Искусственные нейронные сети в судебно-медицинской идентификации личности

Автоматизированные системы, основанные на нейронных сетях, получили достаточно широкое распространение в различных отраслях науки как в России, так в зарубежных странах. Наиболее успешно их применяют в системах видеофиксации и распознавания лиц. Современные компьютерные системы и программное обеспечение, созданное на базе искусственного интеллекта позволяет устанавливать личность человека в местах массового скопления как по элементам лица, так и по другим анатомическим особенностям (походка, телосложение и т.п.). Компьютерные системы на базе искусственных нейронных сетей также способны улучшать качество видеозаписей с возможностью последующего использования их в рамках идентификации личности.

Алгоритмы искусственных нейронных сетей используются и во многих мобильных телефонах (Samsung, Apple, Huawei и др.), в которые включена функция распознавания лица при разблокировке смартфона, а также разблокировка по иным биометрическим данным (голос, отпечаток пальца, сканирование сетчатки глаза). Однако и в данном случае производители не исключают вероятность ошибки. Так, разработчики Apple утверждают, что вероятность того, что случайный человек из населения может посмотреть на ваш iPhone и разблокировать его своим лицом, составляет около 1 к 1 000 000, в то время как по отпечатку пальца телефон может разблокировать 1 человек из 50 000 [4].

Несомненного успеха в области распознавания лиц с использованием нейронных сетей достигли китайские разработчики специализированных систем. В Китае с 2015 года запущен проект по распознаванию лиц. Многие города оснащены камерами наружного наблюдения, которые подключены к системе распознавания лиц. С начала 2017 года китайские полицейские стали снабжаться солнцезащитными смарт-очками, оборудованными камерой и связанными с базой данных правоохранительных органов. Чтобы установить личность неизвестного человека, полицейскому надо посмотреть на него с расстояния не больше пяти метров и с ракурса, при котором фиксируется не меньше 70% лица. Система распознавания лиц в течение 2–3 минут автоматически ищет совпадения в базе данных. Если совпадение найдено, система сообщит имя и домашний адрес человека [2].

Усовершенствование систем распознавания лиц в настоящее время позволяет идентифицировать лицо в условиях низкой освещенности по тепловому изображению (к примеру, тепловизорные камеры FLIR). Система сравнивает тепловые изображения лица с обычными фотографиями, заложенными в базах данных [3].

Даже самые современные системы распознавания лиц дают положительный результат в 95–98%. На наличие ошибок при распознании могут влиять такие факторы, как освещенность мест съемки, горизонтальный и вертикальный ракурсы поворота головы, разница между датой съемки имеющегося в базе изображения человека и его реальным возрастом, изменение прически, наличие головного убора. В целом алгоритм идентификации человека по лицу искусственными нейронными сетями состоит из следующих этапов:

• – определение программой наличия на идентифицируемом изображении одного или нескольких человеческих лиц. Для этого с помощью математических преобразований на изображении выявляются границы различающихся областей. На отдельные сегменты областей изображения виртуально накладывается маска, представляющая собой усредненное отображение основных областей человеческого лица – глаз, носа, губ и т.д. Если параметры сегмента совпадают по определенным критериям с маской, сегмент определяется как область, содержащая изображение лица. На сегменте выявляется месторасположение областей глаз и вычисляются центры зрачков;
• – нормализация изображения. С помощью графических преобразований изображение масштабируется до размеров, принятых в системе как нормальные. Также нормализуется яркость и контрастность изображения;
• – математическими преобразованиями изменяется ракурс до положения «строго в фас» (горизонтальная линия глаз, вертикальная ось симметрии головы), после чего начинается непосредственно процедура идентификации, основанная на сложных математических алгоритмах [1].

Данные принципы распознавания нейросетями используются только в области идентификации лица человека, вместе с тем, возможно их применение и в судебно-медицинской идентификации, при сравнении черепа с фотографией, в рамках портретной экспертизы, а также при опознании трупов с признаками поздних трупных изменений. Данное утверждение было проверено зарубежными исследователями в рамках краниофациальной идентификации и реконструкции лица по черепу, где предложены механизмы для обучения нейросетей по фотографиям черепов и лиц людей. Создана специальная база данных для обучения системы, содержащая в себе фото-пары положительного краниофациального совмещения, на которых основано ее обучение [5].

Принимая во внимание существующие возможности обучения искусственных нейронных сетей, а также наличие схожих компьютерных программ в клинической медицине, планируется разработка компьютерной программы на базе нейронных сетей, решающих вопросы краниофациальной идентификации. Данная программа, обучившись на выборке практических экспертиз, по принципу ранговой корреляции будет способна автоматически выполнять идентификационные исследования среди большого количества загружаемых в базу изображений.

При дальнейшем обучении нейронной системы по аналогии с распознаванием лица по видеозаписи с камер наблюдения за основу идентификации могут быть взяты любые из доступных методов сравнения. Внедрение искусственных нейронных сетей в судебно-медицинских исследованиях позволит решать вопросы портретной идентификации, краниофациальной идентификации, в ускоренном режиме проводить опознание неизвестных трупов, в том числе и в стадии поздних гнилостных изменений, а также анализировать при опознании различные нестандартные ракурсы лиц на опознавательных фотографиях.

Список литературы

1. Антуфьев, В. Маска, мы вас знаем… / В. Антуфьев, О. Соловей // Алгоритм Безопасности. – 2006. – № 2. – С. 32–36.
2. Корелина, О. В Китае создают тотальную систему распознавания лиц граждан. Она поможет ловить преступников и собирать данные на всех остальных. 11 февраля 2018. – URL: https://meduza.io/feature/2018/02/11/v-kitae-sozdayut-totalnuyu-sistemu-raspoznavaniya-lits-grazhdan-ona-pomozhet-lovit-prestupnikov-i-sobirat-dannye-na-vseh-ostalnyh.
3. Army develops face recognition technology that works in the dark [cited 2018 Apr 17]. – URL: https://www.forensicmag.com/news/2018/04/army-develops-face-recognition-technology-works-dark.
4. Face ID Security. November 2017. – URL: https://www.apple.com/ca/business-docs/FaceID_Security_Guide.
5. On Matching Skulls to Digital Face Images: A Preliminary Approach / S. Nagpal, M. Singh, A. Jain et al. // Proceedings of IEEE International Joint Conference on Biometrics. – 2017. – Р. 813–819.