Видеокамеры с распознаванием лиц

Принцип работы распознавания лиц прост, независимо от выбранного алгоритма: система получает отсканированное изображение лица гостя и сравнивает его с эталонными картинками, которые уже хранятся в базе. Учитываются косметические изменения во внешности: макияж, борода, очки, стрижка. Важна и скорость реакции системы: на сканирование лица, поиск аналогий и получение отклика от базы данных должен пройти период времени, примерно равный времени, за который человек пройдет от двери к пропускной системе. Специалисты используют три популярные схемы для подключения системы распознавания: самая популярная - IP-камера снимает поток людей на видео и передает картинку на сервер, где происходит обработка информации, сравнение отсканированных лиц с имеющимися в базе и формирование аналитического отчета для оператора. IP-камера сама анализирует поток, а на сервер передаются уже обработанные данные. К серверу предъявляются гораздо меньшие требования, чем в предыдущем варианте, зато возрастает список технических параметров, которым должна соответствовать камера. Три главных параметра, от которых зависит эффективность функционирования системы распознавания лиц: быстрый отклик система, точность алгоритма распознавания, широта базы данных с эталонами.

Первое, на что необходимо обратить внимание — фокусное расстояние объектива (f), которое напрямую влияет на угол обзора видеокамеры, причем зависимость между этими величинами обратно пропорциональна: чем меньше фокусное расстояние, тем больше угол обзора (объекты сцены при этом оказываются визуально дальше), и наоборот. Фокусное расстояние является весьма важным, но отнюдь не единственным параметром, определяющим соответствие камеры заданным эксплуатационным требованиям: способность к формированию картинки, качества которой будет достаточно для распознавания и идентификации объектов во многом зависит от ее разрешения. Современным устройствам принято ориентироваться на количество пикселей, участвующих в формировании объекта, подлежащего идентификации. Такой подход более логичен, так как, например, ширина человеческого лица в среднем составляет около 16 сантиметров, тогда как рост и комплекция у разных индивидов могут в значительной степени отличаться.Уровень освещенности. Здесь все достаточно очевидно: чем хуже подсветка, тем сложнее различить символы или мелкие черты лица человека, попавшего в кадр. Для повышения качества картинки в сложных условиях освещения современные камеры видеонаблюдения используют объективы с широкодиапазонным антибликовым покрытием, позволяющим улучшить светопропускную способность оптики, а также задействуют продвинутые алгоритмы обработки изображения, в числе которых необходимо выделить: BLC (компенсация задней засветки) — нивелирует влияние контражура за счет увеличения времени экспозиции, однако задний план при этом значительно теряет четкость; HLC (компенсация яркой засветки) — при обнаружении источника слишком яркого света создается дополнительный кадр, в котором данные из соответствующей области игнорируются (актуально для идентификации автомобильных номеров в темное время суток); WDR (широкий динамический диапазон) — функция корректировки яркости и контраста сцены путем программного объединения кадров, сделанных с разной экспозицией; DNR (цифровое подавление паразитных шумов) — анализирует изображение и «исправляет» искаженные пиксели, помогая устранить графические артефакты, возникающие в условиях низкого освещения.

Построение системы для распознавания лиц – комплексная задача, требующая соблюдения множества технических условий. В части выбора камер существуют следующие рекомендации: Камера должна иметь разрешение матрицы, достаточное для обеспечения необходимой плотности пикселей в кадре. Минимальная рекомендуемая плотность должна составлять 500 pix/m во всей требуемой зоне распознавания. Размер матрицы камеры - не менее 1/3”, для получения качественного изображения. Фокусное расстояние объектива должно обеспечивать требования по приведённому параметру плотности пикселей. Имейте в виду, что угол отклонения оси камеры относительно плоскости лица должен составлять не более 15 град в вертикальной и горизонтальной плоскости. Объектив камеры должен обеспечивать глубину резкости в зоне распознавания лица. Этот параметр зависит от расстояния до объекта, фокусного расстояния объектива и значений диафрагмы. Рекомендуем делать расчёт этих параметров до покупки камеры и объектива. Расчет достаточно сложный, и как альтернатива, можно обратиться за консультацией по этому вопросу к производителю объектива. Желательно, чтобы диафрагма объектива имела возможность ручной регулировки. Для объективов с АРД желательно иметь возможность корректировки алгоритмов работы АРД. Светосила объектива - не хуже F/1,4. Логика здесь следующая - объектив F/1,2, имеет больше светосилу, чем F/1,6. Следует заметить, что эффективность распознавания лиц в большой мере зависит от расположения камеры относительно зоны наблюдения, углов обзора, условий освещения, характеристик фона, а в случае использования базы лиц – от качества эталонной фотографии в базе.

Технология распознавания лица может применяться в коммерческом секторе для повышения качества сервисного обслуживания клиентов и для обеспечения защиты от нарушителей порядка. Очень часто в магазинах и супермаркетах случаются кражи товаров. Если вора не удалось застать врасплох, но камера видеонаблюдения смогла зафиксировать снимок лица, в следующий раз этот человек не сможет совершить повторную кражу, т.к. будет занесён в чёрный список нежелательных посетителей. При этом он даже не сможет зайти в магазин, т.к. система безопасности при появлении этого человека в кадре мгновенно включит тревогу и уведомит охрану о потенциальной угрозе. Можно с помощью данной технологии организовать автоматизированную систему фейс-контроля для обеспечения более комфортных условий работы охраны развлекательных заведений или использовать эту технологию для ограничения доступа посторонних лиц на режимный объект. Всё это возможно воплотить благодаря интеграции системы распознавания лиц с системой контроля доступа.