Телефоны научились узнавать лица владельцев, банки вкладывают миллионы в программы, распознающие недобросовестных заемщиков по чертам лица, а системы безопасности теперь умеют «видеть» преступника. Большой Брат уже здесь, он внимательно следит за тобой, и заклеенная камера в ноутбуке — не более чем самообман.
Среди производителей техники и программ, распознающих лица, — ставропольская группа компаний «Стилсофт». Системы безопасности, которые тут делают, стоят на государственных границах, военных базах (в том числе в Заполярье) и других особо охраняемых объектах. Предприятие поставляет оборудование силовикам по всей стране. В самом Ставрополе о «Стилсофте» мало кто знает, наверное потому, что компании это не очень-то нужно.
— Мы занимаемся этой технологией больше десяти лет. Она востребована не только в сфере безопасности. Так, телефоны и приложения с распознаванием лиц, авторизация на рабочем месте, различные маркетинговые ходы: когда вы приходите в магазин, а там уже знают, как вас зовут и что вам предложить, — рассказывает заместитель генерального директора по развитию «Стилсофт» Сергей Солодянкин.
По его словам, то, что видит обычный пользователь, — лишь верхушка айсберга. Распознавание лиц применяется очень широко.
— Но мы, как компания, которая занимается безопасностью, смотрим с точки зрения охранных систем и систем антитеррористической защищенности. Россия — не в первом эшелоне стран, где начали изучать распознавание лиц. Первыми были Германия и США, они добились серьезных успехов еще 10 лет назад. Их наработки использовались во всем мире, но математический аппарат, появившийся в мире в последние годы, и наши собственные разработки позволили нам сделать качественный скачок, догнать и перегнать ведущих мировых разработчиков, — говорит Солодянкин.
Если упростить, программа описывает лицо человека на основе нескольких сотен признаков, затем представляет его в виде шифра и сравнивает с имеющейся базой. В ней могут быть как десятки миллионов фотографий (например, в случае с камерами видеонаблюдения), так и всего одна (если речь идет об аутентификации на телефоне).
— Все производители софта использовали просто математические алгоритмы сравнения, а мы вначале решили подвести теоретический аппарат. И обратились за помощью к науке, к трудам советских экспертов-криминалистов, — говорит заместитель главного конструктора Евгений Фоминов.
Криминалисты смотрят на изображение лица в комплексе. И в основу берут уникальные ключевые признаки. Допустим, брови прямые, кончик носа нависает. Но нельзя просто взять две картинки и сравнить их. Не получится измерить расстояние между глазами, между глазами и подбородком — и на основе этого делать выводы. Фоминов объясняет: люди меняются, лица меняются (в том числе и специально), программы должны непрерывно учиться.
Программа строит математические модели на основе базы из 10 миллионов портретов, потом по ним распознает лица. Это дает возможность описать лицо с разными эмоциями, в разных условиях освещения. Машинное обучение помогает видеть и стабильные признаки, и изменяемые. Так, технологию не могут сбить с толку морщины или большое изменения веса.
Замдиректора по развитию вспоминает трудности, с которыми столкнулась компания, выйдя на зарубежные рынки: их программа не могла распознать изображения темнокожих людей. Из-за этого пришлось заново обучать систему «видеть» лицо. Проблемы возникали также с распознаванием близнецов и маленьких детей.
— Если посмотреть публикации в интернете, становится ясно, что системами распознавания лиц много кто в мире занимается. Но для большинства разработчиков нет разницы, что распознавать. Применяются обобщенные методы. И тут возникает проблема: на бытовом уровне (к примеру, в телефоне) эта система работает отлично. Когда задачи усложняются — скажем, надо работать с изображениями с очень большой разницей в возрасте, — технология дает сбой. Все это было сложно учесть, но в математическом аппарате мы придумали свое решение вопроса, — говорит Фоминов.
Распознавать лицо можно «один к одному», а можно «один ко многим».
В общественных местах применяется технология распознавания «один ко многим». Это когда на вокзале стоит видеокамера, а под ней проходит толпа людей. Система проверяет снимки по огромной базе, и, если в толпе есть кто-то, похожий на преступника в розыске, полиция получает сигнал. Это сложнее, чем распознавание «один к одному».
— Технология распознавания «один ко многим» активно используется в тюрьмах, — рассказывает Солодянкин. — Наши системы стоят во всех СИЗО и в большей части исправительных учреждений. У них есть риск подмены одного заключенного на другого. Вот пример из жизни. Сидят в тюрьме два человека. Один — матерый рецидивист и должен сидеть до конца своих дней. Второй попал в тюрьму за мелкое воровство и скоро выйдет по УДО. Они меняются, на суд едет рецидивист, его освобождают прямо в зале, он уходит. Через неделю воришка спрашивает, почему его не выпускают, раз условно-досрочно освободили.
Системы безопасности «Стилсофта» стоят и на особо охраняемых предприятиях. И там для стопроцентно точного распознавания важно, чтобы человек смотрел прямо в камеру.
— Мы думали, как заставить человека взглянуть туда, куда нам надо, — говорит Солодянкин. — Решили проблему интересным способом. Сделали зеркальную панель со встроенным считывателем. Человек неосознанно заглядывает в зеркало, даже не зная о его предназначении. Достаточно момента, чтобы получить качественный исходный материал для анализа.