Технологию распознавания лиц планируют включить в стандарт «смарт-сити», разработкой которого занимается Минстрой, пишет Информационное агентство «Rambler News Service (RNS)».
Задача системы – идентифицировать пассажира, благодаря чему деньги за проезд будут автоматически списаны с его банковской карточки.

Получится ли реализовать подобное в России? Как быстро? Мнение по возможному нововведению высказывают эксперты.

Комментарии экспертов

Научный консультант международного института передовых аэрокосмических технологий Александр Княжский

Задача идентификации личности пассажира в общественном транспорте по его лицу, для списания денег с банковской карты, в ближайшее время сложно реализуема в России. Любые финансовые операции с банковскими картами должны быть хорошо защищены от ошибок. Для этого нужна очень высокая точность работы системы распознавания лиц. Лицо человека является трехмерным объектом, изменяющимся в зависимости от мимики, одежды и используемых аксессуаров. Соответственно лица придется распознавать не как двумерные изображения, а как трехмерный объект, который необходимо снимать с различных ракурсов и по полученным снимкам формировать 3D изображение. Даже если предположить, что эта задача будет выполняться с достаточной точностью, очень сложно идентифицировать полученное изображение с эталоном. Учет возможных изменений внешности приведет к усложнению алгоритмов работы программы. А скорость обработки и без этого будет не высокой. Если предположить, что человек будет вставать в общественном транспорте определенным образом для того, чтобы система идентифицировала его лицо, то сомнителен и сам вопрос об увеличении пропускной способности по сравнению с карточной системой. Так же переход на такой способ контроля проезда приведет к намеренному изменению своей внешности лицами, желающими проехать «зайцем».
Минусы данной системы: высокая вероятность ошибки и списания денег со счета не у того человека, возможность езды «зайцем» при изменении внешности, низкая скорость распознавания лиц из-за большого количества эталонов.
Возможно, в будущем и можно будет найти решение этим проблемам, но в ближайшее время внедрение таких систем нецелесообразно, а затраты на их разработку и внедрение выгоднее направить на решение более необходимых проблем.
Система распознавания лиц может эффективно использоваться для поиска лиц, находящихся в розыске. В таком случае необходимо сравнивать лица пассажиров с ограниченным набором эталонных изображений (разыскиваемых лиц). Это значительно ускоряет идентификацию, и результат будет дополнительно проверяться сотрудником полиции. Но в ближайшее время работать в этом направлении в России так же нецелесообразно.

Генеральный директор компании Aperso, резидент Астраханского технопарка FABRIKA Руслан Романовский

Идея компьютера, различающего людей самым естественным для человека образом, по лицу, многие десятилетия будоражила воображение писателей и кинематографистов. Что неудивительно – компьютер играючи справляется с непосильными человеку задачами. Вполне естественно ждать от него успехов в том, с чем, не задумываясь, справляется трёхлетний ребёнок.
Над задачей «узнавания» человеческого лица электронной машиной математики и программисты начали работать в 60-е годы XX столетия. Однако, вопреки созданному кино и книгами образу, до недавнего времени успехи разработчиков в этом направлении были весьма скромны и фактически непригодны для практического применения.
Около 10 лет назад совпали во времени несколько важных событий: несколько прикладных математических открытий и резкое увеличение мощности и доступности вычислительных устройств. Результирующей этих событий стало бурное появление методов и инструментов, позволяющих вычислительной машине узнать человека в лицо.
Так получилось, что Россия оказалась на переднем крае этих разработок и сейчас входит в число стран, занимающих в мире лидирующие позиции в области распознавания лиц. Точность разрабатываемых систем уже давно превосходит возможности человека. Например, наша система распознавания работает с точностью 99,7%. То есть, делая 10 000 проверок она ошибается всего 3 раза. Но это результат не является уникальным – большинство «движков» для распознавания лиц, производимых ведущими компаниями, имеют сравнимые характеристики.
Другое дело, что для реализации подобного проекта нужна не только высокоточная технология распознавания лиц. Потребуется решить множество инженерных и организационных задач.
Как быстро?  Сейчас речь идёт только о создании стандарта. От идеи создания стандарта до появления практически эксплуатируемых его реализаций обычно проходят годы. Это случай не исключение – основное время здесь займёт не разработка основных компонентов системы, а огромное количество согласований между всеми заинтересованными сторонами.
Ваше мнение по возможному нововведению? Я несколько лет ежедневно занимаюсь вопросами распознавания лиц и различными способами его применения. С каждым днём я всё чётче и чётче вижу, что этот способ отличить одного человека от другого прекрасно подходит не только для людей, но и для машин. И сценариев применения этого способа во много раз больше, чем успели показать в кино. Уверен, что не в очень отдалённо будущем нас ждёт мир, в которым «узнавание» компьютером человека по лицу, фигуре, походке будет использоваться для огромного количества повседневных задач – в том числе и для оплаты проезда в маршрутке. Надеюсь, к тому времени они уже станут беспилотными и летающими.

Партнер логистической компании «Точка-Точка» Евгений Мискевич

Видеоаналитика — мощный тренд, который станет одним из базовых элементов в инфраструктуре умных городов. Ключевой момент — станет в будущем. И дело не в технологии: на сегодняшний день задача распознавания лиц решена многими компаниями и, по сути, уже является базовой. Например, команда «Центр2М» работает над проектами компьютерного зрения для промышленной безопасности и охраны труда. В Москве и крупных городах создана практически вся необходимая для видеораспознования инфраструктура: камеры, ЦОДы, каналы связи. Вычислительные мощности позволяют сегодня обрабатывать видеоинформацию в режиме онлайн. Пожалуй, самый главный вопрос — как интегрировать разрозненные кейсы в повседневную жизнь: как организовать списание денежных средств на основе технологии, которая базируется на вероятностной (неточной) оценке, что делать в случае ошибок распознавания, как быстро смогут перестроить бизнес-процессы участники инфраструктуры умного города. Идея с использованием биометрических данных в общественном транспорте, без сомнения, интересная. Будет ли она успешна — зависит от конкретных деталей внедрения (удобство для пассажиров, прозрачность списаний, минимальный процент ошибок распознавания и т.д.). Мировой опыт развития умных городов показывает, что распознавание лиц становится повседневной и привычной технологией. Так что в течение 3-5 лет компьютерное зрение станет непременным атрибутом современного мегаполиса: умные парковки и магистрали, магазины и офисы, умные перевозки и спецтехника, умные охранные системы и умный дом — все это вполне реальные кейсы, с которыми наша команда работает уже сегодня.

Регионовед, специалист в сфере региональных социально-экономических и культурно-образовательных систем, ранее замдиректора научно-образовательного центра в структуре Высшей школы государственного управления РАНХиГС Ринат Резванов

Инициатива Минстроя РФ понятна, она вполне укладывается в русло концепта федерального проекта «Умный город»(он же «Smart City»).
Вместе с тем, это и достаточно серьёзный технологический и коммуникационный вызов для компаний-операторов в сфере общественных транспортных перевозок. Давайте посмотрим на пригородные железнодорожные перевозки, которые всё в большей мере становятся неотъемлемой частью транспортной системы крупных российских городов. Здесь, сразу на поверхности возникают два ключевых вопроса.
Первый связан с безопасностью. В пригородной системе РЖД, как известно, для повышения рентабельности перевозок действует система АСОКУПЭ-Л (Автоматизированная система оплаты, контроля и учета проезда в электропоездах). Если предположить, что в АСОКУПЭ-Л будут интегрированы биометрические системы, более того, с возможностью проведения транзакций по банковскому счёту пассажира, то, надо полагать, на порядок возрастут и требования к обеспечению технологической безопасности системы. На памяти ситуация начала 2018 года, когда так себя именуемая «Исследовательская группа Che Burashka» совершила кибервзлом состемы АСОКУПЭ-Л на Московской железной дороге, с последующей публикацией обнаруженных уязвимостей на публичных ресурсах. Сложно сказать, почему разработчики АСОКУПЭ-Л не отреагировали на критическую ситуацию, возможно, это было связано с выбранной стратегией минимизации коммуникационных потерь. Но в условиях, когда ответственность за персональные данные пассажиров возрастёт в разы, следовать той же логике действий вряд ли будет правильным. В конце-концов, есть же вполне оправдавшие себя варианты с проведением публичных хакатонов либо объявления награды для пользователей, сумевших обнаружить IT-уязвимости.
Второй аспект — это тема сопряжения интеллектуальных систем. Если даже биометрическая система и станет технологической разработкой «Ростелекома», как уже говорят об этом, то сразу возникнет несколько вопросов: останется ли на пригородном железнодорожном транспорте АСОКУПЭ-Л в качестве базовой системы либо она станет интегративной частью некоего общего IT-решения? В любом случае, не стоит забывать, что помимо функций оформления проездных документов и контроля доступа на перроны, АСОКУПЭ-Л является частью учётной и статистической системы Российских железных дорог. Как правило в данном случае парируют, что есть пример Московского центрального кольца (МЦК), действующего в городской черте по единому разработанному технологическому механизму. Но ведь справедливости ради надо уточнить, что РЖД не участвует в системе контроля и учёта продаж МЦК, поскольку с момента выхода госкомпании в октябре 2015 года из состава акционеров проекта, его единственным собственником стало столичное правительство.

Ведущий аналитик компании «СёрчИнформ» Алексей Парфентьев

Распознавание лиц – достаточно рутинная и простая технология, инструменты хорошо реализованы и показывают высокую точность – около 98-99%. Сегодня подобными программами может воспользоваться каждый. У того же Google в открытом доступе есть модуль распознавания лиц. В московском метро система показала себя хорошо. Ее разворачивали в городах проведения ЧМ-2018 в качестве пилотного проекта. Ну и в Китае, на который мы ровняемся, действительно, технология применяется повсеместно, успешнее всего для обеспечения общественного порядка. Так что технология есть, и применять ее для оплаты общественного транспорта – это очень привлекательная идея. Я могу ее только приветствовать. Но как всегда все упирается в вопрос реализации. В России я не видел успешно работающих комплексов распознавания лиц для, что называется, массового применения. Понятно, что в транспорте мегаполиса нагрузка огромная, и биометрическая идентификация, по крайней мере пока, точно не ускорит процесс взимания платы за проезд. До сих пор все успешные примеры применения идентификации касались все-таки более точечного применения. Даже пилотный проект, реализованный в московском метро, тоже нельзя назвать массовым. В его рамках полиция искала преступников, то есть сличала изображения людей с базой федерального розыска. В ней тысячи людей. Найти пассажира автобуса в миллионной базе россиян – это, мягко говоря, сложная задача. У разработчиков нет опыта и инфраструктуры, чтобы реализовать такой проект. Пока их практика касалась корпоративного сектора, где задачи более мелкие. Поэтому эта инициатива, высказанная замминистром Андреем Чибисом, кажется мне очень отложенной во времени. За это время предстоит подготовить законодательную базу – на каком основании транспортные организации будут обращаться к базам данных биометрии (с 1 июля ее начали собирать банки) и решать технические вопросы. В этом контексте невозможно не упомянуть вопросы безопасности – просто поставить камеру и подключить ее к системе распознавания лиц недостаточно. Это гораздо более серьезное мероприятие. Системы не могут применяться бесконтрольно, так как они собирают большой объем информации, сопоставляют ее с базами данных. Понятно, что эта информация не должна попасть в общий доступ или к третьим лицам. Тот, кто хранит и обрабатывает персональные данные, должен выполнять соответствующие требования ФСБ и ФСТЭК по их сохранности, использовать средства защиты от внешних угроз (антивирусники и пр.) и DLP-системы – от внутренних (действий сотрудников с доступом к информации).

Независимый эксперт IT-отрасли Павел Терентьев

Внедрение биометрической системы уже осуществляется в рамках проекта «Смарт-сити»: многофункциональными камерами оборудованы 550 автобусов столицы, а в скором времени их число достигнет 1758 шт. Система позволяет автоматизировать и ускорить процесс оплаты проезда на общественном транспорте: реализована возможность сканирования до 20 лиц в секунду. Нейросистемы, работающие за счет внутренних алгоритмов оперативного анализа биометрических данных уже успешно показали себя в Китае: число «умных» камер в данной стране достигло 20 миллионов. Капитализация рынка технологий Искусственного интеллекта в Китае насчитывает более 22,8 млрд. USD, и уже к 2025 году данный показатель возрастет в 2,5-3 раза: эффективность применения ИИ в различных отраслях – правоохранительной, транспортной, социальной доказана на практике. Система позволяет отслеживать преступников посредством камер наружного видеонаблюдения, выписывать штрафы пешеходам, нарушившим ПДД, а также за долю секунды сканировать пассажиров и списывать с их транспортных карт оплату за проезд. Преимуществами данной технологии являются ее способность к самообучению, работа в автономном режиме и простота использования. Так, обработка изображений, поступающих в объективы камер и сверка их с базами данных происходит автоматически и, при обнаружении подозрительных личностей, сотрудники правоохранительных органов получают информацию о таких гражданах в режиме онлайн. Настроить систему под нужды транспорта не составляет труда из-за высокой точности технологии обработки биометрических данных, доказанной эффективности методов машинного обучения и обширных возможностей ее оптимизации. Технологии искусственного интеллекта в нашей стране имеют огромные перспективы в рамках проекта «Умный город», однако скорость их внедрения зависит от финансирования данной сферы и ее законодательного регулирования. Так согласно ст. 6 закона «О защите персональных данных» для использования данных граждан необходимо выполнить определенные условия. В пп. 1 п. 1 Закона указано, что обработка персональной информации возможна только при наличии согласия гражданина, которое оформляется в письменной форме. Не совсем понятно, каким образом будет выполняться данное требование, и, главное, кто будет осуществлять сбор биометрических параметров. Кроме того, пока не до конца ясно, кто и на каких устройствах будет хранить огромные массивы данных: возникает проблема обеспечения безопасности данных в киберпространстве. Таким образом, пока дать однозначный ответ насчет дальнейшей судьбы технологии в нашей стране невозможно из-за недостаточной проработки вопроса и отсутствия хотя бы намека на стоимость реализации проекта.

Эксперт в сетевых технологиях, генеральный директор компании «Инкомтех» Сергей Валов

Считаю, что внедрить биометрическую систему распознавания лиц в российском общественном транспорте получится. На создание такой системы, по моим оценкам, понадобится 1-2 года. А вот быстро оплатить с помощью такой системы не выйдет. Также я категорически против » … автоматически списаны с его банковской карточки». Идентификация пассажира для оплаты нигде не используется, так как у неё совершенно иное применение, а именно антитеррористическая и розыскная функция. Говорить, что будет иное использование не корректно и больше похоже на обман. Задача повышение скорости приема оплаты на транспорте можно решить либо с помощью радио меток, либо nfc устройств или в худшем случае с помощью пальца. Но биометрия здесь не уместна.

Фото взято с сайта Информационного агентства ТАСС