Люди здатні впізнавати знайомих і знаходити людей за фотографіями та малюнками. Багатьом здається, що це досить просте заняття. Але, намагаючись навчити комп'ютер розпізнавати людей по фото, розробники зіткнулися з багатьма труднощами. І тільки в останні роки комп'ютерні системи навчилися впізнавати людину і знаходити її в натовпі.
Це завдання стало одним із алгоритмів створення "машинного зору", і численні інтелектуальні системи відеоспостереження навчилися з ним справлятися. Для таких програм є безліч додатків: від знаходження обличчя власника у смартфоні до пошуку підозрюваного чи роботи охоронних систем на секретних підприємствах.
Основою технології є розумні камери. Вони відповідають за сканування особи, переведення його в модель, обробку отриманої інформації та відгук системи. Всі камери мають специфічні функції, тому вони поділяються на кілька видів, залежно від того, яке завдання виконують:
- Системи виявлення. Вони використовуються для охорони території. Ці камери не розпізнають обличчя та не виконують визначення. Вони фіксують його наявність і наводять на нього більш досконалі камери для сканування біометричних параметрів. Це не найтехнічніші пристрої, їх потужності вистачає тільки на виявлення об'єкта.
- Системи пізнавання. Виконують сканування за 3-4 параметрами. У них середня фокусна відстань, невелика роздільна здатність.
- Системи ідентифікації. Виконують детальне сканування обличчя за кількома параметрами, щоб отримати зображення високої якості. Використовуються камери високої роздільної здатності.
Камери встановлюють на прохідних або в дверях приміщення, що охороняється, на рівні особи (або з невеликим кутом). На якість роботи пристрою впливають освітлення, кут огляду, погодні умови.
Єдиного методу відеоаналітики визначення облич, який дозволяє діяти із 100% гарантією, поки що не розроблено. Існують такі методи розпізнавання зовнішності людини:
1. Нейронні мережі. Ця система проводить багато шарів аналітики, знаходячи відповідності у своїй базі даних. Існує ряд недоліків:
- складність додавання до бази нового стандарту;
- тривалість внесення нових даних;
- функції розпізнавання не формалізовані.
2. Моделі. Цей метод заснован на порівнянні отриманого зображення з еталоном. Однак він має низку недоліків:
- великий час відгуку, пов'язаний з необхідністю перебору;
- низька здатність розрізняти схожих людей;
- недосконалий метод навчання.
3. Гнучке порівняння за графами. Складають потужні двомірні моделі облич на основі антропометричних маркерів (відстань між очима та вухами, ширина губ і носа та інші). Недоліки:
- чим більше маркерів, тим точніше розпізнання, але це збільшує час відгуку;
- для обробки потрібні потужні комп'ютери.
Однак ця система застосовується все ширше.