VisionLabs улучшает характеристики распознавания лиц

На правах рекламы

Скачайте детальное сравнение «Продвинутая защита конечных станций» от экспертов «Инфосистемы Джет», чтобы выбрать подходящее решение для защиты вашего бизнеса от киберугроз.

VisionLabs улучшает характеристики распознавания лиц

Биометрические технологии, будучи надежными и удобными в эксплуатации, все активнее применяются при аутентификации и идентификации. По утверждению специалистов, именно изображение лица является более устойчивым к изменениям аутентификатором человека по сравнению с другими биометрическими параметрами.

Однако, как напомнил генеральный директор российской компании VisionLabs Александр Ханин, дальнейшему продвижению одной из наиболее распространенных в ряду биометрических технологий — распознаванию лиц — препятствует пока неприемлемо высокая доля отрицания достоверной информации и принятия за истину недостоверной.

В последних числах августа представители компании VisionLabs сообщили о существенных улучшениях характеристик технологии распознавания лиц (на этом компания специализируется на протяжении уже нескольких лет).

Разработанная в VisionLabs платформа LUNA позволяет сегодня на практике достичь более 91% правильного распознавания лиц на 100 млн запросов, что, как считает Александр Ханин, относится к лучшим на сегодняшний день мировым показателям для таких систем.

Как полагает Ханин, в решении задач компьютерного зрения (к которым относится и распознавание лиц) половина успеха приходится на «хорошие» алгоритмы и работающих с ними специалистов, а половина — на накопленные данные, обучающие систему и помогающие учесть по возможности все входные условия для распознавания.

Основные новации, реализованные специалистами VisionLabs, относятся к этапу преобразования изображения лица в описывающий его цифровой код или биометрический шаблон лица. Для этого применяется набор нейронных сетей, которые способны распознавать лица лучше и быстрее, чем это делает человеческий мозг.

Именно нейронные сети (в платформе LUNA их несколько десятков), а не эксперты (как это делается в большинстве современных систем распознавания лиц) отбирают параметры лица, которые признаются важными для распознавания. Количество и последовательность выполняемых нейронными сетями операций и определяют качество распознавания.

Каждая нейросеть компании VisionLabs представляет собой многослойный проприетарный набор операций обработки изображений (ноу-хау разработчика), нацеленных на выделение на исходном изображении его важных особенностей. Их может быть несколько десятков миллионов, и задача заключается в отборе наиболее существенных для принятия решения.

Для обучения нейросетей на вход им подаются десятки тысяч (и даже миллионы) фотографий лица, задаваемые как изображения одного и того же человека. Изображение разбивается на несколько сегментов (глаза, нос, рот, подбородок...), и за обработку каждого отвечает своя нейронная сеть.

Каждая сеть выдает короткое описание сегмента, они сшиваются в биометрический шаблон лица. Размер шаблона в платформе LUNA составляет всего 204 байта (его малый размер особенно важен для мобильных платформ). Алгоритмы сравнения шаблона с изображением на входе для принятия решения также являются новшеством VisionLabs.

Большое значение имеет этап отбора эталонных изображений, которые хранятся в базе данных системы распознавания. Все они обязательно проходят контроль качества. Это позволяет в дальнейшем существенно снизить требования к изображениям, предъявляемым к распознаванию — они могут быть повернуты на 45 градусов, обрезаны, низкого разрешения, отличаться от содержащихся в базе эталонных изображений наличием головного убора, очков, усов и бороды, макияжа, изменений в прическе, мимикой...

Одновременно снижаются требования к оборудованию и процессам, которые используется в процедуре аутентификации (а LUNA работает с широким набором источников изображений — устройствами и программами, способными их создавать и передавать).

Нетребовательность к входным данным, предъявляемым к распознаванию, позволяет заказчикам не вносить изменений в, как правило, уже имеющуюся инфраструктуру, которая с этими данными работает. Платформа на стороне заказчика может быть интегрирована с различными корпоративными информационными системами и бизнес-процессами — АБС, CRM, аутентификацией, скорингом...

Одним из приоритетных направлений развития платформы LUNA в VisionLabs считают мобильную аутентификацию. Для этого варианта в систему закладываются специальные возможности, позволяющие убедиться в том, что пользователь — реальный человек. Это помогает нивелировать риски, связанные с удаленным мошенническим использованием фотографий (в том числе добровольно выкладываемых людьми в социальных сетях). Большая работа также проделана по ускорению и сжатию алгоритмов распознавания, чтобы они могли выполняться на мобильных вычислительных платформах.

Массового распространения мобильного направления (технологическая состоятельность которого, по мнению специалистов VisionLabs, доказана), как полагает Александр Ханин, можно ожидать в следующем году. Его важным катализатором он считает развитие Национальной биометрической платформы, которая в ближайшее время будет поддержана необходимыми законами.

В настоящее время, как сообщил Александр Ханин, компания VisionLabs ведет в России около десяти пилотных проектов по внедрению мобильной аутентификации. Заказчиками в них выступили российские банки из первой сотни по размерам бизнеса. 

Anti-Malware TelegramПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

RSS: Новые статьи на Anti-Malware.ru