Как определить лицо человека по видео или фото
Довольно часто при расследовании уголовных или гражданских дел перед следственными или судебными органами стоит задача установления личности, изображенной на видео.
Как определить лицо человека на видео, если видео очень низкого качества, и невооруженным взглядом не то, что узнать человека на видео, а и просто увидеть, что оно там есть, невозможно.
Чтобы увидеть человека на видео существуют специальные методы, которые в совокупности относятся к видеотехнической экспертизе. Результаты исследования являются доказательством в суде при рассмотрении самых разных дел, касающихся защиты достоинства и деловой репутации личности, защиты авторских прав. Очень часто стоит вопрос, как узнать человека на видео во время поиска пропавших людей.
Объекты, подлежащие экспертизе
Объектами экспертизы при решении задачи, как узнать лицо человека на видео, могут стать такие технические средства:
Основные задачи экспертизы лиц
Эксперты для того, чтобы увидеть лицо человека на видео, используют различную современную аппаратуру, позволяющую:
Условия предоставления материалов
Чтобы изучить наиболее объективно вопрос, как узнать человека по видео, на экспертизу должные быть представлено видео в оригинальном виде и аппаратура, на которой оно было записано. При этом следует соблюдать условие, что до начала проведения экспертизы видео не должно просматриваться, а аппаратура не должна использоваться. До передачи на экспертизу все записи следует хранить в плотной упаковке, исключая близость к металлическим предметам. Не следует проводить ремонт поврежденной аппаратуры.
В ходе решения задачи, как определить лицо человека по видео, эксперты обращают внимание на малозаметные детали, изучают поведение людей, которые присутствовали при съемке, разбираются в особенностях их разговора. Все это помогает узнать человека по видео даже самого низкого качества. Одновременно эксперт выявляет подделки видео и факты склеивания или подмены отдельных кадров, направленные для запутывания исследования.
Следует помнить, что если представить в суд видеоматериал, на котором можно легко узнать лицо человека, причастного к рассматриваемому делу, суд отклонит это видео из-за отсутствия экспертного сопровождения. Только наличие объективного заключения экспертизы будет действенным доказательным фактором при вынесении судебного решения.
Межрегиональный центр экспертизы и оценки проводит экспертизу видео и фото по установлению лица изображенного на нем человека. При этом не имеет значения, каким является качество представленного видео. Дрожание экрана, размытость или стертость изображения, все это не является помехой для работающих в нашей компании экспертов. Использование в видеотехнической экспертизе современной аппаратуры и компьютерных технологий позволяют самое некачественное изображение сделать четким и выявить любое лицо, подлежащее идентификации.
Видеотехническая экспертиза проводится по представлению следственных или судебных органов, а также по заявке граждан, у которых возникла необходимость увидеть лицо человек на видео.
Чтобы заказать экспертизу по определению лица человека на видео, достаточно зайти на страницу нашего сайта, где можно получить полную информацию о порядке проведения экспертизы.
Видеоаналитика: распознавание лиц, детектор очередей, поиск объектов на видео
Тайваньская компания 42Ark и американский производитель «умных» кормушек CatFi Box используют камеры видеонаблюдения для распознавания кошачьего лика
Немецкий электротехник Вальтер Брух в 1941 году установил CCTV-систему (Сlosed Circuit Television — система телевидения замкнутого контура) на полигоне, где испытывали ракеты «Фау-2». Это первый известный в истории случай использования видеонаблюдения на практике. Оператор должен был неотлучно сидеть перед монитором. Так продолжалось до 1951 года, пока не появились первые VTR (VideoTape Recorder) устройства, записывающие изображение на магнитную ленту.
Запись на носитель не избавила оператора от необходимости участвовать в процессе. Опознание лиц, определение местоположения объектов, даже детекция движения – все эти функции выполнял человек, сидящий перед монитором в режиме реального времени или изучающий постфактум архив видео.
Колесо прогресса катится дальше. Видеонаблюдение получило видеоаналитку, полностью изменившую процесс работы с системой. Помните историю про кота и нейросеть глубокого обучения? Да, это тоже часть видеоаналитики, но крохотная. Сегодня расскажем о технологиях, которые кардинально меняют мир CCTV-систем.
Детекция очередей и бета-тест 
Первая IP-камера в мире Neteye 200, созданная в 1996 году компанией Axis
Видеонаблюдение зарождалось как охранная замкнутая система, предназначенная только для решения вопросов безопасности. Ограничения аналогового видеонаблюдения не позволяли использовать оборудование как-то иначе. Интеграция видеонаблюдения с цифровыми системами открыла возможность автоматизировано получать различные данные, анализируя последовательность изображений.
Важность трудно переоценить: в обычном случае после 12 минут непрерывного наблюдения оператор начинает пропускать до 45% событий. И до 95% потенциально тревожных событий будет пропущено уже после 22 минут непрерывного наблюдения (по результатам исследования IMS Research, 2002).
Появились сложные алгоритмы анализа видео: подсчет посетителей, подсчет конверсии, статистика кассовых операций и многое другое. В этой системе исчезает оператор наблюдения – мы оставляем компьютеру возможность «смотреть» и делать выводы.
Самой простой пример умного видеонаблюдения – детекция движения. Не так важно есть ли встроенный детектор в самой камере – если вы установите на компьютер, к примеру, софт Ivideon Server, то детекор движения будет использоваться программный. Один детектор способен заменить сразу несколько операторов видеонаблюдения. А уже в 2000-е начали появляться первые системы видеоаналитики, способные распознавать объекты и события в кадре.
У Ivideon сейчас в разработке несколько модулей видеоаналитики – с тех пор, как мы выпустили OpenAPI, дело пошло быстрее за счет интеграции с партнерами. Часть проектов пока в закрытом тестировании, но кое-что уже готово. Это, во-первых, интеграция с кассами для контроля за кассовыми операциями (пока на базе iiko и Штрих-М). Во-вторых, разработан детекор очередей.
У нас был счетчик Ivideon Counter, определявший количество клиентов в зале. Аналитика позволила уйти от специального оборудования в сторону облачных вычислений. Теперь нам не нужна специфическая камера – подойдет любая камера видеонаблюдения с разрешением 1080p+. Сейчас мы хотим не просто считать людей, а определять очереди. Поэтому готовы любому магазину, ТЦ или офису, где ходят и стоят люди, образуя очереди, предоставить бесплатную камеру для теста детекции очереди. Напишите нам, чтобы принять участие в проекте.
Кроме того, Ivideon работает с технологиями распознавания лиц.
Кто и как распознает 
Технология DeepFace проходит проверку Facebook на примере распознавания эмоционального лица Сильвестра Сталлоне
Над решениями в этой области работают Apple, Facebook, Google, Intel, Microsoft и другие технологические гиганты. Комплексы видеонаблюдения с автоматическим распознаванием лиц пассажиров установлены в 22 аэропортах США. В Австралии занимаются разработкой биометрической системы распознавания лиц и отпечатков пальцев в рамках программы, призванной автоматизировать паспортный и таможенный контроль.
Крупнейшая китайская интернет-компания Baidu провела успешный эксперимент по отказу от билетов с помощью технологии распознавания лиц с точностью 99,77%, при длительности съемки и распознавания – 0,6 секунды. На входах в парк установлены стенды с планшетами и специальные рамки, которые ведут съемку. Когда турист приходит в парк впервые, система его фотографирует, чтобы в дальнейшем использовать функцию распознавания лиц по фото. Новые снимки сравниваются с фото из базы данных – так система определяет, есть ли у человека право на посещение.
В Китае с технологиями вообще все очень хорошо. В 2015 году Alipay, оператор платформы онлайн-платежей, входящий в состав холдинга Alibaba, ввел в действие систему верификации платежей на базе Face++, облачной платформы распознавания лиц, созданной китайским стартапом Megvii. Система получила название Smile to Pay — она дает возможность пользователям Alipay платить за онлайн-покупки путем съемки селфи (Alipay определяет владельца по улыбке). UBER в Китае стал применять систему распознавания лиц водителей на базе Face++, чтобы противостоять мошенничеству, краже персональных данных и обеспечить дополнительную безопасность пассажиров.
Но интереснее посмотреть не на зарубежные решения, а на сервисы, созданные в России. Эти технологии находятся гораздо ближе к конечному пользователю (если он из нашей страны), с ними можно познакомиться, в перспективе объединиться для использования в собственном продукте. Компаний, занимающихся распознаванием лиц, вокруг немало. Вспомним несколько, остающихся на слуху.
Компания «Вокорд», основанная еще в 1999 году, в программе FaceControl 3D работает с синхронными изображениями со стереокамер, строит 3D-модель лица в кадре и автоматически ищет совпадение полученной модели с моделями в имеющейся базе данных. В 2016 году «Вокорд» стал использовать собственный математический алгоритм распознавания лиц, в основе которого лежат сверточные нейронные сети, благодаря чему их алгоритмы теперь работают с любой камерой видеонаблюдения. В компании утверждают, что могут распознавать лица (в размере 128х128 пикселей) людей, следующих в потоке. В конце 2016 года алгоритм Vocord DeepVo1 показал лучшие результаты в мировом тестировании идентификации, правильно распознав 75,127% лиц.
Компания VisionLabs, основанная в 2012 году, победила в крупнейшем в России и Восточной Европе конкурсе технологических компаний GoTech, вошла в список финалистов европейской программы «Challenge UP!», призванной ускорить вывод на рынок решений и сервисов на базе концепции интернета вещей, привлекла многомиллионные инвестиции и уже внедряет свои продукты в коммерческий сектор. Недавно банк «Открытие» запустил систему распознавания лиц от VisionLabs с целью оптимизации обслуживания и времени ожидания клиентов в очереди. Ну и стоит прочитать замечательную историю, как специалисты из КРОК с помощью VisionLabs кота ловили.
VisionLabs, показавшая один из лучших результатов по распознаванию и уровню ошибок, также работает с нейронными сетями, выявляющими специфические черты каждого лица, такие как разрез глаз, форма носа, рельеф ушной раковины и т.д. Их система Luna позволяет найти все эти особенности лица по фото в архивах. Другое решение компании, Face Is, распознав лицо клиента в магазине, находит его профиль в CRM-системе, узнает из нее историю покупок и интересы покупателя, и отправляет на телефон уведомление с персональным предложением о скидке на его любимую категорию товаров.
Стартап Skillaz, занимающийся автоматизацией процесса найма сотрудников, и VisionLabs собираются в конце 2017 года представить систему компьютерного распознавания, которая будет оценивать поведение соискателей при найме. Проанализировав полученные данные, система будет делать выводы о профессиональных качествах человека и пригодности к должности. Полные характеристики системы «машинного найма» компании не раскрывают. Известно лишь, что будет оцениваться коммуникабельность кандидата, исходя из его ответов на определенный набор вопросов, задаваемых системой online-интервью. Нейросеть будет искать взаимосвязь поведения кандидата на картинке с камеры видеонаблюдения и степень выраженности у него той или иной компетенции.
Сетка, представляющая собой доктора Лайтмана и Шерлока Холмса в одном лице, будет учитывать мимику кандидата, его жестикуляции, а также физиогномику. Тут стоит заметить, что метод определения типа личности человека, его душевных качеств, исходя из анализа внешних черт лица и его выражения, в современной психологической науке считается классическим примером псевдонауки. Как с этим противоречием справятся в новом продукте пока неясно.
Слайд из презентации NTechLab, угнетающий Салмана Радаева
NTechLab начинали с приложения, которое определяло породу собак по фотографии. Позже они написали алгоритм FaceN, с которым осенью 2015 года приняли участие в международном конкурсе The MegaFace Benchmark. NTechLab одержала победу в двух номинациях из четырех, обойдя и команду Google (через год в этом же конкурсе победит «Вокорд», а NTechLab сместится на 4-ю позицию). Успех позволил им быстро реализовать сервис FindFace, ищущий людей по фотографиям во ВКонтакте. Но это не единственный способ применения технологии. На фестивале Alfa Future People, организованном «Альфа-Банком», с помощью FindFace посетители могли найти свои фотографии среди сотен других, отправив селфи чат-боту.
Кроме того, NTechLab показали систему, способную в режиме реального времени распознавать пол, возраст и эмоции, используя изображение с видеокамеры. Система способна оценить реакцию аудитории в режиме реального времени, благодаря чему можно определить эмоции, которые испытывают посетители во время презентаций или трансляций рекламных сообщений. Все проекты NTechLab строятся на самообучающихся нейронных сетях.
Путь Ivideon к видеоаналитике 
Распознавание лиц – одна из самых сложных задач в области видеоаналитики. С одной стороны, вроде все понятно и давно используется. С другой стороны, решения идентификации в толпе людей все еще стоят очень дорого и не дают абсолютной точности.
В 2012 году в Ivideon начали работу с алгоритмами видеоанализа. В тот год мы выпустили приложения для iOS и Android, вышли на зарубежные рынки, запустили децентрализованные сети CDN с серверами в США, Нидерландах, Германии, Кореи, России, Украине, Казахстане и стали единственным международным сервисом видеонаблюдения, работающим одинаково хорошо во всем мире. В общем, казалось, что сделать свою аналитику с блэк-джеком и распознаванием будет просто и быстро… мы были молоды, трава казалась зеленее, а воздух – сладким и томительным.
[На тот момент мы рассматривали классические алгоритмы. Для начала нужно детектировать и локализовать лица на изображении: используем каскады Хаара, поиск регионов с текстурой, похожей на кожу и т.п. Допустим, нам надо найти первое попавшееся лицо и сопровождать только его в видеопотоке. Тут можно воспользоваться алгоритмом Лукаса-Канаде. Находим алгоритмом лицо и далее определяем в нём характерные точки. Сопровождаем точки с помощью алгоритма Лукаса-Канаде; после их пропадания считаем, что лицо исчезло из поля зрения. Получив характерные признаки лица, мы сможем сравнить его с признаками, заложенными в базе данных.
Для сглаживания траектории движения объекта (лица), а также для предсказания его положения на следующем кадре используем фильтр Кальмана. Тут необходимо отметить, что фильтр Кальмана предназначен для линейных моделей движения. Для нелинейного же используется алгоритм Particle Filter (как вариант Particle Filter + алгоритм Mean Shift).
Можно также использовать алгоритмы вычитания фона: библиотека с примерами реализации алгоритмов по вычитанию фона + статья по реализации легкого алгоритма вычитания фона ViBe. Кроме того, не стоит забывать один из самых распространенных методов Виолы-Джонса, реализованный в библиотеке компьютерного зрения OpenCV.]
Простое распознавание лиц – хорошо, но недостаточно. Нужно еще обеспечить устойчивое слежение за несколькими объектами в кадре даже в случае их совместного пересечения или временного «пропадания» за препятствием. Считать любое количество объектов, пересекающих определенную зону и учитывать направления пересечения. Знать, когда появляется и исчезает предмет/объект в кадре – навести мышкой на грязную чашку на столе и найти момент в видеоархиве, когда она там появилась и кто её оставил. В процессе слежения объект может измениться достаточно сильно (с точки зрения преобразований). Но от кадра к кадру эти изменения будут такими, что можно будет идентифицировать объект.
Кроме того, мы хотели сделать универсальное облачное решение, доступное для всех – из самых требовательных пользователей. Решение должно было быть гибким и масштабируемым, поскольку мы сами не могли знать, за чем хочет следить и что хочет считать пользователь. Вполне возможно, что кто-нибудь предполагал бы сделать на базе Ivideon трансляцию тараканьих бегов с автоматическим определением победителя.
Только спустя пять лет мы приступил к тестированию отдельных компонентов видеоаналитики – подробнее об этих проектах расскажем в новых статьях.
Как найти полное видео по фрагменту онлайн бесплатно
На Youtube и других видеоресурсах часто встречаются ролики, смонтированные из нескольких отрывков. Поиск видео по фрагменту онлайн позволяет пользователям найти полное видео фильма, программы и т.п., для чего были разработаны специальные сервисы. В статье рассмотрим наиболее популярные способы поиска, которые выдают самые точные результаты.
Поиск видео по фрагменту в Яндексе
Первым на помощь в поиске нужного видео по отрывку приходит Яндекс. Инструкция состоит из таких действий:
Поиск фильма по отрывку видео с помощью онлайн сервиса TinEye
Одним из точных способов, который помогает найти нужное видео по отрывку, является Tineye.com. Для поиска потребуется скриншот, который загружается на сайт сервиса. Затем ресурс выдает ссылки на страницы с похожей картинкой.
Как искать пошагово:
Поиск видео по метаданным из отрывка
У каждого видео файла или изображения есть метаданные, в которых содержится техническая информация, такая как размер, разрешение, время создания и пр. Иногда в этих данных есть информация о названии полного имени ролика или об авторе. Поэтому данный вариант поиска видео по фрагменту онлайн, да еще и бесплатно, стоит также рассматривать.
Как искать по метаданным:
Возможно среди имеющейся информации будут ключевые слова, которые помогут в поиске нужного видео.
Как найти видеоролик по гифке
В соцсетях сегодня многие для выражения своих мыслей используют GIF-файлы (гифки). Данный файл представляет собой зацикленную последовательность кадров в виде анимации. Но как выполнить поиск полного видео по такому фрагменту?
Есть несколько способов:
- Группы ВК по поиску видео. Сайты с GIF-файлами (http://replygif.net/, http://giphy.com/). Форумы по поиску фильмов.
Нелишним будет внимательнее рассмотреть героев гифки. Возможно, вы поймете, где происходит действие, узнаете место, персонажа. Исходя из этих данных можно будет облегчить себе поиск видео по фрагменту в интернете.
Каким образом на Youtube найти видео по фрагменту
Чтобы найти среди множества видеороликов нужный фильм, к поисковому запросу в конце нужно дописать « movies ». Так автоматически будет выполняться поиск фильмов. Если нужен поиск по новым роликам, которые были загружены на этой неделе/месяце, то выбирайте «Week» или «Month».
Как определить исполнителя по отрывку из видеоролика с помощью приложения Shazam
Если в вашем распоряжении имеется только фрагмент видео, в котором есть песня любимого певца, то с помощью специального ПО можно узнать, кто её исполняет. Для поиска видео по фрагменту с телефона необходимо скачать приложение Shazam, которое доступно в Google Play и App Store.
Инструкция по поиску:
Когда композиция определится, её можно будет прослушать непосредственно из библиотеки Shazam. Под названием песни можно увидеть, сколько раз её искали другие пользователи. Также есть возможность ознакомиться с текстом практически любой песни, даже если она на русском.
Другие способы поиска видео по фрагменту
Если у вас есть отрывок видео, можно попытаться найти исходный файл и другими способами.
Кинофорумы
Одним из эффективных может быть форум КиноПоиска, где есть немало людей «в теме». Задав вопрос в соответствующей ветке, вполне реально получить на него достоверную информацию.
На площадках вопросов/ответов
По ключевым словам
При поиске по ключам можно воспользоваться тем же Яндексом или Гуглом. Нужно вслушаться в текст из ролика и ввести фразы в поисковики. В некоторых ситуациях это может значительно облегчить поиск.
По актёрам
Один из вариантов поиска фильма по фрагменту видео с известными актерами – просмотр их фильмографии.
На подбор нужного варианта может уйти немало времени, но если другие способы не помогли, то выбирать не приходится. Каждый из фильмов нужно запускать поочередно и перематывать по кадрам. Как правило, по внешнему виду актеров становится понятно, вы на верном пути или нет.
Рассмотрев разные способы поиска полного видео по отрывку онлайн, можно выбрать понравившийся вариант или пройтись по каждому из них отдельно. После этого можно выявить наиболее точные и в будущем использовать их при поиске любимых фильмов.
Как найти видео по отрывку – точные сайты онлайн и приложения
Часто мы сталкиваемся с роликами, состоящими из нарезанных и склеенных отрывков из кино, роликов. Что же делать, чтобы узнать исполнителя понравившейся песни или фильм по одному лишь кадру или отрывку песни? С этим мы и разберемся. Большинство сервисов работают онлайн и помогут найти песню или фильм по отрывку видео, а мы рассмотрим самые точные и популярные способы поиска.
Как определить исполнителя по отрывку из видеоролика
Поиск автора композиции по отрывку
Вы можете прослушать трек, либо ознакомиться с текстом. Последнее предоставляется для большинства русских и зарубежных композиций.
При первом запуске приложение может запросить доступ к аудио, микрофону и галерее устройства. Для корректной работы нажмите “Разрешить”.
Разрешаем доступ к Аудио, Микрофону и Галерее смартфона
Как найти видео по кадру
Как найти ролик по картинке через поисковые системы
Так же, как и в предыдущем способе, необходимо подготовить несколько скриншотов или кадров. Если предпочитаете ПС Яндекс, необходимо:
Поисковая система выдаст не только изображения, похожие на скриншот, но и видео, содержащие данный кадр. Поиск по ПС Google осуществляется аналогичным образом.
Можно вставлять разные кадры отрывка для получения точного результата
Поиск по мета-данным из отрывка
Большинство файлов в интернете (видеозаписи или изображения, фотографии) имеют мета-данные, содержащие технические характеристики и описание. В ряде случае эта информация помогает в определении автора. Для этого нужно:
В некоторых случаях среди данных представлены ключевые слова, которые помогут найти автора через поисковые системы.
Каждый файл видео или отрывок содержит уникальные метаданные
Поиск через Ютуб
Позволяет по отрывку найти нужный ролик, и даже полнометражный фильм, который можно просмотреть бесплатно. Для этого нужно сначала задать поисковый запрос, а потом воспользоваться встроенными фильтрами. Последнее можно сделать двумя способами:
Грамотно распределите фильтры по дате загрузки, длительности и типу
Как искать на форумах
Пусть человеческий фактор уступает технике по скорость обработки информации, но по качеству в разы превосходит. Зайдите на тематические форумы и онлайн-сервисы и, зарегистрировавшись, оставьте свой вопрос. Наиболее популярными ресурсами является «Ответы Mail.ru» или «Яндекс.Знатоки».
Анастасия Табалина
Автор статей по настройке и управлению телефонами на базе Андроид и iOS. Помощь в мире онлайна и Интернета: поиск информации, обзоры приложений, программ, настройка и управление
