Криминалистические подходы к оценке эффективности систем видеонаблюдения

Суляева Александра Сергеевна адъюнкт кафедры экспертно-криминалистической деятельности УНК СЭ Московского Университета МВД России имени В.Я. Кикотя 142302, Россия, Московская область, г. Чехов-2, ул. Южная, 24, оф. ул. Южная, д.24, кв.59 Sulyaeva Aleksandra Sergeevna Postgraduate at the Department of Expert and Forensic Activity of V. Ya. Kikotya Moscow University of the Ministry of Internal Affairs of Russia  142302, Russia, Moskovskaya oblast', g. Chekhov-2, ul. Yuzhnaya, 24, of. ul. Yuzhnaya, d.24, kv.59 uki_66@mail.ru

Видеонаблюдение в современном мире становится привычным и повседневным инструментом обеспечения общественного порядка, охраны территорий и различных объектов, а также контроля доступа. В любой системе видеонаблюдения, вне зависимости от сферы ее использования, ключевую роль играют видеокамеры. Современные камеры видеонаблюдения служат эффективным решением, позволяющим контролировать обстановку на улицах города и обеспечивать защиту от посягательств со стороны правонарушителей. От технических характеристик камер зависит качество и полнота фиксируемой криминалистически значимой информации, а также эффективность работы всей системы видеонаблюдения в целом.

Для увеличения производительности систем видеонаблюдения производители постоянно модернизируют свои технологии. В связи с этим были разработаны интеллектуальные технологии по автоматическому распознаванию лица, которые способствуют организации высокоэффективной работы правоохранительных органов.

Применение технологий автоматической идентификации лица позволяет решить ряд задач:

• во-первых, верификация, то есть процесс, при котором происходит сравнение представленного пользователем образца с шаблоном, зарегистрированным в базе данных, при этом признаки передаваемого пользователем образца сравниваются с зарегистрированным шаблоном и по результатам сравнения возвращается положительное или отрицательное решение о запрошенной идентичности ^[1];

• во-вторых, идентификация на закрытом множестве, а именно процесс последовательного сравнения признаков образца, переданного пользователем, с шаблонами, внесенными в базу данных, при которой все пользователи зарегистрированы в системе;

• в-третьих, идентификация на открытом множестве, другими словами поиск в базе данных, при которой некоторые пользователи не зарегистрированы в системе.

В настоящее время для обеспечения безопасности используются методы и комплексы программ, позволяющие использовать систему распознания лиц по спискам, являющуюся примером идентификации на открытом множестве. Именно этот вид систем чаще всего распространен в современном мире, например, система видеонаблюдения, установленная в общественных местах, и работающая со списком лиц, находящихся в розыске.

Не вызывает сомнения необходимость использования современных цифровых технологий в деятельности органов внутренних дел. Однако, на современном этапе существует ряд проблем, как теоретического, так и практического характера, не позволяющих широко и всесторонне использовать интеллектуальные технологии в целях раскрытия и расследования преступлений.

На основе анализа имеющихся в собранной нами коллекции видеоизображений с установленных систем видеонаблюдения в городе и в различных помещениях, можно выделить организационно-технические проблемы, связанные с несовершенством систем видеонаблюдения, которые фиксируют информацию о внешнем облике.

Видеоизображения, получаемые с камер систем видеонаблюдения, подвержены различным факторам, влияющим на объективность и полноту отображения внешнего облика человека. Н.Н. Ильин предложил разделить их на пять групп. ^[2]. По мнению автора к первой группе относятся факторы, связанные с характеристиками самих видеокамер. К второй группе относятся факторы процесса записи видеоизображения на носитель информации. Третья группа - это факторы условий, при которых осуществлялась видеосъемка. Четвертая - это группа факторов, отображающая состояние внешности человека. И к пятой группе относятся факторы, связанные с хранением видеозаписи

Однако, на наш взгляд данные группы факторов, позволяют рассмотреть влияние лишь на саму видеозапись и на отображение в ней элементов внешнего облика человека. Но существующие группы не полностью описывают причины, которые оказывают влияние на систему распознавания.

В связи с вышеизложенным мы считаем необходимым дополнить предложенную Н.Н. Ильиным классификацию, еще одной группой факторов, связанных с качеством эталонных образцов внешности лица.

Рассмотрим более подробно те факторы, которые могут оказывать влияние на работу технологий распознавания личности.

Факторы, связанные с характеристиками видеокамер, к которым относятся такие понятия как: разрешение, получаемого изображения, наличие функции баланса белого и автоматической диафрагмы, а также значение фокусного расстояния и угла обзора видеокамеры.

Современным видеокамерам присущ широкий спектр разрешений, благодаря чему получаем больше информации о происходящем в кадре, при этом процентные соотношения нахождения тела и лица человека в кадре не используются, как это было ранее. Теперь требования к разрешающей способности указываются в пикселях с дополнительным альтернативным параметром: количеством миллиметров цели, приходящихся на один пиксель изображения, полученного с камеры видеонаблюдения. Так, например, в европейском стандарте EN 50132-2-1 «Системы аварийной сигнализации. Системы контроля замкнутых телевизионных систем (CCTV), используемые в целях безопасности» прописано, что для целей распознавания количество пикселей на 1 метр по горизонтали должно быть 125, а для идентификации 250. А значение альтернативного параметра 8 миллиметров и 4 миллиметра, приходящихся на 1 пиксель для распознавания и идентификации соответственно.

Также на качество изображения влияют факторы процесса записи видеоизображения на носитель информации, такие как скорость записи, формат сжатия. Остановимся более подробно на этих факторах.

Скорость записи определяется как количество кадров, записываемых в одну секунду. Однако, скорость записи можно варьировать в зависимости от необходимых задач и конкретных объектов. Для целей идентификации в оживленных местах (торговый центр, аэропорт), где постоянно присутствует большое количество людей, необходимо использовать высокий показатель кадров в секунду, чтобы камера не упустила важные моменты.

Большое влияние на системы распознавания оказывают факторы, связанные с условиями, в которых проводилась съемка. Эту группу факторов можно разделить на несколько категорий.

Первая категория. Для эффективной и правильной работы системы необходимо уделять внимание поведению лица в кадре, а именно его позе и расположению перед камерой (низкое или высокое, с имеющимся или нет отклонением вправо или лево), наклону головы и расстоянию до камеры.

Ко второй категории относятся факторы влияния окружающей среды, которые включают в себя: различные погодные условия, уровень освещенности и направление света. В случаях, когда невозможно обеспечить достаточное освещение и заранее известно, что существует угроза боковой, либо иной засветки, работа системы распознавания лиц становится неэффективной или невозможной. Также неправильную работу системы может спровоцировать нахождение другого лица в кадре, так как возможна ситуация, при которой система пропустит искомое лицо.

К факторам состояния внешности объекта запечатления можно отнести выражение лица идентифицируемого человека, нанесенная на лицо косметика, присутствующие борода или усы, изменившаяся относительно эталона в базе данных прическа. Помимо этого на идентификацию лиц может повлиять и предметы одежды, например, темные очки, различные шарфы и головные уборы, скрывающие определенные элементы внешности.

Таким образом, существует большое количество сбивающих факторов, которые влияют на правильность и эффективность работы систем автоматического распознавания внешности. При условии уменьшения влияния этих факторов на информационные технологии, можно добиться лучших результатов в распознании лиц и уменьшить вероятность возникновения ошибок и сбоев системы.

В настоящее время, согласно Указу Президента Российской Федерации от 9 мая 2017 года № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017-2030 годы» разрабатываются нормативно-правовые акты, в которых указываются основные характеристики и требования к камерам видеонаблюдения, а также рекомендации по установке и использованию информационных технологий, предназначенных для фиксации криминалистически значимой информации в целях проведения идентификации.

Так, в Приказе министерства цифрового развития, связи и массовых коммуникаций Российской Федерации от 25 июня 2018 г. №321 ^[3] прописаны требования к техническим средствам, использующимся для обработки изображения лица в целях идентификации, а также порядок обработки (сбора и хранения), полученных биометрических персональных данных и образцов.

В требования к информационным технологиям и средствам были включены такие положения, как минимально возможное разрешение получаемого изображения, которое должно быть не менее 1280x720 пикселей; эквивалентное фокусное расстояние (далее ЭФР) в зависимости от расположения от камеры до объекта идентификации, если человек находится на расстоянии до полуметра, то значение ЭФР варьируется от 31 до 100 мм. При нахождении человека от полуметра до одного метра от камеры, значение ЭФР варьируется от 28 до 100 мм. Также в данном приказе указаны параметры освещенности в области лица для камер с функцией автоматической коррекции освещенности и без нее.

К образцам данных (эталонам) изображения лица были предъявлены такие требования, как поворот и наклон головы от фронтального положения не более 5°, отклонение не более 8°. Соответствие размерных характеристик: количество пикселей, приходящихся на расстояние между центрами глаз, должно быть не менее 120, а значение горизонтального и вертикального размера лица не менее 480 и 640 пикселей соответственно.

Помимо размеров изображения, требования предъявляются и к внешнему виду запечатленного лица. Например, не допускается закрытие волосами или посторонними предметами лицо по всей ширине от бровей до нижней губы; фотографирование в солнцезащитных очках, либо в очках, содержащих световые элементы. Выражение лица должно быть нейтральным, спокойным, рот закрыт, глаза раскрыты нормально для конкретного субъекта, в зависимости от заболеваний или поведенческих факторов.

Также не допускается: нахождение на изображении других лиц, либо их фрагментов; использование ретуши и редактирования изображения, но возможно использование функции кадрирования изображения. Запечатленное лицо должно быть равномерно (без теней и бликов) освещено.

Указанные выше требования к информационным технологиям и образцам информации при условии их соблюдения, позволят повысить эффективность работы систем видеонаблюдения.

Для более точной картины проблем существующих при использовании видеоизображений, нами было проведено анкетирование более 100 экспертов, специализирующихся в области проведения портретных экспертиз, из разных регионов Российской Федерации. Около 50% опрошенных утверждают, что качество видеозаписи чаще всего неудовлетворительное, объект съемки находится не в резкости, а значит получается «размазанное» изображение, не позволяющее установить характеристики мелких элементов. Также на видеозаписях присутствуют глубокие тени, чаще всего съемка производится с неправильного ракурса (сверху-вниз), либо против света. Около 15 % опрошенных утверждают, что работают по видеозаписям среднего и хорошего качества, но и в них выделяют такие проблемы, как установка камеры далеко от объекта и маленькая площадь, которую занимает в кадре лицо человека. По результатам анкетирования было выявлено, что существующие проблемы связаны с качеством видеозаписи, которую изымают с систем видеонаблюдения.

Таким образом, исходя из задач, стоящих перед правоохранительными органами, анализа факторов, влияющих на эффективность работы систем видеонаблюдения, а также путем изучения законов в области применения видеозаписи и учетом современных потребностей практики, в настоящее время назрела острая необходимость в разработке системы оценки эффективности работы систем видеонаблюдения.

Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также попробовать найти похожие статьи