Ang biometric facial recognition system ay binalak na isama sa pamantayan ng "matalinong lungsod" para sa mga lungsod ng Russia, na sinimulan ng Ministri ng Konstruksyon na bumuo. Sinabi ng Deputy Head ng departamento na si Andrei Chibis kay Izvestia tungkol dito. Nabanggit niya na ang ganitong teknolohiya ay magiging maginhawang gamitin sa pampublikong sasakyan: isang pasahero ang sumakay sa bus, kinikilala siya ng programa at nagde-debit ng pera para sa biyahe mula sa kanyang bank account. Ang Ministri ay naglalayon na maging pamilyar sa karanasan ng mga lungsod ng Tsina at ipalaganap ang mga katulad na teknolohiya sa Russia.

Plano ng Ministri na akitin ang mga kumpanyang Tsino, kabilang ang Huawei, upang ipatupad ang biometric na teknolohiya at pagsusuri ng kaganapan kasama ng Rostelecom mga lungsod ng Russia. Sinabi ni Deputy Minister of Construction and Housing and Communal Services Andrei Chibis kay Izvestia tungkol dito. Ayon sa kanya, kung matagumpay, ang sistemang ito ay magiging batayan ng pamantayan ng "matalinong lungsod" - isang minimum na hanay ng mga solusyon upang mapabuti ang kaginhawaan ng mga lungsod. Sinimulan na ng departamento na bumuo ng pamantayan.

Plano ng mga kinatawan ng Ministry na bumisita sa China para masuri kung paano makabagong teknolohiya, kasama ang biometrics, magtrabaho doon.

Sa pagkakaalam ko, mayroon na ngayong talakayan tungkol sa pagpapakilala ng naturang teknolohiya sa Moscow. Malinaw, dahil sa pangangailangan na gumamit ng mga card, ang oras ng pagsakay para sa mga pasahero ay naantala. At ang algorithm ng pagkilala sa mukha ay gumagana tulad nito: ang isang pasahero ay pumasok sa subway o bus, kinikilala siya ng programa at nag-debit ng pera para sa paglalakbay mula sa kanyang bank account, nagbigay ng isang halimbawa si Andrei Chibis.

Ang isang makabuluhang bilang ng mga camera ay na-install na sa maraming mga lungsod, iyon ay, ang imprastraktura sa kabuuan ay nilikha, ang opisyal na idiniin. Ang tanong ay tungkol sa regulasyong regulasyon at ang pagpapatupad ng mga pilot project - kung sila ay matagumpay karagdagang proseso ay magiging matulin: "kung paanong mabilis tayong nakalayo sa mga token sa subway, para makalayo tayo sa mga turnstile."

Nabanggit ng serbisyo ng Rostelecom press na ang pagkilala sa mga pasahero sa pampublikong sasakyan, kabilang ang pagbabayad para sa paglalakbay, ay isa sa mga pinaka-halatang pagkakataon para sa paggamit ng system.

Ang mundo ay mayroon tunay na mga halimbawa, at sa Russia ang paglikha ng naturang mga solusyon ay inaasahan sa malapit na hinaharap, kinumpirma ng kumpanya sa Izvestia.

Ang proyekto ng Smart City, sa loob ng balangkas kung saan ito ay binalak na bumuo bagong teknolohiya, dinisenyo para sa anim na taon. Ayon kay Andrei Chibis, walang nagsasabi na sa panahong ito ang isang sistema ng pagkilala sa mukha ay lilitaw sa lahat ng dako, ngunit kailangan nating lumipat sa direksyon na ito. "Ito ay hindi lamang tungkol sa kaligtasan, kundi pati na rin sa kaginhawaan. Pag-aaralan namin ang teknolohiyang ito at sa malapit na hinaharap ay magpapasya kami sa posibilidad ng pagpapatupad - siyempre, una sa lahat, sa mga tuntunin ng gastos nito, "ipinahiwatig niya.

Si Alexander Khanin, CEO ng VisionLabs, isang kumpanyang dalubhasa sa computer vision, ay nagsasaad na ang proseso ng pag-install ng mga camera at server ay teknikal na simple, kaya sa malapit na hinaharap ang mga naturang sistema ay maaaring ipatupad sa lahat ng dako. Maaari rin silang magamit upang maghanap ng mga nawawalang tao, naniniwala siya. Ang halaga ng pagkonekta sa bawat camera ay depende sa senaryo ng paggamit at ang uri ng camera: mula 200 rubles hanggang ilang libo.

Pinuno ng Kagawaran ng Telecommunication Systems, Moscow Institute teknolohiyang elektroniko Sinabi ni Alexander Bakhtin na ang mga network ng lungsod ay handa na magpadala ng naturang data. Gayunpaman, sa paunang yugto Palaging may panganib ng mga paglabag sa privacy kapag nagpapakilala ng mga bagong teknolohiya. Mayroong maraming mga punto kung saan ang impormasyon ay maaaring maharang. Ngunit pagkatapos pagsubok ng mga pagsubok ang sistema ay binuo at gumagana nang epektibo.

Malaki ang nagagawa ng tomograph sa isang klinika karagdagang impormasyon kaysa sa isang video stream mula sa ilang bus. Ang tanong ay kung sino ang nagsusuri nito at para sa anong layunin. Gusto kong protektahan kami ng batas mula sa mga empleyadong gumagamit ng personal na data nang hindi awtorisado," sinabi ni Alexander Bakhtin kay Izvestia.

Inamin ng Rostelecom na ang sirkulasyon ng naturang data ay isang napakasensitibong paksa, samakatuwid, tulad ng sa ibang mga bansa, sa Russia mayroong isang solong biometric system nilikha sa ilalim ng kontrol ng estado. Sa unang yugto, sa pakikipagtulungan sa Bangko Sentral, ito ay ipinatutupad sa interes ng sektor ng pagbabangko. Naisagawa na ang mga eksperimento sa pagkilala sa mukha para sa walang kontak na pagpasok sa mga museo, at sa loob karagdagang sistema bubuo, tiwala tayo sa kumpanya.

Noong Setyembre 2017, inanunsyo ng mga awtoridad ng Moscow ang pagpapakilala ng isang video surveillance system na may facial recognition function. Naiulat na ang network ng kapital ay may kasamang 160 libong video camera at sumasaklaw sa 95% ng mga pasukan ng mga gusali ng tirahan. Ang mga mukha sa mga pag-record ay ini-scan upang, kung kinakailangan, ang data ay maihahambing sa impormasyon sa iba't ibang mga database- Halimbawa, mga ahensyang nagpapatupad ng batas, pagdating sa paghahanap para sa isang nagkasala, ay ipinahiwatig sa portal ng alkalde ng Moscow. Nagagawa ng system na tukuyin ang tao sa video, ang kanyang kasarian at edad.

Ang Rostec State Corporation ay gumamit ng facial recognition technology noong 2018 World Cup. Sa tulong nito, halimbawa, posible na makilala ang isang tagahanga na, sa pamamagitan ng desisyon ng korte, ay ipinagbabawal na dumalo sa mga sporting event. Binibigyang-daan ka ng algorithm na makilala ang mga mukha na may hanggang 99% na katumpakan. Nabanggit ng korporasyon ng estado na ang paghahanap tiyak na tao sa isang bilyong mukha, tumatagal ito ng wala pang kalahating segundo.

Isa sa mga susi sa kalidad ng buhay sa modernong lipunan ay ang tamang diskarte sa pagtiyak ng personal na kaligtasan at seguridad ng ari-arian. Ang mga kinakailangan para sa mga sistema ng pag-record ng video ay patuloy na tumataas. Magandang sistema ang pagmamasid sa mga araw na ito ay hindi lamang dapat makapagtala kung ano ang nangyayari sa naaalis na media, ngunit upang makilala at kilalanin din ang mga tao sa frame.

Mga lugar ng aplikasyon

Ang function na "face recognition" ay natagpuan ang aplikasyon nito sa maraming aspeto buhay ng tao. Paggamit ng mga video surveillance system ng ganitong uri Maaari:

• ayusin ang isang checkpoint sa isang negosyo o iba pang mga bagay na sarado mula sa mga tagalabas. Ang pagsubaybay sa video ay maaaring iugnay sa mga turnstile at ang isang awtomatikong checkpoint ay maaaring ayusin sa prinsipyong "kaibigan o kaaway";
• ayusin ang isang anti-theft system sa mga retail outlet at iba pang pribadong pag-aari. Anumang mga tindahan, lalo na ang mga malalaking tindahan, ay nahaharap sa problema ng ilang mga bisita na nalululong sa pagnanakaw. Kadalasan ang parehong mga tao ay may posibilidad na magnakaw mula sa parehong mga retail outlet. Sa pamamagitan ng pag-install ng mga camera na may facial recognition system, masusuri mo ang mga aksyon ng isang taong nahuling nagnanakaw. Aabisuhan ng scanner ang security console sa sandaling pumasok siya sa tindahan;
• ayusin ang isang sistema upang maiwasan ang panghihimasok sa teritoryo ng mga kabahayan at iba pang mga saradong bagay. Minsan mahirap para sa isang tao na makilala ang isang nakatagong intruder mula sa isang bush o iba pang bagay sa monitor, lalo na kung ang mga camera ay naka-install sa isang madilim na lugar. Ngunit kung ano ang hindi naa-access ng mga tao ay madaling gawin sa pamamagitan ng isang computer module;
• kontrol sa mukha sa mga nightclub - 100% na proteksyon mula sa mga hindi inanyayahang bisita.

Prinsipyo ng pagpapatakbo

Ang isang video surveillance system na may function na "face recognition" ay gumagana sa prinsipyo ng paghahambing ng natanggap na imahe sa isa sa database. Ang karaniwang complex ay maaaring makilala ang isang mukha ng tao sa layo na hindi hihigit sa sampung metro mula sa camera. Sa kasong ito, makikilala ang bisita kahit na isinasaalang-alang ang pagkakaroon ng mga pagbabago sa mga pisikal na parameter ng mukha: pagbabago ng hairstyle, balbas, pagkakaroon ng baso, atbp. Ang pagsusuri ay batay sa isang paghahambing ng mga biometric na parameter ng ulo istraktura, indibidwal para sa bawat tao. Sa kasong ito, ang pag-scan ay nangyayari habang naglalakbay; Maaaring ikonekta ang video surveillance system sa mga turnstile at iba pang device pinahintulutan mag-login at awtomatikong gumana. Ang mga hindi kilalang bisita ay hindi magkakaroon ng access sa protektadong lugar, at ang kanilang larawan ay ise-save sa database para sa pagproseso ng serbisyo ng seguridad.

Karaniwan, ang mga naturang sistema ay naka-install sa malalaking korporasyon kung saan ang hinaharap na tagumpay ng kumpanya ay nakasalalay sa seguridad, halimbawa, isang kumpanya na bumubuo ng mga bagong uri ng mga armas o microcircuits, isang biological na laboratoryo. Awtomatikong kinikilala ng system ang lahat ng empleyado at inihahambing ang mga ito sa database. Sa kaso ng hindi pagsunod o kawalan ng isang tao sa system, ina-activate nito ang mga protocol ng seguridad, isang alarm light ang bumukas sa security room at isang pula. liwanag na indikasyon. Ang lokasyon kung saan natagpuan ang nanghihimasok ay tiyak na nakasaad sa elektronikong mapa Nahanap ng object at security ang nanghihimasok sa loob ng ilang segundo.

Mga pamamaraan ng pagtatrabaho

Ang mga camera ng facial recognition system ay gumagana sa dalawang mode: two-dimensional at three-dimensional. Sa kaso ng mga 2D system, ang pagkilala ay nangyayari batay sa isang patag na imahe. Ang mga 2D na camera ay napaka-sensitibo sa antas ng pag-iilaw ng silid na higit sa lahat ay nakasalalay sa parameter na ito. Sa masamang ilaw ang larawan ay magiging mahirap makita. Ang mga 3D display camera ay muling lumilikha ng isang three-dimensional na imahe batay sa natanggap na larawan. Ang mahinang pag-iilaw ay hindi isang partikular na hadlang para sa kanila;

Mga species

Depende sa mga layunin at layunin na itinalaga sa video surveillance system na may function ng pagkilala sa mukha, nahahati sila sa:

• detection (Camera mula sa 1 MP, focal length mula sa 1 mm). Ang mga aksyon ng sistema ng seguridad na ito ay naglalayong mag-record ng mga panghihimasok sa mga kinokontrol na bagay. Nagagawa ng scanner na makilala ang isang tao mula sa isang pusa o ardilya, ngunit hindi siya makikilala;
• pagkilala (Camera mula sa 2 MP, focal length mula sa 6 mm). SA sa kasong ito Ang pangunahing pag-andar ng scanner ay kilalanin ang mga mukha ng mga bisita sa prinsipyong "kaibigan o kaaway". Kapag tinitingnan ang pagkakasunud-sunod ng video, ang imahe ay magiging malabo, makikilala mo ang mga pamilyar na mukha dito, ngunit kung ang isang magnanakaw ay pumasok sa pasilidad, napakahirap na hanapin siya mula sa mga frame na ito;
• pagkakakilanlan (Camera na higit sa 2 MP, focal length mula sa 8 mm) Ang mga system na ito ay maaaring gumanap ng lahat ng mga pag-andar ng mga nakaraang uri, habang ang kalidad ng magreresultang imahe ay magiging sapat na upang makilala ang isang nanghihimasok. Ang ganitong larawan ay madaling mailipat sa mga awtoridad ng hudisyal at mga ahensyang nagpapatupad ng batas.

Sa mga bracket para sa paglalarawan ng bawat uri ng video surveillance system, ipinahiwatig namin pinakamababang kinakailangan sa resolution ng camera at focal length ng lens. Kapag nag-order ng kagamitan, kinakailangang isaalang-alang na ang mga katangiang ito ay sapat sa ilalim ng perpektong mga kondisyon ng pagbaril. Naturally, bihirang mangyari ito sa pagsasanay, kaya kapag pumipili ng mga scanner mas mahusay na bumili ng mga device na may reserba, halimbawa, para sa mga sistema ng pagkilala - isang resolution ng 2 MP at isang focal length na 8 mm, para sa mga display system - isang resolution ng 5 MP at isang focal length na 12 mm.

Naturally, ang huling resulta ay nakasalalay hindi lamang sa mga katangiang ito. Napakahalaga ng focal length at resolution, ngunit kapag nag-mount ng camera, kailangan mong isaalang-alang ang pag-iilaw, mga anggulo sa pagtingin at marami pang ibang mga parameter. Samakatuwid, mas mahusay na ipagkatiwala ang pagpili at pag-install sa mga propesyonal.

Wala na sigurong ibang teknolohiya ngayon na napapalibutan ng napakaraming mito, kasinungalingan at kawalan ng kakayahan. Ang mga mamamahayag na nagsasalita tungkol sa teknolohiya ay nagsisinungaling, ang mga pulitiko na nagsasalita tungkol sa matagumpay na pagpapatupad ay nagsisinungaling, karamihan sa mga nagbebenta ng teknolohiya ay nagsisinungaling. Bawat buwan ay nakikita ko ang mga kahihinatnan ng mga taong sinusubukang ipatupad ang pagkilala sa mukha sa mga system na hindi makayanan ito.

Matagal nang masakit ang paksa ng artikulong ito, ngunit tinatamad pa rin akong isulat ito. Ang daming text na dalawampung beses ko nang inulit iba't ibang tao. Ngunit, pagkatapos basahin ang isa pang pakete ng basura, napagpasyahan kong oras na. Magbibigay ako ng link sa artikulong ito.

Kaya. Sa artikulong ito sasagutin ko ang ilang simpleng tanong:

Sa palagay mo, saan nakuha ng mga tagalikha ng mga algorithm ang mga base na ito?

Isang maliit na pahiwatig. Ang unang produkto ng NTech na mayroon sila ngayon ay ang Find Face, isang paghahanap para sa mga tao sa VKontakte. Sa tingin ko walang paliwanag ang kailangan. Siyempre, ang VKontakte ay nakikipaglaban sa mga bot na nagpapalabas ng lahat buksan ang mga profile. Pero, sa narinig ko, nagda-download pa rin ang mga tao. At mga kaklase. At Instagram.

Parang sa Facebook - mas kumplikado ang lahat doon. Ngunit halos sigurado ako na mayroon din silang naisip.
Kaya oo, kung ang iyong profile ay pampubliko, kung gayon maaari mong ipagmalaki, ginamit ito upang sanayin ang mga algorithm;)

Tungkol sa mga solusyon at tungkol sa mga kumpanya

Ito ay isang bagay na dapat ipagmalaki. Sa 5 nangungunang kumpanya sa mundo, dalawa na ngayon ang Russian. Ito ay ang N-Tech at VisionLabs. Kalahating taon na ang nakalilipas, ang mga pinuno ay ang NTech at Vocord, ang una ay nagtrabaho nang mas mahusay sa mga nakatalikod na mukha, ang huli sa mga harapan.

Ngayon ang natitirang mga pinuno ay 1-2 mga kumpanyang Tsino at 1 American, may nawala ang Vocord sa ratings.

Ang iba pang Russian sa rating ay itmo, 3divi, at intellivision. Synesis- kumpanya ng Belarus, bagama't ang ilan sa kanila ay minsang nasa Moscow, mga 3 taon na ang nakararaan nagkaroon sila ng blog sa Habré. Alam ko ang tungkol sa ilang iba pang mga solusyon na kabilang sila sa mga dayuhang kumpanya, ngunit ang mga tanggapan ng pagpapaunlad ay nasa Russia din. May iilan pa Mga kumpanyang Ruso na wala sa kompetisyon, ngunit tila may magagandang solusyon. Halimbawa, ang MDGs ay mayroon. Malinaw, ang Odnoklassniki at VKontakte ay mayroon ding sariling mga mahusay, ngunit ang mga ito ay para sa panloob na paggamit.

Sa madaling salita, oo, karamihan sa amin at sa mga Intsik ang may parehong ekspresyon sa mukha.

Ang NTech ang unang nagpakita sa mundo mahusay na mga parameter bagong antas. Sa isang lugar sa pagtatapos ng 2015. Kakahabol lang ng VisionLabs sa NTech. Noong 2015 sila ang nangunguna sa merkado. Ngunit ang kanilang desisyon ay sa huling henerasyon, at sinimulan nilang subukang abutin ang NTech sa pagtatapos lamang ng 2016.

Sa totoo lang, hindi ko gusto ang alinman sa mga kumpanyang ito. Napaka-agresibo sa marketing. Nakakita ako ng mga taong nabili ng malinaw na hindi naaangkop na solusyon na hindi nakalutas sa kanilang mga problema.

Mula sa panig na ito, mas nagustuhan ko ang Vocord. Minsan ay kumunsulta ako sa ilang mga lalaki kung saan tapat na sinabi ng Vocord, "Hindi gagana ang iyong proyekto sa gayong mga camera at mga punto ng pag-install." Masayang sinubukan ng NTech at VisionLabs na magbenta. Ngunit mayroong isang bagay tungkol sa Vocord kani-kanina lang nawala.

Mga konklusyon

Sa konklusyon, nais kong sabihin ang mga sumusunod. Ang pagkilala sa mukha ay isang napakahusay at makapangyarihang tool. Ito ay talagang nagpapahintulot sa iyo na makahanap ng mga kriminal ngayon. Ngunit ang pagpapatupad nito ay nangangailangan ng isang napaka-tumpak na pagsusuri ng lahat ng mga parameter. Maraming available na solusyon sa OpenSource. May mga application (pagkilala sa mga madla sa mga stadium) kung saan kailangan mo lang mag-install ng VisionLabs|Ntech, at magpanatili din ng maintenance, analysis at decision-making team. At hindi ka tutulungan ng OpenSource dito.

Ngayon, hindi ka makapaniwala sa lahat ng mga fairy tale na maaari mong hulihin ang lahat ng mga kriminal, o pagmasdan ang lahat sa lungsod. Ngunit mahalagang tandaan na ang mga ganitong bagay ay makakatulong sa paghuli ng mga kriminal. Halimbawa, upang ihinto ang hindi lahat sa subway, ngunit ang mga taong itinuturing ng system na magkatulad. Maglagay ng mga camera upang mas makilala ang mga mukha at lumikha ng naaangkop na imprastraktura para dito. Bagaman, halimbawa, laban ako dito. Dahil ang halaga ng isang pagkakamali kung ikaw ay kinikilala bilang ibang tao ay maaaring masyadong mataas.

Magdagdag ng mga tag

Kumuha ng pautang, mag-apply para sa isang visa, at magsimula lamang ng isang smartphone pinakabagong modelo— imposibleng gawin ang lahat ng ito ngayon nang walang pakikilahok ng mga algorithm sa pagkilala sa mukha. Tinutulungan nila ang mga opisyal ng pulisya sa mga pagsisiyasat, mga musikero sa entablado, ngunit unti-unti silang nagiging isang nakikitang mata na sumusubaybay sa lahat ng aming mga aksyon online at offline.

Algorithm (mga teknolohiya)

Ang pagkilala sa isang tao mula sa isang larawan mula sa pananaw ng isang computer ay nangangahulugang dalawa iba't ibang gawain: una, hanapin ang mukha sa larawan (kung ito ay naroroon), pangalawa, ihiwalay mula sa larawan ang mga tampok na nagpapakilala sa taong ito mula sa ibang mga tao sa database.

1. Hanapin

Ang mga pagtatangka na turuan ang isang computer na maghanap ng mukha sa mga litrato ay ginawa mula noong unang bahagi ng 1970s. Maraming mga diskarte ang sinubukan, ngunit ang pinakamahalagang tagumpay ay dumating sa ibang pagkakataon - sa paglikha noong 2001 nina Paul Viola at Michael Jones ng cascade boosting na paraan, iyon ay, isang hanay ng mga mahihinang classifier. Bagama't may mga mas sopistikadong algorithm ngayon, maaari mo ring ipusta iyon sa iyo cellphone, at ito ay mabuting matandang Viola-Jones na nagtatrabaho sa camera. Lahat ito ay tungkol sa kahanga-hangang bilis at pagiging maaasahan: kahit noong 2001 karaniwang computer Gamit ang pamamaraang ito, maaari siyang magproseso ng 15 mga larawan bawat segundo. Ngayon, natutugunan ng kahusayan ng algorithm ang lahat ng makatwirang pangangailangan. Ang pangunahing bagay na kailangan mong malaman tungkol sa pamamaraang ito ay nakakagulat na simple. Hindi ka man lang maniniwala kung magkano.

1. Hakbang1. Inalis namin ang kulay at ginagawang brightness matrix ang imahe.
2. Hakbang 2. Ilagay ang isa sa mga parisukat na maskara dito - tinatawag silang mga palatandaan ng Haar. Dumadaan kami sa buong imahe kasama nito, binabago ang posisyon at laki.
3. Hakbang 3. Tiklupin mga digital na halaga liwanag mula sa mga matrix cell na nahulog sa ilalim ng puting bahagi ng maskara, at ibawas mula sa kanila ang mga halagang iyon na nahulog sa ilalim ng itim na bahagi. Kung sa hindi bababa sa isa sa mga kaso ang pagkakaiba sa pagitan ng puti at itim na mga lugar ay nasa itaas ng isang tiyak na threshold, kinuha namin ang lugar na ito ng imahe para sa karagdagang trabaho. Kung hindi, kalimutan mo na siya, walang mukha dito.
4. Hakbang 4. Ulitin mula sa hakbang 2 na may bagong maskara- ngunit sa lugar lamang ng imahe na pumasa sa unang pagsubok.

Bakit ito gumagana? Tingnan mo ang sign. Sa halos lahat ng mga larawan, ang bahagi ng mata ay palaging bahagyang mas madilim kaysa sa lugar sa ibaba. Tingnan ang palatandaan: ang liwanag na lugar sa gitna ay tumutugma sa tulay ng ilong, na matatagpuan sa pagitan ng madilim na mga mata. Sa unang sulyap, ang mga itim at puting maskara ay hindi mukhang mga mukha, ngunit para sa lahat ng kanilang primitiveness mayroon silang mataas na kapangyarihan sa pangkalahatan.

Bakit napakabilis? Sa inilarawan na algorithm ang isa ay hindi minarkahan mahalagang punto. Upang ibawas ang liwanag ng isang bahagi ng larawan mula sa isa pa, kakailanganin mong idagdag ang liwanag ng bawat pixel, at maaaring marami sa kanila. Samakatuwid, sa katunayan, bago ilapat ang mask, ang matrix ay na-convert sa isang integral na representasyon: ang mga halaga sa brightness matrix ay idinagdag nang maaga sa paraang ang integral na liwanag ng rektanggulo ay maaaring makuha sa pamamagitan lamang ng pagdaragdag lamang. apat na numero.

Paano mag-ipon ng isang kaskad? Kahit na ang bawat yugto ng masking ay gumagawa ng napakalaking error (ang aktwal na katumpakan ay hindi hihigit sa 50%), ang lakas ng algorithm ay nakasalalay sa cascade na organisasyon ng proseso. Binibigyang-daan ka nitong mabilis na ibukod mula sa mga lugar ng pagsusuri kung saan tiyak na walang mukha, at gumugol lamang ng pagsisikap sa mga lugar na maaaring magbunga ng mga resulta. Ang prinsipyong ito ng pag-assemble ng mga mahihinang classifier sa isang sequence ay tinatawag na boosting (maaari mong basahin ang higit pa tungkol dito sa Oktubre na isyu ng PM o). Pangkalahatang prinsipyo ganito: kahit malalaking pagkakamali, na pinarami ng bawat isa, ay magiging maliit.

2. Pasimplehin

Ang paghahanap ng mga tampok sa mukha na magbibigay-daan sa isa na makilala ang may-ari nito ay nangangahulugan ng pagbabawas ng katotohanan sa isang formula. Ito ay tungkol sa tungkol sa pagpapasimple, at isang napaka-radikal na isa doon. Halimbawa, iba't ibang kumbinasyon Kahit na ang isang maliit na larawan na 64 x 64 pixels ay maaaring magkaroon ng malaking bilang ng mga pixel - (2 8) 64 x 64 = 2 32768 piraso. Bukod dito, upang mabilang ang bawat isa sa 7.6 bilyong tao sa Earth, 33 bits lamang ang magiging sapat. Ang paglipat mula sa isang numero patungo sa isa pa, kailangan mong itapon ang lahat kakaibang ingay, ngunit panatilihin ang pinakamahalaga indibidwal na katangian. Ang mga istatistika na pamilyar sa mga naturang problema ay nakabuo ng maraming mga tool sa pagpapasimple ng data. Halimbawa, ang pangunahing bahagi na paraan, na naglatag ng pundasyon para sa pagtukoy ng mga mukha. Gayunpaman, kamakailan lamang ay iniwan ng mga convolutional neural network ang mga lumang pamamaraan na malayo. Ang kanilang istraktura ay medyo kakaiba, ngunit, sa esensya, ito rin ay isang paraan ng pagpapasimple: ang gawain nito ay upang bawasan ang isang tiyak na imahe sa isang hanay ng mga tampok.

Maglagay ng maskara sa larawan nakapirming laki(tama na tinatawag na convolution kernel), pinarami namin ang liwanag ng bawat pixel sa imahe sa mga halaga ng liwanag sa mask. Nahanap namin ang average na halaga para sa lahat ng mga pixel sa "window" at isulat ito sa isang cell ng susunod na antas.

Inilipat namin ang mask sa pamamagitan ng isang nakapirming hakbang, muling dumami at muling isulat ang average sa feature map.

Ang pagkakaroon ng dumaan sa buong imahe na may isang maskara, inuulit namin sa isa pa - nakuha namin bagong mapa mga palatandaan.

Binabawasan namin ang laki ng aming mga mapa: kumukuha kami ng ilang kalapit na pixel (halimbawa, isang 2x2 o 3x3 square) at inililipat ang mga ito sa susunod na antas isa lang pinakamataas na halaga. Ginagawa namin ang parehong para sa mga card na natanggap kasama ng lahat ng iba pang mga maskara.

Para sa kapakanan ng kalinisan sa matematika, pinapalitan namin ang lahat ng mga negatibong halaga ng mga zero. Uulitin namin mula sa hakbang 2 nang maraming beses hangga't gusto naming makakuha ng mga layer sa neural network.

Mula sa huling card Nag-iipon kami hindi isang convolutional, ngunit isang ganap na konektado na neural network: ginagawa namin ang lahat ng mga cell ng huling antas sa mga neuron na, na may isang tiyak na timbang, ay nakakaimpluwensya sa mga neuron ng susunod na layer. Huling hakbang. Sa mga network na sinanay upang pag-uri-uriin ang mga bagay (upang makilala ang mga pusa mula sa mga aso sa mga larawan, atbp.), narito ang layer ng output, iyon ay, isang listahan ng mga probabilidad ng pag-detect ng isang partikular na sagot. Sa kaso ng mga mukha, sa halip na isang tiyak na sagot, nakakakuha kami ng isang maikling hanay ng karamihan mahahalagang katangian mga mukha. Halimbawa, sa Google FaceNet ito ay 128 abstract numeric parameters.

3. Kilalanin

Karamihan huling yugto, ang mismong pagkakakilanlan, ay ang pinakasimple at kahit na maliit na hakbang. Nagsisimula ito sa pagtatasa ng pagkakapareho ng nagresultang listahan ng mga tampok sa mga nasa database na. Sa mathematical jargon, nangangahulugan ito ng paghahanap sa feature space ng distansya mula sa isang binigay na vector hanggang sa pinakamalapit na lugar ng mga kilalang mukha. Sa parehong paraan, maaari mong lutasin ang isa pang problema - paghahanap ng mga taong katulad ng bawat isa.

Bakit ito gumagana? Ang convolutional neural network ay "pinatalas" upang kunin ang pinaka-katangiang mga tampok mula sa imahe, at gawin ito nang awtomatiko at sa iba't ibang antas abstraction. Kung ang mga unang antas ay karaniwang tumutugon sa mga simpleng pattern tulad ng pagtatabing, gradient, malinaw na mga hangganan, atbp., pagkatapos ay sa bawat bagong antas ay tumataas ang pagiging kumplikado ng mga tampok. Mga maskara na sinusubukan ng neural network mataas na antas, kadalasan ay talagang kahawig ng mga mukha ng tao o mga fragment ng mga ito. Bukod pa rito, hindi tulad ng pagsusuri ng pangunahing bahagi, pinagsasama-sama ng mga neural network ang mga feature sa isang hindi linear (at hindi inaasahang) paraan.

Saan nagmula ang mga maskara? Hindi tulad ng mga maskara na ginamit sa algorithm ng Viola-Jones, ang mga neural network ay gumagawa nang walang tulong ng tao at nakakahanap ng mga maskara sa panahon ng proseso ng pag-aaral. Upang gawin ito, kailangan mong magkaroon ng isang malaking set ng pagsasanay, na naglalaman ng mga larawan ng iba't ibang uri ng mga mukha sa totoong buhay. iba't ibang background. Tulad ng para sa nagresultang hanay ng mga tampok na ginawa ng neural network, nabuo ito gamit ang paraan ng triplets. Ang mga triple ay mga hanay ng mga larawan kung saan ang unang dalawa ay larawan ng parehong tao at ang pangatlo ay larawan ng isa pa. Natututo ang neural network na maghanap ng mga feature na nagdadala sa mga unang larawan nang mas malapit hangga't maaari sa isa't isa at sa parehong oras ay hindi kasama ang pangatlo.

Kaninong neural network ang mas mahusay? Matagal nang umalis ang facial identification sa akademya malaking negosyo. At dito, tulad ng sa anumang negosyo, ang mga tagagawa ay nagsusumikap na patunayan na ang kanilang mga algorithm ay mas mahusay, bagaman hindi sila palaging nagbibigay ng data mula sa bukas na pagsubok. Halimbawa, ayon sa kumpetisyon ng MegaFace, sa kasalukuyan mas mahusay na katumpakan ay nagpapakita ng Russian deepVo V3 algorithm mula sa Vocord na may resulta na 92%. Ang FaceNet v8 ng Google sa parehong kumpetisyon ay nagpapakita lamang ng 70%, at ang DeepFace mula sa Facebook, na may nakasaad na katumpakan na 97%, ay hindi lumahok sa kompetisyon. Ang mga numerong ito ay kailangang bigyang-kahulugan nang may pag-iingat, ngunit malinaw na na ang pinakamahusay na mga algorithm ay halos nakamit ang katumpakan ng pagkilala sa mukha sa antas ng tao.

Live na make-up (sining)

Noong taglamig ng 2016, sa 58th Annual Grammy Awards, nagsagawa si Lady Gaga ng isang pagpupugay kay David Bowie, na namatay kamakailan. Sa panahon ng pagtatanghal, kumalat ang buhay na lava sa kanyang mukha, na nag-iiwan ng markang makikilala ng lahat ng tagahanga ng Bowie sa kanyang noo at pisngi - isang kulay kahel na kidlat. Ang epekto ng paglipat ng makeup ay nilikha sa pamamagitan ng video projection: sinusubaybayan ng computer ang mga galaw ng mang-aawit sa real time at pinalabas ang mga larawan sa kanyang mukha, na isinasaalang-alang ang hugis at posisyon nito. Madaling makahanap ng video sa Internet kung saan kapansin-pansin na ang projection ay hindi pa rin perpekto at bahagyang naantala sa mga biglaang paggalaw.

Binubuo ni Nobumichi Asai ang teknolohiya ng pagmamapa ng video ng Omote para sa mga mukha mula noong 2014 at aktibong ipinapakita ito sa buong mundo mula noong 2015, nangongolekta ng isang disenteng listahan ng mga parangal. Ang kumpanyang itinatag niya, WOW Inc. naging kasosyo sa Intel at nakatanggap ng magandang insentibo para sa pag-unlad, at ang pakikipagtulungan kay Ishikawa Watanabe mula sa Unibersidad ng Tokyo ay nagbigay-daan sa amin na mapabilis ang projection. Gayunpaman, ang pangunahing bagay ay nangyayari sa computer, at ang mga katulad na solusyon ay ginagamit ng maraming mga developer ng mga application na nagpapahintulot sa iyo na maglagay ng mga maskara sa iyong mukha, maging ito ay helmet ng isang sundalo ng Empire o "David Bowie" na pampaganda.

Alexander Khanin, tagapagtatag at CEO ng VisionLabs

« Katulad na sistema hindi kailangan malakas na computer, maaaring ilapat ang mga maskara kahit sa mga mobile device. Ang system ay maaaring gumana nang direkta sa isang smartphone, nang hindi nagpapadala ng data sa cloud o server."

“Ang gawaing ito ay tinatawag na facial point tracking. Mayroong maraming mga katulad na solusyon sa pampublikong domain, ngunit ang mga propesyonal na proyekto ay nakikilala sa pamamagitan ng bilis at photorealism, "sinabi sa amin ni Alexander Khanin, pinuno ng VisionLabs. — Ang pinakamahirap na bagay sa kasong ito ay upang matukoy ang posisyon ng mga punto, isinasaalang-alang ang mga ekspresyon ng mukha at ang indibidwal na hugis ng mukha o matinding kondisyon: na may malakas na pag-ikot ng ulo, hindi sapat na ilaw at mataas na pagkakalantad." Upang turuan ang sistema na maghanap ng mga puntos, neural network Nagtuturo sila - una nang manu-mano, maingat na pagmamarka ng larawan pagkatapos ng larawan. "Ang input ay isang larawan, at ang output ay isang markadong hanay ng mga puntos," paliwanag ni Alexander. — Pagkatapos ang detector ay inilunsad, ang mukha ay tinutukoy, nito 3D na modelo, kung saan inilapat ang maskara. Inilapat ang mga marker sa bawat frame ng stream nang real time."

Ito ay halos kung paano gumagana ang imbensyon ni Nobumichi Asai. Noong nakaraan, ini-scan ng Japanese engineer ang mga ulo ng kanyang mga modelo, kumuha ng tumpak na three-dimensional na mga prototype at naghahanda ng pagkakasunud-sunod ng video na isinasaalang-alang ang hugis ng mukha. Pinapadali din ang gawain sa pamamagitan ng maliliit na reflective marker na nakadikit sa performer bago umakyat sa entablado. lima mga infrared na kamera subaybayan ang kanilang mga paggalaw, pagpapadala ng data ng pagsubaybay sa isang computer. Pagkatapos ang lahat ay nangyayari tulad ng sinabi sa amin ng VisionLabs: ang mukha ay nakita, isang three-dimensional na modelo ay binuo, at ang projector ni Ishikawa Watanabe ay naglaro.

Ang DynaFlash device ay ipinakilala niya noong 2015: ito ay isang high-speed projector na maaaring subaybayan at mabayaran ang mga paggalaw ng eroplano kung saan ipinapakita ang larawan. Maaaring i-tilt ang screen, ngunit ang imahe ay hindi mababaluktot at mai-broadcast sa dalas ng hanggang sa isang libong 8-bit na mga frame bawat segundo: ang pagkaantala ay hindi lalampas sa tatlong millisecond na hindi mahahalata ng mata. Para kay Asai, ang naturang projector ay naging isang kaloob ng diyos na nagsimulang gumana nang tunay sa real time. Sa video na naitala noong 2017 para sa sikat na Japanese duo na si Inori, hindi na nakikita ang lag. Ang mga mukha ng mananayaw ay nagiging mga buhay na bungo o umiiyak na maskara. Mukhang sariwa at nakakaakit ng pansin - ngunit ang teknolohiya ay mabilis na nagiging sunod sa moda. Sa lalong madaling panahon, ang isang butterfly na dumapo sa pisngi ng isang weather forecaster, o mga performer na nagbabago ng kanilang hitsura tuwing nasa entablado, ay malamang na maging ang pinaka-karaniwang bagay.

Pag-hack ng mukha (aktibismo)

Itinuturo ng mekanika na ang bawat aksyon ay lumilikha ng isang reaksyon, at ang mabilis na pag-unlad ng mga sistema ng pagsubaybay at personal na pagkakakilanlan ay walang pagbubukod. Ngayon, ginagawang posible ng mga neural network na ihambing ang isang random na malabong larawan mula sa kalye sa mga larawang na-upload sa mga account mga social network at alamin ang pagkakakilanlan ng isang dumadaan sa ilang segundo. Kasabay nito, ang mga artista, aktibista at mga espesyalista sa computer vision ay lumilikha ng mga tool na maaaring ibalik sa mga tao ang privacy, ang personal na espasyo na lumiliit sa napakabilis na bilis.

Maaaring hadlangan ang pagkakakilanlan sa iba't ibang yugto ng mga algorithm. Bilang isang patakaran, ang mga unang hakbang ng proseso ng pagkilala ay inaatake - pag-detect ng mga figure at mukha sa imahe. Kung paanong dinadaya ng camouflage ng militar ang ating paningin, nagtatago ng isang bagay, lumalabag sa mga geometric na sukat at silweta nito, gayon din paningin ng makina sinusubukan nilang lituhin siya ng mga kulay na magkakaibang mga spot na nagpapaikut-ikot sa mahahalagang parameter para sa kanya: ang hugis-itlog ng mukha, ang lokasyon ng mga mata, bibig, atbp. Sa kabutihang palad, computer vision hindi pa kasing perpekto ng sa atin, na nag-iiwan ng higit na kalayaan sa pagpili ng mga kulay at hugis ng naturang "pagbabalatkayo".

Ang mga kulay pink at purple, dilaw at asul ay nangingibabaw sa linya ng damit ng HyperFace, ang mga unang sample ay ipinakilala ng designer na si Adam Harvey at ng startup na Hyphen Labs noong Enero 2017. Ang mga pixel pattern ay nagbibigay ng machine vision na may perpektong—mula sa punto de vista nito—larawan ng mukha ng tao, na nahuhuli ng computer bilang isang decoy. Pagkalipas ng ilang buwan, umunlad pa rin ang programmer ng Moscow na si Grigory Bakunov at ang kanyang mga kasamahan espesyal na aplikasyon, na bumubuo ng mga variation ng makeup na nakakasagabal sa mga sistema ng pagkakakilanlan. At kahit na ang mga may-akda, pagkatapos ng pag-iisip, ay nagpasya na huwag i-publish ang programa sa bukas na access, ang parehong Adam Harvey ay nag-aalok ng ilang handa na mga opsyon.

Ang isang taong nakasuot ng maskara o may kakaibang makeup sa kanyang mukha ay maaaring hindi kapansin-pansin mga sistema ng kompyuter, ngunit malamang na papansinin ito ng ibang tao. Gayunpaman, may mga paraan upang gawin ang kabaligtaran. Sa katunayan, mula sa punto ng view ng neural network, ang imahe ay hindi naglalaman ng mga imahe sa karaniwang kahulugan para sa amin; para sa kanya, ang isang larawan ay isang hanay ng mga numero at coefficient. Samakatuwid ganap iba't ibang bagay maaaring kamukhang kamukha niya. Alam ang mga nuances na ito ng gawain ng AI, maaari kang magsagawa ng isang mas banayad na pag-atake at iwasto ang imahe nang bahagya lamang - upang ang mga pagbabago ay halos hindi mahahalata sa isang tao, ngunit ang paningin ng makina ay ganap na malilinlang. Noong Nobyembre 2017, ipinakita ng mga mananaliksik kung paano naidulot ng maliliit na pagbabago sa kulay ng pagong o baseball Google system Kumpiyansa ang InceptionV3 na makakita ng baril o isang tasa ng espresso sa halip. At si Mahmoud Sharif at ang kanyang mga kasamahan mula sa Carnegie Mellon University ay nagdisenyo ng isang batik-batik na pattern para sa frame ng mga salamin: halos walang epekto ito sa pang-unawa ng mukha ng iba, ngunit ang pagkakakilanlan ng computer gamit ang Face++ ay kumpiyansa na nalilito ito sa mukha ng tao "para kanino” ang pattern sa frame ay dinisenyo.

Hanggang kamakailan lamang, ang mga sistema ng seguridad na may mga opsyon sa pagkilala sa mukha ay tila isang bagay na hindi kapani-paniwala, at makikita mo lamang ang mga ito sa mga pelikula. Ngunit marami ang nagbago sa nakalipas na ilang taon. Ang mga bagong pag-unlad ay lumitaw na nagpabago sa ideya ng mga sistema ng seguridad Oh.

Ang kalidad at ginhawa ng lipunan ay nakasalalay sa ang tamang diskarte sa organisasyon ng personal na seguridad at proteksyon ng ari-arian. Hindi nakakagulat na ang mga kinakailangan sa seguridad ay patuloy na lumalaki. Ang isa sa mga inobasyon ay ang hitsura ng isang function ng pagkilala sa mukha. Ano ang mga tampok nito? Saan ito ginagamit? Sa anong prinsipyo ito gumagana? Isasaalang-alang namin ang mga ito at iba pang mga katanungan nang detalyado sa artikulo.

Mga lugar ng aplikasyon

Ang mga benepisyo ng pagkilala sa mukha ay mahirap na labis na tantiyahin. Ang mga sistema ng seguridad na may ganitong function ay ginagamit sa iba't ibang lugar - kapag nag-aayos ng pass system in malalaking organisasyon, upang maghanap ng mga nanghihimasok, protektahan ang mga pribadong bagay, at iba pa.

Sa pangkalahatan, sa tulong ng naturang sistema ng seguridad posible na malutas ang mga sumusunod na problema:

• Ayusin ang isang maaasahan at epektibong sistema pumasa sa checkpoint sa kumpanya o sa iba pa saradong pasilidad. Para sa higit na kahusayan video surveillance ay pinagsama sa turnstiles. Bilang resulta, mabilis mong makikilala ang iyong mga empleyado at estranghero.
• Lumikha ng isang sistema ng proteksyon sa pagnanakaw sa mga lugar ng pagbebenta at mga pribadong pasilidad. Hindi lihim na ang iba't ibang mga tindahan, mga shopping center, ang mga supermarket at iba pang mga establisyimento ay nahaharap sa mga problemadong customer na madaling magnakaw. Sa karamihan ng mga kaso, ang pagnanakaw ay isinasagawa ng parehong mga tao. Kung mayroong isang naaangkop na database, ang pag-andar ng pagkilala sa mukha ay nagpapahintulot sa iyo na makilala ang isang tao sa oras at ipaalam sa bantay. Bilang resulta, posibleng gumawa ng mga karagdagang hakbang upang maprotektahan ang ari-arian.
• Ayusin ang isang sistema ng seguridad na nagbibigay ng proteksyon laban sa hindi awtorisadong pagpasok sa mga istruktura saradong uri at pribadong kabahayan. Kahit na may maingat na pagmamasid, ang isang security guard ay hindi palaging nakikilala ang isang nanghihimasok mula sa ibang bagay. Ito ay totoo lalo na kung ang camera ay naka-install sa isang lugar na may mababang antas pag-iilaw. Pag-install mga espesyal na sistema na may function ng pagkilala sa mukha ay nakakatulong upang mabilis na makilala ang isang tao kahit na sa dilim. Ang hindi makontrol ng isang security worker ay madaling malutas sa pamamagitan ng isang computer module.
• Pagtitiyak ng kontrol sa mukha sa mga establisimiyento sa gabi. Ang pagkakaroon ng mga system na pinag-uusapan sa mga club ay ginagarantiyahan ang 100% na proteksyon mula sa "problema" na mga bisita.

Paano ito gumagana?

Ang pinakamalaking interes ay ang prinsipyo ng pagpapatakbo ng system, na may kakayahang hindi lamang maglipat ng isang imahe sa isang monitor, ngunit makilala din ang mga mukha ng mga tao. Ang gawain ng isang espesyal na module ay basahin ang impormasyon, pati na rin ang kasunod na paghahambing nito sa data na magagamit sa database. Ang ganitong mga complex ay may kakayahang makilala ang mukha ng isang tao sa layo na hanggang 10 m mula sa camera.

Ang isa sa mga tampok ng system ay mataas na "sensitivity", na nagpapahintulot sa iyo na makilala ang isang tao kahit na nagbago ang iyong hitsura. Ang module ay hindi maaaring itumba sa pamamagitan ng salamin, pagpapalit ng hairstyle, balbas o iba pa karagdagang elemento pagbabalatkayo sa mukha. Ito ay dahil sa ang katunayan na hindi mga tampok ng mukha ang sinusuri, tulad ng pinaniniwalaan ng marami, ngunit ang istraktura ng bungo at ang mga biometric na parameter nito. Ang ganitong mga katangian ay indibidwal, tulad ng mga fingerprint, na nag-aalis ng posibilidad ng pagkakamali.

Ang impormasyon ay ini-scan at pinoproseso sa real time. Sapat na para sa bisita na ibaling ang kanyang mukha patungo sa scanner, at tinutukoy ng system ang tao at nagbibigay ng mga utos sa iba pang mga organo. Kung ang facial recognition module ay nakakonekta sa turnstile o iba pang mga locking device, awtomatiko itong isinaaktibo. Bilang karagdagan, ang isang larawan ng isang kahina-hinalang tao ay naka-imbak sa memorya para sa karagdagang pagproseso at pagsusuri ng seguridad.

Ang mga system na may function ng pagkakakilanlan ay pinakalaganap sa malalaking kumpanya kung saan maraming kumpetisyon. Hindi lihim na ang tagumpay ng isang negosyo ay nakasalalay sa antas ng seguridad. Ito ay totoo lalo na para sa mga organisasyon na nagtatrabaho sa sektor ng pagtatanggol, ay nakikibahagi sa pagbuo ng mga bagong proyekto o biological na pananaliksik.

Ang gawain ng system ay ihambing ang mga empleyado at suriin ang mga indibidwal laban sa umiiral na database. Kung ang isang tao ay wala sa listahan, ang isang senyas ay ipinapadala sa mga guwardiya, pagkatapos ay ang huli ay gumawa ng mga hakbang upang maiwasan ang mga hindi awtorisadong tao na makapasok sa pasilidad. Sa kasong ito, ang lokasyon ng pagtuklas ay tumpak na naitala sa elektronikong mapa, at tinutukoy ng mga empleyado ng departamento ng seguridad ang nagkasala sa loob ng ilang minuto.

Mga Tampok ng Pag-install

Kapag nag-i-install ng isang system na may mga pagpipilian sa pagkilala sa mukha, ito ay nagkakahalaga ng pagsasaalang-alang na ang mga video camera ay maaaring gumana sa isa sa 2 mga mode - 2D o 3D. Sa unang kaso, ang pagsusuri ay isinasagawa batay sa isang patag na imahe, at ang mga two-dimensional na camera ay lubos na sensitibo sa liwanag. Ito ay sumusunod mula dito na kapag nag-i-install ng 2D camera, ang espesyal na pansin ay dapat bayaran sa pag-iilaw ng protektadong bagay at ang saklaw ng mga protektadong lugar.

Tulad ng para sa mga 3D camera, gumagana ang mga ito tatlong-dimensional na bagay batay sa ipinadala ng aparato mga larawan. Sa kasong ito, hindi mo maaaring bigyang-pansin ang antas ng pag-iilaw, dahil ang sistema ay nakayanan nang maayos sa mga pag-andar na itinalaga dito kahit na sa dilim. Ang tanging panganib ay ang texture ng mukha ay bahagyang baluktot.

Anong mga uri ng gayong mga sistema ang umiiral?

Kapag pumipili ng mga system na may function ng pagkilala sa mukha, mahalagang tumuon sa ilang mga kadahilanan - mga layunin, layunin at lokasyon ng pag-install. Bilang karagdagan, ito ay nagkakahalaga ng pagsasaalang-alang sa mga uri ng naturang mga aparato:

• Mga sistema ng pagtuklas. Ang video camera ay may resolution na 1 megapixel at focal length na 1 mm. Ang pagpapatakbo ng aparato ay naglalayong i-record ang katotohanan ng pagtagos ng mga hindi awtorisadong entity sa mga protektadong bagay. Ang kakaiba ng scanner ay ang kakayahang makilala ang isang tao mula sa isang hayop, ngunit hindi posible na makilala ang tao.
• Sistema ng pagkilala. Mas kumplikado ang complex na ito, at may kasama itong 2-megapixel camera na may focal length na anim na millimeters. Ang gawain ay kilalanin ang mga mukha at kilalanin sila ayon sa prinsipyong "kaibigan o kalaban". Kung manonood ka ng video, hindi magiging malinaw ang larawan. Nakikita ng system mga estranghero, ngunit sa kaso ng pagnanakaw ay magiging mahirap hanapin ang magnanakaw gamit ang naka-save na imahe
• Mga kagamitan sa pagkakakilanlan. Kapag nag-aayos ng naturang sistema, ginagamit ang mga camera na may resolusyon na 2 MP o higit pa at isang focal length na higit sa walong milimetro. Ang ganitong mga complex ay may kakayahang magsagawa ng mga function na tinalakay sa itaas. Ang kalamangan ay ang resultang imahe ay sapat na upang makilala ang isang magnanakaw mula sa isang larawan. Ang magagamit na footage ay maaaring gamitin sa panahon ng proseso ng pagsisiyasat at kahit na isumite sa korte.

Tinatalakay ng paglalarawan sa itaas ang mga minimum na kinakailangan para sa mga sistema ng seguridad sa mga tuntunin ng haba ng focal at resolution ng imahe. Nangangahulugan ito na kapag bumibili ng kagamitan dapat kang tumuon sa mga produktong may pinakamahusay na mga katangian, na nagbibigay ng mas mahusay na kalidad ng pagbaril. Halimbawa, ang 2 MP camera na may focal length na 8 mm ay mas angkop para sa mga sistema ng pagkilala. Tulad ng para sa mga identification complex, ang mga rekomendasyon dito ay mas seryoso. Maipapayo na gumamit ng mga video camera na may resolution na 5 MP at 12 mm focal length.

Ibuod natin nang maikli:

• Ang isang video camera na may resolution na 1MP ay nagbibigay-daan sa iyo na makilala ang isang tao mula sa isang hayop. Sa kasong ito, hindi posible na matukoy ang paksa.
• Upang makuha ang mga mukha at ihambing ang mga ito sa kasalukuyang database, ang fixation device ay dapat na may resolution na 2 MP o higit pa.
• Upang makilala ang isang tao, ipinapayong gumamit ng 5-megapixel camera.