УДК 004.415

Разработка алгоритмов и программного обеспечения с методами распознавания образов для идентификации серийных преступников

Любимцев Вячеслав Игоревич – аспирант Байкальского государственного университета.

Аннотация: Автоматическая идентификация подозреваемых в совершении противоправных действий лиц с помощью систем видеонаблюдения, оснащённых специальным программным ПО позволяет рассчитывать на снижение уровня преступности. В статье рассматривается диапазон возможностей, связанных с применением алгоритмов данного направления.

Ключевые слова: разработка программного обеспечения, импортозамещение в сфере IT, распознавание внешности, системы распознавания лиц, безопасность жизнедеятельности, обеспечение массовой безопасности.

Актуальность разработки программного обеспечения, направленного на выявление серийных преступников в местах массового скопления людей, и перспективы его применения на практике.

Цель исследования

Определение возможностей программных алгоритмов распознавания лиц, имеющихся на данный момент, в контексте их применимости на практике в целях снижения уровня преступности.

Проблема исследования

Существующие потребности общества в обеспечении безопасности жизни и здоровья граждан на данный момент удовлетворяются не полностью. Так как человеческие ресурсы, направленные на это, являются исчерпываемыми, то увеличить контроль за безопасностью могут технические средства, в числе которых – системы распознавания лиц.

Метод исследования

Изучение научной литературы и периодики.

Введение

Проблемы безопасности жизни и здоровья граждан, а также сохранности частной и государственной собственности всегда находятся в центре внимания. Согласно теории Абрахама Маслоу [1], безопасность находится на второй ступени после физиологических потребностей, поэтому ей уделяется внимание как на личном уровне (человек старается обезопасить собственную жизнь, здоровье и имущество), так и на уровне государства. Последний аспект неразрывно связан как с обеспечением социально стабильности, так и с созданием предпосылок для экономического и социокультурного развития.

Традиционно, обеспечение безопасности в местах массового пребывания людей – на улицах городов, в торговых центрах, на вокзалах и т.д. – обеспечивается силами правоохранительных органов. Однако человеческие возможности ограничены: если быстроту реакции, уровень внимательности и другие личные свойства можно развивать, то процесс узнавания потенциального преступника неразрывно связан с доступом к базам данных Big Data и скоростью их обработки. А это находится в компетенции систем, работающих по принципу искусственного интеллекта.

На помощь приходят системы автоматического распознавания лиц, которые способны «узнать» в потоке людей граждан, похожих на разыскиваемых в связи с совершением правонарушения, а также тех, чьё досье позволяет подозревать их в возможных противоправных деяниях в будущем.

1. Принцип действия и краткий обзор основных алгоритмов идентификации лиц

Принцип действия большинства систем, направленных на идентификацию личности посредством анализа данных с камер видеонаблюдения схож [4]. На первом этапе в кадре выбираются фрагменты, содержащие изображения человеческих лиц. Затем каждое лицо обрабатывается для возможности сравнения с лицами из базы данных: выделяются точки, соответствующие расположению глаз, носа, рта, контуров лица, кроме того, производится ориентация по их расположению относительно горизонтальной и вертикальной оси, что позволяет анализировать лица в наклонном положении.

Существует несколько базовых алгоритмов, которые используются для распознавания лиц. Одним из наиболее востребованных является RetinaFace [2] – в 2019 году она давала максимально точные результаты среди аналогов, да и на данный момент часто упоминается в качестве лидера разработок. Главным преимуществом данного алгоритма является наиболее высокая способность распознавать лица в кадре – до 97%, даже в том случае, если люди носят маску (как это наблюдалось повсеместно во время пандемии COVID-19), показатель «выхватывания» из видеопотока лиц составляет 90-92%. Однако при этом алгоритм отличается длительными сроками обработки информации – до 1-1,5 минут, что в условиях постоянного людского потока может быть существенным недостатком.

Альтернативный алгоритм – Facenet-pytorch – работает намного быстрее, анализируя кадр в среднем за 10-20 секунд. Однако при этом точность распознавания лиц намного ниже – в большинстве случае она находится на уровне около 80%. Примерно на том же уровне находятся показатели скорости и точности идентификации лиц у алгоритма DBFace.

2. Применение существующих систем распознавания внешности

По данным РБК [3], на данный момент внедрённая в общественных пространствах Москвы система распознавания лиц является одной из самых масштабных и эффективных в мире. Она собирает и анализирует данные в метрополитене, на улицах столицы, на вокзалах и других потенциально привлекательных для преступников объектах массового пребывания людей.

Перечислим основные задачи, которые решаются с использованием алгоритмов распознавания лиц в настоящее время:

  • розыскные мероприятия по поимке граждан, подозреваемых в совершении противозаконных действий (автоматический поиск по фото или фотороботу);
  • поиск людей, имеющих расстройства поведения, находящихся в неадекватном состоянии, а также несовершеннолетних, которые могли покинуть дом или иное место постоянного пребывания умышленно или по принуждению.

Суммарно на улицах и государственных объектах Москвы расположено сейчас более 200 тысяч камер – и этот показатель не учитывает частные системы видеонаблюдения. Однако существуют точки развития, которые могут сделать использование системы видеонаблюдения с функцией распознавания и идентификации лиц более эффективным.

3. Приоритетные направления разработки нового программного обеспечения для идентификации граждан

Приоритетом разработки нового программного обеспечения на базе алгоритмов идентификации людей по внешности должно стать повышение точности результата анализа данных. Для этого необходимо как регулярное пополнение базы данных, которого невозможно добиться без согласия граждан на использование своих биометрических данных. В случае, если база будет пополняться анонимизированно, эффективность её использования будет расти более медленными темпами. Таким образом, требуется или доработка законодательной базы, позволяющей вводить в оборот в целях безопасности данных биометрии, или более активная работа с населением. Дополнительной возможностью может стать использование данных, открыто публикуемых гражданами, например, базу могут пополнять фотографии открытых профилей в социальных сетях. Единственный минус в последнем случае – неверифицированность данных профиля, обилие фейковых страниц, а также использование вместо фотографии профиля постороннего изображения.

Ещё одним важным моментом является развитие способности алгоритмов распознавать и идентифицировать искажённые или фрагментарные изображения лиц. Примерами могут служить лица в медицинских масках, хиджабах, балаклавах и т.д., а также лица, повёрнутые в профиль, частично закрытые рукой, козырьком головного убора и другими предметами, создающими помехи. Очевидно, что человек, не желающий быть узнанным, будет стремиться скрыть своё лицо – и это обязательно должны учитывать алгоритмы, стоящие на страже общественной безопасности.

И, наконец, третьим принципиально важным моментом является увеличение быстродействия работы идентифицирующего программного обеспечения. В некоторых случаях даже несколько секунд, имеющиеся в запасе у оператора, получающего данные об обнаружении потенциально опасного человека, могут помочь сохранить жизнь и здоровье десяткам, а то и сотням других людей. Тестирования скорости срабатывания уже внедрённых систем должны проводиться регулярно, по мере пополнения базы биометрических данных новыми верифицированными референсами.

Заключение

Итак, мы выяснили, что использование программного обеспечения, работающего на алгоритмах распознавания и идентификации человеческих лиц в настоящее время является актуальным и востребованным. К сожалению, такие системы пока редко и маломасштабно внедряются в регионах, используясь, преимущественно, в столице и других российских мегаполисах. Однако опыт, наработанный московской системой сплошного видеонаблюдения на объектах массового пребывания людей, а также созданная в процессе этого база данных, могут эффективно использоваться при создании аналогичных систем в других субъектах Российской Федерации.

Для повышения эффективности, а также удешевления использования систем идентификации необходимо проводить работы над повышением показателей их быстродействия, точности и снижением показателя ложных срабатываний.

Наиболее важным представляется внедрения систем видеонаблюдения с нейропрограммами на объектах массового пребывания несовершеннолетних (школы, детские центры, учреждения дополнительного образования). На таких объектах возможно создание «внутренней» базы лиц и настроить срабатывание тревожного оповещения не в случае совпадения лица посетителя с одним из заданных референсов, а, напротив, в случае несовпадения с авторизованными посетителями заведения. Это позволит быстро установить факт нахождения на территории постороннего человека и предотвратить возможные противоправные действия в отношении малолетних.

Также следует анализировать максимально эффективное расположение камер на каждом конкретном пространстве в целях уменьшения «слепых зон» при меньшем количестве оборудования. Эта мера позволит устанавливать системы видеонаблюдения с функцией идентификации даже при ограниченности регионального бюджета – и тем самым повышать уровень безопасности жизни и здоровья граждан на всей территории Российской Федерации.

Список литературы

  1. Маслоу, Абрахам Гарольд. Мотивация и личность / Абрахам Маслоу ; [пер. с англ. Т. Гутман, Н. Мухина]. – 3-е изд. – Москва [и др.] : Питер, 2013. - 351 с.; – (Мастера психологии); ISBN 978-5-459-00494-7.
  2. Реализация системы распознавания и отслеживания лиц / И. А. Кононыхин, Ф. В. Ежов, Р. А. Мартынюк [и др.]. — Текст : непосредственный // Молодой ученый. — 2020. — № 28 (318). — С. 8-12. — URL: https://moluch.ru/archive/318/72492/ (дата обращения: 16.11.2023).
  3. Как работает распознавание лиц и можно ли обмануть эту систему? // РБК. Тренды. – URL: https://trends.rbc.ru/trends/industry/6050ac809a794712e5ef39b7 (дата обращения: 16.11.2023).
  4. Оралов Иван Сергеевич, Дударов Сергей Павлович. Инструменты разработки, методы и примеры программных средств для идентификации и распознавания лиц людей при видеофиксации в режиме реального времени // Успехи в химии и химической технологии. 2021. №3 (238). URL: https://cyberleninka.ru/article/n/instrumenty-razrabotki-metody-i-primery-programmnyh-sredstv-dlya-identifikatsii-i-raspoznavaniya-lits-lyudey-pri-videofiksatsii-v (дата обращения: 16.11.2023).
  5. Сравнение алгоритмов детекции лиц // https://habr.ru [Сайт]. – URL: https://habr.com/ru/articles/661671/ (дата обращения: 16.11.2023).

Интересная статья? Поделись ей с другими: