Современная электроника №1/2023

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 27 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 1 / 2023 ке потолка , « смотрят » в залы . Эти зада - чи решаются по - разному , 100% достиже - ния эффекта нет , и есть как технические проблемы , так и несовершенства , свя - занные с человеческим фактором . Если не лениться и исследовать запросы и ожидания крупных транспортных кор - пораций , к примеру « Мосгортранс », окажется , что и они в поиске более совершенного решения относительно того , как считать пассажиров – по голо - вам вручную или с помощью автомати - зированной системы . Проблемное поле : во - первых , такие системы дороги – это понятно ; во - вторых , они не дают гарантии , но всё же способствуют учё - ту с некоторой долей погрешности . А как работает поисковая програм - ма , спонсированная государством ? Ведь только в Петербурге и Ленин - градской области примерно 30 000 человек в базе розыска . Моделируем ситуацию с поиском « лица » в много - тысячном потоке пассажиров метро . В среднем человек проводит на стан - ции , скажем , 5 минут . При заходе на станцию , и даже перед ней « картинка » уже считывается камерами видеона - блюдения . Если есть « срабатывание » по изображению с камер на « лицо », прошедшее в вестибюле , то дальней - ший поиск осуществляется не только в сравнении с паспортной фотографи - ей , имеющейся в базе поиска , но и с изображением , полученным в разных ракурсах с других камер этой же стан - ции . Причём система уже давно рабо - тает автоматически , правда , это не говорит о том , что нет операторов , кон - тролирующих видео в реальном режи - ме . Но оператор не может и не будет фактически делать « траки » в массиве из нескольких тысяч изображений . Эта кропотливая работа возможна только в весьма неординарных случаях . Итак , на условной станции 50 камер . Поток пассажиров в среднем 60 000 в день . Камеры установлены в разных местах и под разным углом . В результате и к примеру , если на 10 из 50 камер опоз - нался разыскиваемый , идёт команда на полицейский пульт . Если обнару - жен на одной - двух камерах – это допу - стимый вариант « ошибки ». Не надоискать ( по дисплеямот видео - камер ) человека в толпе . Достаточ - но знать , что с момента обнаружения подозреваемого в вестибюле и его вхо - да до условной потери человека систе - мой наблюдения есть запас времени в 10 минут : 4-5 минут – спуск по эска - латору , остальное время прохода до и после него . После вестибюля перед потенциальным разыскиваемым ещё десятки камер . Допустим , « лицо » опоз - нано как разыскиваемое на эскалато - ре – по камерам № 10 и № 16, а видео с камер № 6–9, № 11–15 ( часть из них « смотрит » не фронтально ) не распоз - нано . Тогда оператор занимается этим « лицом » плотно , но не ищет его в тол - пе , а ждёт отклик системы – сколько ещё видеокамер « распознают » лицо , и где они расположены . Специалисты осведомлены , что камеры сами по себе не распознают . Распознаёт алгоритм , который рабо - тает на серверах по изображениям с камер . Ошибка не будет зависеть от камеры , а только от ракурса и усло - вий съёмки . В движении ракурс и усло - вия будут каждый раз разными . Но воз - можно уменьшить количество ошибок теперь даже с условно старым обору - дованием . В условно больших помеще - ниях устанавливают шлюзы на манер концентрации людского потока типа « воронка ». В « шлюзах » обеспечивают хорошее освещение – одно из условия качественной картинки с видеокаме - ры . Оборудование ( видеокамеры ) уста - навливают с хорошим разрешением и с настраиваемым функционалом , в том числе функцией zoom. Этот комплекс мер повышает качество видеокартин - ки , а совершенствование ПО – качество анализа и аутентификации ; таков путь совершенствования системы безопас - ности на основе ЕБС . Перспективные методы и решения Модель программного описания отпечатка основана на описании топо - логии , поэтому появляется независи - мость от деформаций отпечатков и от масштаба . В некоторых базах , содержа - щих больше 2 тысяч отпечатков , могут фиксироваться ложные срабатывания . Их вероятность примерно 1 ошибка на 1000 случаев . При использовании двух отпечатков – одна ошибка на 1 000 000 случаев . По статистике ошибок 1% FRR до 0,01% FAR ( при приемлемых FRR) считают хорошим показателем . При серьёзных повреждениях папил - лярного рисунка нужно использовать и другие пальцы руки , и альтернатив - ные методы , к примеру , сканирование ладони . Поэтому в современных базах данных регистрируют несколько паль - цев . В СКУД и в платёжной ( банков - ской ) системе человек заинтересован сам в быстрой и корректной идентифи - кации , поэтому и специальные меры к принуждению его для сдачи оригина - лов отпечатков не требуются . Есть ком - мерческие системы с базой данных в 10 млн эталонных отпечатков . Понят - но , что государственные серверы име - ли сию возможность и ранее – в России в электронном виде базы оцифрованы ( не на перфокартах , а адаптированы для ПК ) примерно в 2012 году . Если использовалась 10- пальцевая регистра - ция , дающая 100% результат аутенти - фикации , электронная система реша - ет две задачи : определит , входит ли отпечаток в список из 3-5 настроенных , и корректно определит владельца отпе - чатка в базе из 10 миллионов . Биометрия , особенно комплексная и ( или ) реализованная с применени - ем качественного оборудования на при - мере трёхфакторной и спектральной идентификации отпечатка , – надёжнее PIN. Теоретически пластик можно заме - нить цифровым идентификатором – даже номером телефона . А отпеча - ток пальца при этом будет выполнять функции ПИН - кода . Ещё вариант пер - спективной аутентификации : отпеча - ток пальца и тепловая « картина » крове - носных сосудов , а также динамические биометрические признаки , к примеру , рукописный пароль . Биометрические алгоритмы строятся на обучаемых нейронных сетях , актуа - лен вопрос о взаимодействии разных сетей , ПО и др . Алгоритмы с динами - ческими биометрическими признака - ми пока тоже не достигли совершен - ства . Статистические методы лучше работают на этапе создания ординар - ного признака , к примеру , отпечатка . Вот почему качество оригинала остаёт - ся важным для всей ЕБС . Действитель - но , лучше на этапе создания эталона потерять время , чтобы впоследствии обеспечить автоматическую и быструю верификацию . Предполагается , что зависимость от растительности на лице , причёски не является критичной для распознава - ния лиц в современных ЕБС . Системы видеоконтроля - нахождения не анали - зируют причёски и растительность на лице . Даже овал лица некоторые алго - ритмы не учитывают , ибо под разны - ми ракурсами одно и то же лицо имеет разные ( отличные ) профили . Но это не всегда так . На рис . 4 представлен вид автора в маске , исключающей аутенти - фикацию по геометрии лица . Метод многократно апробирован авторским опытом в 2020–2022 гг . Тут