Сотрудники исследовательской лаборатории США (ARL) разработали алгоритм распознавания на основе ИИ и технику машинного обучения, которые позволяют получать четкое и видимое изображение лица человека из инфракрасной термографии (прим. ред. – изображение в инфракрасных лучах, показывающих картину распределения температурных полей), полученной в условиях низкой освещенности или в темноте, в ночное время. Этот алгоритм может привести к значительному развитию биометрических систем в реальном времени, а также анализа изображений в процессе ночных лётных операций.

Тепловизионные камеры, такие как FLIR, или инфракрасные датчики, активно используются на воздушных и наземных транспортных средствах, на контрольно-пропускных пунктах для наблюдения. Возможно, в скором времени, такие камеры будут доступны и в потребительском сегменте – для использования в качестве видеоняни (камера для наблюдения за ребёнком). Однако в первую очередь автоматическое распознавание лиц в ночное время с помощью таких тепловизионных камер будет полезна для безопасности: когда специалист сразу поймёт, кто скрывается в темноте – опасный преступник или обычный человек.

Алгоритм технологии, разработанный учеными Бенджамином С. Ригганом, Натаниэлем Дж. Шортом и Шуовеном «Шоном» Ху из исследовательской лаборатории армии США, призван повысить возможности, как человека, так и машины.

Бенджамин С. Ригган делится своим мнением:

Эта технология позволяет сопоставлять видимые и инфракрасные изображения лиц, и проводить поиск по существующим биометрическим базам данных.

Он сообщил, что в ночное время и в условиях низкой видимости обычной камере не хватило бы света для захвата изображения лица и дальнейшего распознавания. Для этого понадобился бы источник активного освещения, например, вспышка или прожектор. Инфракрасные камеры, захватывающие тепловую сигнатуру кожи лица идеально подходят для таких условий.

«При использовании тепловизионных камер для захвата изображений лица основная проблема заключается в том, что сопоставить эту картинку с базой данных, которая сегодня содержит только обычные видимые изображения лиц людей, представляющих интерес. Вот почему возникает проблема перекрёстного спектра, или гетерогенного распознавания лиц. Так, изображения, полученные при использовании одного модуля, сопоставляются с базой данных лиц, полученных в другом модуле распознавания».

Новый подход основан на использовании нейронных сетей. У подхода две составляющие: нелинейная регрессионная модель, которая преобразует инфракрасное тепловое изображение в соответствующее скрытое видимое изображение; модель оптимизации полученного изображения.

Результат своей работы ученые представили в марте на мероприятии IEEE, Зимней конференции, посвященной приложениям машинного зрения, с докладом «Инфракрасный синтез видимых изображений лица с использованием разнообразных зон» и на WACV в Лейк-Тахо (штат Невада), в которой участвуют ученые и представители правительства и бизнеса.

На мероприятиях ученые продемонстрировали, что объединение в глобальную сеть таких данных, как особенности всего лица и отдельных его фрагментов, повысило бы процесс распознавания. Они показали, как из инфракрасного изображения лица можно получить видимое.

Ученые подчеркнули, что основная задача оптимизации процесса – это сохранение формы всего лица и отельных его фрагментов. Свои тезисы ученые подкрепляли экспериментами по верификации изображения в нейронной сети с открытым исходным кодом. Результат поразил всех присутствующих.

Метод, разработанный ARL, поможет точнее идентифицировать и верифицировать лица. Причем он одинаково подходит и для автоматизированных решений, и для использования человеком. Бенджамен Ригган рассказал, что он и его коллеги будут продолжать своё исследование при поддержке Агентства по судебной экспертизе и биометрии (Defense Forensics and Biometrics Agency).

Источник: статья от 17.04.18 за авторством U.S. Army Research Laboratory//https://www.forensicmag.com

Перевод выполнен сотрудниками Института судебных экспертиз и криминалистики.