Согласно экспертным оценкам отраслевых аналитических компаний, глобальный рынок СКУД ежегодно будет расти в среднем на 8,4%. При этом объем сегмента СКУД с технологией распознавания лиц только за 2019 г. увеличился на 18% и продолжает расти. Ранее основными драйверами этого рынка были урбанизация в развивающихся странах, повышение уровня преступности и фактов мошенничества, популяризация беспроводных решений в составе систем безопасности, интеграция последних с Интернетом вещей и облачными платформами. В 2020 г. к ним добавилась пандемия коронавирусной инфекции, которая стимулировала интерес к сфере безопасности, в частности к системам измерения температуры тела и проверки наличия защитной маски.
Потенциал СКУД на базе технологии распознавания лиц еще не полностью раскрыт. Многие заказчики по привычке продолжают пользоваться традиционными технологиями вроде ID-карт или магнитных ключей. Но определенные изменения на рынке уже есть, особенно с учетом роста интереса заказчиков к бесконтактным технологиям. В ближайшие несколько лет ситуация с восприятием биометрических терминалов доступа с распознаванием лиц кардинально изменится. Растущий спрос на идентификацию по лицу обусловлен технологическим прорывом в области машинного обучения.
В отличие от остальной биометрии идентификация по лицу динамична. Другие биометрические методы в СКУД – отпечатки пальцев, рисунок вен ладони, распознавание радужной оболочки глаза – требуют если не прямого физического контакта, то как минимум достаточно близкого.
Ключевые факторы, которые делают данную технологию востребованной:
Сегодня распознавание лица – это удобная и практичная функция идентификации без пароля. Сама технология относится к области применения теории распознавания образов, которая возникла значительно раньше современных компьютерных систем. Распознавание образов – неотъемлемая часть деятельности мозга. Поэтому в спектре компьютерных дисциплин задачи распознавания относятся к проблематике искусственного интеллекта.
Метод нейронных сетей самый распространенный, объясняется это тем, что использование сверхточных нейронных сетей в отличие от "классической" математики делает распознавание менее зависимым от кооперативности поведения людей, снижает требования к монтажу камер, улучшает качество распознавания в широком диапазоне внешних условий, включая изменяющуюся освещенность.
В большинстве случаев для машинного обучения используется платформа с открытым исходным кодом, поскольку очень сложно разработать свой собственный алгоритм.
"Что ждет рынок неадресных дымовых пожарных извещателей?" читать мнения экспертов в статье >>>
Производители и поставщики оборудования и программного обеспечения уверены: неудачи, которые были при внедрении, связаны в большей степени с использованием технологии на начальном этапе ее развития. Ведь еще пять лет назад точность распознавания колебалась на уровне 80–85%, а сегодня она достигла показателя 99,99%. Алгоритмы машинного обучения позволяют постоянно проводить работу над ошибками и учитывать негативный опыт, а потому неудачных примеров будет все меньше.
Один из важных вопросов, который необходимо решить, заключается в том, для чего планируется использовать систему распознавания по лицу, для идентификации или верификации.
Использование исключительно идентификации при распознавании по лицу для принятия решения о доступе – вопрос, который требует тщательной проработки под каждый конкретный объект и зависит от задач.
Метод идентификации при распознавании по лицу эффективнее всего использовать в задачах обнаружения посторонних на контролируемой территории.
В режиме верификации распознавание лиц работает хорошо, так как задача верификации очень простая даже для средних по качеству систем распознавания лиц. Данный режим можно использовать на любых проходных – в бизнес-центрах, на производственных предприятиях, в институтах, школах.
Биометрические системы могут быть объединены различными способами: параллельно, последовательно или согласно иерархии. Главным критерием при выборе способа объединения систем должна служить минимизация соотношения количества возможных ошибок ко времени одной аутентификации.
Сейчас уже существуют биометрические терминалы для учета рабочего времени и контроля доступа с распознаванием по лицу, бесконтактным RFID-картам или паролю, а также сетевые биометрические терминалы с идентификацией по лицам, венам ладони, отпечаткам пальцев и считывателем RFID-карт. Некоторые производители применяют терминалы с комбинацией идентификации по лицу, отпечатку пальца, карте и ПИН-коду.
В ближайшие годы следует ожидать значительного проникновения биометрии в нашу повседневную жизнь, распознавание лиц дополнит традиционные способы взаимодействия человека и машины, сделав их более удобными и безопасными.
Наша компания активно применяет биометрические системы в комбинации с высокоскоростными турникетами и видеотерминалами для удобного и быстрого прохода людей. Для бизнес-центров с повышенным потоком людей важна скорость идентификации и принятия решения, так как любая задержка приведет к скоплению людей.
Отдельно необходимо учитывать дизайн входной группы и внешний вид применяемых технических средств безопасности. Так, например, двусторонний видеотерминал позволяет одним устройством обеспечить контроль доступа с двух сторон турникета на вход и выход.
Для образовательных учреждений применяем интеграцию с контрольно-пропускной системой, использование лица как дополнительного идентификатора для контроля учащихся, интеграцию с кампусными картами студента и преподавателя.
Биометрические терминалы с идентификацией по лицу на стадионе решают сразу несколько задач, работая как в режиме идентификации (сравнивая лица болельщиков с базой данных футбольных хулиганов), так и в режиме верификации (подтверждая личность владельца футбольного абонемента).
Опубликовано в журнале "Системы безопасности" №3/2020
Павел Серский
Руководитель направления СКУД ООО "Хай-Тек Секьюрити"