Согласно действующим с 1 октября 2011 года правилам поведения зрителей и обеспечения их безопасности на стадионах во время проведения футбольных матчей, допускается запрет на посещение стадиона лицам, ранее замеченным в участии в массовых беспорядках на спортивных объектах до, во время и после матча. Поэтому одной из наиболее значимых задач при обеспечении безопасности спортивных мероприятий является своевременное обнаружение среди болельщиков людей, ранее уличенных в агрессивном поведении и подстрекательстве к массовым потасовкам на территории стадионов. Требуется заранее выявлять таких лиц для принятия решения о возможности их допуска на спортивное мероприятие. В случае если рецидивисты все-таки проникли на спортивный объект, службе безопасности необходимо знать об их присутствии, что позволит осуществлять дополнительный выборочный досмотр, а также мониторинг их поведения во время мероприятия, например с помощью видеонаблюдения и видеофиксации.

Введение в оценку биометрических систем

Как, где и какие биометрические системы использовать, зависит от их производительности — понимание того, какие именно вопросы следует задавать разработчикам и как толковать полученные ответы, поможет применить эти технологии.

П. Джонатон Филлипс, Элвин Мартин, С. Л. Уилсон, Марк Пржибоски

Оперативное визуальное выявление агрессивных болельщиков в потоке людей, проходящих на трибуны стадиона, крайне затруднено и требует наличия штата высококвалифицированных специалистов в области портретной экспертизы и психологии. Вместе с тем сегодня на объектах транспорта и в системах контроля доступа неплохие результаты демонстрируют биометрические системы идентификации, позволяющие автоматизировать процесс обнаружения потенциально агрессивных болельщиков.

Для успешной интеграции биометрических технологий в работу служб безопасности спортивных объектов необходимо выполнение следующих условий:

  • формирование и своевременное обновление баз данных, содержащих сведения о потенциальных нарушителях правопорядка при проведении спортивных мероприятий;
  • создание единой информационной инфраструктуры, обеспечивающей оперативный доступ к базам данных служб безопасности стадионов и органов обеспечения правопорядка;
  • интеграция различных контуров систем безопасности стадиона (видеонаблюдение в досмотровых зонах, видеофиксация на трибунах стадиона, видеомониторинг на транспортных узлах, прилегающих к стадиону, контроль доступа в помещения стадиона и др.);
  • создание комплексной системы видеоконтроля на территории стадиона, основанной на современных методах видеоаналитики и биометрической идентификации личности.

В случае выполнения данных условий может быть построена комплексная многоконтурная биометрическая система идентификации личности болельщиков (см. рис.).

Биометрия против агрессии
Типовая архитектура многоконтурной системы идентификации

 

Первый контур. Первичный мониторинг. Выявление в толпе болельщиков потенциальных нарушителей во время их подхода к досмотровым зонам стадиона, например в очереди на проход к стадиону. На данном этапе обеспечиваются скрининг-отбор по массивам информационных баз потенциальных нарушителей и фиксация этой информации в оперативной базе данных, что позволяет повысить эффективность идентификации личности в досмотровых зонах, поскольку в момент прохода потенциального нарушителя информация о нем уже находится на терминалах сотрудников досмотровой зоны.

Второй контур. Идентификация в досмотровых зонах. Непосредственно распознавание лиц посетителей и их сверка с базой данных потенциальных нарушителей. Для повышения эффективности идентификации в досмотровых зонах должен быть организован направленный поток посетителей для возможности кратковременной (не более 1 секунды) фиксации лица каждого из них, камеры видеофиксации должны быть установлены так, чтобы угол отклонения зафиксированных лиц от фронтального положения был не более 10–20° (установка камер на удалении от зоны прохода в 8–10 м при высоте подвеса на 3 м). Кроме этого, требуются освещение зоны рассеянным светом и установка цифровых камер высокого разрешения 1–3 мегапикселов.

Третий контур. Мониторинг поведения зрителей на стадионе, фиксация лиц нарушителей и их сверка с оперативной базой данных. Такой мониторинг может осуществляться как с помощью стационарных камер, так и посредством мобильных камер сотрудников службы безопасности.

Компьютерное распознавание человеческих лиц

Человек обычно хорошо идентифицирует лица соплеменников, однако не так просто научить этому компьютер, и неясно, как наиболее оптимально декодировать и хранить цифровые изображения лиц.

Александр Глазунов

Взаимная увязка нескольких контуров системы идентификации подразумевает их интеграцию с существующей системой видеонаблюдения на уровне получения видеопотока и формирования видеоархива. Кроме того, биометрическая система может быть встроена в действующую систему контроля и управления доступом для предотвращения попыток несанкционированного проникновения в служебные помещения стадиона.

Блоки видеообработки вместе с камерами видеонаблюдения ведут детекцию лиц в видеопотоке всех людей, проходящих в поле зрения камеры. При этом система осуществляет фиксацию всех лиц, место и время прохода болельщиков, что позволит проводить ретроспективный анализ архива и ответить на вопрос «Кто, где и когда был?».

Все полученные видеокадры направляются системой на анализ в сервере идентификации, где происходит кодирование лиц и их поиск по массивам баз данных. В случае если по одному из лиц будет найдено соответствие, сигнал об этом будет направлен в ситуационный центр и на терминалы службы безопасности для принятия решения о пропуске зрителя на объект. Информация о принятом решении может быть передана как на стационарный терминал, так и на мобильный комплекс.

Распознавание лиц для интеллектуальных сред

Компьютеры будущего будут взаимодействовать с нами почти как люди. Ключевой аспект такого взаимодействия — возможность распознавания наших лиц и восприятие их выражений.

Алекс Пентланд, Танзим Чаудхари

Ключевым элементом всей архитектуры многоконтурной системы идентификации является биометрический движок — программа построения и сравнения математических моделей лица человека. В большинстве систем распознавания лиц, представленных как на российском, так и зарубежных рынках, используются одни и те же биометрические движки. В России наибольшее распространение получили системы Cognitec компании Cognitec Systems (Германия), «Каскад-Поток» компании «Техносерв» (Россия), FRS SDK компании Asia Software (Казахстан) и FaceIt компании L1 Identity Solutions (США).

Автоматическая информационно-поисковая система «Каскад-Поток», в отличие от аналогичных систем, основана на собственном биометрическом движке, обеспечивающем автоматизацию всех этапов распознавания: обнаружение лица в видеопотоке, оценку качества, построение шаблона, сопоставление и принятие решения. Система автоматически детектирует лица в видеопотоке посетителей стадиона, причем в реальных условиях диапазон ракурсов и масштабов лиц может значительно варьироваться (болельщик необязательно будет смотреть точно в камеру). К тому же не все выделенные лица могут быть распознаны — часть будет «забракована» на этапе оценки качества, поэтому, чтобы не пропустить действительно информативные кадры, необходимо стремиться обнаружить максимальное количество лиц в потоке. Детектор лиц в системе «Каскад-Поток» обеспечивает обработку видеосигнала со скоростью 15–25 кадров в секунду, в зависимости от интенсивности потока людей.

Обнаружение лица — ключевой этап распознавания, и для современных биометрических систем, работающих с потоками людей, значение вероятности обнаружения лица составляет 95–99% и существенно зависит от условий регистрации видео (освещенность, разрешение камер, структурированность потока и т. д.). При этом условия на стадионах с точки зрения биометрической идентификации можно считать вполне удовлетворительными — на большинстве спортивных объектов поток посетителей структурируется рамками металлодетекторов, а уровень освещенности в зонах контроля не ниже 50–100 Лк.

Одна из наиболее перспективных тенденций развития рынка биометрии — появление интеллектуальных цифровых видеокамер, реализующих функцию обнаружения лица на основе встроенной логики. Такие видеокамеры позволяют получать не только качественный (в том числе и несжатый) видеопоток, но и сведения об обнаруженных лицах, благодяря чему удается снизить нагрузку на аппаратные мощности системы распознавания и значительно уменьшить конечную стоимость биометрических комплексов (в зависимости от масштаба системы стоимость может снижаться в три и более раз), делая их более доступными для конечного потребителя. Кроме того, снижаются требования к каналам передачи данных, поскольку пропадает необходимость в высокоскоростных гигабитных линиях связи для передачи высококачественного видео, поскольку стандартных сетей достаточно для передачи сжатого видео и незначительного потока детектированных изображений лиц.

Биометрическое распознавание по ушам

Системы распознавания, построенные на анализе характерных черт уха, — потенциально ценный инструмент в арсенале биометрических технологий.

Айман Абаза, Арун Росс

После того как в потоке обнаружено лицо посетителя стадиона, необходимо решить, удовлетворяет ли полученное изображение заданным критериям качества. При этом важно понимать, что, с одной стороны, изображения с низким контрастом, сильно нарушенным ракурсом, частично перекрытым лицом не могут быть автоматически распознаны, а, с другой стороны, создать на объекте идеальные условия для получения изображений лиц в соответствии с требованиям ГОСТ Р ИСО/МЭК 19794-5 невозможно. Поэтому на практике системы биометрической идентификации вынуждены иметь дело с некоторыми компромиссными условиями работы, такими как отклонение лица от фронтального положения на углы, не превышающие 30°, засветка, перекрытия незначительной части лица (до 25%), тени на лице и т. д.

Следующий этап работы биометрической системы — построение шаблона. Это один из самых сложных этапов распознавания лица, составляющий ключевое ноу-хау любой технологии биометрической идентификации. В основе построения шаблона лежит некоторое математическое преобразование изображения лица в набор признаков (биометрический шаблон) — каждому лицу соответствует свой уникальный биометрический шаблон.

Биометрия: будущее идентификации

Пока рано говорить, где, как и в каком виде в конечном итоге будут представлены надежные биометрические службы. Но совершенно ясно, что если требуется получить неопровержимые результаты проверки, то нельзя обойтись без биометрической идентификации.

Шарат Панканти, Рууд М. Болле, Энил Джейн

Принципы построения биометрических шаблонов многообразны: шаблон может быть основан на текстурных свойствах лица, на геометрических особенностях, на характерных точках. Современные системы, как правило, комбинируют различные разнородные признаки. При этом чем больше размер шаблона, тем больше информативных признаков он включает, но тем ниже скорость поиска этого шаблона. Типичное значение размера шаблона лица в биометрических системах составляет от 1 до 20 Кбайт, а система «Каскад-Поток» основана на комбинированном биометрическом шаблоне из 16 Кбайт данных.

На финальном этапе биометрический шаблон сопоставляется с массивом шаблонов в базе данных. На основании этого сопоставления с использованием некоторого правила (обычно по превышению заданного порога) принимается решение об идентификации персоны.

В рамках многоконтурной системы идентификации, реализованной в системе «Каскад-Поток», этапы биометрического распознавания лиц распределены по нескольким контурам, что позволяет использовать при идентификации на последующем контуре информацию, полученную при распознавании лица на предыдущем контуре. В частности, в контуре досмотровой зоны идентификация личности проводится по уже «просеянной» базе данных нарушителей, а значит время реагирования и количество ложных срабатываний будут значительно меньше.

***

Комплекс на базе системы «Каскад-Поток» сегодня внедряется на ряде спортивных и транспортных объектов страны, обеспечивая автоматизацию оперативно-розыскной деятельности структур МВД России и служб безопасности объектов. Внедрение комплекса позволяет выявлять интересующих лиц в полностью автоматическом режиме с вероятностью 92–95% при доле ложных срабатываний не более 0,4%.

Андрей Хрулев (ahrulev@technoserv.com) — начальник отдела биометрических и комплексных систем безопасности группы компаний «Техносерв» (Москва).

Поделитесь материалом с коллегами и друзьями

Купить номер с этой статьей в PDF