Видеоаналитика в системах видеонаблюдения не стоит на месте, таким функционалом, как выход из периметра, пропажа предмета из области, детекция пешеходов и прочее, уже никого не удивить. На смену приходят все более интеллектуальные сценарии и функции. Одна из которых распознавание лиц в системах видеонаблюдения, технология, которая появилась в данной сфере относительно недавно и очень уверенно захватила долю на рынке. Технология распознавание лиц на основе биометрии лица является «вершиной» видеоаналитики: она ставит наиболее сложные задачи и задействует широкий спектр математических инструментов. С одной стороны, биометрическая система реализует функцию распознавания, устанавливая вероятностную связь изображения с идентификаторами людей, зарегистрированных в базе данных. С другой стороны, биометрическая система требует безукоризненной работы функций обнаружения и слежения.

Существуют два основных способа реализации распознавания лиц в видеонаблюдении. При первом способе, процедура распознавания лиц может осуществляться “силами” самой IP-камеры и передавать видеопоток, и метаданные на сервер(ПК)/видеорегистратор. Из положительных моментов: к серверу (ПК) возможно подключить большое количество камер, т.к. на ресурсы производительности сервера не оказывается большой нагрузки. Что касается недостатков данной системы: в случае расширения необходимо будет всегда использовать камеры одного и того же производителя, для согласования базы данных и используемых шаблонов распознавания лиц.

Второй основной способ: осуществлять распознавание лиц на стороне сервера с помощью специального ПО, а с камеры видеонаблюдения передавать только видеопоток. Однозначно такую систему удобно использовать в случае, если видеонаблюдение уже установлено на объекте, заменить достаточно старый сервер/видеорегистратор. Можно ли отнести к недостаткам дороговизну устанавливаемого сервера, лицензия которого на канал стоит не мало, из-за высокой производительности сервера? Но и сами камеры с распознаванием лиц на борту стоят не дешево, плюс будет необходим демонтаж старых камер и установка новых, поэтому о цене того или иного решения говорить сложно, необходимо рассчитывать индивидуально.

Разработчиками ПО, систем видеонаблюдения был создано множество алгоритмов распознавания лиц таких как:

• распознавание с помощью нейронных сетей,
• методом главных компонентов,
• активных моделей внешнего вида (AAM),
• метод гибкого сравнения на графах.

Но несмотря на большое количество разработчиков можно выделить общий принцип действия распознавания лица.

В системах видеонаблюдения для распознавания лиц используется 2D пространство, алгоритмы наиболее простые по сравнению с 3D – позиционированием (Например, использующееся в продуктах Apple под названием FaceID) соответственно и производительных ресурсов требуется меньше, и исключает использование дополнительных датчиков, но необходимо большее количество условий, описания для распознавания лиц в различных условиях.

Использование технологии распознавания лиц в сфере безопасности безусловно вносит в свой вклад. Одним из самых ярких примеров является Китай, где создана база данных более миллиарда человек, информация поступает в единую систему от правоохранительных органов, объектов транспортной инфраструктуры, систем контроля доступа в государственных и коммерческих организациях. Все это позволяет вычислить правонарушителя довольно быстро.

Пример можно привести не только за рубежом, относительно недавно в Московском метрополитене на станции метро «Октябрьская» при использовании технологии распознавания лиц, в первый же месяц было задержано 42 человека находившихся в розыске.

Камеру или видеорегистратор с функцией распознавания лиц при наличии тревожных выходов возможно интегрировать с системами СКУД, открывая двери, шлагбаумы и взаимодействовать с другой инфраструктурой СКУД при распознавании лица, которое было добавлено в белый список. А в случае попадания в кадр лица из черного списка, можно создать оповещение о тревоге.

Установив такую систему в магазине, ресторане, кафе помимо распознавания лица, обычно осуществляется анализ пола и возраста, это позволит определить целевую аудиторию и быть наиболее клиентоориентированным, определять постоянных покупателей, например, путем вывода статистики за месяц для выдачи карты постоянного покупателя или предоставления любимого столика.

Во многих системах также присутствует функция трекинга лица, то есть составление маршрута. Данную функцию можно применить в местах крупного скопления людей, в торговых центрах, на транспортных объектах, площадях для составления наиболее оптимизированных маршрутов и изучения потребительского поведения.