Лицевото разпознаване – от разкриване на престъпления до ограничаването на гражданските свободи

Въпросът – трябва ли да се използва софтуер за лицево разпознаване и притесненията около поверителността, отново са на дневен ред. Причината е свързана с подобренията и масовото разпространение на тези технологии.

Май миналата година, американският град Сан Франциско, забрани на полицията и други правоприлагащи органи, да използват подобни програми. През юни 2020, Санта Крус, Калифорния пък забрани на щатската полиция да работи с „алгоритми за прогнозиране“. Става дума за метод за разполагане на сили, на базата на аналитични данни. Изхождайки от исторически данни, компютърните симулации претендират, че могат да предскажат извършители, жертви или места на бъдещи престъпления.

През 2014, Едуард Сноудън вдигна американската общественост на крак, след като сигнализира, че Агенцията по национална сигурност (NSA) в САЩ, обработва дневно хиляди снимки на човешки лица. Разкритието предизвика безпокойство сред защитниците на гражданските права. Тогава години технологията е в начален етап. Но експертите отбелязват, че методите за анализ на подобни данни непрекъснато се подобряват. Все още има технически ограничения обаче изчислителната мощност продължава да расте, а с нея – и базите данни. Алгоритмите пък непрекъснато се подобряват.

Днес на дневен ред са въпроси като: може ли “Биг брадър” да ви разпознае на базара на кадрите от уличното видеонаблюдение и да определи настроението ви? Може ли това да доведе до ареста ви, по силата на неизпълнена заповед? Какви са шансовете, идентификацията да е грешна и да ви търсят вместо някой друг? Можете ли да излъжете наблюдението с някой трик?

Що е то лицево разпознаване?

Лицевото разпознаване е метод за идентифициране на неизвестен човек или удостоверяване на самоличността, чрез лицето. То е клон на “компютърното зрение” (стартира през 50-те години на минали век и се занимава с разпознаване и определяне на местоположението на обекти върху снимки и видео), но е специализирано и идва със социален багаж, както и с риск от уязвимост и измама.

Как работи?

Алгоритмите за ранно разпознаване на хора (които и до днес се използват в подобрена или автоматизирана форма) разчитат на биометрия. Например, разстоянието между очите. После измерените черти на лицето се преобразуват от двуизмерно изображение в набор от числа – функция от вектори или шаблон. Процесът на разпознаване след това сравнява векторите с базата данни от известни лица, които са картографирани към функции по същия начин. Едно от усложненията на процеса е нагаждането на лицата към естествения изглед, за да се отчита въртенето на главата и наклона, преди извличане на показателите. Този клас алгоритми се нарича геометричен.

Друг подход за разпознаване е нормализиране и компресиране на 2D изображения на лицето и сравняването им с база данни с подобно нормализирани и компресирани изображения. Този клас алгоритми се нарича фотометричен.

Триизмерното разпознаване използва 3D сензори за заснемане на лицето или реконструира 3D изображението от три 2D проследяващи камери, насочени под различни ъгли. 3D разпознаването може да бъде значително по-точно от 2D.

Анализът на текстурата на кожата записва белезите, петната и бръчките по лицето и ги отнася към друг вектор. Добавянето на анализ на текстурата на кожата към 2D или 3D разпознаване подобрява точността с 20 – 25 процента, особено при хора, които си приличат или са близнаци. Може и да комбинирате всички методи и да добавите многоспектърни изображения (видима светлина и инфрачервена), за още по-голяма точност.

Разпознаването на лица се усъвършенства през годините от 1964, насам. Средно процентът на грешките намалява наполовина на всеки две години. От тогава, в САЩ официално са тествани две технологии – през 90-те Face Recognition Technology (FERET) или технология за лицево разпознаване и от 2000-ната – Face Recognition Vendor Test (FRVT) – „тест на доставчиците за лицево разпознаване“, който използва дълбоки конволюционни мрежи (базирани на ИИ, изградени от множество слоеве).

Приложения за разпознаване на лица

Приложенията за разпознаване обслужват три основни сегмента: сигурност, здравеопазване и маркетинг. Сигурността включва правоприлагането и е надеждна, ако хората приличат на паспортната си снимка, но може и да се изроди до китайския сценарий, при който хората се проследяват чрез видеонаблюдение и се съпоставят към бази данни. Сигурността извън правоприлагащите органи включва приложения като отключване с лице за мобилни телефони и контрол на достъпа за лаборатории и трезори.

В здравеопазването, обработката на лицеви данни може да се използва за проверки на пациенти, откриване на емоции в реално време, проследяване на пациента в дадено заведение, оценка на нивата на болка при невербални пациенти, откриване на определени заболявания и състояния. В сферата на маркетинга и продажбите на дребно, разпознаването на лица се използва за идентифициране на участниците в програмите за лоялност, проследяване на клиентите на територията на известни магазини и разпознаване на техните емоции, с цел предложения на продукти.

Как да излъжем софтуера за разпознаване – и техники за борба със спофинга

Много се работи по посока на хакването или заблуждаването на техологията, защото лицевото разпознаване нарушава суверенното ви пространство и може да даде достъп до ценни ресурси, защитени от вашия образ. Например, някой може да ползва отпечатано изображение на лице, вместо живо или да използва 3D маска, за да преминете удостоверяване. Или пък да пусне видео. За да станете невидими за видеонаблюдението, може да пробвате тъканите и грима на CV Dazzle. Друг вариант са IR излъчватели на светлина, които могат да заблудят софтуера,0 да не открива лицето ви.

Разбира се, производителите разработват техники за борба със спофинг атаките. За да открият печатни изображения, те използват тест за жизненост, например изчакване. Живият човек мига, в някои случаи се анализира на движението на лицевите мускули с инфрачервена светлина, за да разграничат живо лице от отпечатано изображение. Друг подход е да се извърши анализ на микротекстурата, тъй като човешката кожа е оптически различна от отпечатъците и маските. Най-новите техники за борба със спофинга използват дълбоки конволюционни невронни мрежи.

Опитите за атака, както и стратегиите на компаниите да я неутрализират се развиват, непрекъснато. Това е фронтова линия, която всеки ден може да донесе нещо ново.

Това е развиващо се поле. Между нападателите и софтуера за борба със замърсяването се води война с оръжие, както и академични изследвания за ефективността на различните техники за атака и отбрана.

Вендори на софтуер за разпознаване

Според Електронната погранична фондация, MorphoTrust е най-големият американски доставчик на биометричен софтуер и решения за идентификация. Компанията е разработвала системите на правоприлагащите органи на федерално и щатско ниво, както и тези за граничен контрол и на летищата (включително TSA системите за проверка на багажа). Другите по-малки доставчици са 3MCognitecDataWorks PlusDynamic Imaging SystemsFaceFirst и NEC Global. Разбира се, по света има много други компании, които правят разработки в тази посока. Има няколко програми с различно качество и отворен код, както и няколко облачни платформи.

Amazon Rekognition е услуга за видео анализи, която различава обекти, хора, текстове, сцени и отделни действия. Осъществява и лицев анализ по определени зададени критерии Google Cloud Vision API е тренирана услуга за анализ на изображения, която открива обекти и лица, „чете“ напечатан и ръкописен текст и съхранява метаданните в библиотека. Google AutoML Vision позволява да обучавате модели за разпознаване на изображения по зададени от вас параметри.

The Azure Face API може да различава лицата на снимка и да идентифицира хора, които съвпадат с база данни, съдържаща до 1 млн. образа. Приложението работи в облачна среда, така и в контейнери.

Бази с данни за тренировки по лицево разпознаване

Има  хиляди набори данни за лицево разпознаване, които могат да се ползват за трениране на модели. Не всички обаче са еднакви. Различават се по размера на изображенията, броя на сниманите хора, броя на фотосите на едно лице, както и по качеството и осветлението при заснемане. Сред по-големите бази са: Labeled Faces in the Wild, с около 13K снимки на различни хора; FERET, използван през 90-те при NIST тестовете. Mugshot, която се използва при все в NIST и FRVT тестовете. SCFace пък е масив от снимки от уличните камери, използващ множество точки на съвпадение.

В заключение, технологиите за лицево разпознаване стават все по-съвършени, но част от приложенията им са противоречиви. Грешките намаляват наполовина на всеки две години, твърдят производителите. Защитата се подобрява чрез използването на конволюционни невронни мрежи. Има и редици инициативи за забраната на видеонаблюдението, най-вече от страна на полицията. Но това едва ли е възможно, предвид на широкото му разпространение.

(22)

Be the first to comment

Leave a Reply

Your email address will not be published.


*