Как по камерам разыскивают преступников, воров?
Как проходит уголовный розыск? Типа увидели по камере чувака в куртке в магазине, он вынес кассу или бутылку водки, а дальше?) Где его искать и кто это такой?)
Для начала проводят опрос свидетелей и участников:продавца-кассира,на которого напал преступник, охранников, продавцов. Потом составляют фоторобот, к примеру. По камерам могут использовать технологии распознавания лиц, сверяют с базой, узнают особые приметы, примерный маршрут перемещения, передают эти сведения патрульным, могут оцепить район. Рассылают ориентировку и соседям с просьбой опознать преступника.
Так же в случае крупной кражи товаров обходят точки скупки техники и прочего и проверяют данные,либо продавцы сами сообщают о подозрительных лицах.
Процедура распознавания лиц с использованием системы видеонаблюдения позволяет определить и идентифицировать человека по его лицу без необходимости обращаться к дополнительным источникам и проводить какие-либо действия для определения личности человека – тема, которая интересует очень многих. В их числе маркетологи, социологи, статистики и все те профессионалы, которые в своей деятельности работают с людьми и заинтересованы в выяснении их личности, а также работают с представленными статистическими обезличенными данными и информацией.
Первоначально желательно ознакомиться с имеющимся практическим опытом по сделанным тестам по для распознавания человеческих лиц. Важно уяснить, какие задачи можно решить при помощи использования техники распознавания лиц, а когда в этом нет никакой практической необходимости и пользы. Далее нужно разобраться с надежностью работы системы по распознаванию лиц, а также принять во внимание полезные рекомендации тем, кто проектирует и создает системы такого типа.
Стандартные задачи, решаемые при распознавании лиц
На основании практического опыта можно сделать вывод, что все объекты различны, чем и обусловлены выполняемые в процессе распознавания задачи.
Однако можно выделить типичные черты:
- осуществление контроля доступа с использованием системы распознавания лиц;
- обнаружение человека в “чистой зоне”;
- возможность найти человека в группе лиц или толпе;
- обнаружение человека в толпе в том случае, если его личность не внесена в базу данных;
- проведение маркетинговых исследований.
Рассмотрение каждой задачи
Осуществление контроля доступа с использованием распознавания лиц
Процесс проникновения через проходную с использованием распознавания лиц – самая востребованная технология. Человек смотрит в камеру, снимает очки, лишние аксессуары и система его пропускает после узнавания.
При эмпирических исследованиях узнавание является стопроцентным. Поэтому технология практична и полезна.
Стоит отметить, что на больших предприятиях, с численностью в сотни и тысячи сотрудников, возможно возникновение ошибки. Поэтому ежедневно её вероятность возникновения следует рассчитывать.
Поскольку используется система распознавания 2D, то её можно обмануть при помощи фотографии. Поэтому желательно совмещать её с другими способами идентификации личности. К ним можно отнести, например, верификацию с помощью прикладывания карты.
Обнаружение личности в “чистой зоне”
Такой зоной считается территория, где человек пребывает в единственном числе и имеются хорошие условия для его распознавания. Важно место размещения камеры и надлежащее освещение. Это может быть место турникета, проходной, шлюза и т.д.
В этом случае в базу загружают фотографии лиц, которые будут распознаваться. Фото должно быть надлежащего качества. Лучший результат будет в том случае, если проходящий человек посмотрит в камеру. Однако систему легко обмануть, например, надев парик или используя грим. Таким образом, система работает и подходит в том случае, если человек не планирует прятаться умышленно.
Обнаружение личности в группе людей
Услуга является очень востребованной у заказчика. Насколько же это реально?
Для того, чтобы система выдала вполне адекватный результат, важно не только расположение самой камеры, но и картинка лица человека в ней. В толпе человек осуществляет жестикуляцию и много двигается. Поэтому нужный ракурс в этом случае для попадания в камеру минимален. В той ситуации, когда имеется узкий созданный проход или коридор в месте нахождение камеры, вероятность распознавания увеличивается. Однако это место уже будет являться территорией “чистой зоны”.
Чтобы система идеально сработала, требуется правильное освещение. Но его трудно организовать в яркий солнечный день или при свете фонарей вечером. Препятствием станет также маскировка самого человека и качество фотографии, размещенной в базе системы. Таким образом, поиск личности в толпе способом 2D пока что не реален.
Обнаружение незнакомых лиц
Задача заключается в поиске тех людей, чьи фото отсутствуют в базе данных системы. То есть цель – предупредить проникновения посторонних лиц на объект. В дополнение задачи система должна быть способной опознать тех, кто есть в базе данных. Таким образом, будет много ложной некорректной информации. Теоретически, перепроверять придётся каждого 10 входящего.
Маркетинговое изучение
Результаты распознавания довольно часто используется в сфере маркетинга. Важны данные о числе посетителей, тепловых картах и т.д Изучаются места большого скопления людей, такие как магазины, кинотеатры. В исследованиях нуждаются крупные компании для определения собственной маркетинговой политики и восполнения потребностей посетителей, увеличение объемов продаж. В этом случае, задача именно маркетинговая, направленная на получение прибыли, не связанная с безопасностью.
На основании проведенных исследований можно сделать вывод о том, что данные получаются адекватные, хотя их точность имеет определенную погрешность.
Насколько надежная система распознавания людей
Распознавание лиц относится к биометрической системе, в основе которой лежит математическая статистика и вероятности.
Варианты ошибок (FAR и FRR)
Информация о возможных ошибках предоставляется разработчиками программного продукта. Но проводить сравнительный анализ между алгоритмами в этом ракурсе некорректно. Суть в том, что каждый разработчик для определения ошибок имеет собственную эталонную базу с изображениями.
Результатом деятельности системы станет информация о процентном соответствии распознаваемых лиц по отношению к изображению, находящемуся в базе. Пользователь сам устанавливает порог идентификации и положительного или отрицательного результата распознавания.
Первый вид ошибки – FAR (False Acceptance Rate)
Это касается возможности пропуска злоумышленника, которого система распознала как своего и впустила.
Второй вид ошибки – FRR (False Rejection Rate).
Это вероятность того, что будет запрещаем доступ своему сотруднику. Еще одно нарушение – свой человек не сможет пройти систему и будет представлен как злоумышленник. Потребуется дополнительная проверка.
Вся информация предоставляется каждым производителем продукта в форме таблиц или графиков.
Возможность ошибки при пропуске лиц через проходную
Для примера можно взять объект, на котором проходит внутрь помещения 300 сотрудников в день и столько же выходит. Дополнительно, могут пропускаться и другие лица. Таким образом, общее число распознаний будет около 600 ежедневно. При этом важно не допустить, чтобы проникло постороннее лицо. Расчёты показывают, что вероятность проникновения злоумышленника – один случай на 10000 вхождений.
Такой показатель считается позитивным. Возможность остановки своего сотрудника равняется 7 процентам. При шестистах распознаваниях необходимость подтвердить свою личность возникнуть у 43-х людей. Принимать окончательное решение об установке системы должен заказчик, имея оценочную информацию.
Возможность найти человека в толпе
Для примера можно взять вокзал, с проходной способностью 100000 человек ежедневно. При этом имеется база, в которой 100 разыскиваемых людей, возможно, преступников. Вероятность ошибки равна 3%, так что каждый 33-й человек не будет обнаружен системой, особенно в случае использования им маскировки (парик).
Возможность срабатывания ложной тревоги составляет 0,1%. Так как в базу внесено 100 лиц, то вероятность ошибки увеличивается на 10%. Таким образом, система отреагирует на каждого 10 человека, что составит в нашем случае 10000 невиновных людей для проверки документов дополнительно.
Таким образом, вряд ли рационально устанавливать систему на вокзале.
Требования к установке камеры и ее характеристикам
Характеристики объектов и преследуемые цели могут быть абсолютно различные у каждого заказчика системы. Поэтому пару возможных потенциальных ошибок, рассмотренных выше, нужно подбирать индивидуально, с учётом преследуемых целей. Принимать окончательное решение должен заказчик на основании представленных приблизительных данных.
Проект монтажа системы
Прежде всего, необходимо поместить в базу фотографию человека хорошего качества. Важно также, чтобы картинка, сделанная видеокамерой, была высокого качества, но не обязательно с высоким расширением. При установке камеры необходимо соблюдать условия по отклонению для каждой точки распознаваемого пространства. Камера должна иметь надлежащую светочувствительность.
Важно также, чтобы задний фон отличался нейтральностью и был однородным.
Подведение итогов
Таким образом, использование системы распознавания лиц может быть достаточно результативным только в случаях создания идеальных условий. Однако даже в таком варианте необходимо учитывать погрешности и перспективы возникновения ошибок. Установка системы принесет положительные адекватные результаты только в некоторых определенных случаях для решения поставленных задач. Заказчик должен изначально учитывать статистику отказов вследствие ошибок системы.
Важный момент
Пользователь может получить бесплатные услуги при проведении консалтинговых работ по проектированию, включая систему распознавания человеческих лиц. Также предоставляется аудит спецификации проекта, который исключит риски совершения ошибок.
Для получения бесплатной консультации нужно отправить запрос по электронной почте info@videomir.pro либо воспользоваться бесплатным номером телефона: +7 (499) 390-48-38
Существует одна универсальная проблема, которая характерна для пользователей 7 из 10 видеосистем вне зависимости от типа объекта. Эта проблема отслеживания перемещения человека по разным камерам.
Представим, что какой-то человек (например, злоумышленник) попал в поле зрения камеры на 5 секунд, а потом он вышел из него. В непосредственной близости других камер не установлено. И оператору необходимо понять, куда этот злоумышленник пошел, где и под какой камерой появился в следующий раз.
Как это делают сейчас?
По отзывам реальных пользователей видеосистем сегодня эта задача является самой актуальной и распространенной. Чаще всего для ее решения операторы начинают вручную просматривать видеофрагменты с разных камер по одному и пытаются найти, где интересующий человек появился в следующий момент времени. Для ускорения процесса они могут использовать режим синхронного просмотра архива. Но в любом случае решать задачу “в лоб” – с помощью простого просмотра- утомительно, малоэффективно и времязатратно. Особенно когда на объекте установлено много камер, и они расположены на большом расстоянии друг от друга.
Существующие решения
На самом деле проблема отслеживания перемещения человека по всему объекту не нова, и разные команды-разработчики предлагают разные решения:
- трекинг на основе распознавания лиц;
- трекинг на основе определения направления движения объекта и предсказания следующей камеры, на которой объект появится;
- трекинг на основе технологий позиционирования носимых устройств (глобального позиционирования на основе GLONASS/GPS и систем позиционирования внутри помещений).
Каждое из этих решений работает! но только в узком ряде случаев. В рамках большинства существующих систем ни одно из них не может успешно применяться.
Наша компания задалась целью решить проблему отслеживания перемещения человека в рамках уже установленных, существующих видеосистем. Мы создали межкамерный трекинг, работа которого основывается на технологии индексирования по визуальным признакам человека (в нашем случае приметам одежды).
Как это работает?
Предположим, оператор увидел какого-то человека в поле зрения камеры и хочет его отследить. Система определяет визуальные признаки объекта и находит людей с теми же исходными приметами на соседних камерах в близкие моменты времени и выводит их оператору, отсортировав по степени соответствия. Оператору необходимо подтвердить, какие из выделенных объектов являются тем объектом, который он отслеживает.
Подтверждение результатов необходимо, так как совершенно разные люди, попавшие в поле зрения видеосистемы, могут иметь одни и те же приметы (носить одинаковую одежду). И такое подтверждение оператором на каждом шаге позволяет достичь 100%-ной (с точки зрения возможностей человека) точности.
В итоге поиск ускоряется иногда в 3, иногда в 10, иногда в 100 раз. Благодаря тому, что 99% объектов, которые не обладают нужными приметами и не появлялись в близкие моменты времени на близких камерах, отбрасывается, а остаются только похожие, которые появлялись на близких камерах в близкие моменты времени. В качестве результата работы межкамерного трекинга оператор получает видеоролик из фрагментов с разных камер в хронологическом порядке, а также траекторию перемещения человека на плане объекта.
Межкамерный трекинг может быть применен в 85% случаев в
текущих системах видеонаблюдения с текущими установленными камерами.
Рассмотрим подробнее существующие подходы к отслеживанию перемещения человека и сравним их с межкамерным трекингом.
1. Трекинг на основе распознавания лиц
Эта технология может очень эффективно и очень точно работать. И в отличие от межкамерного трекинга она не требует участия человека (подтверждения результатов оператором). Но проблема в том, что распознавание лиц требует очень высокой детализации, и по нашим расчетам только 2% установленных камер такая детализация обеспечивается.
В отличие от трекинга на основе распознавания лиц, функция межкамерного трекинга по визуальным признакам не требует высокого разрешения изображения с IP-камер, а также не предъявляет специальных требований к размещению камер на объекте. Ее работа проходит при обычном качестве изображения, обеспечивающимся 85% фактически установленных на объектах камер.
2. Cистемы трекинга на основе определения направления движения и предсказания следующей камеры
Эта технология может быть успешно применена при соблюдении двух условий:
- небольшое количество объектов и низкая интенсивность их движения в поле зрения камер (если в сценах наблюдения будет много объектов, которые двигаются в разные стороны, то система не сможет точно определить, какие объекты друг с другом связывать);
- камеры установлены в непосредственной близости друг от друга (если камеры установлены далеко, например, на разных этажах, то вероятность точного срабатывания функции существенно уменьшается).
- В отличие от трекинга на основе определения направления движения и предсказания следующей камеры, функция межкамерного трекинга по визуальным признакам может использоваться в условиях высокой интенсивности движения и множества объектов в кадре, а также в условиях, когда камеры видеосистемы расположены далеко друг от друга (в т.ч. на разных этажах здания).
3. Системы трекинга на основе технологий позиционирования носимых устройств (глобального позиционирования на основе GLONASS/GPS и систем позиционирования внутри помещений).
Эта технология может работать достаточно точно, но при условии, что человек, за которым следят, носит с собой устройство, которое определяет его координаты и отправляет их в систему. Это может быть обычный мобильный телефон, тогда определение координат будет осуществляться по GPS, либо это может быть какая-то система внутренней навигации в помещении. Но принцип один: человек должен сотрудничать с системой. Если речь идет о злоумышленнике, то никаких своих данных он отдавать в систему не будет.
В отличие от систем трекинга на основе технологий позиционирования носимых устройств, функция межкамерного трекинга по визуальным признакам не требует наличие специальных средств у людей, за которыми осуществляется наблюдение.
В итоге технология межкамерного трекинга по визуальным признакам может работать в 85% случаев
- в текущих системах видеонаблюдения
- с текущем уровнем детализации
- с текущим качеством изображения.
Что внутри?
Реализация функции сопровождалась 8-летними научными исследованиями нашей компании. В основе межкамерного трекинга лежат 3 технологии:
- технология классификации объектов на основе машинного обучения. С ее помощью система определяет, что объект в кадре – человек.
- технология индексирования данных. С ее помощью каждый объект на видео получает индекс, которому соответствует определенный цвет и текстура.
- технология сравнения индексов с использованием нелинейного цветового пространства собственной разработки. Осуществляется сравнение цветовых соотношений, а не цветов. Цвета не инвариантны к изменяющимся условиям освещенности, но нам удалось выделить цветовые соотношения, которые обладают высокой степенью инвариантности к разным условиям освещенности.
Где и как использовать?
Сегодня межкамерный трекинг используется для:
- Ускорения расследования происшествий, восстановления картины событий (в т.ч. восстановления траектории перемещения интересующего человека) от 5 до нескольких десятков раз.
- Глубинного анализа поведения людей, например, посетителей в торговых центрах. И как следствие повышение эффективности работы торговых центров на основе выявления закономерностей перемещения покупателей.
- Ускорения поиска “потерянного” из поля зрения человека в реальном времени и повышения скорости реакции на происшествие.
Функция уже используется на нескольких сотнях объектов. Актуальность решения задачи отслеживания перемещений людей в рамках всей системы видеонаблюдения и перспективность разработки подтверждают пользователи реальных видеосистем. Например, представители Краевого онкологического диспансера г. Перми отмечают, что перед ними остро стоит задача отслеживания перемещений посетителей диспансера, которая до появления межкамерного трекинга Macroscop решалась операторам системы вручную – рутинным и времязатратным способом.
Представитель красноярского промышленного предприятия ООО “Берег” отмечает: “Функция весьма облегчает наблюдение за перемещениями важных грузов по складской и погрузочно-разгрузочной зоне, а также наблюдение за “несанкционированными” посетителями (куда пошёл и где спрятался, куда направлять ГБР)”.
В результате отслеживание траектории перемещения человека в рамках всей видеосистемы может применяться и уже применяется не только для решения охранных задач, но и для оптимизации и повышения эффективности бизнес-процессов.
security-bridge.com