Защитные маски, которые в период пандемии стали атрибутом повседневной жизни, повышают вероятность ошибочного срабатывания систем распознавания лиц с 5 до 50%, пришли к выводу ученые Национального института стандартов и технологий США (NIST), пишет РГ Digital.
Они проверили, насколько хорошо системы смогут выполнить сопоставление “один к одному”. Например, анализировалась фотография одного и того же человека в маске и без нее. Всего было сопоставлено около 6 млн фотографий. Оказалось, что чем большую часть носа закрывает маска, тем ниже точность распознавания. Кроме того, было установлено, что наиболее эффективно от систем распознавания лиц защищают маски черного цвета.
Важнейшим компонентом современных алгоритмов распознавания лиц является наличие большого объема данных, необходимых для их обучения. Эти обучающие данные обычно не содержат перекрытий лица (масками, бородой, усами, очками, кепкой и так далее), поэтому модели распознавания, обученные на таких данных, менее точны на частично перекрытых лицах, и получение сопоставимого количества обучающих данных с наличием масок требует больших усилий, говорит старший исследователь VisionLabs Дмитрий Нехаев.
Существует ряд перспективных направлений исследований, способствующих улучшению распознавания лиц людей в масках. Среди них Нехаев выделяет разработку специализированных архитектур нейронных сетей, предназначенных для распознавания частично перекрытых лиц.
Есть несколько способов распознавания не по всему лицу, а по частично скрытому, рассказывает начальник отдела информационной безопасности “СёрчИнформ” Алексей Дрозд. Упрощенно, система работает так: ее обучают на множестве фотографий узнавать конкретное лицо, даже если его часть будет чем-то закрыта. Учитывая, что у разработчика уже есть база людей, она, анализируя их, в первую очередь должна определить, насколько “видно” конкретное лицо, как именно оно закрыто, в каких частях. После этого начинается этап распознавания. Для шарфа, маски, кепки, бороды, очков и т.п. используются различные алгоритмы, уточняет эксперт.
Система распознавания лиц требует большого количества маркированных изображений – то есть чтобы каждое такое изображение было помечено как с маской или без маски, объясняет Хавьер Алдан Юит, старший исследователь искусственного интеллекта в Avast. Затем ее необходимо обучить с помощью этих примеров. Кроме того, можно поменять стандартные подходы для распознавания лиц, чтобы пропустить / опустить элементы, лежащие на закрытой маской области лица. Последнее может быть введено как геометрическое ограничение, встроенное в тренировочный процесс.
Считается, что область лица, которая включает в себя глаза и брови, имеет тенденцию меньше всего меняться с течением времени, что делает ее “удобной”, чтобы использовать при попытке идентифицировать человека, утверждает Дмитрий Попков, эксперт по интеллектуальным системам Huawei в России. Но важный нюанс – в проценте ошибок. Большинство ИИ-алгоритмов для распознавания (доступных в открытом доступе) предполагают полный овал лица или не менее 90-85%, это проще для построения математической модели и ее обсчета, поэтому сейчас и возникают ситуации, что человек, который носит маску, может быть практически невидим для системы распознавания лиц, поскольку она даже не обнаруживает лицо.