Identifizierung von Gesichtern in Video-Bildern ist große
Herausforderung, NIST Report zeigt
5. April 2017
Freigeben
Facebook Google Plus Twitter
shutterstock_119145274_blurry_people_walkingcartens.jpg
Kredit: © Artens/Shutterstock
In Film und Fernsehen können Computer eine Person in einer überfüllten
Arena aus winzigen, körnige Videobildern schnell identifizieren. Aber
das ist oft nicht die Realität, wenn es um die Identifizierung der Bank
Raub Täter aus Sicherheit Kamera Video, Erkennung von Terrorverdächtigen
in einem überfüllten Bahnhof oder gewünschten Personen zu finden, bei
der video-Archiv Suche.
Um video Gesichts Identifikation für diese und andere Anwendungen
voranzutreiben, führte das National Institute of Standards and
Technology (NIST) einen großen öffentlichen Test, bekannt als das
Gesicht von Video Bewertung (fünf). Die fünf Projekt hat nun eine
ressortübergreifende Bericht detailliert seine Ergebnisse und mit dem
Ziel, Hilfestellung für Entwickler der Technologie veröffentlicht.
Der Bericht zeigt, dass video Gesichtserkennung eine schwierige
Herausforderung ist. Immer die besten und genauesten Ergebnisse für jede
gewünschte Anwendung erfordert gute Algorithmen, einer speziellen
konstruktiven Aufwand, ein interdisziplinäres Team von Experten,
beschränkter Größe Bilddatenbanken und Feldtests, richtig kalibrieren
und die Technologie zu optimieren.
FÜNF lief 36 Prototyp Algorithmen von 16 kommerziellen Anbietern auf 109
Stunden Videobilder auf einer Vielzahl von Einstellungen getroffen. Die
Videobilder enthalten harten Match Bilder von Personen an Smartphones,
Hüte zu tragen oder einfach nur Lust von der Kamera entfernt.
Beleuchtung war manchmal ein Problem, und einige Gesichter tauchte nie
auf das Video, weil sie, z. B. durch eine große Person vor ihnen
gesperrt wurden.
NIST verwendet Algorithmen Gesichter aus dem Video zu Datenbanken mit
Fotografien von bis zu 48.000 Personen bevölkert. Leute in den Videos
waren nicht erforderlich, um in die Richtung der Kamera sehen. Ohne
diese Anforderung, die Technologie muss für große Veränderungen in der
Erscheinung eines Gesichtes auszugleichen und ist oft weniger
erfolgreich. Dem Bericht zufolge die auch für die genauere Algorithmen
unterwirft können überall von rund 60 Prozent der Zeit zu mehr als 99
Prozent, je nach Video oder Bild Qualität und der Algorithmus Fähigkeit
zum Umgang mit den gegebenen Szenario identifiziert werden.
"Unsere Untersuchungen ergeben, dass die Videobilder Qualität und andere
Eigenschaften die Genauigkeit des Gesichts Identifikation, stark
beeinflussen können", sagte der leitende Autor Patrick Grother, der
einige der NIST Biometrie-Standards und Bewertung der Aktivitäten
leitet. Im Video, viele Gesichter sind klein, ungleichmäßig beleuchteten
oder nicht nach vorn gerichtete – drei kritische Punkte für die präzise
Identifizierung von Personen da die Algorithmen nicht sehr wirksam sind
auf diese Faktoren zu kompensieren.
In traditionellen Gesichtserkennung Auswertungen, die NIST seit den
1990er Jahren durchgeführt hat, vergleichen Algorithmen ein Foto das
Gesicht einer Person gegen eine Datenbank oder Galerie, der Millionen
von Portraitfotos. Heutigen Match Preise für Porträtaufnahmen können 99
Prozent in einigen Anwendungen überschreiten. Aber in der neuen Studie
NIST Galerien nur 48.000 begrenzt, da die unteren Gesicht Qualität in
Video Erkennungsgenauigkeit untergräbt.
NIST Maß auch "falsch Positive" Ergebnisse ein Algorithmus in denen
fälschlicherweise ein Gesicht aus dem Video mit einem Bild in der
Galerie entspricht. Der Bericht stellt fest, dass Anwender von
Identifikationstechnologien Gesicht dieses Problem vor allem in
überfüllten Einstellungen beachten müssen, in dem die überwiegende
Mehrheit der Personen in dem Video fehlt möglicherweise, aus der
Galerie.
Dem Bericht zufolge Genauigkeit in diesen Video-basierte Anwendungen
nähern kann, die noch-Foto Gesichtserkennung, sondern kann nur wenn
Bildsammlung verbessert werden. Zu diesem Zweck bietet der Bericht
Anleitungen für eine breite Gruppe von betroffenen mit der Technologie
von Algorithmus Entwickler Systemdesigner. Darüber hinaus kann der
Bericht politischen Entscheidungen über den Einsatz dieser Systeme
informieren.
Algorithmus Entwürfe können durch erfordert hohes Maß an Genauigkeit zu
falschen Treffern nach der Anleitung verbessert werden. Begrenzung der
Galerie Größe und verwenden nur qualitativ hochwertige Bilder sind
andere Vorschläge. Beispielsweise wenn Sie video Algorithmen zur
Steuerung des Zugriffs auf ein sicheres Gebäude oder Verkehrsmittel
verwenden, empfiehlt Grother halten nur die notwendigen Personen in der
Galerie. Verwenden nur gute Fotos für den Abgleich ist ein weiterer
wichtiger Punkt.
Der Bericht unterstützt auch mit einem multidisziplinären Team von
Experten, um Design-Systemen, die qualitativ hochwertige Videobilder zu
erfassen. Experten in Videografie bestimmen optimale Beleuchtung und
Optik, Kamera, Montage und Positionierung.
Das NIST-Dokument enthält Anleitungen für Forscher, die bei die
Bereitstellung von video Gesicht Identifikationssystemen Beurteilung.
Genauigkeit, wie wichtig es ist, ist nicht der einzige Faktor, wenn man
den Einsatz von video Gesichtserkennung zu analysieren nach Grother.
Andere Interessen umfassen Kosten für Rechenleistung Zeit und trainiert
Gesichtserkennung Experten zur Verfügung, um sicherzustellen, dass die
Spiele korrekt sind. Außerdem müssen Implementierer
Netzwerkinfrastruktur und Skalierbarkeit, d. h. die Möglichkeit seiner
Software einfach auf kleine Datasets sowie Großunternehmen arbeiten zu
studieren.
"Ob Video für eine bestimmte Gesichts Identifikation Anwendung geeignet
ist, erfordert Quantitative Analyse und Design – und die fünf Bericht
zielt darauf ab, diese Prozesse zu informieren" Grother sagte.
Bericht: P. Grother, G. Quinn und M. Ngan. Gesicht im Video Bewertung
(fünf) Gesichtserkennung nichtkooperativer Themen, 2. März 2017. NIST
Interagency Bericht 8173. DOI: 10.6028/NIST. IR.8173
https://www.nist.gov/news-events/news/2017/04/identifying-faces-video-images-major-challenge-nist-report-shows