Эксперт рассказал о особенностях выбора системы распознавания лиц
Программных решений для распознавания лиц сейчас достаточно много на рынке, и количество поставщиков постоянно увеличивается, поскольку популярность технологии растет. Дин Николлс, директор по маркетингу Oosto, компании, специализирующейся на разработке приложений компьютерного зрения, в беседе с журналом о безопасности Asmag, ответил на ряд насущных вопросов, связанных с развертыванием систем распознавания лиц.
Распознавание лиц может быть использовано в различных приложениях и для различных целей, но не всегда пользователю, который ищет подобное решение, удается понять, соответствует ли выбираемая технология их запросам в плане точности, скорости и прочим важным параметрам. Алгоритмы распознавания лиц и аппаратное обеспечение постоянно совершенствуются и развиваются, но далеко не все желающие могут понять, чья технология является лучшей, и многие при выборе ограничиваются известностью бренда. Прояснив для себя ряд вопросов, можно сделать лучший выбор.
Точность решения и скорость распознавания
Нужно понимать, что ни один производитель приложения для распознавания лиц не станет принижать свой продукт, говоря, что он хуже, чем у конкурентов, что он менее точен и у него ниже скорость обнаружения. Распознавание лиц в реальном времени – непростая техническая задача, что делает разные решения отличающимися в плане уровня точности. Выяснить это можно только путем получения соответствующей информации от конкретного бренда.
При предоставлении информации об уровне точности, поставщик будет говорить о цифрах, полученных при работе алгоритма в идеальных условиях. Это вряд ли поможет пользователям, которые вряд ли смогут рассчитывать, что такие идеальные условия будут созданы и на их объекте. В случае с технологией распознавания лиц одним из идеальных условий, например, будет ситуация, когда лицо человека направлено на камеру видеонаблюдения под прямым углом. Отсюда вывод – необходимо получить представление о том, насколько хорошо система распознавания лиц работает в реальных условиях, не являющихся оптимальными. Здесь может помочь метод тестирования приложения на нескольких сетевых камерах видеонаблюдения.
Использование существующей инфраструктуры камер
Многие пользователи, желающие обзавестись полезным решением для распознавания лиц сотрудников или для выявления нежелательных лиц, занесенных в базу, не хотят тратиться на новые камеры видеонаблюдения, располагая уже определенной инфраструктурой безопасности. Для этого необходимо просто выяснить, будет ли совместимо решение с используемыми ими камерами.
В идеальном варианте, программное обеспечение для распознавания лиц должно эффективно использовать вычислительную мощность умных камер видеонаблюдения, что поможет легко и успешно его развернуть на базе существующей инфраструктуре видеонаблюдения, но, в любом случае, необходимо выяснить, интегрируется ли это ПО с этим оборудованием для видеонаблюдения.
Защита конфиденциальности
Важно обеспечить, чтобы решение для распознавания лиц не нарушало чье-либо право на неприкосновенность частной жизни. Для соблюдения этого права пользователь должен обратить внимание на те решения, которые предлагают функции размытия изображения или мозаичное закрытие изображения распознанного лица, динамическое время хранения данных и удаление данных с хранилища.
Демографическая предвзятость
Недавние исследования показали, что некоторые алгоритмы распознавания лиц предвзято относятся к людям с определенными демографическими признаками. Большинство крупных компаний учитывают этот момент, внося изменения в свои продукты, но перед покупкой системы лучше поинтересоваться этим вопросом. Эксперт уверен, что демографическая предвзятость технологий распознавания лиц в значительной степени чрезмерно раздута, поскольку ведущие производители данного ПО обучают свои модели искусственного интеллекта на больших, репрезентативных и сбалансированных наборах данных. Нейронные сети, созданные с учетом различных оттенков кожи, поз лица, пола, возраста и этнической принадлежности, лучше работают в дикой природе и сводят к минимуму демографическую предвзятость.
Стоимость владения
Традиционные расходы, связанные с развертыванием системы распознавания лиц, включали в себя программное обеспечение, оборудование (серверы), питание, охлаждение и управление ИТ. Современные решения для распознавания лиц смещаются на периферию (пограничная аналитика) и разрабатываются для умных камер видеонаблюдения, что привязывает аналитику к конкретным местам сбора данных, помогая организациям достигать большей скорости реагирования и эффективности.
Развертывание обработки видео на периферийных устройствах, например, на сетевых камерах видеонаблюдения или на терминалах контроля доступа, эффективно переносит вычислительную нагрузку, связанную с GPU, с дорогих локальных серверов на небольшие выделенные энергоэффективные устройства.