Поиск по лицу на фото в Интернете

Современные интернет-технологии позволяют сделать многое. И теперь найти человека не является такой уж и большой проблемой. Это возможно. Более того, это можно сделать легко, быстро, бесплатно и для такого поиска есть большое количество инструментов.

В данной статье мы рассмотрим, как осуществляется поиск человека по его лицу на имеющейся у вас фото в Интернете. Описанные ниже методы позволят вам найти все упоминания о той или иной личности, которые присутствуют в общем доступе на каких-либо сайтах или в социальных сетях.

Что нужно, чтобы найти человека по фото в Интернете?

Для того, чтобы найти человека по лицу, вам нужен интернет, компьютер или смартфон, а также его фото.

К снимку есть определённые требования:

Чем более качественным будет фото, тем больше вероятность успешного и точного поиска.
На фотографии должно будь только одно лицо. Поэтому если там присутствуют другие люди или предметы, то его лучшее обрезать до такого размера, чтобы было видно только лицо того человека, искать которого вы будете.
Картинки в полный рост не подходят. Необходимы портретные изображения, желательно в анфас.

Для успешного поиска, необходимо, чтобы у искомого человека был открытый профиль в какой-либо социальной сети, либо, чтобы его фото были опубликованы где-то на других сайтах.

В некоторых случаях поиск может не дать результатов. Это чаще всего происходит по причине того, что человек на снимке, по которому вы ищите, не присутствует в соцсетях, либо имеет закрытые профили, либо не публикует там или где-то ещё свои фото.

Поиск по лицу в социальных сетях ВК и ОК

Сервис Search4faces позволяет бесплатно искать людей по фото лица в социальных сетях ВКонтакте и Одноклассники. На сегодняшний день это один самых мощных инструментов поиска по лицу.

Сервис работает по двум режимам.

Первый — это поиск по аватарке профиля во ВК и ОК. По заявлению разработчиков, в базе имеется 100% фото аккаунтов ВК и 97% аккаунтов ОК. Данный режим имеет 50% успешных поисков.
Второй режим работы — поиск по фото профиля во ВК (то есть, не аватарки, а те фото, которые загружены в профиль). Обработано 50% аккаунтов, а доля успешного поиска составляет 60%. Со временем цифры могут меняться, данные представлены на момент создания этого обзора.

Давайте попробуем произвести поиск нужного вам человека по его лицу на фотографии с помощью интернет-сервиса Search4faces:

Перейдите на Search4faces по этой ссылке https://search4faces.com. Вы увидите приветственную страницу. В самом низу есть два режима, которые были описанные выше — « Аватарки ВКонтакте и Одноклассников » и « Фотографии профиля ВКонтакте «. Для начала попробуем первый — нажмите на этом режиме кнопку « Перейти «.
Здесь вы увидите форму поиска с фильтрами. Первым делом загрузите фото лица человека, которого хотите найти. Для этого нажмите кнопку « Загрузить «.

Откроется загрузка с четырьмя источниками фото:

Источники:	Пояснение:
« Загрузить файл «	Загружает изображение из вашего компьютера.
« Фотокамера «	Включает камеру на компьютере через которую можно сделать фото.
« Импорт из URL «	Позволяет добавить картинку по ссылке из любого сайта.
« Instagram «	Позволяет загрузить фотографию лица по ссылке на пост в Iinstagram.

Выберите вариант, который подходит вам и добавьте фото. Затем нажмите кнопку « Загрузить «.
Фото загрузится в форму поиска. Теперь с помощью фильтра вы можете настроить и другие параметры поиска: пол, страна, город, возраст, а также количество результатов. Данный фильтр поможет сузить результаты поиска и быстрее найти нужного человека. Затем нажмите кнопку « Найти «.
В результате поиска вы получите ссылки на все аккаунты в ОК и ВК, в аватарках которых используется загруженное вами фото или похожее на неё.

Если режим « Аватарки ВКонтакте и Одноклассников » не дал вам желаемого результата, то можете попробовать поиск по тому же фото лица в режиме « Фотографии профиля ВКонтакте «. С большой вероятность, там поиск будете удачным.

Photo Sherlock — кроссплатформенный определитель личности по фото

Photo Sherlock объединяет в себе мощь поисковиков Яндекс и Google. Вторым достоинством сервиса является его кроссплатформенность — есть версии для Android, iOs, а также веб-версия.

Этот инструмент ищет загруженные в него изображения в поисках по картинкам в Яндекс и Google. Таким образом, в результате поиска вы получите все сайты, на которых встречается человек на фото, которое вы загрузили. Там могут оказаться как открытые страницы на социальные сети, так и просто другие сайты, где опубликовано это или похожее фотоснимки.

Ниже мы рассмотрим как работает приложение Photo Sherlock на смартфоне. Но, если хотите, вы можете также попробовать и его веб-версию в браузере, она по этой ссылке https://facesherlock.com.

Как пользоваться интернет-сервисом, чтобы найти человека по его лицу на фотографии:

Скачайте Photo Sherlock на своё устройство с Android или iOs. После установки запустите, его и вы сразу же увидите камеру. С помощью центральной кнопки снизу можно сделать фото лица человека, а левая кнопка открывает галерею и позволяет загрузить фото из смартфона. Выберите удобный вам вариант и загрузите фото в приложение.
После этого внизу появится небольшое меню, которое позволяет переснять, начать поиск или обрезать добавленное фото. Как вы помните, для успешного поиска на изображении должно быть видно только лицо одного человека. Поэтому если загруженный портрет не удовлетворяет этому требованию, то его сейчас можно обрезать. А если оно подходит, то можно начать поиск, нажав на « Найти по фото «.
В результатах поиска вы получите привычную выдачу из поисковиков Google или Яндекс ( переключаться между ними можно с помощью вкладок внизу ). И в выдаче будут присутствовать все сайты с загруженным вами фото, или с фото с похожим человеком.

Можно искать по фото лица в Интернете с таким же результатом, но без этого приложения. Для этого следует напрямую задействовать поиски по картинкам в Яндекс и Google. Google находится здесь, а Яндекс здесь. Начинать следует в обоих случаях с нажатия на кнопку в виде фотоаппарата.

Быстрый поиск по лицу в Одноклассниках

Если человек, которого вы ищите, присутствует в социальной сети Одноклассники, то вы можете найти его по снимку лица с помощью мобильного приложения.

Не так давно именно в мобильном клиенте этой социальной сети появилась возможность искать людей по фотографии из Интернета:

Установите на свой смартфон ОК. Это можно сделать для Android и iOs. После установки откройте приложение. Если у вас ещё нет аккаунта в этой социальной сети, то вам придётся зарегистрироваться. А если есть, то нужно авторизоваться в своём профиле. Только после этого можно продолжать.
Когда вы попадёте в свой профиль, вверху слева нажмите на три линии, чтобы открыть меню.
Затем нажмите на раздел « Друзья «.
Вы окажетесь в списке ваших друзей. Здесь нажмите на кнопку « Найти по фото «.
Откроется камера. Теперь вам нужно навести камеру на лицо того человека, которого вы хотите найти, а потом нажать внизу на кнопку, для того, чтобы сделать фотографию.
Алгоритм приложения обработает загруженное вами фото, и если такой человек найдётся, то от вашего аккаунта ему будет отправлен запрос в друзья.

Итак, выше были рассмотрены самые действенные способы поиска человека. При их использовании будьте внимательны — машины могут ошибаться. И если вы нашли нужного вам персонажа, убедитесь, что это действительно он, прежде чем налаживать с ним контакт. Кроме вероятной ошибки этих инструментов, не забывайте ещё и об огромном количестве фейковый аккаунтов в соцсетях.

Видео-инструкция

Данное видео поможет осуществить поиск любого человека по его лицу на фотографии через Интернет.

Система распознавания лиц: как она работает и чего стоит опасаться?

Система распознавания лиц – это универсальное программное решение, целью которого является распознавание образов людей на фотографиях и видео. Цель такой системы – усовершенствование процесса верификации человека в программах и веб-сервисах.

Перспективы развития технологии поражают. Представьте, что искусственный интеллект будет следить за каждым вашим шагом: вы вошли в здание без ключа, поднялись на лифте на нужный этаж без нажатия на кнопку, вошли в квартиру, просто посмотрев в камеру – всё эти приёмы верификации уже успешно внедряются во многих странах.

Содержание:

Читать еще: Как исправить ошибку установки Discord

Многие ассоциируют функцию распознавания лица со смартфонами и компьютерными программами для поиска людей. На самом деле, технология зашла еще дальше. Разработчики, которые уже работают над усовершенствованием системы, приводят несколько примеров её дальнейшего развития:

Сохранение места человека в очереди любой организации (больницы, магазины, бары и прочие);
Определение личности правонарушителей на улицах города и людей, которые находятся в розыске;
Оплата покупок без необходимости предъявлять карту или доставать из кошелька наличные;
Точная верификация студентов на онлайн-экзамене, что перенесет интернет-университеты на совершенно новый уровень.

Возможности технологии

Прямо сейчас по всему миру разработчики массово внедряют технологию распознавания лица в жизнь простых людей. К примеру, только в Москве такой метод верификации связан со 150 000 камер видеонаблюдения. Они установлены на улицах и являются частью государственной программы по борьбе с нарушителями ПДД и хулиганами.

Внедрение проекта Smart Campus

Возможности технологии практически безграничны. С её помощью можно улучшить систему безопасности пользователей банков, ловить опасных преступников, защищать свои гаджеты от любопытных друзей или воров и многое другое.

Как работает распознавание лиц?

Если вы хоть раз слышали о функции распознавания лица, то, наверняка задавались вопросом, как компьютер может «узнавать» нужного человека. Все это возможно благодаря искусственному интеллекту и машинному обучению.

Прежде чем система начнет распознавать людей с высокой точностью, её нужно этому «научить». Для этого программисты заранее тестируют на своих проектах сотни тысяч, а иногда и миллионы фотографий людей. Чем чаще система распознает лица, тем больше находит уникальных черт людей и тем выше получается точность верификации личности.

Наша уникальность — нас выдает.

Определении уникальных метрик

Процесс «считывания» лица

Большинство современных систем распознавания лиц работают с 3D-моделированием уникальных черт каждого человека. Искусственный интеллект в реальном времени наносит все показатели на виртуальное человеческое лицо, формируя его модель. Полученная информация вносится в базу данных.

Процесс распознавания работает следующим образом:

Обнаружение лица. На этом этапе программа сканирует человека через готовый снимок или через камеру в режиме реального времени;
Определяется лицо и его границы. Система определяет положение человека, уровень освещения;
Измерение параметров. Программа определяет уникальные метрики и измеряет их с точностью до тысячной доли миллиметра;
Кодирование полученных данных. Все метрики преобразовываются программой в числовую последовательность, которая позволяет компьютеру уникализировать лицо каждого человека;
Сопоставление. Чтобы разблокировать телефон или найти человека, системе нужно сопоставить два лица. Поиск соответствия входящих данных и сохраненной информации занимает доли секунды и является максимально точным;
Верификация или идентификация (в зависимости от целей приложения). Если распознавание лиц работает как способ разблокировать смартфон, то это называется верификацией – снимок с камеры сравнивается только с одной эталонной моделью в базе данных. Идентификация – это поиск нужного лица среди тысяч других моделей в памяти программы.

3D-моделирование внешних характеристик человека

Сегодня система распознавания работает хорошо, но во многих её реализациях наблюдается высокий процент неточностей. Успехи в совершенствовании технологии удалось сделать компании Apple. Их сканеры лица научились распознавать человека, даже если он сменил прическу, отрастил бороду или носит солнцезащитные очки во время разблокировки гаджета.

Насколько опасны такие программы?

Несмотря на очевидные плюсы технологии распознавания лиц, огромное количество пользователей интернета выражают серьёзное беспокойство о массовом использовании функции. Дело в том, что искусственный интеллект «собирает» наши личные данные.

Как думаешь, зачем?

Приверженцы теорий заговора создают целые форумы, на которых проходит обсуждение гипотез о том, что распознавание лиц нужно для создания тотального контроля за людьми. Чем популярнее становится технология, тем невероятнее и эти теории заговора.

Главный вопрос к программам с функцией распознавания лица – каким образом они обеспечивают сохранность и неприкосновенность собранной информации?

Все очень просто.

Пока на законодательном уровне большинства стран не придумали, как регулировать деятельность приложений для распознавания лица, поэтому остается надеяться только на надежных разработчиков, которые дорожат своей репутацией и никогда не станут продавать информацию о людях заинтересованной стороне.

Если вы опасаетесь незаконного сбора данных, советуем следовать нескольким шагам, которые обезопасят вас:

Не используйте никому неизвестные сервисы и старайтесь читать пользовательское соглашение. К примеру, в социальной сети Facebook можно найти человека по фото и такая авторитетная компания с большой вероятностью не станет дискредитировать себя распространением собранной информации. А вот неизвестный софт из магазина приложений без отзывов и с низким рейтингом может быть обычной фишинговой программой;
Если вы категорически против использования системы распознавания лица, её всегда можно отключить и поставить запрет на использование камеры. Пользователи смартфонов могут деактивировать функцию в настройках;
Нанесите специальный макияж. Сотрудники Яндекса придумали, как обмануть систему распознавания. Достаточно разукрасить лицо хаотичными линиями и точками.

Единственное, от чего не скроешься – это системы наружного наблюдения вашего города, которых становиться все больше и больше. Вряд ли кто-то будет ходить каждый день со специальным макияжем, поэтому есть высокая вероятность, что такие камеры отсканируют ваше лицо.

Полезная информация:

Советуем ознакомиться с программой Ivideon Server – это специализированная утилита для создания собственной системы видеонаблюдения. Соединение камер в системе происходит с помощью Интернет-соединения и облачного сервиса (с тем же названием). Однако есть возможность хранить записи локально.

Распространение технологии

Первые попытки практического применения системы распознавания лиц были проведены правоохранительными органами США. Сегодня полиция многих стран разрабатывает проекты по внедрению системы в массы. Единственная проблема – камеры со сканерами должны иметь круглосуточное подключение к интернету и бесперебойное электропитание.

Подобное довольно затратно, в отличие от социальных сетей.

В ближайшем будущем планируется реализация работы обнаружения лиц в аэропорту. Это позволит решить извечную проблему долгих проверок людей и огромных очередей. Если вы «бывалый путешественник» и не нарушали закон, система будет определять вас как надежную личность. Это позволит проходить к самолету вне очереди.

Несмотря на все опасения и теории, распознавание лиц является одним из самых интересных направлений в развитии информационных технологий. Функция способна в разы повысить безопасность в наших городах, а использование сканнера лица в банковской сфере сделает невозможным кражу денег со счетов.

Недавно банк «Открытие» начал внедрение системы в своё мобильное приложение. Теперь пользователи могут отправлять денежные переводы по фото. Достаточно просто отсканировать снимок и приложение покажет человека, которому нужно перевести средства.

Богдан Вязовский

«Мы живем в обществе, где технологии являются очень важной частью бизнеса, нашей повседневной жизни. И все технологии начинаются с искр в чьей-то голове. Идея чего-то, чего раньше не существовало, но однажды будет изобретено, может изменить все. И эта деятельность, как правило, не очень хорошо поддерживается»

Распознавание лиц при помощи Python и OpenCV

В этой статье мы разберемся, что такое распознавание лиц и чем оно отличается от определения лиц на изображении. Мы кратко рассмотрим теорию распознавания лиц, а затем перейдем к написанию кода. В конце этой статьи вы сможете создать свою собственную программу распознавания лиц на изображениях, а также в прямом эфире с веб-камеры.

Содержание

Что такое обнаружение лиц?

Одной из основных задач компьютерного зрения является автоматическое обнаружение объекта без вмешательства человека. Например, определение человеческих лиц на изображении.

Лица людей отличаются друг от друга. Но в целом можно сказать, что всем им присущи определенные общие черты.

Существует много алгоритмов обнаружения лиц. Одним из старейших является алгоритм Виолы-Джонса. Он был предложен в 2001 году и применяется по сей день. Чуть позже мы тоже им воспользуемся. После прочтения данной статьи вы можете изучить его более подробно.

Обнаружение лиц обычно является первым шагом для решения более сложных задач, таких как распознавание лиц или верификация пользователя по лицу. Но оно может иметь и другие полезные применения.

Вероятно самым успешным использованием обнаружения лиц является фотосъемка. Когда вы фотографируете своих друзей, встроенный в вашу цифровую камеру алгоритм распознавания лиц определяет, где находятся их лица, и соответствующим образом регулирует фокус.

Что такое распознавание лиц?

Итак, в создании алгоритмов обнаружения лиц мы (люди) преуспели. А можно ли также распознавать, чьи это лица?

Читать еще: Как подписаться на аккаунт в Tik-Tok

Распознавание лиц — это метод идентификации или подтверждения личности человека по его лицу. Существуют различные алгоритмы распознавания лиц, но их точность может различаться. Здесь мы собираемся описать распознавание лиц при помощи глубокого обучения.

Итак, давайте разберемся, как мы распознаем лица при помощи глубокого обучения. Для начала мы производим преобразование, или, иными словами, эмбеддинг (embedding), изображения лица в числовой вектор. Это также называется глубоким метрическим обучением.

Для облегчения понимания давайте разобьем весь процесс на три простых шага:

Обнаружение лиц

Наша первая задача — это обнаружение лиц на изображении или в видеопотоке. Далее, когда мы знаем точное местоположение или координаты лица, мы берем это лицо для дальнейшей обработки.

Извлечение признаков

Вырезав лицо из изображения, мы должны извлечь из него характерные черты. Для этого мы будем использовать процедуру под названием эмбеддинг.

Нейронная сеть принимает на вход изображение, а на выходе возвращает числовой вектор, характеризующий основные признаки данного лица. (Более подробно об этом рассказано, например, в нашей серии статей про сверточные нейронные сети — прим. переводчика). В машинном обучении данный вектор как раз и называется эмбеддингом.

Теперь давайте разберемся, как это помогает в распознавании лиц разных людей.

Во время обучения нейронная сеть учится выдавать близкие векторы для лиц, которые выглядят похожими друг на друга.

Например, если у вас есть несколько изображений вашего лица в разные моменты времени, то естественно, что некоторые черты лица могут меняться, но все же незначительно. Таким образом, векторы этих изображений будут очень близки в векторном пространстве. Чтобы получить общее представление об этом, взгляните на график:

Чтобы определять лица одного и того же человека, сеть будет учиться выводить векторы, находящиеся рядом в векторном пространстве. После обучения эти векторы трансформируются следующим образом:

Здесь мы не будем заниматься обучением подобной сети. Это требует значительных вычислительных мощностей и большого объема размеченных данных. Вместо этого мы используем уже предобученную Дэвисом Кингом нейронную сеть. Она обучалась приблизительно на 3000000 изображений. Эта сеть выдает вектор длиной 128 чисел, который и определяет основные черты лица.

Познакомившись с принципами работы подобных сетей, давайте посмотрим, как мы будем использовать такую сеть для наших собственных данных.

Мы передадим все наши изображения в эту предобученную сеть, получим соответствующие вектора (эмбеддинги) и затем сохраним их в файл для следующего шага.

Марк Лутц «Изучаем Python»

Скачивайте книгу у нас в телеграм

Сравнение лиц

Теперь, когда у нас есть вектор (эмбеддинг) для каждого лица из нашей базы данных, нам нужно научиться распознавать лица из новых изображений. Таким образом, нам нужно, как и раньше, вычислить вектор для нового лица, а затем сравнить его с уже имеющимися векторами. Мы сможем распознать лицо, если оно похоже на одно из лиц, уже имеющихся в нашей базе данных. Это означает, что их вектора будут расположены вблизи друг от друга, как показано на примере ниже:

Итак, мы передали в сеть две фотографии, одна Владимира Путина, другая Джорджа Буша. Для изображений Буша у нас были вектора (эмбеддинги), а для Путина ничего не было. Таким образом, когда мы сравнили эмбеддинг нового изображения Буша, он был близок с уже имеющимися векторам,и и мы распознали его. А вот изображений Путина в нашей базе не было, поэтому распознать его не удалось.

Что такое OpenCV?

В области искусственного интеллекта задачи компьютерного зрения — одни из самых интересных и сложных.

Компьютерное зрение работает как мост между компьютерным программным обеспечением и визуальной картиной вокруг нас. Оно дает ПО возможность понимать и изучать все видимое в окружающей среде.

Например, на основе цвета, размера и формы плода мы определяем разновидность определенного фрукта. Эта задача может быть очень проста для человеческого разума, однако в контексте компьютерного зрения все выглядит иначе.

Сначала мы собираем данные, затем выполняем определенные действия по их обработке, а потом многократно обучаем модель, как ей распознавать сорт фрукта по размеру, форме и цвету его плода.

В настоящее время существуют различные пакеты для выполнения задач машинного обучения, глубокого обучения и компьютерного зрения. И безусловно, модуль, отвечающий за компьютерное зрение, проработан лучше других.

OpenCV — это библиотека с открытым программным кодом. Она поддерживает различные языки программирования, например R и Python. Работать она может на многих платформах, в частности — на Windows, Linux и MacOS.

Основные преимущества OpenCV :

имеет открытый программный код и абсолютно бесплатна
написана на C/C++ и в сравнении с другими библиотеками работает быстрее
не требует много памяти и хорошо работает при небольшом объеме RAM
поддерживает большинство операционных систем, в том числе Windows, Linux и MacOS.

Установка

Здесь мы будем рассматривать установку OpenCV только для Python. Мы можем установить ее при помощи менеджеров pip или conda (в случае, если у нас установлен пакет Anaconda).

1. При помощи pip

При помощи pip процесс установки может быть выполнен с использованием следующей команды:

2. Anaconda

Если вы используете Anaconda, то выполните следующую команду в окружении Anaconda:

Распознавание лиц с использованием Python

В этой части мы реализуем распознавание лиц при помощи Python и OpenCV. Для начала посмотрим, какие библиотеки нам потребуются и как их установить:

OpenCV
dlib
Face_recognition

OpenCV — это библиотека обработки изображений и видео, которая используется для их анализа. Ее применяют для обнаружения лиц, считывания номерных знаков, редактирования фотографий, расширенного роботизированного зрения, оптического распознавания символов и многого другого.

Библиотека dlib , поддерживая Дэвисом Кингом, содержит реализацию глубокого метрического обучения. Мы ее будем использовать для конструирования векторов (эмбеддингов) изображений, играющих ключевую роль в процессе распознавания лиц.

Библиотека face_recognition , созданная Адамом Гейтгеем, включает в себя функции распознавания лиц dlib и является по сути надстройкой над ней. С ней очень легко работать, и мы будем ее использовать в нашем коде. Имейте ввиду, что ее нужно устанавливать после библиотеки dlib .

Для установки OpenCV наберите в командной строке:

Мы перепробовали множество способов установки dlib под WIndows и простейший способ это сделать — при помощи Anaconda. Поэтому для начала установите Anaconda (вот здесь подробно рассказано, как это делается). Затем введите в терминале следующую команду:

Далее, для установки библиотеки face_recognition наберите в командной строке следующее:

Теперь, когда все необходимые модули установлены, приступим к написанию кода. Нам нужно будет создать три файла.

Первый файл будет принимать датасет с изображениями и выдавать эмбеддинг для каждого лица. Эти эмбеддинги будут записываться во второй файл. В третьем файле мы будем сравнивать лица с уже существующими изображениями. А затем мы сделаем тоже самое в стриме с веб-камеры.

Извлечение признаков лица

Для начала вам нужно достать датасет с лицами или создать свой собственный. Главное, убедитесь, что все изображения находятся в папках, причем в каждой папке должны быть фотографии одного и того же человека.

Затем разместите датасет в вашей рабочей директории, то есть там, где выбудете создавать собственные файлы.

Сейчас мы сохранили все эмбеддинги в файл под названием face_enc . Теперь мы можем их использовать для распознавания лиц на изображениях или во время видеострима с веб-камеры.

Распознавание лиц во время прямой трансляции веб-камеры

Вот код для распознавания лиц из прямой трансляции веб-камеры:

В данном примере для обнаружения лиц использовался метод cv2.CascadeClassifier() из библиотеки OpenCV. Но вы с таким же успехом можете пользоваться и методом face_recognition.face_locations() , как мы уже делали в предыдущем примере.

Распознавание лиц на изображениях

Код для обнаружения и распознавания лиц на изображениях почти аналогичен тому, что вы видели выше. Убедитесь в этом сами:

Результат:

На этом наша статья подошла к концу. Мы надеемся, что вы получили общее представление о задачах распознавания лиц и способах их решения.

Мешают ли маски распознаванию лиц? Как не попасть «в базу»?

«Классическая» система распознавания работает следующим образом: фотографии, полученные камерами видеонаблюдения, преобразуются в набор точек, описывающих черты лица. Чем больше черт охвачено, тем выше будет точность распознавания. Полученные наборы программа сравнивает с уже имеющимися в базе данных и ищет совпадения. Точность определяется в процентах.

Читать еще: Дополнение anonymoX для Google Chrome

Но есть нейросетевые алгоритмы, которые анализирует доступную часть лица, «режут» её на части и сравнивают со знакомыми образами, а не сопоставляют расположение ключевых точек. Они выигрывают у первых большей устойчивостью и эффективностью. Ведь когда человек, к примеру, поднимает шарф, распознавание по точкам «ломается». Даже незначительное перекрытие лица (т.е. точек на нём) ведёт к ошибке идентификации.

Как система будет распознавать — по частям или по точкам, — выбирает разработчик.

Резюмируя же, можно сказать, что система распознавания состоит из базы данных загруженных в программу «образов», обученного алгоритма машинного обучения и сервера, на котором это всё обрабатывается.

Какой процент совпадений нужен для утверждения, что распознавание сработало точно?

Никогда нельзя быть уверенным в точности распознавания. Во-первых, степень «похожести» достаточно субъективна. Кто-то посчитает, что достаточно 50%, кто-то, что не достаточно и 90%. Общественного консенсуса по этому вопросу нет, как и нормативного определения необходимого процента совпадения. Некоторые стандарты можно встретить в ТЗ к госконтрактам на разработку систем, но они не имеют обязательной силы для правоприменения.

Во-вторых, обучение нейросетей должно быть качественным. Это означает, что на одного человека должно приходиться очень много изображений в разных ракурсах.

В-третьих, даже «продвинутую» систему всё равно можно обмануть, если знать её алгоритмы — анализирует она точки или доступную часть лица.

При условии качественного распознавания мы считаем, что можно назвать достоверным показатель в 95%. Достойным принятия во внимание, но недостаточными в качестве доказательства — в 80-90%. Не заслуживающим доверия — меньше 75%.

Так, а что там про обмануть систему? Как это можно сделать?

Как мы написали выше, системы, которые опираются на расположение точек, крайне неустойчивы. Поэтому запутать их могут простые маски, очки, шарфы, капюшоны, балаклавы, зонты, а также специально разработанные очки, одежда, украшения и экстремальные макияж и причёски. Ещё один метод, который использовали, например, протестующие в Гонконге, — засветка объективов с помощью лазерных указок. Кроме того, точность работы системы сильно зависит от качества камер, разрешения картинки.

Но развитие систем не стоит на месте, они становятся «умнее» и эффективнее. Причём не только в распознавании лиц, но и в распознавании походки, голоса, температуры кожи и др. Поэтому стопроцентной защиты уже нет.

Однозначно можно сказать разве только то, что стоящего в ста метрах вполоборота человека в противогазе, зимней одежде и валенках, а также с затемнёнными стёклами очков пока не распознает даже самая лучшая система 🙂

То есть прятаться просто за маской, без противогаза уже бессмысленно?

Пока нет. Можно сказать наверняка, что маски мешают процессу распознавания. Хотя, учитывая, что каждая система распознавания использует свой подход, невозможно говорить о стопроцентно действенном способе.

Системы одного разработчика маски и геометрический грим могут «запутывать», системы другого — нет.

К сожалению, пока нет никаких публичных данных о том, какие именно технологии используют в российских системах распознавания лиц.

Так что мне делать, если я не хочу, чтобы меня распознавали и вносили в базы данных?

Для этого, резюмируя, рекомендуем следующее.

Надеть маску от подбородка до переносицы и надвинуть шапку так, чтобы она полностью закрывала уши и брови. Если у вас длинные волосы, полностью спрячьте их под шапкой или шарфом.
По возможности, менять маски, одежду при каждом выходе.
Пользоваться не только маской, но и теми же специальными макияжем или аксессуарами.
Обращать внимание на камеры на улицах и в общественном транспорте и, по возможности, находиться в «слепых» зонах. Например, в московских автобусах камеры установлены и спереди, и сзади, поэтому находится в салоне надо вполоборота по отношению к ним.

Даже если система меня распознает, разве могут только на основании этого привлечь? Всё время наносить макияж и натягивать шапку — так себе удовольствие.

С точки зрения нашего законодательства и здравого смысла, конечно, опираться исключительно на систему распознавания ни правоохранители, ни судьи не должны. Но, к сожалению, случаи, когда людям из-за ошибки системы попили немало крови, уже есть. Это кейсы Сергея Межуева и Антона Леушина, а также случаи задержаний после акций протеста в январе-феврале 2021 года.

Именно поэтому мы проводим кампанию BanCam за мораторий на использование систем распознавания лиц — пока существуют высокие риски злоупотреблений, неправомерной слежки и контроля за гражданами, а также утечки данных на чёрный рынок. Присоединяйтесь и подписывайте петицию!

О том, что делать, если вас обвиняют на основе результатов системы распознавания лиц, читайте в других наших карточках.

Помните FindFace, который искал аккаунты в соцсетях по фото? Его купили власти Москвы

Наверное, все знают таких людей с паранойей, которые абсолютно уверены, что все современные средства связи – это инструменты слежки в руках спецслужб. По их мнению, Touch ID был нужен для того, чтобы собрать самую большую базу отпечатков пальцев, Face ID – лиц, а WhatsApp – переписку. Поверить в это адекватному человеку довольно сложно. Но не потому, что реализовать такой сценарий невозможно, а просто потому, что выглядит он уж слишком заговорщицки. Поэтому, когда на рынок вышло приложение FindFace никто и не думал, какая судьба его ждёт в будущем.

Система распознавания лиц FindFace считается одной из самых масштабных и совершенных

Думаю, вы должны помнить приложение FindFace, которое по фотографии могло найти аккаунты любого человека в социальных сетях. Достаточно было просто загрузить снимок и выполнить поиск, как через несколько секунд анализа на экране появлялись ссылки на учётные записи искомой персоны и ещё несколько похожих. Алгоритмы распознавания лиц в большинстве случаев работали настолько точно, безошибочно сопоставляя фото человека с аккаунтами, что даже если в качестве изображения профиля использовался совершенно другой снимок, результаты поиска не нарушались.

Куда делся FindFace

FindFace мог найти аккаунт по фотографии лица практически любого человека

В результате FindFace превратился в инструмент по деанонимизации порноактрис, часть из которых тщательно скрывали свою деятельность от родных, близких и знакомых. Поэтому, вооружившись сервисом по распознаванию лиц, некоторые пользователи сочли себя обязанными либо затравить девушек, либо оповестить их родственников о том, чем те занимаются. Поэтому в какой-то момент против FindFace развернули кампанию из-за нарушения конфиденциальности, но большого резонанса то дело не вызвало и обернулось даже против тех, кто начал выступать против него.

Читайте также: ФБР и Конгресс США признали приложение для состаривания FaceApp опасным

Однако, невзирая на успех FindFace, в какой-то момент разработчики сервиса взяли и закрыли его для рядовых пользователей, удалив из ассортимента всех каталогов. Впрочем, к тому моменту хайп уже прошёл и исчезновению приложения практически не придали значения. А зря, потому что студия NtechLab, которая разработала FindFace, переключилась на сотрудничество с правительственными органами. Результатом этого сотрудничества стало внедрение инструментов распознавания лиц, используемых сервисов, в московскую систему наблюдения, которая, по данным Forbes, обошлась столице в 3,2 миллиона долларов США.

Распознавание лиц в Москве

Генеральный директор NtechLab Алексей Минин признался в интервью Forbes, что FindFace – самый масштабный проект в мире по распознаванию лиц в реальном времени. Инструменты, применяемые в приложении, позволяют мгновенно обнаружить искомого человека в толпе, сверить его с полицейскими базами данных и при необходимости оповестить правоохранительные органы об этом, параллельно продолжая вести слежку. Похожую систему пытались использовать лондонские власти, задействовав сервис японской студии NEC, но скорость его срабатывания оказалась не в пример меньше, чем у FindFace.

Читайте также: Дональд Трамп потребовал у Apple разблокировать iPhone террориста

Даже если оставить в стороне этичность использования технологии распознавания лиц в городской среде, NtechLab является отличным примером того, как компания, которая получила доступ к большим объёмам данных, может распорядиться ими. Ведь алгоритмы, применяемые в FindFace, работали на базе нейронных сетей и самообучались в процессе использования. Получается, что сами пользователи натаскали сервис на распознавание, помогая ему исправлять ошибки и подтверждая правильные результаты поиска. Вот и получается, что те, кто в своё время говорил, что FindFace – это средство для шпионажа, которое если ещё не попало в руки правительства, то обязательно попадёт, были правы.

голоса

Рейтинг статьи