Биометрия по лицу: мировая история развития, сферы применения и способ оплаты

В XXI веке биометрическая аутентификация, когда для удостоверения личности людей используются их физические характеристики (нап��имер, отпечатки пальцев, сетчатка глаза, лицо), становится неотъемлемой частью повседневной жизни. На фоне запуска Единой Биометрической Системы (ЕБС) разложим все по полочкам. Поговорим об эволюции функции распознавания лица, актуальных сферах применения и об удобном способе оплаты.

В 1955 году появляется машинное зрение – научное направление в области искусственного интеллекта и связанные с ним технологии получения изображений объектов реального мира, их обработки и использования. А готовые данные должны использоваться для решения разного рода прикладных задач без участия (полного или частичного) человека.

В 1960-ые годы появляются первые эксперименты в области машинного распознавания лица и первые системы обработки 2D-изображений. Актуальные задачи того времени – спутниковая фотосъёмка, медицинская визуализация, распознавание символов и улучшение фотографий и др.

В этот период Вуди Бледсо, профессор Техасского университета в Остине, создал систему, которая могла вручную получать фотографию лица. Вот как это было:

· на планшете RAND размечали лицо, забивая координаты областей лица: глаза, нос, рот и линия волос – до 46 точек;

· специальный алгоритм крутил/вертел/зумировал полученное изображение – до 22 измерений;

· записанные вручную метрики впоследствии сохранялись в базе данных;

· при введении в систему новой фотографии человека можно получить наиболее похожее изображение через базу данных.

С распознаванием лица такая система справлялась в 100 раз быстрее, чем человек.

В 1970-ые годы с ростом доступности компьютерного оборудования развивается концепция машинного построения трёхмерных образов объектов. Позже появляется возможность обрабатывать изображения в реальном времени для некоторых задач, таких как преобразование телевизионных стандартов.

Тогда же исследователи Хармон, Голдштейн и Леск сделали ручную систему распознавания лица Бледсо более точной, используя 21 маркер лица, включая толщину губ и цвет волос.

В 1988 году Майкл Кирби и Лоуренс Сирович из Университета Брауна применили подход Eigenface с использованием линейной алгебры для анализа изображений. Для разметки лиц они применяли менее 100 различных значений, доказав, что этого достаточно для точного кодирования изображения лица.

В 1991 году Алекс Пентланд и Мэтью Терк из Массачусетского технологического института усовершенствовали технологию Eigenfaces, задействуя факторы окружающей среды. Им удалось автоматизировать процесс распознавания.

В период 1993-2000х годов Управление перспективных исследовательских проектов при Минобороне США (DAPRA) и Национальный институт стандартов и технологий (NIST) выпустили программу FERET с самой обширной базой лиц — более 14 тыс. изображений. Изначально ее использовали, чтобы находить преступников по всему миру. Затем представили в открытом доступе для стимулирования коммерческого рынка распознавания лиц.

С 2010 года Facebook начал использовать функцию распознавания лиц, чтобы находить пользователей на публикуемых фото и предлагать их отметить. Это обновление создало шумиху в СМИ, однако не повлияло на имидж и популярность самой социальной сети.

А в 2014 году FB запускает сервис DeepFace для распознавания лиц в толпе с точностью 97,25%, что почти соответствует способностям среднего человека (97,53 %). Такого результата удалось достичь благодаря способу построения 3D-модели лица по фотографии.

В 2011 году власти Панамы и США запустили совместный проект FaceFirst. Это технология распознавания лиц, которую изначально использовали для пресечения незаконной деятельности в аэропорту Токумен в Панаме. А впоследствии она стала крупнейшей биометрической установкой в аэропорту. В том же году полиция и спецслужбы США начали применять распознавание лиц для опознания трупов, что, в частности, помогло утвердить личность Усамы бен Ладена.

В 2015 году Google представила свою разработку — FaceNet, достигшая рекордной точности в 99,63% благодаря огромному массиву данных, которые собирают сервисы Google. Технологию, в частности, используют в Google Фото для сортировки изображений и автоматических отметок людей на них.

В 2016 году американский ритейлер Amazon, сегодня владеющий сетью магазинов без продавцов и кассиров, начал тестировать систему Just Walk Out. Она включает в себя

· потолочные камеры, считывающие все перемещения покупателей;

· датчики, устанавливаемые на полках, которые измеряют вес продуктов;

· облачную инфраструктуру Amazon Web Services для обработки данных.

Интересно, что разработчики Amazon утверждают, что приватность не нарушена, так как нет никакого распознавания лица, а используются другие визуальные сигналы: походка, длина конечностей и т.д.

Пользоваться системой легко: покупателю нужно скачать приложение Amazon Go, прикрепить к нему банковскую карту и получить QR-код для входа.

В марте 2020 года Amazon объявил о продаже Just Walk Out другим торговым сетям.

Также в 2018 году Amazon активно продвигает свой облачный сервис для распознавания лиц и объектов – Rekognition, которым пользуются правоохранительные органы США. Система умеет распознавать до 100 человек на одном фото и искать их в базах данных, содержащих десятки миллионов лиц.

2 августа 2016 года на конференции в Нью-Йорке Samsung представила новый смартфон Galaxy Note 7 со сканером радужной оболочки глаза, чтобы повысить уровень безопасности доступа к устройству. В самой компании это аргументировали тем, что в отличие от отпечатков пальцев радужную оболочку нельзя дублировать, поскольку она имеет уникальный рисунок.

Тогда же платежные системы MasterCard, Visa и другие финансовые организации начинают включать биометрическую аутентификацию платежей.

В марте 2017 году китайская компания Baidu запускает платформу Face++ для распознавания лица, которая обещала находить совпадения на фотографиях с вероятностью в 99,77%. На сегодняшний день сервис получил широкое распространение в Китае. Любопытно, что в отличие от США граждане КНР относятся к технологиям распознавания лица с меньшим недоверием. Можно сказать, они воспринимают это как данность и неотъемлемый элемент повседневной жизни, смирившись с отсутствием частной жизни в своей стране.

12 сентября 2017 года компания Apple представила технологию Face ID, заменив дактилоскопический датчик «Touch ID». Всего лишь один взгляд на смартфон и личность подтверждена – iPhone разблокирован, покупка оплачена. Лицо сканируется и сравнивается с ранее записанной структурной картой лица владельца.

Секрет успеха – в объединении передовых программных и аппаратных разработок Apple. Вот, что внутри и как это работает:

· Проектор точек. Проецирует на лицо пользователя более 30 000 невидимых инфракрасных точек, по которым потом создается его математическая модель.

· Инфракрасная камера. Считывает точечную структуру лица, создает изображение в инфракрасном спектре и помещает эти данные в специальный модуль процессора.

· Инфракрасный излучатель. Пускает невидимый пучок инфракрасного света на лицо, что позволяет выполнить его точное сканирование даже в полной темноте.

Face ID считается самой совершенной на сегодняшний момент технологией распознавания лица. Кроме того, она еще и самообучаемая – запоминает изменения в лице с помощью нейронных сетей в процессоре смартфона.

26 сентября 2018 года на конференции глобальных финансовых технологий Finovate Fall в Нью-Йорке Ак Барс Банк представил технологию оплаты товаров и услуг при помощи лица – Face2Pay.

Основное назначение – совершение покупки или прохода через барьерную область без смартфона, банковской карты и иных традиционных платежных инструментов. Как только пользователь приближается к зоне покупки или контроля, система узнает его по лицу и спишет с карты определенную сумму в рамках лимита или обеспечит свободный проход.

Главное отличие технологии Face2Pay от схожих в том, что она уже интегрирована в платежную инфраструктуру банка.

Подведем итог: технически биометрические системы распознавания лиц работают по принципу построения и сравнения математических моделей лица. Там, где мы видим цельный образ, система видит набор данных и уникальный для каждого человека цифровой отпечаток. Анализируя и сравнивая эти данные, можно с высокой вероятностью идентифицировать и верифицировать личность.

Британская компания Surfshark составила карту использования технологии распознавания лиц на государственном уровне в 194 странах мира.

Странам был присвоен 1 из 5 статусов в зависимости от того, как они приняли технологию: в использовании, одобрена для использования (не внедрена), рассматривается, нет данных об использования, запрещена.

В общей сложности сегодня насчитывается 109 стран, которые либо используют, либо одобрили использование технологии распознавания лиц для целей наблюдения. В большинстве таких стран есть национальные базы данных и локальные алгоритмы.

Любопытно, что Бельгия является единственной страной, где публичное использование этой технологии объявлено незаконным. А многие национальные правительства и их граждане находятся в разгаре глобальных дебатов по поводу этики и законности массовой слежки.

Если обобщить весь мировой опыт, то можно выделить следующие наиболее распространенные сферы применения технологии распознавания лиц.

1. Обеспечение национальной безопасности:

· распознавание лиц людей и их действий, объектов окружающей среды;

· поиск преступников и нелегальных иммигрантов;

· обнаружение сцен убийства;

· фильтрация неподобающего контента.

2. Помощь службе безопасности и HR-отделу

· контроль доступа в здание;

· биометрический учет рабочего времени: система фотографирует сотрудника, распознает его и автоматически делает запись в табеле о начале и окончании рабочего дня;

· мониторинг активности и вовлеченности сотрудника в течение рабочего дня, что позволяет, например, разгрузить сильных менеджеров от рутины или избавиться от слабых.

3. Оптимизация работы банков, кредитных и страховых компаний

· хранение достоверных данных о клиентах и верификация их личности при проверке и совершении операций;

· повышение лояльности клиентов, так как не нужно посещать офис и ожидать ручной проверки;

· выявление мошенников;

· внедрение биометрических банкоматов, в которых можно снять наличные деньги без карты и без PIN-кода.

4. Удобная логистика:

· упрощение процедуры проверки документов водителей и контроля при перевозке специальных грузов (рецептурные лекарства, дорогое оборудование);

· исключение третьих лиц из процесса перевозки;

· контроль доступа на склады;

· мониторинг состояния водителя: насколько он сосредоточен, не уснул ли за рулем.

5. Персонализация клиентского опыта и повышение лояльности целевой аудитории (ЦА):

· определение точечного портрета ЦА: пол, возраст, этническая принадлежность;

· аналитика посещений: подсчет уникальных посетителей, распознавание постоянных клиентов, отслеживание маршрута посетителя;

· автоматические предложения индивидуальных программ лояльности и разработка более прицельных маркетинговых кампаний;

· внедрение интерактивной рекламы, когда специальные рекламные щиты или мониторы оснащены датчиками и камерами. Далее обеспечивается взаимодействие с людьми с отслеживанием их ответной реакции и оценкой эффективности рекламы в реальном времени.

6. Инновации в ретейле и общепите:

· идентификация клиента и предотвращение мошенничества во время покупки в магазине;

· анализ поведения покупател��й и оптимизация сервисов так, чтобы продавать больше;

· удобная оплата по лицу без использования банковской карты, смартфона и других платежных устройств.

На мировой арене Россия достигла внушительного прогресса в области распознавания лиц. Алгоритмы от отечественных разработчиков считаются одними из самых точных в мире, по данным Национального института стандартов и технологий в США, NIST. Примером является приложение FindFace с точностью 99% от компании NTechLab.

Давайте посмотрим, какой такой путь уже пройден.

2017 год: Банк России и Ростелеком создают Единую Биометрическую Систему (ЕБС) для сбора у населения двух параметров – голоса и лица – и распознавания личности впоследствии. Роль Ростелеком – разработчик и оператор ЕБС как одного из ключевых элементов механизмов удаленной идентификации.

Драйвером для создания ЕБС стала национальная программа «Цифровая экономика Российской Федерации». В задачи программы в том числе входит повышение доступности безопасных цифровых сервисов для граждан в отдаленных регионах и маломобильного населения.

2018 – 2019 год: подключение к ЕБС банков и коммерческих организаций, уполномоченных собирать биометрическую информацию и предоставлять дистанционные услуги с использованием удалённой идентификации.

30 июня 2018 года: ЕБС начинает работать в России. Финансовая отрасль стала первым сектором экономики, где применяться система. Удалось полностью цифровизировать взаимодействие с пользователями – физическими лицами, перевести в онлайн операции по открытию счета, вклада и получению кредита.

С 2018 года Ак Барс Банк развивает собственную экосистему сервисов для бизнеса на основе компьютерного зрения – Face2. В портфеле продуктов есть платежная система на базе распознавания лица Face2Pay, первое внедрение которой состоялось в Бассейне Мирас в Альметевске. В кейсе присутствует валидация по лицу (не надо носить с собой карточку абонемента) и реализация внутренних платежей по лицу (пополнение бюджета, оплата на кассах, включая магазины на территории бассейна).

Апрель 2019 года: VISA представила технологию оплаты с помощью биометрии – SWIP. Продавцу нужно пройти двухфакторную аутентификацию: зарегистрировать ЮЛ в SWIP и у эквайера. А пользователю – зарегистрироваться в приложении, привязав свою банковскую карту, и на кассе уже только предъявить свое лицо.

Октябрь 2019 года: Ростелеком и Банк Русский Стандарт продемонстрировали проведение пилотного биометрического платежа при помощи данных в ЕБС на Форуме инновационных технологий Finopolis.

2020 год: тестирование банкоматов с функцией распознавания лица.

Февраль 2020 года: Ростелеком и Банк Русский Стандарт запустили оплату по биометрии в кофейнях CoffeeBean.

Октябрь 2020 года: ВТБ запустил пилотный проект с использованием биометрии в гипермаркетах Лента.

1 января 2021 года: вступает в силу Федеральный закон об использовании ЕБС для удаленной идентификации при получении финансовых и государственных услуг.

Таким образом на данный момент работа ЕБС регулируется 3 законами:

1. 152-ФЗ «О персональных данных»

ЕБС собирает и обрабатывает фотографии, голоса и привязанные к ним паспортные данные, что является персональными данными.

2. 149-ФЗ «Об информации, информационных технологиях и о защите информации»

В статье 14.1 описано, что такое государственная информационная система по сбору биометрии.

3. 115-ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма»

Март 2021 года: Сбербанк и Перекресток внедряют оплату по лицу на кассах самообслуживания.

Март 2021 года: торговая сеть «Пятёрочка» пилотирует технологию оплаты по лицу – с помощью SELFIE2PAY в партнёрстве с ранее отмеченной компанией SWIP. Как описывали выше, покупателю нужно скачать специальное приложение и зарегистрироваться в нем.

Март 2021 года Минцифра подводит промежуточный итог сбора биометрических данных населения и констатирует факт, что процесс идет медленно.

Сейчас в ЕБС – данные свыше 164 тыс. человек, а через 2 года планируется увеличить до 70 млн. Также сбором биометрии смогут заниматься и МФЦ в дополнение к банкам, а граждане смогут делать это самостоятельно и удаленно через специальное приложение. Для ускорения процесса наполняемости базы ЕБС Минцифра может прийти к административным мерам, в том числе закрыть удаленный доступ к ряду госуслуг в случае отсутствия биометрических данных пользователя.

Несмотря на медленное заполнение ЕБС технология распознавания лица уверенно движется к запуску в массы.

Уже сейчас покупатель-новатор может сдать биометрию, не дожидаясь административных мер от нашего Правительства. Вот, что нужно:

· прийти в офис банка, подтвердить свою личность, предъявив паспорт, пройти идентификацию в ЕСИА: сдать образцы биометрии (фото + голос) в отделении банка (232 банка на текущий момент);

· привязать образцы биометрии к данным пользователя в Единую систему идентификации и аутентификации (ЕСИА) и ЕБС;

· привязать свой счет к сданной биометрии.

Продавцу нужно обеспечить возможность оплаты, то есть наличие биометрического оборудования с камерой для считывания лица.

И вот тогда есть все условия для настоящего волшебства – проведение биометрического платежа:

· терминал делает фото покупателя;

· встроенные алгоритмы на основе машинного обучения и специальное оборудование проверяют, что платит живой человек;

· фото отправляется в ЕБС;

· ЕБС проверяет фото и наличие средств на счету;

· одобрение оплаты и списание денег со счета покупателя.

Преимущества для покупателя: не нужны ни наличные, ни банковская карта, ни даже смартфон — достаточно «предъявить» свое лицо, и платеж состоится.

Преимущества для торговой точки: рост среднего чека, трафика в торговой точке и удовлетворенности покупателей.

«Использование биометрии может улучшить клиентский опыт как в части дистанционного оказания услуг, так и в проведении платежей. Здесь перспективу представляет развитие сферы самообслуживания и таких направлений деятельности, где использование привычных нам способов оплаты является затруднительным и неудобным – например, аквапарки, спа-центры и т.п.

Несмотря на эволюцию биометрии в различных её проявлениях, как платежная технология она еще молодая. Чтобы завоевать место под солнцем, ей предстоит пройти свой путь с учетом регуляторных и правовых аспектов, обеспечения безопасности совершаемых таким способом трансакций. Так, недавний пример мошеннической схемы оплаты в Китае показывает, что требования к качеству собираемой биометрии, используемым алгоритмам для ее обработки и инструментам регулирования всего процесса ещё нуждаются в доработке и ужесточении. Он потребует непрерывного совершенствования, так как по мере развития любых технологий, которые дают нам удобство и дополнительные возможности, растет мастерство злоумышленников, выискивающих лазейки для своих корыстных интересов.

На помощь в том числе приходят не только умные алгоритмы и программные решения на базе машинного обучения и компьютерного зрения, но и аппаратные средства, усиливающие их потенциал. Например, биометрические терминалы, оснащенные не одной, а целым рядом камер, включая инфракрасные. Их использование для распознавания лиц позволяет поднять безопасность на совершенно новый уровень».

Одним из топовых технологических трендов на сегодня является распознавание эмоций. Акцент делается на глубокое понимание эмоциональной реакции человека на происходящее и более непринужденное взаимодействие между машинами и людьми.

Например, чтобы улучшить взаимодействие с клиентами и сотрудниками, работая онлайн, или анализировать, как пользователи реагируют на контент. В России подобными разработками занимается компания Neurodata Lab.

Новые креативные способы применения распознавания лиц в тандеме с технологиями эмоционального искусственного интеллекта, наверняка, еще не раз нас всех удивят, и притом очень скоро.

#безналичныеплатежи #биометрия #бесконтактная_оплата #биометрия_по_лицу #оплата_по_лицу