CreedX
Unknown
- Messages
- 233
- Reaction score
- 228
- Points
- 43
Современное компьютерное зрение обеспечило государства небывалыми возможностями в области видеонаблюдения. Кажется, лучше прочих этим пользуются авторитарные (или склонные к авторитаризму) режимы. С деаноном пытаются бороться самыми разными способами — от лазерных указок до специального макияжа и украшений. Однако если в Гонконге маски и шарфы надевают протестующие, то в Москве массово переходят на балаклавы сами правоохранители. Впрочем, против новых, только появляющихся систем распознавания лиц ни то, ни другое уже, видимо, не поможет.
Система видеонаблюдения SenseVideo от китайской SenseTime Group — один из самых дорогих стартапов в области компьютерного зрения. Система не только определяет и классифицирует объекты, но и автоматически распознает пешеходов.
Сейчас в Китае работает больше 200 миллионов камер, а к 2020 году их число должно достигнуть 400 миллионов. Пытается не отставать от Китая и правительство Москвы. В июне 2019-го мэр столицы Сергей Собянин заявил, что в ближайшее время более 200 тысяч видеокамер по всему городу подключат к системе идентификации личности по лицам. В конкурсе на ее разработку участвуют компании IVA Cognitive и NTechLab. Последняя широко известна своим алгоритмом и (ныне закрытым для обычных пользователей) сервисом FindFace.
Эксперименты по применению системы распознавания лиц в столице, проводившиеся департаментом информационных технологий Москвы (ДИТ) совместно с МВД, уже показали впечатляющие результаты. По словам полицейских, с 2017 года благодаря установке тысячи камер возле подъездов жилых домов задержали более 90 преступников, находившихся в розыске. Использование видеомониторинга и системы идентификации по лицам на нескольких станциях московского метро ежемесячно приводит к пяти-десяти задержаниям.
Однако распознавание лиц не обязательно должно быть привязано к стационарным камерам. Системы, способные определять нужных людей в толпе, могут быть мобильными. Например, в том же Китае портативные системы распознавания, напоминающие умные очки Google Glass, тестируются с начала 2018 года. Функционально похожие, но существенно менее футуристичные мобильные системы в скором времени получат и российские полицейские: в мае 2019-го компания Zhejiang Dahua Technology и входящая в «Ростех» NTechLab предложили силовикам носимую камеру с функцией распознавания лиц. Решение довольно практичное: на борту камеры-видеорегистратора операционная система Android 6.0.1, детекция лиц происходит внутри самого устройства, а на сервер для идентификации отправляются уже вырезанные «портреты» с дополнительными метаданными. По словам источника «Ведомостей», тестирование устройств полицией уже началось, аналогичные устройства анонсировали и конкуренты NTechLab — компания VisionLabs.
Внедрение таких систем может иметь далеко идущие последствия для участников массовых акций. По статистике, представленной в рамках тестирования тех же пилотных проектов департамента информационных технологий и МВД, одни только фиксированные камеры позволили идентифицировать и задержать на массовых мероприятиях более полутора сотен преступников «в бегах»; если к ним прибавятся данные с портативных камер, задержанных может стать гораздо больше.
Главный из них — созданный еще в 2001 году метод Виолы — Джонса, который сейчас встроен в каждый смартфон и во многие фотоаппараты. Алгоритм обращает внимание на соотношение ярких и темных участков на картинке и ищет в ней такие области, где взаимное расположение участков похоже на лицо. Это очень простой метод — его простота, с одной стороны, делает алгоритм очень быстрым и экономным к вычислительным ресурсам, но с другой — позволяет легко обманывать автоматику и уходить от детекции. Сделать это можно с помощью макияжа (который изменяет положение на лице ярких и темных пятен), глубокого капюшона, надвинутой на глаза шапки и прочих простых средств.
Получится обмануть Виолу — Джонса или нет, легко проверить самому: достаточно попробовать сделать селфи на телефоне или загрузить снимок в социальную сеть — автоматически детектированное лицо обычно выделяется рамкой. Однако даже если детекция не сработает, важно помнить, что ваше лицо может быть вырезано из кадра вручную. И тогда оно все равно отправится на следующий этап — распознавание.
После детекции области лица изображение сперва конвертируется из цветного в серое (матрицу яркости), затем определяется расположение глаз, обрезается по контуру лица (фактически особенности контура не играют никакой роли для опознания, поэтому в систему подгружаются стандартные «овалы»). Наконец, это уже достаточно схематическое изображение превращается в числовой вектор — последовательность, содержащую максимум несколько сотен параметров, которые отличают лицо одного человека от другого.
Преобразование изображения лица в числовой вектор — самый сложный этап технологии. Его обычно поручают сверточным нейросетям, задача которых — нивелировать различия в освещенности, ракурсе, мимике и прочих особенностях конкретной фотографии и свести изображение человека к набору признаков, максимально похожих для разных снимков одного человека и максимально различающихся для разных людей.
После того как этот набор признаков найден, задача распознавания становится тривиальной: полученные значения сравниваются с другими векторами, хранящимися в базе данных, и среди них находится самый близкий. Если близость превышает некоторый заранее заданный порог, система сигнализирует о совпадении, а затем выдает пользователю идентификатор и привязанный к нему файл с личным делом.
Чтобы система могла обнаружить человека, в базе данных уже должны быть загружены его фотографии и созданы специфические для них векторы признаков. Чем больше таких фотографий, тем точнее полученный вектор — и тем проще системе вас распознать. Лучшие источники для их поиска — соцсети, базы МВД, ФСБ, ФМС или компаний. Огромными базами фотографий лиц владеют букмекерские конторы (для регистрации требуется сделать селфи с паспортом в руках); банки, предлагающие услугу «платить лицом»; сервисы для подбора причесок и макияжа; приложения вроде Msqrd или FaceApp.
Методы противодействия идентификации условно можно поделить на две группы: первые не позволяют алгоритмам детектировать лицо на видео, вторые не дают его правильно распознать.
Так, участники недавних протестов в Гонконге придумали два простых и по-китайски практичных способа избежать детекции лиц. Один из них — надевать балаклавы и маски для лица. Важно отметить, что обычные марлевые повязки для рта и носа не помогут, поскольку ключевая информация для алгоритмов связана с областью глаз, надбровных дуг, бровей и верхней части переносицы. Не выручат и стандартные темные очки. При ношении этих аксессуаров по отдельности системы успешно определяют личность бунтовщиков. Однако их совмещение и использование капюшона позволяет в ряде случаев избежать автоматической детекции и идентификации — по крайней мере с помощью современных промышленных систем.
Впрочем, для российских протестующих этот метод с некоторых пор неприменим: согласно закону Российской Федерации «О собраниях, митингах, демонстрациях, шествиях и пикетированиях», их участникам запрещено использовать «маски, средства маскировки, иные предметы, специально предназначенные для затруднения установления личности».
Другой метод — засветка объективов с помощью лазерных указок. В Гонконге их используют даже против полицейских, светя в глаза и мешая, например, прицеливаться. Действенность этого способа «Медузе» на условиях анонимности подтвердил эксперт по видеоаналитике из одной московской фирмы, разрабатывающей автоматизированные системы работы с клиентами в банках и ритейле. По его словам, даже простая засветка ярким солнечным светом в погожий летний день сбивает алгоритмы с толку. А использование лазеров дает вместо нормального кадра с изображением лишь несколько расплывчатых световых пятен на темном фоне.
Косвенное подтверждение эффективности простой засветки есть и в конструкции систем автоматической классификации транспортных средств (АКТС): при въездах на платные трассы камеры всегда дублируются с двух сторон, чтобы избежать ошибки из-за лобовой засветки при восходящем или заходящем солнце.
Современный уровень качества детекции промышленными системами позволяет оценить, например, отчет российской компании «Видеомакс», в котором специалисты протестировали пакет аналитических программ для распознавания лиц «Face-Интеллект» (разработка компании Axxon, подразделения британской ITV-Group). Выяснилось, что никакие накладные усы, бороды, темные и прозрачные очки не смогли обмануть алгоритмы. А вот ношение объемного парика снижало точность опознания почти вдвое. Совместное же использование парика с длинными волосами, головного убора, наклеивание пластырей и имитация синяков на лице позволяли системе идентифицировать пользователя с точностью лишь в 51%.
Как ни странно, самый впечатляющий результат достигнут при использовании патриотического грима: нанесение на лицо цветов российского триколора под углом 45 градусов и использование кепки с надписью «Россия» напрочь исключали даже обнаружение лица на кадре. Система просто ничего не видела. Относится ли к средствам маскировки патриотический грим, пока неясно — в определении Конституционного суда использование грима на лице допускается, но только в агитационных целях, а не в целях сокрытия личности.
В том же 2017 году, когда тестировался «Face-Интеллект», директор по распространению технологий «Яндекса» Григорий Бакунов придумал гораздо более сложный метод противодействия идентификации. Он учел принципы работы нейросетей при опознании специфических особенностей лиц и предложил наносить макияж в виде нескольких, на первый взгляд, хаотически расположенных линий и точек. Его метод не только помогал избегать идентификации, но и позволял подсунуть системе другое лицо. Определенные схемы макияжа обманывали алгоритм, и он считал, что это лицо совсем другого человека. Сервис на основе придуманной технологии Бакунов и его коллеги тогда решили не делать — ссылаясь на то, что «слишком уж велик шанс использовать его не для добра, а вовсе с другими целями».
По словам самого Бакунова, у метода две слабости. Во-первых, такой макияж довольно трудно подобрать и правильно нанести. А во-вторых, он выглядит настолько странно и нелепо, что может привлечь излишнее внимание.
Схожий с макияжем подход удалось пару лет назад придумать польским дизайнерам из компании Nova. Они разработали так называемые украшения для лица, позволяющие сбить с толку системы идентификации. Самое популярное их изделие состоит из подобия оправы для очков, к нижним дугам которой прикреплены два закрывающих скулы медных круга, а над переносицей поперек лба возвышается медный рог. Этот эстетичный аксессуар практически не закрывает лицо для человека, но блокирует систему распознавания лиц — по крайней мере ту, которую использовал Facebook на момент тестирования дизайнерами.
Так, инженеры из японского Национального института информатики (National Institute of Informatics) еще в 2015 году испытали очки, в которые был встроен набор инфракрасных светодиодов, невидимых для человеческого глаза, но способных засветить область вокруг глаз и носа для объективов светочувствительных видеорегистраторов. Этот простой трюк лишил систему возможности даже просто обнаружить лицо в кадре.
Испытания одного из первых прототипов очков со светодиодами, мешающими работать системам видеонаблюдения
Схожий подход использует инженер и дизайнер Скотт Урбан. В разработанных им очках Reflectacles Ghost и Phantom в оправу помещено множество катафотов. Они отражают инфракрасные лучи, испускаемые многими моделями камер наблюдения (особенно предназначенных для ночного режима), и превращают лицо в большое ярко светящееся пятно. В другой модели очков от Reflectacles (IRPair) применяется обратный принцип: в них встроены особые фильтры, не позволяющие инфракрасному излучению достичь лица и подсветить его для камеры. Кроме того, они предотвращают сканирование радужки глаз и трехмерное картирование лица.
Строго говоря, использование «многоликой одежды» — это эксплуатация старой психологической проблемы фигуры и фона. Лицо выделяется на фоне остального пейзажа как фигура, однако если весь пейзаж состоит из лиц, то выделить и опознать одно из них уже невозможно. Все становится фоном — и алгоритм перестает работать.
Прежде чем говорить об этих результатах, надо внести ясность с понятием т. н. точности распознавания, вокруг которой обычно идет разговор при обсуждении алгоритмов. К сожалению, сама по себе «точность», то есть суммарное число ложноположительных и ложноотрицательных срабатываний системы, деленное на число ее испытаний, почти ничего не говорит о том, справится ли данный алгоритм с конкретной задачей. Для этого нужно как минимум знать объем выборки людей, среди которых требуется найти обладателя лица на снимке (а еще лучше понимать цену ошибки и представлять площадь под ROC-кривой).
Проще говоря, если речь идет о наблюдении за миллионами людей в сплошном потоке, — например, о системах видеонаблюдения в метро или на массовой акции, — то доля ложных срабатываний в таких системах должна быть очень низкой (а «точность» — высокой) — иначе общая стоимость реагирования на каждое срабатывание будет слишком высокой. Если же число людей, среди которых система проводит поиск, можно каким-то образом значительно снизить (например, искать не среди всех граждан, а среди представителей известной профессии, пола, возраста и так далее), то и требования к точности будут принципиально более низкими.
Одна из главных площадок для тестирования самых современных систем распознавания лиц — это конкурсы вроде Disguised Faces in the Wild. Здесь и в других подобных конкурсах командам разработчиков предлагается решить задачу идентификации человека среди изображений лиц, неузнаваемо измененных гримом, масками, профессиональным киномакияжем и так далее. Специального дата-сета в балаклавах в этом конкурсе нет, но для большей сложности среди неправильных ответов есть даже изображения пародистов — то есть системе предлагается угадать лицо, например, Леди Гаги среди изображающих ее актеров.
Последние результаты конкурсов по идентификации скрытых лиц говорят о следующих цифрах. При заданном уровне ложных срабатываний в 1% самые лучшие алгоритмы дают верный ответ более чем в 90% случаев. Если же уровень ложных срабатываний снизить на порядок, результат оказывается лишь на 10% хуже.
Этого, конечно, недостаточно для того, чтобы уже сегодня можно было внедрять системы распознавания скрытых лиц в метро. Но если стоит задача поиска в гораздо меньшей выборке, точности современных методов распознавания даже лиц под гримом или маской будет, по-видимому, вполне достаточно для обнаружения потенциальных кандидатов на деанонимизацию. И хотя сейчас готового сервиса на основе этих алгоритмов нет, он может появиться очень скоро.
Что делать с полученной таким образом информацией — еще один большой вопрос, но это уже вопрос этики, а не технологии. Принцип этической нейтральности относится к алгоритмам распознавания лиц ровно в той же степени, как и к методам шифрования или разработкам оружия.
Система видеонаблюдения SenseVideo от китайской SenseTime Group — один из самых дорогих стартапов в области компьютерного зрения. Система не только определяет и классифицирует объекты, но и автоматически распознает пешеходов.
Сейчас в Китае работает больше 200 миллионов камер, а к 2020 году их число должно достигнуть 400 миллионов. Пытается не отставать от Китая и правительство Москвы. В июне 2019-го мэр столицы Сергей Собянин заявил, что в ближайшее время более 200 тысяч видеокамер по всему городу подключат к системе идентификации личности по лицам. В конкурсе на ее разработку участвуют компании IVA Cognitive и NTechLab. Последняя широко известна своим алгоритмом и (ныне закрытым для обычных пользователей) сервисом FindFace.
Эксперименты по применению системы распознавания лиц в столице, проводившиеся департаментом информационных технологий Москвы (ДИТ) совместно с МВД, уже показали впечатляющие результаты. По словам полицейских, с 2017 года благодаря установке тысячи камер возле подъездов жилых домов задержали более 90 преступников, находившихся в розыске. Использование видеомониторинга и системы идентификации по лицам на нескольких станциях московского метро ежемесячно приводит к пяти-десяти задержаниям.
Однако распознавание лиц не обязательно должно быть привязано к стационарным камерам. Системы, способные определять нужных людей в толпе, могут быть мобильными. Например, в том же Китае портативные системы распознавания, напоминающие умные очки Google Glass, тестируются с начала 2018 года. Функционально похожие, но существенно менее футуристичные мобильные системы в скором времени получат и российские полицейские: в мае 2019-го компания Zhejiang Dahua Technology и входящая в «Ростех» NTechLab предложили силовикам носимую камеру с функцией распознавания лиц. Решение довольно практичное: на борту камеры-видеорегистратора операционная система Android 6.0.1, детекция лиц происходит внутри самого устройства, а на сервер для идентификации отправляются уже вырезанные «портреты» с дополнительными метаданными. По словам источника «Ведомостей», тестирование устройств полицией уже началось, аналогичные устройства анонсировали и конкуренты NTechLab — компания VisionLabs.
Внедрение таких систем может иметь далеко идущие последствия для участников массовых акций. По статистике, представленной в рамках тестирования тех же пилотных проектов департамента информационных технологий и МВД, одни только фиксированные камеры позволили идентифицировать и задержать на массовых мероприятиях более полутора сотен преступников «в бегах»; если к ним прибавятся данные с портативных камер, задержанных может стать гораздо больше.
Как работает распознавание
Технология распознавания человека по лицу состоит из двух отдельных и очень разных по сложности этапов: детекции и собственно распознавания. На первом из них компьютерный алгоритм анализирует видеоряд и пытается найти на изображении область, где находится лицо. В принципе, сделать это можно и вручную — если есть снимок конкретного подозреваемого, которого требуется «пробить по базе». Однако в большинстве случаев системы распознавания работают со сплошным видеопотоком, поэтому для поиска лица в кадре используются простые автоматические алгоритмы.Главный из них — созданный еще в 2001 году метод Виолы — Джонса, который сейчас встроен в каждый смартфон и во многие фотоаппараты. Алгоритм обращает внимание на соотношение ярких и темных участков на картинке и ищет в ней такие области, где взаимное расположение участков похоже на лицо. Это очень простой метод — его простота, с одной стороны, делает алгоритм очень быстрым и экономным к вычислительным ресурсам, но с другой — позволяет легко обманывать автоматику и уходить от детекции. Сделать это можно с помощью макияжа (который изменяет положение на лице ярких и темных пятен), глубокого капюшона, надвинутой на глаза шапки и прочих простых средств.
Получится обмануть Виолу — Джонса или нет, легко проверить самому: достаточно попробовать сделать селфи на телефоне или загрузить снимок в социальную сеть — автоматически детектированное лицо обычно выделяется рамкой. Однако даже если детекция не сработает, важно помнить, что ваше лицо может быть вырезано из кадра вручную. И тогда оно все равно отправится на следующий этап — распознавание.
После детекции области лица изображение сперва конвертируется из цветного в серое (матрицу яркости), затем определяется расположение глаз, обрезается по контуру лица (фактически особенности контура не играют никакой роли для опознания, поэтому в систему подгружаются стандартные «овалы»). Наконец, это уже достаточно схематическое изображение превращается в числовой вектор — последовательность, содержащую максимум несколько сотен параметров, которые отличают лицо одного человека от другого.
Преобразование изображения лица в числовой вектор — самый сложный этап технологии. Его обычно поручают сверточным нейросетям, задача которых — нивелировать различия в освещенности, ракурсе, мимике и прочих особенностях конкретной фотографии и свести изображение человека к набору признаков, максимально похожих для разных снимков одного человека и максимально различающихся для разных людей.
После того как этот набор признаков найден, задача распознавания становится тривиальной: полученные значения сравниваются с другими векторами, хранящимися в базе данных, и среди них находится самый близкий. Если близость превышает некоторый заранее заданный порог, система сигнализирует о совпадении, а затем выдает пользователю идентификатор и привязанный к нему файл с личным делом.
Чтобы система могла обнаружить человека, в базе данных уже должны быть загружены его фотографии и созданы специфические для них векторы признаков. Чем больше таких фотографий, тем точнее полученный вектор — и тем проще системе вас распознать. Лучшие источники для их поиска — соцсети, базы МВД, ФСБ, ФМС или компаний. Огромными базами фотографий лиц владеют букмекерские конторы (для регистрации требуется сделать селфи с паспортом в руках); банки, предлагающие услугу «платить лицом»; сервисы для подбора причесок и макияжа; приложения вроде Msqrd или FaceApp.
Методы противодействия: лазеры и балаклавы
Если ваших снимков нет и никогда не было ни в одной базе данных, вас не смогут идентифицировать. Но для этого необходимо совсем не оставлять за собой цифровых следов, что практически невозможно — хотя бы потому, что для этого придется, например, отказаться от получения паспорта. Можно ли при этом попытаться защитить себя от установления личности?Методы противодействия идентификации условно можно поделить на две группы: первые не позволяют алгоритмам детектировать лицо на видео, вторые не дают его правильно распознать.
Так, участники недавних протестов в Гонконге придумали два простых и по-китайски практичных способа избежать детекции лиц. Один из них — надевать балаклавы и маски для лица. Важно отметить, что обычные марлевые повязки для рта и носа не помогут, поскольку ключевая информация для алгоритмов связана с областью глаз, надбровных дуг, бровей и верхней части переносицы. Не выручат и стандартные темные очки. При ношении этих аксессуаров по отдельности системы успешно определяют личность бунтовщиков. Однако их совмещение и использование капюшона позволяет в ряде случаев избежать автоматической детекции и идентификации — по крайней мере с помощью современных промышленных систем.
Впрочем, для российских протестующих этот метод с некоторых пор неприменим: согласно закону Российской Федерации «О собраниях, митингах, демонстрациях, шествиях и пикетированиях», их участникам запрещено использовать «маски, средства маскировки, иные предметы, специально предназначенные для затруднения установления личности».
Другой метод — засветка объективов с помощью лазерных указок. В Гонконге их используют даже против полицейских, светя в глаза и мешая, например, прицеливаться. Действенность этого способа «Медузе» на условиях анонимности подтвердил эксперт по видеоаналитике из одной московской фирмы, разрабатывающей автоматизированные системы работы с клиентами в банках и ритейле. По его словам, даже простая засветка ярким солнечным светом в погожий летний день сбивает алгоритмы с толку. А использование лазеров дает вместо нормального кадра с изображением лишь несколько расплывчатых световых пятен на темном фоне.
Косвенное подтверждение эффективности простой засветки есть и в конструкции систем автоматической классификации транспортных средств (АКТС): при въездах на платные трассы камеры всегда дублируются с двух сторон, чтобы избежать ошибки из-за лобовой засветки при восходящем или заходящем солнце.
Методы противодействия: макияж и украшения
Помимо явно запрещенных в России масок, а также лазерных указок, использование которых может трактоваться как неподчинение или даже нападение на полицейских, существуют и другие методы снизить вероятность своей идентификации — которые находятся в «серой» правовой зоне. К ним можно отнести использование грима, париков, очков, яркого макияжа — словом, все то, что в области компьютерного зрения называется disguised face identification. В отличие от «обычного» распознавания, в этом случае пока нет хорошо отработанных, высокоточных и готовых к внедрению промышленных систем. Разные команды инженеров тестируют различные подходы, и порой они дают очень разные результаты.Современный уровень качества детекции промышленными системами позволяет оценить, например, отчет российской компании «Видеомакс», в котором специалисты протестировали пакет аналитических программ для распознавания лиц «Face-Интеллект» (разработка компании Axxon, подразделения британской ITV-Group). Выяснилось, что никакие накладные усы, бороды, темные и прозрачные очки не смогли обмануть алгоритмы. А вот ношение объемного парика снижало точность опознания почти вдвое. Совместное же использование парика с длинными волосами, головного убора, наклеивание пластырей и имитация синяков на лице позволяли системе идентифицировать пользователя с точностью лишь в 51%.
Как ни странно, самый впечатляющий результат достигнут при использовании патриотического грима: нанесение на лицо цветов российского триколора под углом 45 градусов и использование кепки с надписью «Россия» напрочь исключали даже обнаружение лица на кадре. Система просто ничего не видела. Относится ли к средствам маскировки патриотический грим, пока неясно — в определении Конституционного суда использование грима на лице допускается, но только в агитационных целях, а не в целях сокрытия личности.
В том же 2017 году, когда тестировался «Face-Интеллект», директор по распространению технологий «Яндекса» Григорий Бакунов придумал гораздо более сложный метод противодействия идентификации. Он учел принципы работы нейросетей при опознании специфических особенностей лиц и предложил наносить макияж в виде нескольких, на первый взгляд, хаотически расположенных линий и точек. Его метод не только помогал избегать идентификации, но и позволял подсунуть системе другое лицо. Определенные схемы макияжа обманывали алгоритм, и он считал, что это лицо совсем другого человека. Сервис на основе придуманной технологии Бакунов и его коллеги тогда решили не делать — ссылаясь на то, что «слишком уж велик шанс использовать его не для добра, а вовсе с другими целями».
По словам самого Бакунова, у метода две слабости. Во-первых, такой макияж довольно трудно подобрать и правильно нанести. А во-вторых, он выглядит настолько странно и нелепо, что может привлечь излишнее внимание.
Схожий с макияжем подход удалось пару лет назад придумать польским дизайнерам из компании Nova. Они разработали так называемые украшения для лица, позволяющие сбить с толку системы идентификации. Самое популярное их изделие состоит из подобия оправы для очков, к нижним дугам которой прикреплены два закрывающих скулы медных круга, а над переносицей поперек лба возвышается медный рог. Этот эстетичный аксессуар практически не закрывает лицо для человека, но блокирует систему распознавания лиц — по крайней мере ту, которую использовал Facebook на момент тестирования дизайнерами.
Методы противодействия: очки и катафоты
Одним из самых перспективных подходов к противодействию идентификации личности по лицу может стать использование специальных высокотехнологичных очков. Некоторые выглядят довольно эстетично и не привлекают лишнего внимания. Человек в них не вызовет подозрений у полиции, их можно носить на митингах и пикетах. А вот эффективность таких очков в ряде случаев очень высока, особенно против камер наблюдения с инфракрасной подсветкой области обзора.Так, инженеры из японского Национального института информатики (National Institute of Informatics) еще в 2015 году испытали очки, в которые был встроен набор инфракрасных светодиодов, невидимых для человеческого глаза, но способных засветить область вокруг глаз и носа для объективов светочувствительных видеорегистраторов. Этот простой трюк лишил систему возможности даже просто обнаружить лицо в кадре.
Испытания одного из первых прототипов очков со светодиодами, мешающими работать системам видеонаблюдения
Схожий подход использует инженер и дизайнер Скотт Урбан. В разработанных им очках Reflectacles Ghost и Phantom в оправу помещено множество катафотов. Они отражают инфракрасные лучи, испускаемые многими моделями камер наблюдения (особенно предназначенных для ночного режима), и превращают лицо в большое ярко светящееся пятно. В другой модели очков от Reflectacles (IRPair) применяется обратный принцип: в них встроены особые фильтры, не позволяющие инфракрасному излучению достичь лица и подсветить его для камеры. Кроме того, они предотвращают сканирование радужки глаз и трехмерное картирование лица.
Методы противодействия: многоликая одежда
Самый экстравагантный способ уйти от слежки «Большого брата» предложили дизайнеры одежды. Это так называемый умный текстиль HyperFace, сделанный для проекта Hyphen-Labs NeuroSpeculative AfroFeminism. Задача одежды HyperFace — перегрузить алгоритм идентификации и тем самым воспрепятствовать его работе. Для этого на ткань наносится особый узор, имитирующий множество схематичных лиц. При этом каждый из паттернов нацелен на противодействие одному конкретному алгоритму, — например, заложенному по умолчанию в библиотеку OpenCV методу Виолы — Джонса или HoG/SVM (Histogram of Oriented Gradients/Support Vector Machines).Строго говоря, использование «многоликой одежды» — это эксплуатация старой психологической проблемы фигуры и фона. Лицо выделяется на фоне остального пейзажа как фигура, однако если весь пейзаж состоит из лиц, то выделить и опознать одно из них уже невозможно. Все становится фоном — и алгоритм перестает работать.
Методы противодействия: обратная задача
Не только государство может применять системы идентификации по лицам против своих граждан. Некоторые участники массовых акций в последнее время начали использовать видео- и фотоматериалы с протестных акций, чтобы деанонимизировать полицейских, превышающих полномочия. В ответ на это силовики сами стали массово использовать балаклавы, использование которых простыми гражданами на митингах запрещено. Кажется, что это — гарантированный способ сохранить свою анонимность. Но так ли это на самом деле — сложный технический вопрос. Если исходить из результатов последних соревнований в области машинного зрения, складывается впечатление, что ответ скорее отрицательный.Прежде чем говорить об этих результатах, надо внести ясность с понятием т. н. точности распознавания, вокруг которой обычно идет разговор при обсуждении алгоритмов. К сожалению, сама по себе «точность», то есть суммарное число ложноположительных и ложноотрицательных срабатываний системы, деленное на число ее испытаний, почти ничего не говорит о том, справится ли данный алгоритм с конкретной задачей. Для этого нужно как минимум знать объем выборки людей, среди которых требуется найти обладателя лица на снимке (а еще лучше понимать цену ошибки и представлять площадь под ROC-кривой).
Проще говоря, если речь идет о наблюдении за миллионами людей в сплошном потоке, — например, о системах видеонаблюдения в метро или на массовой акции, — то доля ложных срабатываний в таких системах должна быть очень низкой (а «точность» — высокой) — иначе общая стоимость реагирования на каждое срабатывание будет слишком высокой. Если же число людей, среди которых система проводит поиск, можно каким-то образом значительно снизить (например, искать не среди всех граждан, а среди представителей известной профессии, пола, возраста и так далее), то и требования к точности будут принципиально более низкими.
Одна из главных площадок для тестирования самых современных систем распознавания лиц — это конкурсы вроде Disguised Faces in the Wild. Здесь и в других подобных конкурсах командам разработчиков предлагается решить задачу идентификации человека среди изображений лиц, неузнаваемо измененных гримом, масками, профессиональным киномакияжем и так далее. Специального дата-сета в балаклавах в этом конкурсе нет, но для большей сложности среди неправильных ответов есть даже изображения пародистов — то есть системе предлагается угадать лицо, например, Леди Гаги среди изображающих ее актеров.
Последние результаты конкурсов по идентификации скрытых лиц говорят о следующих цифрах. При заданном уровне ложных срабатываний в 1% самые лучшие алгоритмы дают верный ответ более чем в 90% случаев. Если же уровень ложных срабатываний снизить на порядок, результат оказывается лишь на 10% хуже.
Этого, конечно, недостаточно для того, чтобы уже сегодня можно было внедрять системы распознавания скрытых лиц в метро. Но если стоит задача поиска в гораздо меньшей выборке, точности современных методов распознавания даже лиц под гримом или маской будет, по-видимому, вполне достаточно для обнаружения потенциальных кандидатов на деанонимизацию. И хотя сейчас готового сервиса на основе этих алгоритмов нет, он может появиться очень скоро.
Что делать с полученной таким образом информацией — еще один большой вопрос, но это уже вопрос этики, а не технологии. Принцип этической нейтральности относится к алгоритмам распознавания лиц ровно в той же степени, как и к методам шифрования или разработкам оружия.
