услуг при помощи лица. Для регистрации необходимо скачать мобильное приложение, с помощью которого можно привязать банковскую карту или электронный кошелек, а также сфотографироваться. При оплате в киоске денежные средства списываются со счета покупателя. Технология позволяет совершить покупку, даже если покупатель по каким-либо причинам не может воспользоваться привычными методами оплаты. А также снизить риск пользования картой третьим лицом.

Еще один успешный кейс — использования технологии для приобретения лотерейных билетов, продажа которых ограничена возрастным цензом.

«Система видеодентификации для объектов культуры — также один из вариантов использования Единой биометрической системы», — добавляет Хрулев. — Одним из первых системы биометрического контроля для сотрудников использовал Эрмитаж. Музей также запустил пилотный проект для для прохода по биометрическим билетам. Посетителей "узнавали" по фотографиям, сохраненным в Единой биометрической системе».

В 2014 году систему биометрии стал использовать спортивный стадион «Петровский» в Санкт-Петербурге. Руководство обратилось к разработчикам после массовых беспорядков на стадионах в 2013 году, когда болельщики устраивали драки, выбегали на поле, бросали файеры. Это грозило не только огромными штрафами и пустыми трибунами на матчах клуба, но и было опасно для других зрителей. После внедрения системы клубы смогли существенно сэкономить и больше зарабатывать. Хулиганы стали понимать, что наказание неизбежно, система не запрещает, а предотвращает.

«Нашими системами распознавания лиц оборудованы четыре аэропорта и шесть вокзалов, включая Казанский вокзал Москвы, железнодорожный вокзал Сочи, транспортные узлы острова Сахалин, Саранска, а также метрополитен и канатная дорога Нижнего Новгорода», — рассказывает Хрулев. — Основной сценарий здесь — обнаружение людей, находящихся в розыске, с целью обеспечения транспортной безопасности. Сегодня распознавание лиц от ЦРТ работает на 24 транспортном объекте. Идет активная работа по внедрению распознавания лиц в аэропортах.

Однако пока разработчиков сдерживает нормативное регулирование. Например, наше законодательство не позволяет регистрироваться на самолет без предъявления паспорта и посадочного документа.

Безопасность — базовый, но не единственный сценарий использования технологий распознавания лиц в инфраструктуре городов. Безопасность выступает как базис и инфраструктура для других сервисов — финансовых, транспортных и так далее. Данные в обезличенном формате можно использовать для оплаты проезда на транспорте, оптимизации пассажиропотока, поиска пропавших людей, безбарьерном проходе на мероприятия, в аэропорты, оптимизации движения, городских услугах, ЖКХ.

Московский институт психоанализа внедрил решение по распознаванию лиц в систему обучения и тестирования студентов для удаленной идентификации. При использовании учебного портала студенты института получают доступ к материалам курса и к сдаче тестов и экзаменов, тогда как ранее это было невозможно из-за использования системой стандартного механизма доступа по паролю. По данным разработчика, около 5% студентов пытались использовать третьи лица для сдачи экзаменов, но система предотвратила все случаи мошенничества.

Прокторинг — процедура наблюдения и контроля за дистанционным испытанием, очень развит в США, где прокторинговые компании работают в основном с образовательными учреждениями. В России университеты только начинают использовать его при приёме экзаменов. Решения верифицируют личность с помощью биометрии в режиме видеопотока и анализируют поведение человека перед монитором. Российские стартапы ProctorEdu и Examus, разработавшие системы прокторинга, уверены, что инструмент будет востребован при проведении аттестаций в коммерческих компаниях.

Популяризации технологии способствует расширение возможностей использования — на дронах, ноутбуках, в банкоматах и так далее. Число смартфонов, на которых установлена технология распознавания лиц, неуклонно растет. Согласно прогнозу агентства Counterpoint Research, в 2020 году будет продано более миллиарда таких устройств. В последних моделях iPhone технология уже доступна любому человеку.

Также эксперты говорят об экспансии технологии в новые рыночные сегменты.

Другие факторы, которые стимулируют распространение технологии, отмечает Дмитрий Стариков — запрос компаний на персонификацию обслуживания, а также возможность реализации масштабных проектов (системы оплаты по лицу на транспорте, прохождение паспортного контроля, замена паспортов и банковских карт и др.), где активно можно использовать технологии распознавания лиц.

Разработчики говорят о новых вызовах безопасности, которые также стимулируют развитие технологии. «Чем доступнее становятся современные технологии, облегчающие взлом системы, тем более прогрессивными должны быть алгоритмы защиты» — говорит Андрей Хрулев. «Основная конкуренция идёт за рынок, для этого мы ежедневно с командой разработчиков и исследователей развиваем наш продукт, — добавляет Александр Ханин. — Сейчас наши решения получают награды, недавно на крупнейшей международной конференции CVPR-2019 технология VisionLabs продемонстрировали ошибку в 1,5 раза меньше, чем решения других международных компаний и заняла первое место в конкурсе ChaLearn Face Anti-spoofing Attack Detection Challenge».

Точность алгоритмов растет каждый год. Чтобы оставаться в лидерах, техновизионеры компаний-разработчиков (например, ЦРТ) фокусируются не только на самих технологиях и продукте, но и являются экспертами международного Биометрического института (Biometrics Institute), проводят собственные конференции (в частности, саммит Machines Can See от VisionLabs), участвуют в создании и регулировании подобных вопросов вместе с мировым сообществом.

Факторы, которые пока тормозят развитие технологий в России, считает Дмитрий Стариков: недостаточная точность, относительно высокая цена внедрения систем распознавания лиц, а также возникающий синдром «Большого брата», ощущения постоянной слежки у пользователей.

Материалы по теме:

Скрываться от камер — не самое лучшее решение: все, что вам нужно знать о распознавании лиц

Как мы разрабатывали ИИ для чтения эмоций

Семь лекций, чтобы понять искусственный интеллект

Как искусственный интеллект помогает лучше понять клиентов

© Rusbase, 2019
Автор: Ирина Пешкова

Фото на обложке: artoleshko, Depositphotos