Новости о системах безопасности: видеонаблюдение, контроль доступа, системы видеодомофонии

Технологии современного видеоанализа позволяют решать, казалось бы, еще недавно нереальные задачи. Они предлагают передовые способы и инструментарий для непосредственного поиска и распознавания изображений объектов по видеоматериалам, которые могут транслироваться в онлайн-режиме или извлекаться из архивов. Критерии изучения субъекта по различным параметрам могут быть самыми различными: размер, формы, область присутствия в кадре, приметы, особенности и т.д. 

Точность результатов поиска зависит от степени неповторимости ориентиров, по которым ведется поиск и опознавание. Максимально продуктивные результаты розыска дает поиск по имеющейся информации. Это могут быть архивные видеоматериалы или фотографии. Для того чтобы понять природу этого процесса, необходимо понимать принципы действия алгоритмов, с помощью которых и осуществляется распознавание лиц людей, попадающих в кадр. Уникальное программное обеспечение для видеонаблюдения Macroscop, это решение которое вобрало в себя большой объем интеллектуальных модулей. Попробуем разобрать, по каким алгоритмам работает модуль обнаружения и идентификации лиц в системе видеонаблюдения на базе ПО "Макроскоп".

Каскадный метод Хаара

Это один из основополагающих способов видеоидентификации лиц. Он основывается на составлении шаблона маски – узорчатой комбинации, сложенной из прямоугольных черно-белых ячеек. Такие формы могут создаваться в бесконечном количестве и во множественной сложности.

Алгоритм определения

Чтобы программа могла выделить на изображении лицо, она накладывает на разные участки кадра каскад маски. Совпадение ее элементов с определенной частью на кадре – это свертка маски с кадром. Итоговый алгоритм составляется на основе сложения и подсчета ярких и темных пикселей, находящихся на маске. Полученные данные сверяются и сравниваются с пороговыми габаритами. Сам процесс сверки происходит мгновенно и просто. 

Следует учитывать, что изображения лиц людей имеют несколько характерных особенностей:

• Передняя часть лица имеет светлые и темные места. Например, глаза и губы – это темные участки, а лоб, щеки, подбородок – светлые.

• Общая однотипность человеческих лиц. Различия наблюдаются лишь в деталях. 

Это позволяет подобрать соответствующий универсальный комплект шаблонов (маска Хаара), анализировать который можно при помощи алгоритма определения объекта в кадре. На основании алгоритмического классификатора программа сможет учесть особенности каждого лица и, благодаря этому, идентифицировать. Работу классификатора можно постоянно совершенствовать с помощью настроек AdaBoost. 

Лучше всего это делается во время выборки изображений лиц в анфас. Но классификатор способен обучатся детектировать их и в других положениях. Для этого достаточно создавать необходимые выборки и информационные базы. Говоря о распознавании, следует иметь в виду технологию сравнения лица, попавшего в кадр, с имеющимися в базе исходными данными.

Работа с 2D-изображениями

Этот алгоритм распознавания используется достаточно часто. Он виртуально соприкасается с опорными точками на лицах и вычисляет между ними расстояние. Эти данные являются уникальными в каждом конкретном случае. Сравнивая их с заданными параметрами, можно прийти к выводу об их соответствии или несоответствии с искомым оригиналом на фотографии. После проведения анализа вычисляется степень аналогичности полученных данных с базовой информацией об изображении лица. Если расчеты совпадают, оператор получает уведомляющий сигнал.

Метод распознавания 2D предназначен для работы с фронтальными изображениями в высоком разрешении и без засветки. Данная технология не может использоваться в местах большого скопления людей, но на объектах, где требуется учет перемещения определенного количества людей, она действенна. Ее применяют на проходных и КПП предприятий и организаций. Очень часто система распознавания лиц привязана к системе СКУД.

Создание 3D-моделей

Для этой технологии разработаны методы, которые решают ряд жестких требований во время отображения лица в кадре при помощи конструирования 3D-моделей. Для их реализации необходимо создать условия для получения изображения лица сразу с нескольких ракурсов. Это возможно при синхронной съемке с нескольких, расположенных в разных местах, специальных стереокамер. После получения разноракурсного снимка строится 3D-модель лица, и параллельно проводятся расчеты расстояний между опорными точками. Последующая сравнительная деятельность по идентификации происходит так же, как и в предыдущем способе.

Метод распознавания, в котором применяется прием использования масок Хаара, на сегодняшний день остается одним из главных. Но максимальный эффект от его использования может быть достигнут в том случае, если в обработке находится максимум разнообразной информации. Уровень сложности можно определять, исходя из поставленных задач. 

Таким образом, система распознавания лиц может быть настроена на учет людей, перемещающихся в организованном направлении. Их идентификация может ограничиться фронтальной проверкой. Более сложным процессом является распознавание и поиск лиц среди толпы по заданным параметрам. 

В любом случае, технология сравнения лиц, попавших в кадр, и лиц, находящихся в информационной базе, сводится к методу аналитического сопоставления маркировочных точек и расстояний между ними, которые являются неповторимыми для каждого лица. С помощью столь глубоких алгоритмов распознавания, программное обеспечение для систем видеонаблюдения "Macroscop" может проводить практически безошибочную идентификацию лиц.