Биометрическая идентификация в интегрированных системах безопасности.

      Комментарии к записи Биометрическая идентификация в интегрированных системах безопасности. отключены

Всем прекрасно известны сцены из фантастических фильмов: храбрец подходит к двери и дверь раскрывается, определив его. Это одна из надёжности применения и наглядных демонстраций удобства биометрических разработок для контроля доступа. Но на практике не так все легко.

Сейчас кое-какие компании готовы предложить потребителям контроль доступа с применением биометрических разработок.

Классические способы идентификации личности, в базе которых находятся разные идентификационные карты, ключи либо неповторимые эти, такие как, к примеру, пароль не являются надежными в той степени, которая требуется на сегодня. Естественным шагом в увеличении надежности идентификаторов стали попытки применения биометрических разработок для совокупностей безопасности.

Диапазон неприятностей, ответ которых возможно отыскано с применением новых разработок, очень широк:

  • не допустить проникновение преступников на защищаемые территории и в помещения за счет подделки, кражи документов, карт, паролей;
  • сократить доступ к информации и обеспечить персональную ответственность за ее сохранность;
  • обеспечить допуск к важным объектам лишь сертифицированных экспертов;
  • избежать накладных затрат, которые связаны с эксплуатацией совокупностей контроля доступа (карты, ключи);
  • исключить неудобства, которые связаны с утерей, порчей либо элементарным забыванием ключей, карт, паролей;
  • организовать посещаемости сотрудников и учёт доступа.

Биометрическая идентификация в интегрированных системах безопасности.

Разработкой разработок для распознавания образов по разным биометрическим чертям начали заниматься уже давно, начало было положено в 60-е годы. Больших удач в разработке теоретических баз этих разработок добились отечественные соотечественники. Но практические результаты взяты по большей части на западе и лишь “день назад”.

Мощность современных компьютеров и усовершенствованные методы разрешили создать продукты, каковые по соотношению стали и своим характеристикам дешёвы и увлекательны широкому кругу пользователей.

Мысль применять личные характеристики человека для его идентификации не нова. На сегодня известен последовательность разработок, каковые смогут быть задействованы в совокупностях безопасности для идентификации личности по:

  • отпечаткам пальцев (как отдельных, так и руки в целом);
  • чертам лица (на базе оптического и инфракрасного изображений);
  • радужной оболочке глаз;
  • голосу;
  • вторым чертям.

У всех биометрических разработок существуют неспециализированные подходы к ответу задачи идентификации, не смотря на то, что все способы отличаются удобством применения, точностью результатов.

Каждая биометрическая разработка используется поэтапно:

  • сканирование объекта;
  • извлечение личной информации;
  • формирование шаблона;
  • сравнение текущего шаблона с БД.

Биометрическая совокупность распознавания устанавливает соответствие конкретных физиологических либо поведенческих черт пользователя некоему заданному шаблону. В большинстве случаев биометрическая совокупность складывается из двух модулей: модуль идентификации и модуль регистрации.

Модуль регистрации “обучает” совокупность идентифицировать конкретного человека. На этапе регистрации камера либо иные датчики сканируют человека чтобы создать цифровое представление его вида.

Сканирование лица продолжается около 20 – 30 секунд, в следствии чего формируются пара изображений.

В совершенном случае, эти изображения будут иметь легко выражения лица и различные ракурсы, что разрешит взять более правильные эти. Особый программный модуль обрабатывает это представление и определяет характерные изюминки личности, после этого формирует шаблон.

Существуют кое-какие части лица, каковые фактически не изменяются с течением времени, это, к примеру, верхние очертания глазниц, области окружающие скулы, и края рта.

Большая часть методов, созданных для биометрических разработок, разрешают учитывать вероятные трансформации в прическе человека, поскольку они не применяют для анализа области лица выше границы роста волос. Шаблон изображения каждого пользователя хранится в базе данных биометрической совокупности.

Модуль идентификации приобретает от камеры изображение человека и преобразует его в тот же цифровой формат, в котором хранится шаблон. Полученные эти сравниваются с хранимым в базе данных шаблоном чтобы выяснить, соответствуют ли эти изображения друг другу. Степень подобия, требуемая для проверки, является некоторый порог, что возможно отрегулирован для разного типа персонала, мощности PC, времени ряда и суток иных факторов.

Идентификация может выполняться в виде верификации, аутентификации либо распознавания. При верификации подтверждается идентичность взятых данных и шаблона, хранимого в базе данных. Аутентификация – подтверждает соответствие изображения, приобретаемого от камеры одному из шаблонов, хранящихся в базе данных.

При распознавании, в случае если полученные характеристики и один из хранимых шаблонов оказываются однообразными, то совокупность идентифицирует человека с соответствующим шаблоном.

При применении биометрических совокупностей, в особенности совокупности распознавания по лицу, кроме того при введении корректных биометрических черт не всегда ответ об аутентификации правильно. Это связано с рядом изюминок и, первым делом, с тем, что многие биометрические характеристики смогут изменяться. Существует определенная степень возможности неточности совокупности.

Причем при применении разных разработок неточность может значительно различаться.

Для совокупностей контроля доступа при применении биометрических разработок нужно выяснить, что ответственнее не пропустить “чужого” либо пропустить всех “собственных”.

Ответственным причиной для пользователей биометрических разработок в совокупностях безопасности есть простота применения. Человек, характеристики которого сканируются, не должен наряду с этим испытывать никаких неудобств.

В этом замысле самый интересным способом есть, непременно, разработка распознавания по лицу.

Действительно, в этом случае появляются иные неприятности, связанные прежде всего, с точностью работы совокупности.

Не обращая внимания на очевидные преимущества, существует последовательность негативных предубеждений против биометрии, каковые довольно часто приводят к вопросам о том, не будут ли биометрические эти употребляться для слежки за людьми и нарушения их права на личную судьбу.

Из-за необоснованной шумихи и сенсационных заявлений восприятие биометрических разработок сильно отличается от настоящего положения дел.

И все же, применение биометрических способов идентификации купило особенную актуальность сейчас. Особенно остро эта неприятность проявилась по окончании событий 11 сентября в Соединенных Штатах.

Мировое сообщество поняло степень возрастания угрозы терроризма во всем мире и сложность организации надежной защиты классическими способами.

Эти ужасные события послужили отправной точкой для усиления внимания к современным интегрированным совокупностям безопасности.

Общеизвестно вывод, что если бы контроль в аэропортах был строже, то несчастий возможно было бы избежать.

Да и сейчас поиск виновных во многих других происшествий имел возможность бы быть значительно облегчен при применении современных систем видеонаблюдения в интеграции с совокупностями распознавания лиц.

Способы распознавания лица

На данный момент существует четыре главных способа распознавания лица:

  • eigenfaces;
  • анализ отличительных линия;
  • анализ на базе нейронных сетей;
  • способ автоматической обработки изображения лица.

Все эти способы различаются целью применения и сложностью реализации.

Eigenface возможно перевести как собственное лицо. Эта разработка применяет двумерные изображения в градациях серого, каковые воображают отличительные характеристики изображения лица. Способ eigenface довольно часто употребляются в качестве базы для других способов распознавания лица.

Комбинируя характеристики 100 – 120 eigenface возможно вернуть много лиц.

В момент регистрации, eigenface каждого конкретного человека представляется в виде последовательности коэффициентов. Для режима установления подлинности, в котором изображение употребляется для проверки идентичности, живой шаблон сравнивается с уже зарегистрированным шаблоном, с целью определения коэффициента различия.

Степень различия между шаблонами и определяет факт идентификации.

Разработка eigenface оптимальна при применении в прекрасно освещенных помещениях, в то время, когда имеется возможность сканирования лица в фас.

Методика анализа отличительных линия – самый обширно применяемая разработка идентификации. Эта разработка подобна методике Eigenface, но в основном приспособлена к трансформации наружности либо мимики человека (радующееся либо хмурящееся лицо).

В технологии “отличительных линия” употребляются десятки характерных изюминок разных областей лица, причем с учетом их относительного расположения.

Личная комбинация этих параметров определяет изюминке каждого конкретного лица. Лицо человека уникально, но достаточно динамично, т.к. человек может радоваться, отпускать усы и бороду, надевать очки – все это увеличивает сложность процедуры идентификации.

Так, к примеру, при ухмылке отмечается некое смещение частей лица, расположенных около рта, что со своей стороны будет приводить к подобному движению смежных частей.

Учитывая такие смещения, возможно конкретно идентифицировать человека и при разных мимических трансформациях лица.

Так как данный анализ разглядывает локальные участки лица, допустимые отклонения смогут пребывать в пределах до 25° в горизонтальной плоскости, и примерно до 15° в вертикальной плоскости и требует достаточно замечательной и дорогой аппаратуры, что соответственно уменьшает степень распространения данного способа.

В способе, основанном на нейронной сети, характерные изюминки обоих лиц – зарегистрированного и контролируемого сравниваются на совпадение.

Нейронные сети применяют метод, устанавливающий соответствие неповторимых параметров лица контролируемого параметров и человека шаблона, находящегося в базе данных, наряду с этим используется предельное количество параметров.

По мере сравнения определяются несоответствия между лицом контролируемого и шаблона из базы данных, после этого запускается механизм, что посредством соответствующих весовых коэффициентов определяет степень соответствия контролируемого лица шаблону из базы данных.

Данный способ увеличивает уровень качества идентификации лица в непростых условиях.

Способ автоматической обработки изображения лица – самая простая разработка, применяющая расстояния и отношение расстояний между легко определяемыми точками лица, такими как глаза, финиш носа, уголки рта. Не смотря на то, что этот способ не столь замечательный как eigenfaces либо нейронная сеть, он бывает достаточно действенно использован в условиях не сильный освещенности.

Совокупности распознавания по лицу, присутствующие на рынке

На сегодня создан последовательность коммерческих продуктов, предназначенных для распознавания лиц. Методы, применяемые в этих продуктах, разны и до тех пор пока еще сложно дать оценку, какая из разработок имеет преимущества. Фаворитами на данный момент являются следующие совокупности: Visionic, Viisage и Miros.

  • В базе приложения FaceIt компании Visionic лежит метод анализа локальных показателей, созданный в Университете Рокфеллера. Одна фирма в Англии интегрировала FaceIt в телевизионную антикриминальную совокупность называющиеся Mandrake. Эта совокупность ищет преступников по видеоданным, каковые поступают с 144 камер, объединенных в замкнутую сеть. В то время, когда устанавливается идентичность, совокупность информирует об этом офицеру безопасности. В Российской Федерации представителем компании Visionic есть компания “ДанКом”.
  • Еще один фаворит в данной области, компания Viisage, применяет метод, созданный в Массачусетском технологическом университете. государственные структуры и Коммерческие компании во многих американских штатах и во многих других стран применяют совокупность компании Viisage вместе с идентификационными удостоверениями, к примеру, водительскими правами.
  • ZN Vision Technologies AG (Германия) предлагает на рынке последовательность продуктов, в которых используется разработка распознавания лиц. Эти совокупности представляются на русском рынке компанией “Солинг”.
  • В совокупности распознавания лиц TrueFace компании Miros употребляется разработка нейронных сетей, а сама совокупность используется в комплексе выдачи наличных денег корпорации Mr.Payroll и установлена в казино и других увеселительных заведениях многих штатов США.

В Соединенных Штатах свободными специалистами было совершено сравнительное тестирование разных разработок распознавания лиц. Результаты тестирования представлены ниже.

Рис. 1. Сравнительный анализ эффективности распознавания лиц в различных совокупностях

На практике, при применении совокупностей распознавания лиц в составе стандартных электронных охранных совокупностей, предполагается, что человек, которого направляться идентифицировать, наблюдает прямо в камеру.

Так, совокупность трудится с довольно несложным двумерным изображением, что заметно упрощает методы и снижает интенсивность вычислений. Но кроме того в этом случае задача распознавания все же не тривиальна, потому, что методы должны учитывать возможность трансформации уровня освещения, изменение выражения лица, наличие либо отсутствие макияжа либо очков.

Надежность работы совокупности распознавания лиц очень во многом зависит от нескольких факторов:

  • Уровень качества изображения. Заметно понижается возможность точной работы совокупности, в случае если человек, которого мы пробуем идентифицировать, наблюдает не прямо в камеру либо снят при нехорошем освещении.
  • Актуальность фотографии, занесенной в базу данных.
  • Величина базы данных.

Технологии распознавания лица прекрасно трудятся со стандартными камерами, каковые передают эти и управляются ПК, и требуют разрешения 320×240 пикселов на дюйм при скорости видео потока, по крайней мере, 3 – 5 кадров в секунду. Для сравнения – приемлемое уровень качества для видео конференции требует скорости видеопотока уже от 15 кадров в секунду. Более высокая скорость видеопотока при более высоком разрешении ведет к улучшению качества идентификации.

При распознавании лиц с громадного расстояния существует сильная зависимость между результатом идентификации и качеством видеокамеры.

Количество баз данных при применении стандартных персональных компьютеров не превышает 10000 изображений.

Заключение

Предлагаемые сейчас способы распознавания лиц увлекательны и близки к широкому внедрению, но пока не вероятно как в кино доверять открытие двери лишь технологии распознавания по лицу. Она хороша как ассистент для охранника либо другой системы контроля доступа.

Этот способ употребляется во многих обстановках, в то время, когда требуется убедиться, что предъявленный документ вправду в собственности предъявившему его человеку.

Это происходит, к примеру, в интернациональном аэропорте, в то время, когда пограничник сверяет фото на паспорте с лицом обладателя паспорта и принимает ответ, его это паспорт либо нет. По подобному методу действует и компьютерная совокупность доступа.

Отличие состоит лишь в том, что фотография сравнивается с уже хранимым в базе данных шаблоном.

Уже показались разработке, каковые основаны на распознавании лиц в инфракрасном свете.

Новая разработка основана на том, что тепловая картина, созданная излучением тепла кровеносными сосудами лица либо, по-второму, термограмма лица человека, есть неповторимой для каждого и, следовательно, возможно использована в качестве биометрической характеристики для совокупностей контроля доступа. Эта термограмма есть более стабильным идентификатором, чем геометрия лица, потому, что практически не зависит от трансформации наружности человека.

Татарченко Николай Валентинович, Тимошенко Светлана Вячеславовна

Предоставлено изданием Особая техника

Рандомные показатели записей:

Вебинар по СКД \


Подборка наиболее релевантных статей: