Компьютерное зрение

В эпоху развития передовых технологий компьютеры могут не только совершать арифметические и логические операции, но и видеть практически как люди. Машины учатся выполнять ряд задач, связанных с визуальным определением различных объектов и тем самым упрощают жизнь компаниям в различных отраслях. Это возможно благодаря компьютерному зрению, о котором мы расскажем в этой статье. 

Компьютерное (машинное) зрение: что это, как работает

Компьютерное зрение (Computer Vision, CV) — область искусственного интеллекта, нацеленная на анализ визуального контента. Благодаря нейронным сетям и машинному обучению вычислительные машины учатся понимать содержимое видеофайлов или изображений, интерпретировать полученную информацию и на основе результатов принимать решения. По сути, компьютерное зрение имитирует человеческое, только работает в разы быстрее. CV-системы способны за доли секунд идентифицировать различные объекты, анализировать предметы на огромных площадях, распознавать незаметные глазу дефекты и т.д. 

Чтобы компьютер понял, какой именно перед ним объект, необходимо сначала получить изображение. Для этого в системах компьютерного зрения есть фото- и видеокамеры. Затем с помощью специального ПО происходит обработка входных данных и уже потом — анализ. Давайте более подробно разберем эти этапы. 

Повышение способности систем компьютерного зрения почти со стопроцентной точностью интерпретировать объекты происходит за счет машинного обучения. Какие варианты могут быть:

• Supervised Learning — обучение с учителем. Такой подход подразумевает использование набора учебных данных. Обучаемые модели вычленяют закономерности в этих данных и применяют их к идентифицируемым объектам на изображениях
• Unsupervised Learning — обучение без учителя. В рамках этого метода модели компьютерного зрения не используют каких-либо меток и обнаруживают в предоставленных данных паттерны или естественные закономерности. 
• Deep Learning — глубокое обучение. Такой подход предполагает создание многослойных нейронных сетей, изучающих сложные закономерности в больших массивах данных. Особенно эффективно с изображениями работают сверточные нейросети — Convolutional Neural Networks. Они способны безошибочно идентифицировать объекты, распознавать лица и силуэты, выполнять разметку сцен. 

Краткая история развития технологий компьютерного зрения

Впервые о компьютерном зрении заговорили еще в 1955 году, когда вышла статья «Глаза и уши компьютера». Практически в этот же период заговорили об искусственном интеллекте. Чуть позже (в 1958 году) эти два понятия пересеклись в одной точке, когда ученый Ф.Розенблатт создал перцептрон — кибернетическую модель мозга, которая в 1960 году была воплощена в виде электронной машины «Марк-1». 

В 1970-х годах начали использоваться экспериментальные системы обработки изображений с помощью компьютеров, но до активного развития технологий компьютерного зрения было еще далеко — оно началось только в 1990-х годах. Тогда стали применяться первые программы для распознавания лиц на снимках и видео. 

В последние 10 лет рынок решений и сфер применения систем компьютерного зрения значительно расширился. Решения сильно выросли в плане возможностей и стали использоваться практически повсеместно, особенно в связи с ростом применения биометрии.

Основные задачи компьютерного зрения

Выделим несколько ключевых задач:

• Классификация визуальной информации — присвоение определенного класса объектам на входных изображениях. Например, благодаря системе компьютерного зрения компьютеры могут определять, что на фото человек, животное, транспорт и т.д. 
• Обнаружение определенных объектов на изображении или видео, определение их точной локализации. 
• Сегментация изображений — разделение изображений на несколько сегментов, которые соответствуют определенным объектам.  
• Распознавание лиц и силуэтов для идентификации личности в различных системах: платежных, корпоративных и др. 
• Анализ видео с целью распознавания действий и событий, отслеживания конкретных объектов. 

Технологии компьютерного зрения дают возможность практически в реальном времени обрабатывать изображения и видео. Это позволяет решать перечисленные задачи с минимальными задержками, что критически важно для некоторых отраслей. 

Где применяется компьютерное зрение

Решения на базе технологий машинного зрения нашли применение во многих отраслях, поэтому разберем основные:

• Финансы. В этой сфере системы на основе компьютерного зрения позволяют улучшать клиентский сервис, обеспечивать дистанционное обслуживание, предотвращать фрод, контролировать безопасность банковских офисов, внедрять оплату по биометрии. 
• Транспорт. Здесь компьютерное зрение помогает управлять пассажирским потоком и пропускными системами, оптимизировать нагрузки на дорожные сети, анализировать поведение водителей и пассажиров. 
• Ритейл. В этой отрасли технологии позволяют формировать персонализированные предложения для клиентов, следить за поведением покупателей, внедрять оплату по лицу. 
• Образование. Здесь CV используется для оценки вовлеченности учащихся, автоматизации прокторинга экзаменов, повышения безопасности в образовательных учреждениях. 
• Промышленность. В разных отраслях промышленности технологии компьютерного зрения помогают контролировать доступ сотрудников на предприятия, отслеживать перемещения по территории, выявлять внештатные ситуации. 
• Медицина. Здесь решение на основе CV применяются для идентификации пациентов, анализа рентгеновских снимков, мониторинга состояния больных. 

Вызовы и ограничения технологий компьютерного зрения

С какими сложностями можно столкнуться при использовании решений на базе компьютерного зрения: 

• Необходимость в мощных вычислительных ресурсах. Это нужно для быстрой обработки фото или видео, точной интерпретации данных. Помогут графические процессоры и оптимизированные алгоритмы, предназначенные для мгновенного анализа входных данных 
• Плохое качество исходных данных, которое негативно влияет на правильность интерпретации объектов. Проблемой могут стать слабое освещение, загроможденный фон, нечеткие детали. Варианты решения: улучшенный захват изображений с помощью высококачественных камер, использование фильтров, предварительная обработка контента. 
• Необходимость маркировки изображений, которая имеет критическое значение для надежности модели. Проблема решается использованием автоматизированных методов маркировки. 

Также в контексте применения компьютерного (машинного) зрения поднимается вопрос этики работы с конфиденциальными данными. Чтобы избежать проблем и соблюсти требования отраслевых регуляторов, нужно установить четкие правила сбора и хранения информации, продумать механизмы получения согласия на использование данных. 

Роль компании VisionLabs в развитии технологий компьютерного зрения

VisionLabs — разработчик и поставщик комплексных решений в области распознавания объектов и лиц. Предлагаем продукты для таких отраслей, как транспорт, финансы, ритейл, безопасность и др. Специализируемся на создании решений с человекоориентированной технологией Human Centric на базе компьютерного зрения.   

Наши решения:

• Технологии распознавания лиц: детекция и аутентификация, распознавание атрибутов и свойств лица (пола, возраста, эмоций, направления взгляда и др)
• Liveness — технология для распознавания атак на биометрическое предъявление. Она позволяет определить, что перед камерой не живой человек, а фото, бумажная или объемная маска.  
• DeepFake-детектор — технология для выявления различных видов DeepFake-атак на биометрические системы.
• Технология проверки изображений, качества изображений и параметров лица на соответствие требованиям регуляторов.

Некоторые наши продукты на основе компьютерного (машинного) зрения: LUNA PLATFORM 5 — автоматизированная система распознавания лиц, LUNA ID — BioSDK для распознавания на мобильных устройствах, LUNA PASS — модуль для проверки видео с web-камер на Liveness & Deepfake, LUNA KIOSK — биометрический модуль для устройств самообслуживания. Все биометрические продукты разработаны на базе собственных алгоритмов, которые признаны одними из лучших на российском рынке. 

Заключение 

Рынок систем компьютерного зрения — часть стремительно растущего в мире рынка искусственного интеллекта. В России он пока не очень велик, зато высококонкурентен. Компьютерное зрение уже нашло широкое применение в платформах распознавания лиц, программно-аппаратных комплексах, интеллектуальных транспортных системах и др. VisionLabs играет важную роль в развитии технологий, поставляя на рынок передовые решения на базе собственных алгоритмов.