Исследование ученых СПбГУПТД повысит точность распознавания лиц при сложном освещении и обеспечит защиту биометрии

Ученые Санкт-Петербургского государственного университета промышленных технологий и дизайна (СПбГУПТД) провели экспериментальное исследование по повышению точности систем распознавания лиц. Они доказали, что применение технологии компьютерного зрения LBPH в сочетании с алгоритмом CLAHE для выравнивания контрастности изображений повысит точность верификации в условиях неравномерного света без использования ресурсоемких нейросетей. Решение особенно востребовано для встраиваемых систем контроля доступа и мобильных приложений.

«Системы автоматического распознавания лиц сегодня используются повсеместно: от турникетов в бизнес-центрах до банковских приложений. Однако в реальных условиях — на улице, в коридорах, у входа в здание — освещение редко бывает идеальным. Боковой свет, контровое освещение от окна, глубокие тени от козырьков или ламп искажают текстуру кожи и контуры лица. Современные нейросетевые модели частично решают эту проблему, но требуют огромных вычислительных мощностей и объемных обучающих выборок», — объясняет научный руководитель проекта, ассистент кафедры интеллектуальных систем и защиты информации СПбГУПТД Артур Тян.

В качестве альтернативы ученые СПбГУПТД предлагают применять технологию компьютерного зрения LBPH в сочетании с предобработкой изображений с помощью метода CLAHE. Суть такой предобработки в том, что каждое полученное изображение лица разбивается на небольшие фрагменты (тайлы), после чего алгоритм локально выравнивает контраст в каждом таком тайле без избыточного усиления ярких зон, что эффективнее всего проявляется в областях с выраженной неравномерностью освещения. В свою очередь, LBPH-классификатор, по словам исследователей, является хорошо зарекомендовавшим себя методом текстурного описания лица. Алгоритмы отличаются низкой вычислительной сложностью, поэтому метод позволяет эффективно работать на стандартных процессорах.

«Мы провели собственное экспериментальное исследование, сфотографировав десять добровольцев при семи условиях освещения: норма, затемнение, пересвет, тень слева, тень справа, тень сверху, прожектор. Эксперименты подтвердили, что предварительная обработка изображений с помощью CLAHE помогает LBPH-классификатору увереннее узнавать лица там, где раньше система ошибалась. В частности, CLAHE обеспечил прирост точности при затемнении, пересвете и боковой тени слева», — комментирует один из авторов исследования, студент кафедры интеллектуальных систем и защиты информации СПбГУПТД Александр Мочалов.

Еще одно преимущество использования именно связки CLAHE и LBPH в том, что алгоритмы позволяют выполнять весь процесс верификации локально, то есть прямо на устройстве без передачи биометрических данных на удаленный сервер. Это исключает риски их перехвата. Более того, в базе хранятся не исходные фотографии лиц, а лишь математические гистограммы признаков, которые невозможно преобразовать обратно в изображение. Такой подход обеспечивает необратимость и обезличивание биометрических шаблонов, полностью соответствуя требованиям международного стандарта ISO/IEC 24745.

Результаты данного исследования представляют собой готовое безопасное решение для инженеров, проектирующих системы биометрической ау