'

Практический опыт внедрения биометрических технологий идентификации личности

Понравилась презентация – покажи это...





Слайд 0

Практический опыт внедрения биометрических технологий идентификации личности Конференция Intelligent Video 2.0 23.11.2011 Докладчик: Андрей Хрулев


Слайд 1

Рынок систем идентификации личности Объемы рынка систем идентификации личности (по данным International Biometric Group) $ 10,000.0 $ 9,000.0 $ 8,000.0 $ 7,000.0 $ 6,000.0 $ 5,000.0 $ 4,000.0 $ 3,000.0 $ 2,000.0 $ 1,000.0 $ 0.0 2009 2010 2011 2012 2013 2014


Слайд 2

Структура рынка идентификации личности по данным International Biometric Group


Слайд 3

Факторы, влияющие на эффективность биометрии лица Объективные факторы Субъективные факторы Технологические факторы Биометрия лица


Слайд 4

Объективные факторы Освещенность Низкая освещенность приводит к «размытию» изображения лица и снижению эффективности детектирования и идентификации Создание необходимых условий освещенности на объекте (не менее 80 Лк) Применение камер на основе современных высокочувствительных сенсоров (типа Sony ICX285AL) Применение ИК-подсветки и ИК-камер Повышение эффективности идентификации на 15-40%


Слайд 5

Объективные факторы Размер изображения лица на кадре Малый размер изображения лица снижает эффективность алгоритмов распознавания 60-90 пикс 10% - 20% от линейного размера кадра Применение IP-камер высокого разрешения (не менее 1 МПикс) Корректный выбор области видеонаблюдения на объекте и калибровка камеры Повышение эффективности идентификации на 40-50%


Слайд 6

Объективные факторы Качество исходных баз данных База данных МВД России База данных по ИСО/МЭК Формирование единой разыскной базы данных в соответствии с требованиями ИСО/МЭК 19794-5 Применение современных алгоритмов распознавания, устойчивых к искажениям исходных данных Обязательная оценка качества ! Повышение эффективности идентификации на 10-90% Низкое качество исходных изображений в базе данных приводит к повышению вероятностей ошибок ложной идентификации


Слайд 7

Субъективные факторы Ракурс лица Необходимо обеспечить отклонения лица от фронтального положения не более чем на 20 градусов за счет корректного расположения камеры Многокамерная (мультикаскадная) идентификация личности Применение современных алгоритмов распознавания, устойчивых к искажениям исходных данных 3D моделирование Значительные отклонения лица от фронтального положения искажают геометрию лица и повышают вероятности ошибок ложной идентификации


Слайд 8

Динамическая оценка ракурса лица Динамическое моделирование геометрии лица и автоматическая оценка ракурса


Слайд 9

Субъективные факторы Динамика потока людей Плотность потока людей Скорость пассажиропотока Направление потока людей Корректная организация потока людей на объекте в зонах идентификации (зоны досмотра, переходы, эскалаторы, зоны контроля и т.п.) Правильная установка и калибровка камер на объекте Применение высокоскоростных алгоритмов распознавания, обрабатывающих не менее 20 кадров в сек. Технология сопровождения (трекинг)


Слайд 10

Субъективные факторы Маскировка внешности Применение современных алгоритмов распознавания, устойчивых к искажениям исходных данных (учитывающих сложные геометрические модели) Наличие значительной обучающей выборки для работы алгоритмов распознавания Оценка качества изображений лиц в видеопотоке Незначительная маскировка внешности (капюшоны, головные оборы, очки, усы, бороды и т.п.) искажает геометрию лица и «сбивает» работу алгоритмов распознавания


Слайд 11

Технологические факторы Вычислительные ресурсы Детекция лица Формирование шаблона Идентификация Оценка качества Конфликт ресурсов! Централизованная схема работы Распределенная схема работы Детекция лица Оценка качества Формирование шаблона Иденти- фикация Вычислит. блок Сервер Интеллект. камера Повышение эффективности обработки видеопотока в 3-5 раз


Слайд 12

Основные тенденции развития биометрии лица Построение систем идентификации личности на основе распределенных вычислительных комплексов, включающих интеллектуальные IP-видеокамеры Применение современных алгоритмов распознавания изображений лица, устойчивых к искажениям исходных данных и обеспечивающих автоматическую оценку качества Применение методов «социальной инженерии» для организации потока людей в зонах идентификации личности Применение современных высокочувствительных сенсоров в камерах видеонаблюдения (камеры машинного зрения) Применение многокамерной видеоаналитики для мультикаскадной идентификации личности Объединение систем идентификации личности в единую комплексную аналитическую систему оперативно-разыскных мероприятий


Слайд 13

Спасибо! Москва, ул. Юности д. 13А Т: +7 (495) 648-08-08 Ф: +7 (495) 648-08-07 www.technoserv.ru


×

HTML:





Ссылка: