Контроль доступа по геометрии лица

Лицо вполне естественно использовать в качестве биометрического идентификатора, поскольку в повседневной жизни люди узнают друг друга, в первую очередь, по лицу. По этой причине распознавание человека по лицу считается более приемлемым для общества, чем большинство других методов биометрической аутентификации. С момента изобретения фотографии изображения лиц стали удостоверять личность в паспортах, удостоверениях и идентификационных картах. Благодаря тому, что для получения биометрических образцов в этом случае используются традиционные средства, стало возможным создание больших баз данных, по которым можно проводить автоматический поиск. Распространяются также системы слежения, которые основаны на получении изображения лица без содействия человека, с вытекающими отсюда последствиями для конфиденциальности.

До недавнего времени эта технология в БСКД применялась редко. Первый существенный импульс развития это направление получило с распространением технологий Internet/Intranet-видеоконференций. Весьма важным при этом оказалось то, что этот класс биометрических систем потенциально способен осуществлять непрерывную аутентификацию собеседника в течение всего сеанса связи.

Существуют двух- и трехмерные системы идентификации человека по лицу. Для двумерных систем изготовление муляжа-фотографии не является сложной технической проблемой. К тому же точность двухмерных систем невысока, что является их основным недостатком.

В системах распознавания лиц применяются различные методы получения изображений.

Двумерное изображение. Для получения изображений лиц (фотографий) используются цифровые камеры. При создании баз данных такие фотографии обычно делаются в массовом порядке (например, для получения водительских удостоверений) и в определенных условиях для нормализации шаблонов. Оптические сканеры позволяют проводить оцифровку старых бумажных документов, созданных с использованием аналоговых фотокамер. Это важно для перевода в цифровой вид существующих баз данных фотографий.

Видео. Камеры слежения делают видеозаписи, часто включающие в себя изображения лиц. Обычно такие видеозаписи мало подходят для проведения аутентификации из-за низкого разрешения камер слежения. Используются и такие техники, как гиперразрешение, когда изображение получают путем интегрирования удачных кадров. Но обычно это не приносит больших результатов, поскольку скорость смены кадров у большинства камер слежения слишком низкая, что не позволяет с их помощью получить достаточное число удачных изображений лица движущегося объекта. Получить изображения лучшего качества позволяют поворотные камеры с увеличительным объективом.

Трехмерное изображение. Многие новые техники основаны на геометрии черепа и используют трехмерное изображение лица вместо двухмерного. Существует ряд техник для получения таких изображений, включая стерео, структурированный свет и фазовое ранжирование.

Изображение в инфракрасном свете. Одна из проблем технологий распознавания лица - это получение четкого изображения при плохом освещении, а также при изменениях условий освещенности при регистрации и идентификации. Способом получения качественного изображения лица в условиях недостаточного освещения является использование ближнего инфракрасного диапазона (инфракрасный свет).

Для распознавания лиц применяются также изображения, полученные в дальнем инфракрасном диапазоне (термограммы). Большим недостатком этого метода является относительно высокая стоимость сенсоров.

Независимо от метода получения изображений лиц, для идентификации личности необходимы также системы распознавания лица, которые находят изображение лица в пространстве, оценивают его относительно принятого шаблона, нормализуют, масштабируют и вращают в плоскости. Было разработано много подходов к вычленению изображения лица на фото- и видеоматериалах. Все они основаны на моделях человеческого лица, которые воспроизводят форму лица с точки зрения его структуры.

После того как лицо локализовано, применяется один из трех наиболее распространенных методов анализа:

  • • внешний вид лица («собственное лицо», «eigenfaces»);
  • • геометрия лица (отличительные черты лица);
  • • автоматическая обработка изображения лица.

Внешний вид лица. Основная идея этого подхода заключается в том, чтобы уменьшить разрешение изображения лица с нескольких тысяч пикселей до небольшого числа, чтобы оставить наиболее яркие черты, нечувствительные к шуму, появляющемуся, например, из-за изменений освещенности. Эта технология использует двумерные изображения в градациях серого, которые представляют отличительные характеристики изображения лица. В таком упрощенном виде основные характеристики изображения в методе «собственное лицо» выступают собственными векторами ковариационной матрицы набора учебных образцов.

В момент регистрации «eigenface» каждого конкретного человека представляется в виде эталона, содержащего ряд коэффициентов. В режиме верификации «живой» образец сравнивается с эталоном, с целью определения степени различия, которая и определяет результат верификации. Технология «eigenface» оптимальна при использовании в хорошо освещенных помещениях, когда есть возможность сканирования лица в фас. «Eigenface» часто используются в качестве основы для других методов распознавания лица.

Геометрия лица. Основной идеей этого подхода является моделирование человеческого лица в единицах определенных черт, таких, как глаза, рот, брови и т. д., а также изучение геометрии этих черт. При распознании лица сопоставляются комбинации черт лица. Технология «отличительных черт» подобна «eigenface», но в большей степени адаптирована к изменению внешности или мимики лица человека. В технологии «отличительных черт» используются десятки характерных особенностей различных областей лица, причем с учетом их относительного местоположения. Индивидуальная комбинация этих параметров определяет особенности каждого конкретного лица.

Лицо человека уникально, но достаточно динамично. Человек может улыбаться, хмуриться, отпускать бороду и усы, надевать очки - все это увеличивает сложность процедуры идентификации. Например, при улыбке наблюдается некоторое смещение частей лица, расположенных около рта, что в свою очередь вызывает подобное движение смежных частей. Учитывая такие смещения, можно однозначно идентифицировать человека и при различных мимических изменениях лица. Так как этот анализ рассматривает локальные участки лица, допустимые отклонения могут находиться в пределах до 25° в горизонтальной плоскости, и приблизительно до 15° в вертикальной плоскости. Метод требует достаточно мощной и дорогой аппаратуры, что соответственно сокращает степень распространения данного метода.

Техники распознавания, основанные на внешних чертах, могут быть как глобальными, т. е. принимать лицо в целом, так и локальными, в которых создаются репрезентации отдельных областей лица.

Автоматическая обработка изображения лица - наиболее простая технология, использующая расстояния и отношение расстояний между легко определяемыми точками лица, такими как глаза, кончик носа, уголки рта (рис. 2.27). Хотя данный метод не столь мощный как другие, он достаточно эффективен в условиях слабой освещенности.

2.2. Контроль доступа по геометрии лица

Идентификационные точки и расстояния

Рис. 2.27. Идентификационные точки и расстояния: а - используемые при криминалистической фотоэкспертизе; б - при построении автоматизированных систем идентификации

Возможно использование трехмерных биометрических систем, способных по перепадам яркости отраженного света восстанавливать трехмерную геометрию лица.

В основу метода автоматической идентификации личности по трехмерной геометрии лица положен постулат о том, что форма черепа каждого человека индивидуальна. Так как получение точной модели черепа, задача более чем трудноразрешимая, его форму восстанавливают по поверхности лица. На лице существуют определенные точки, учитывая пространственные координаты которых, можно вычислить координаты точек на черепе, которые и будут участвовать в идентификации. Причем количество подобных точек, необходимых для уверенной идентификации, не так велико - несколько десятков. Сложность заключается в том, что измерения необходимо выполнять с очень высокой точностью, а задача восстановления изображения лица и формы черепа требует довольно больших вычислительных ресурсов. Кроме того, хорошая реализация этого метода идентификации требует дорогостоящей аппаратуры.

Переходным от 2D к 3D является метод, реализующий накопление информации по лицу. При занесении лица субъекта в базу данных субъект поворачивает голову, и алгоритм соединяет изображения воедино, создавая ЗИ-шаблон. А при распознавании используется несколько кадров видеопотока. Как и 2Э-метод, этот метод использует всего одну камеру, но имеет лучшие характеристики.

Близким к классическому является метод проецирования шаблона. Он состоит в том, что на объект (лицо) проецируется сетка. Далее камера делает снимки со скоростью десятков кадров в секунду, и полученные изображения обрабатываются специальной программой. Луч, падающий на искривленную поверхность, изгибается - чем больше кривизна поверхности, тем сильнее изгиб луча (рис. 2.28). Время захвата и обработки изображения составляет 1-2 секунды для лучших моделей.

Технология распознавания позволяет сканировать человеческие лица в режиме реального времени. Видеокамера подключается к терминалу, и система распознавания определяет, соответствует ли лицо в кадре фотографиям из базы данных. В результате каждое лицо описывается уникальным набором параметров, причем с некоторым избытком. Для идентификации с высокой степенью точности требуется не более 40 характеристик, тогда как система обычно задает около 2 тыс. оценочных параметров. Это обеспечивает высокую надежность опознания независимо от поворота головы, наличия очков, косметики.

Метод проецирования шаблона

Рис. 2.28. Метод проецирования шаблона

Преимущества метода. Отсутствие необходимости контактировать со сканирующим устройством. Низкая чувствительность к внешним факторам, как на самом человеке (появление очков, бороды, изменение прически), так и в его окружении (освещенность, поворот головы). Высокий уровень надежности, сравнимый с методом идентификации по отпечаткам пальцев.

Недостатки метода. Дороговизна оборудования. Имеющиеся в продаже комплексы превосходили по цене даже сканеры радужной оболочки. Изменения мимики лица и помехи на лице ухудшают статистическую надежность метода.

Сканирование лица может производиться в инфракрасном диапазоне. К преимуществам данной технологии можно отнести:

  • • нечувствительность к условиям освещения (приборы могут работать как при солнечном свете, так и в помещении, при полной темноте);
  • • сложность подделки - для того чтобы «обмануть» такую систему, придется изготовить точную копию лица человека, причем сделать это с субмиллиметровой точностью - именно с такой точностью сканирует лицо трехмерный сканер. Кроме того, живая кожа человека имеет уникальное свойство рассеивания инфракрасного света. Замена ее другим материалом будет обнаружена.

Еще один фактор существенного прогресса в технологиях машинного распознавания лиц - способность современных камер делать снимки высокого разрешения. Благодаря этому, в частности, становится возможен тщательный компьютерный анализ текстуры кожи лица человека. При таком анализе любой из участков кожи, именуемый кожным отпечатком (skin print), может захватываться как отдельный образ, а затем разбиваться на меньшие фрагменты, которые алгоритмами превращаются в математически зафиксированные соотношения между складками, порами и другими характеристиками кожной текстуры. Когда все эти характеристики известны, они позволяют различать даже близнецов, что обычным системам распознавания лиц пока не под силу. По свидетельству Ральфа Гросса (Ralph Gross) из Института робототехники при Университете Карнеги-Меллона, комбинирование стандартных возможностей биометрической идентификации по лицу с анализом кожных текстур может повышать точность опознания на 20-25 %.

В целом же распознавание лиц имеет множество проблем, которые можно разбить на 4 категории:

  • Физические проявления, которые заключаются в быстрых изменениях выражения лица, например мигание, речевая, эмоциональная и коммуникативная мимика. Важны также изменения, которые происходят во внешности медленно, например с возрастом. Также нужно учитывать наложенный макияж, ношение очков, изменение формы растительности на лице, изменение прически и т. д.
  • Геометрия снятия образцов. В большинстве случаев лицо на фотографии имеет неизвестное расположение, неизвестный угол поворота и неизвестный размер. Бывает, что человек смотрит прямо в камеру. Поворот головы, например в профиль или в фас, определенным образом меняет внешность человека на разных изображениях.
  • Условия снятия параметра. Свет, падающий на лицо человека, может сильно изменить его внешность. Характеристика и параметры камеры также могут сильно влиять на внешность человека на фотографии, даже независимо от света. К таким характеристикам можно отнести автоматическую балансировку белого цвета, регуляцию усиления и снижения шума.
  • Артефакты сжатия. При сжатии и декомпрессии изображения (для передачи и/или сохранения) происходит довольно сильное ухудшение его качества. Общепринятые стандарты сжатия, такие как JPEG и MPEG, базируются на компрессии блоков изображения и не гарантируют, что оно останется неизменным. Артефакты сжатия могут оказать значительное влияние на точность работы алгоритмов распознавания лиц при использовании архивных баз фотоизображений и видеоматериалов.

Ни одна из существующих сегодня систем распознавания не может решить эти проблемы в полной мере. В частности, было проведено исследование для изучения возможности распознавать лица, несмотря на возрастные изменения. Чтобы избежать вышеперечисленных проблем, процедура получения изображения используется для ограничения количества неизменных параметров, которые должны быть встроены в алгоритмы. Даже при наилучших условиях получения изображения коэффициенты ошибок пока очень высоки. В частности, было заявлено, что системы автоматического распознавания лиц могут быть использованы для сопоставления людей в толпе с преступниками, зарегистрированными в специальной базе данных. На самом деле эта технология все еще недостаточно разработана для того, чтобы работать в полностью автоматическом режиме.

Комплексные задачи по созданию достаточно точных технологий идентификации личности по геометрии лица были решены сравнительно недавно, алгоритмы идентификации разработаны еще недостаточно, не хватает данных по практическому применению этих систем. Поэтому, несмотря на утверждения производителей, эксперты оценивают возможность ошибок системы при идентификации пользователей до 5 %.

На мировом биометрическом рынке сектор биометрических систем на основе распознавания лица составляет около 10 %.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >