Дистанционный способ обработки информации
Памятка для организаций, оказывающих услуги дистанционным способом
ПАМЯТКА
ПО АКТУАЛЬНЫМ ПРОБЛЕМАМ ОБРАБОТКИ ПЕРСОНАЛЬНЫХ ДАННЫХ
ДЛЯ ОРГАНИЗАЦИЙ, ОКАЗЫВАЮЩИХ УСЛУГИ ДИСТАНЦИОННЫМ СПОСОБОМ
Обработка персональных данных покупателя (заказчик услуг).
Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» (далее – Федеральный закон о персональных данных) обязывает всех юридических лиц соблюдать определенные требования при обработке персональных данных работников, клиентов. Не исключение в данном случае и организации, а также физические лица, оказывающие услуги дистанционным способом.
В соответствии с постановлением Правительства Российской Федерации от 27.09.2007 № 612 «Об утверждении Правил продажи товаров дистанционным способом» (далее — Постановление) покупатель(заказчик услуг), в целях заключения и надлежащего исполнения договора с организацией, оказывающей услуги дистанционным способом, передает последней сведения о себе в объеме, необходимом для исполнения договора. Таким образом, организация, оказывающая услуги дистанционным способом, является оператором, осуществляющим обработку персональных данных покупателя(заказчика услуг).
Что такое персональные данные покупателя(заказчика услуг)?
Персональные данные − любая информация, относящаяся к прямо или косвенно определенному или определяемому физическому лицу (субъекту персональных данных), согласно пункту 1 статьи 3 Федерального закона о персональных данных.
К персональным данным заказчика услуг (покупателя) относятся сведения о нем, необходимые для получения услуги. Перечень необходимых сведений о заказчике услуг (покупателе)получения услуги: фамилию, имя, отчество покупателя или указанного им лица, адрес по которому необходимо доставить товар, как правило являющийся адресом, по которому гражданин постоянно или временно проживает, установлен п.14 Постановления.
Что такое обработка персональных данных? Согласие покупателя (заказчика услуг) на обработку персональных данных.
Согласно пункту3 статьи 3 Федерального закона о персональных данных под обработкой персональных данных понимается любое действие (операция) или совокупность действий (операций), совершаемых с использованием средств автоматизации или без использования таких средств с персональными данными, включая сбор, запись, систематизацию, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передачу (распространение, предоставление, доступ), обезличивание, блокирование, удаление, уничтожение персональных данных.
Обработка персональных данных должна соответствовать определенным целям. Не допускается обработка персональных данных, несовместимая с целями сбора персональных данных. В данном случае цель определяется договором между организацией, оказывающей услуги дистанционным способом и заказчиком услуг (покупателем).
Организация, оказывающая услуги дистанционным способом, должна четко определить состав персональных данных, подлежащих обработке и способ их обработки. Выделяют несколько способов обработки:
— автоматизированная обработкаперсональных данных − обработка персональных данных с помощью средств вычислительной техники;
— неавтоматизированная обработкаперсональных данных – обработка персональных данных, осуществляемая при непосредственном участии человека;
— смешенная обработкаперсональных данных.
Обработка персональных данныхосуществляется с согласия субъекта персональных данных на обработку его персональных данных.
Согласие не требуется, если обработка персональных данных необходима для исполнения договора, стороной которого либо выгодоприобретателем или поручителем по которому является субъект персональных данных, а также для заключения договора по инициативе субъекта персональных данных или договора, по которому субъект персональных данных будет являться выгодоприобретателем или поручителем (пункт 5 части 1 статьи 6 Федерального закона о персональных данных).
Права и обязанности оператора персональных данных.
Какие локальные документы должны быть изданы Оператором?
Оператор при обработке персональных данных обязан принимать необходимые правовые, организационные и технические меры для защиты персональных данных от неправомерного или случайного доступа к ним, уничтожения, изменения, блокирования, копирования, распространения персональных данных, а также от иных неправомерных действий.
К правовым мерам относится разработка локальных актов оператора организационно-распорядительного характера и построение деятельности организации в соответствии с ними.
Примеры локальных актов, регламентирующих деятельность Оператора в части защиты персональных данных относятся:
— Издание документов, определяющих политику Оператора в отношении обработки персональных данных;
— Положение об обработке и защите персональных данных покупателя (заказчика услуг);
— Обязательство о соблюдении режима конфиденциальности персональных данных покупателя (заказчика услуг);
— Перечень должностей сотрудников, имеющих доступ к персональным даннымпокупателя (заказчика услуг);
— Приказ о назначении лица, ответственного за организацию обработки персональных данных;
— Приказ об утверждении мест хранения материальных носителей персональных данных покупателя (заказчика услуг) и другие.
Вопрос конфиденциальности персональных данных покупателя (заказчика услуг) должен ставиться не только в отношениях между покупателем (заказчиком услуг) и организацией, оказывающей дистанционные услуги, но и между организацией, оказывающей дистанционные услуги и организацией, осуществляющей пересылку, доставку товара покупателю. Соответствующий договор должен обязательно содержать условие о конфиденциальности персональных данных покупателя, передаваемых организации, осуществляющей пересылку, доставку товара покупателю.
Технические меры по защите персональных данных в соответствии с частью 2 статьи 19 Федерального закона о персональных данных устанавливаются приказом ФСТЭК России от 18.02.2013 № 21 «Об утверждении Состава и содержания организационных и технических мер по обеспечению безопасности персональных данных при их обработке в информационных системах персональных данных» и приказом ФСБ России от 10.07.2014 № 378 «Об утверждении Состава и содержания организационных и технических мер по обеспечению безопасности персональных данных при их обработке в информационных системах персональных данных с использованием средств криптографической защиты информации, необходимых для выполнения установленных Правительством Российской Федерации требований к защите персональных данных для каждого из уровней защищенности».
Права и обязанности субъекта персональных данных.
Субъект персональных данных, в данном случае покупатель (заказчик услуг), имеет право на получение информации, касающейся обработки его персональных данных, в том числе содержащей:
1) подтверждение факта обработки персональных данных оператором;
2) правовые основания и цели обработки персональных данных;
3) цели и применяемые оператором способы обработки персональных данных;
4) наименование и место нахождения оператора, сведения о лицах (за исключением работников оператора), которые имеют доступ к персональным данным или которым могут быть раскрыты персональные данные на основании договора с оператором или на основании федерального закона;
5) обрабатываемые персональные данные, относящиеся к соответствующему субъекту персональных данных, источник их получения, если иной порядок представления таких данных не предусмотрен федеральным законом;
6) сроки обработки персональных данных, в том числе сроки их хранения;
7) порядок осуществления субъектом персональных данных прав, предусмотренных Федеральным законом о персональных данных;
8) информацию об осуществленной или о предполагаемой трансграничной передаче данных;
9) наименование или фамилию, имя, отчество и адрес лица, осуществляющего обработку персональных данных по поручению оператора, если обработка поручена или будет поручена такому лицу.
Уведомление уполномоченного органа об обработке персональных данных.
В соответствии с частью 1 статьи 22 Федерального закона о персональных данных оператор до начала обработки персональных данных обязан уведомить уполномоченный орган по защите прав субъектов персональных данных о своем намерении осуществлять обработку персональных данных, за исключением случаев, предусмотренных частью 2 настоящей статьи.
Таким образом, с учетом положений п. 2 ч. 2 ст. 22 Федерального закона о персональных данных, в случае, если организация, оказывающая услуги дистанционным способом, передает персональные данные заказчика услуг (покупателя) иному лиц, в том числе организации, осуществляющей пересылку, доставку товара покупателю, без согласия в письменной форме субъекта персональных данных, уведомление уполномоченного органа по защите прав субъектов персональных данных об обработке персональных данных (намерении осуществлять обработку персональных данных) обязательно.
Время публикации: 06.11.2018 11:02
Последнее изменение: 06.11.2018 11:02
Источник
Дистанционный способ обработки информации
Сбор предполагает получение максимально выверенной исходной информации и является одним из самых ответственных этапов в работе с информацией, поскольку от цели сбора и методов последующей обработки полностью зависит конечный результат работы всей информационной системы.
Технология сбора подразумевает использование определенных методов сбора информации и технических средств, выбираемых в зависимости от вида информации и применяемых методов ее сбора. На заключительном этапе сбора, когда информация преобразуется в данные, т. е. в информацию, представленную в формализованном виде, пригодном для компьютерной обработки, осуществляется ее ввод в систему.
Информация может храниться на бумаге — в виде текстов, графиков, таблиц, рисунков и в компьютерах — на магнитных носителях и электронных микросхемах. В настоящее время разрабатывают новые носители, модулирующие считывающий лазерный луч (лазерные компакт-диски, Compact-Disc или CD). Все это позволяет использовать ПК как хранилище большого объема информации и как устройство, способное быстро обрабатывать хранящиеся в нем данные.
Передача информации — заблаговременно организованное техническое мероприятие, результатом которого становится воспроизведение информации, имеющейся в одном месте, условно называемом «источником информации», в другом месте, условно называемом «приёмником информации». Данное мероприятие предполагает предсказуемый срок получения указанного результата («информация» здесь понимается в техническом аспекте, как осмысленное множество символов, чисел, параметров абстрактных или физических объектов, без достаточного «объёма» которого не могут быть решены задачи управления, выживания, развлечения, совершения преступлений или денежных операций).
Обработка данных (англ. «Data processing») – это процесс последовательного управления данными (числа и символы) и преобразования их в информацию.
Источник
Метод обработки дистанционной биометрической информации в системах контроля и управления доступом Десятчиков Андрей Александрович
480 руб. | 150 грн. | 7,5 долл. ‘, MOUSEOFF, FGCOLOR, ‘#FFFFCC’,BGCOLOR, ‘#393939’);» onMouseOut=»return nd();»> Диссертация — 480 руб., доставка 10 минут , круглосуточно, без выходных и праздников
Автореферат — бесплатно , доставка 10 минут , круглосуточно, без выходных и праздников
Десятчиков Андрей Александрович. Метод обработки дистанционной биометрической информации в системах контроля и управления доступом : диссертация . кандидата технических наук : 05.13.11 / Десятчиков Андрей Александрович; [Место защиты: Вычисл. центр им. А.А. Дородницына РАН].- Москва, 2007.- 101 с.: ил. РГБ ОД, 61 07-5/5264
Содержание к диссертации
Глава 1. Анализ методов обработки биометрической информации в системах контроля и управления доступом 19
1.1 Словарь терминов 19
1.2 Обзор существующего состояния биометрических технологий 27
1.3 Постановка задачи 37
Глава 2. Метод дистанционной биометрической идентификации по последовательностям изображений лица и голосу 40
2.1 Общее описание и функциональная схема метода дистанционной биометрической идентификации 40
2.1.1 Общее описание особенностей предлагаемого метода 40
2.1.2 Протокол взаимодействия с пользователем при идентификации с помощью дистанционного биометрического метода идентификации человека.42
2.1.3 Функциональная схема метода идентификации 42
2.2 Описание функциональных элементов метода идентификации 45
2.2.1 Функциональные элементы обработки изображений лица 45
2.2.2 Функциональные элементы обработки звука 48
2.2.3 Функциональные элементы смешанной идентификации 49
2.2.4 Внешние функциональные элементы 49
Глава 3. Программно-алгоритмический комплекс идентификации человека по лицу и голосу 51
3.1 Описание комплекса идентификации человека 51
3.2 Методы обработки последовательностей изображений лица человека 54
3.3 Метод контроля качества изображений лица 61
3.4 Методы обработки звукового сигнала 67
3.5 Метод совместного принятия решения по изображениям лица и голосу человека 77
3.6 Протокол и метод регистрации биометрических признаков 77
3.7 Протокол взаимодействия пользователя с комплексом при идентификации.
Глава 4. Тестирование мультимодального биометрического комплекса 81
4.1 Принципы тестирования биометрических систем 81
4.1 Метод и система сбора биометрических данных для отладки и тестирования комплекса 83
4.2 База биометрических данных для отладки и тестирования комплекса 84
4.3 Результаты тестирования распознавания речи и идентификации голоса 84
4.4 Результаты тестирования распознавания лица 87
4.5 Результаты тестирования связанной идентификации 90
Список литературы 95
Введение к работе
Обработка биометрической информации служит для решения ряда важных задач с точки зрения обеспечения безопасности и повышения качества обслуживания. Биометрическая система используют для идентификации набор неотъемлемых признаков людей, что является предпочтительным с точки зрения защиты от краж, копирования или потери идентификационных признаков. Вариантами применения биометрических технологий на текущий момент являются внедрение их в системы контроля и управления доступом в качестве основных или вспомогательных средств идентификации, внедрение вспомогательных идентификационных технологий в сферу обслуживания (в том числе, при обслуживании важных лиц) и в системы безопасности повышенной надежности, а также в правоохранительные системы. Применения не ограничиваются контролем физического перемещения субъектов или объектов, но включают управление правами пользования материальными и информационными ресурсами. В полуавтоматическом режиме биометрические системы позволяют быстро решать технические проблемы, связанные с поиском идентификационной информации и формированием гипотез для обоснованного принятия решения человеком.
С точки зрения практического применения биометрических технологий актуальны
вопросы взаимодействия человека с системой: время считывания идентификационных
признаков, время идентификации, физические и психологические препятствия для
считывания признаков, удобство и естественность протоколов взаимодействия с системой.
Время считывания во многом зависит от природы используемых биометрических
признаков. Квазидинамические признаки (например, голос, динамика подписи или печати
на клавиатуре) требуют значительно большего времени считывания для обеспечения
достоверного результата. Время идентификации определяется скоростью работы
алгоритмов системы. На практике обычно требуют работы систем в режиме реального
времени, то есть время идентификации должно мало отличаться от времени считывания
признаков. Некоторые биометрические технологии вызывают на практике
психологическое отторжение у пользователей (например, считывание радужной оболочки
или сетчатки глаза) или при современном развитии малопригодны для взаимодействия с
людьми нестандартного телосложения (например, считывание радужной оболочки).
Естественность требований к поведению пользователя также определяет его лояльность к
системе. Самым удобным вариантом является отсутствие каких-либо требований и
дополнительных действий (например, передвижений или контакта с системой). В этом
плане актуально использование дистанционной идентификации. Специфичностью
действий объясняется ограниченность практического применения таких признаков, как клавиатурный почерк. Практически приемлемо выполнение только простейших естественных действий.
С точки зрения применения биометрических систем в полуавтоматическом режиме и организации внешнего контроля над деятельностью систем биометрической идентификации актуальна возможность простого взаимодействия с оператором или аудитором. Идентификационная информация должна быть представлена в таком виде, чтобы оператор или аудитор смог быстро принять по ней самостоятельное идентификационное решение.
Биометрические решения, использующие только один идентификационный признак подвержены специфическим проблемам и угрозам атак. Квазистатические признаки подделываются при помощи муляжей. Квазидинамические подменяются обычно более сложными копиями. Изменения в окружающих условиях и физические изменения в организме пользователя могут повлиять на результаты идентификации. Более надежным является подход, основанный на использовании нескольких биометрических признаков разной природы, как квазистатических, так и квазидинамических. При этом возникает дополнительная потребность в вычислительных ресурсах. Актуальным также становится решение проблемы роста вычислительной сложности и понижения надежности идентификации с ростом количества пользователей (так называемой масштабируемости).
Возникает вопрос разработки метода идентификации на базе биометрических данных, учитывающего все описанные выше особенности. При этом актуальность архитектуры системы связана с уменьшением влияния основных возникающих практических угроз и проблем идентификации.
Целью нашей работы является разработка и тестирование метода идентификации человека на базе дистанционных биометрических данных в контексте задачи контроля и управления доступом, работающего в режиме реального времени и позволяющего решать следующие задачи:
a. Устранение зависимости характеристик метода от числа пользователей;
b. Повышение надежности метода идентификации;
c. Повышение защищенности от ложных отказов в доступе, связанных со
сложными условиями освещения, изменениями во внешнем виде человека или выражении
лица, помехами на лице или предельными ракурсами съемки;
d. Повышение защищенности от несанкционированного доступа при помощи
грима или муляжей, а также других вариантов копирования статического изображения
лица или голоса.
e. Обеспечение приемлемых для практического использования характеристик
времени доступа и сложности взаимодействия пользователя с методом;
f. Возможность удобного контроля и аудита работы метода.
Методы исследования.
Для решения вышеперечисленных задач использованы методы теории обработки данных, теории распознавания образов, теории вероятностей, компьютерного зрения. Реализация этих методов осуществлена в виде программного обеспечения на языках программирования C/C++ и MatLab.
Автором впервые предложен эффективный метод дистанционной идентификации человека в режиме реального времени на базе биометрических данных, объединяющий способы распознавания человека по изображениям лица и голосу, а также использующий методы распознавания речи для замедления роста вычислительной сложности и устранения снижения надежности распознавания человека с ростом числа пользователей.
Автором предложен оригинальный подход к оценке качества изображения объекта с целью повышения надежности распознавания.
Получены новые численные оценки надежности идентификации человека в рамках представленного метода, объединяющего технологии распознавания человека по изображениям лица и голосу с применением распознавания речи.
Представлена практическая реализация разработанного метода в виде дистанционного мультимодального биометрического комплекса для идентификации человека в режиме реального времени по изображениям лица и голосу, который удовлетворяет требованиям к удобству пользования. Продемонстрировано на практике повышение надежности распознавания на базе описанного подхода по оценке качества изображения. При помощи разработанных методов и программно-аппаратных комплексов произведено накопление уникальной базы биометрических данных. Продемонстрирована пригодность накопленных биометрических данных для отладки и тестирования биометрических технологий.
Положения, выносимые на защиту: 1. Метод дистанционной идентификации человека в режиме реального времени по последовательностям изображений лица и по речевым данным, включающая
распознавание голоса и лица человека, позволяющиая сократить число анализируемых гипотез при помощи распознавания речи. Программное обеспечение для программно-аппаратного комплекса, которое реализует метод.
Метод контроля качества изображений лица в мультимодальной системе дистанционной биометрической идентификации. Программное обеспечение для программно-аппаратного комплекса, которое реализует метод.
Метод получения синхронных биометрических данных по изображениям лица, голосу и речи, используемых для отладки и тестирования комплекса дистанционной идентификации человека в режиме реального времени. Программное обеспечение для программно-аппаратного комплекса, которое реализует метод.
Метод принятия совместного решения при верификации человека по последовательностям изображений лица и голосу, основанная на линейном разделении пространства мер сходства.
Результаты тестирования надежности мультимодального комплекса дистанционной биометрической идентификации человека с применением разработанных методов и собранных биометрических данных, в том числе: верификации по изображениям лица, верификации по голосу, связанной идентификации по лицу и голосу.
Для подтверждения научных положений приведены теоретические обоснования. Полученные выводы подтверждены экспериментально.
Личный вклад автора в проведенное исследование.
Вклад автора работы в результаты, выносимые на защиту, является определяющим.
Апробация работы. Работа в целом и отдельные результаты докладывались и обсуждались на семинарах в ВЦ РАН им. А.А. Дородницына, а также на следующих конференциях:
Всероссийская научно-практическая конференция «Современный экстремизм в Российской Федерации: особенности проявления и средства противодействия», Москва, 2006.
Международная биометрическая конференция «Транспортные и пассажирские системы», Москва, 2006.
Международная биометрическая конференция «Паспортные и правоохранительные системы», Москва, 2006.
4. Шестое рабочее совещание Российской секции международного общества по интеллектуальным вычислениям «Биометрические системы» (ШЕЕ Computational Intelligence Society, «Biometrics»), Москва, 2006. Публикации. По теме диссертации опубликовано 5 печатных работ (из них 3 в списках журналов рекомендованных ВАК РФ) 17.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 96 наименований. Диссертация содержит 101 страницу машинописного текста, 4 таблицы и 24 рисунка.
Во введении дается обоснование актуальности темы, сформулирована цель работы и приведено описание основных полученных результатов. Дана характеристика научной новизны и практической значимости диссертационной работы, а также представлена аннотация диссертационной работы по главам.
В первой главе представлена основная используемая в диссертации терминология, содержится описание существующих подходов к идентификации человека, анализируются используемые методы биометрической идентификации, а также способы тестирования и критерии сравнения различных методов идентификации. Приведены достоинства и недостатки технологий идентификации с точки зрения пользования и с точки зрения их устойчивости по отношению к угрозам. В связи с этим для повышения устойчивости технологий обоснована необходимость разработки метода многофакторной идентификации на базе биометрических признаков различной природы. Проанализированы существующие способы объединения биометрических признаков. На базе изложенных принципов тестирования биометрических технологий обсуждаются результаты, полученные другими разработчиками. Формулируются решаемые в работе задачи.
Проведен анализ биометрических технологий и способов объединения признаков и на базе него сформулированы требования к методу идентификации человека в контексте контроля и управления доступом, включающие дистанционный захват биометрических признаков, обеспечение работоспособности с ростом числа пользователей, обеспечение приемлемых для пользователей длительности и сценария идентификации, обеспечение возможности контроля и аудита работы метода. По результатам выбрана комбинация биометрических признаков — сочетание распознавания по изображениям лица и распознавания по голосу.
Предложенный набор признаков хорош тем, что оба признака допускают дистанционное считывание. Признаки имеют принципиально разную природу и
характеристики, так как лицо является квазистатическим идентификационным признаком, а голос — квазидинамический признак. Практической возможностью объединения квазистатических и квазидинамических признаков идентификации является сокращение длительности считывания квазидинамического признака. Дополнительный анализ изображений лица в совокупности с синхронной записью голоса помогает убедиться, что перед системой находится живой человек и именно он произносит речевые фразы. С точки зрения удобства признаков важно то, что идентификация по лицу и голосу является привычной для людей. Данные признаки позволяют легко производить дополнительный контроль, что важно при использовании технологии в полуавтоматическом режиме, или проводить последующий аудит результатов идентификации.
Во второй главе представлен разработанный метод мультимодальной идентификации человека и представлено подробное описание функциональной схемы для него. Описана последовательность функциональных состояний и условий переходов между ними. Приводятся характеристики функциональных элементов, выполняющих данные функции. Обсуждаются варианты практической реализации блоков функциональных элементов и рассматривается наиболее удобный сценарий взаимодействия с пользователем при идентификации при помощи разработанного метода в контексте контроля и управления доступом.
Пусть X — биометрический шаблон, EX . EN — набор эталонов для N пользователей,
/(-,-)- мера сходства шаблона и эталона, тогда положительное решение идентификации принимается, если 3iel,N d(X,Ej )>th , где th — порог идентификации. При
биометрической идентификации, основанной на сравнении шаблона пользователя со всеми зарегистрированными эталонами, с ростом числа зарегистрированных пользователей понижается надежность идентификации и растет время идентификации. Обычно, проблему роста времени идентификации решают при помощи грубых методов сравнения шаблона с эталонами, которые позволяют выбрать подпоследовательность эталонов Е, . «, ,к «N, что приводит к дополнительному ухудшению надежности.
Предложенный нами метод дистанционной идентификации человека по изображениям лица и голосу позволяет решить указанные проблемы за счет использования квазидинамического идентификационного признака как носителя аутентификационной информации. Такой подход получил название связанная идентификация. Произносимая речевая фраза S является индивидуальным аутентификатором пользователя, который считывается при помощи распознавания речи. Таким образом, формируется короткий список Е, (S). E, (S),n«N рассматриваемых
при идентификации гипотез, где п не зависит от количества пользователей. При этом для устранения сильной зависимости речевых данных от шумовых условий проводится коррекция заданного количества ошибок в распознавании речевой фразы или в ее произнесении пользователем. В результате производится пополнение и проверка списка гипотез распознавания по существующим аутентификаторам. Использование распознавания речи позволяет сделать распознавание голоса диктора зависящим от содержания фразы, что позволяет существенно упростить применяемые алгоритмы. Распознавание голоса, зависящее от содержания, и применение нескольких биометрических признаков позволяют сократить длительность фразы, используемой для речевой аутентификации и идентификации по голосу.
Последовательность действий разработанного метода идентификации демонстрирует представленная на рис. 2.1 функциональная схема мультимодальной идентификации. В первом состоянии детектор изменений на сцене отслеживает появление в последовательности изображений определенных изменений. В случае обнаружения изменений производится переход к состоянию детектирования лица. Результатом работы метода в этом состоянии и критерием перехода к следующему состоянию является получение шаблона на базе качественного изображения лица. Для этого производится первичное обнаружение лица при помощи последовательного использования детектора головы человека и детектора лица человека. Если в результате их работы лицо не найдено, то изменение не рассматривается как появление пользователя и происходит переход к состоянию детектирования изменений на сцене. При обнаружении лица производится инициализация слежения за лицом и оценивается качество изображения лица. В случае выделения некачественного изображения лица продолжается слежение, и опционально даются указания пользователю или оператору по изменению характеристик съемки. Для качественного изображения лица строится шаблон и осуществляется переход в состояние детектирования речевых данных. Продолжается слежение за лицом и происходит пополнение шаблона на базе качественных изображений лица. При этом добавляется синхронная обработка звука. Она заключается в очистке звукового сигнала от шумов, предобработке и параметризации, а также в детектировании наличия речи в звуковом сигнале. Если обнаружена речь, то производится переход к состоянию связанной идентификации. При этом продолжается слежение за лицом и пополнение шаблона. Одновременно по звуковому каналу производится распознавание обнаруженного речевого фрагмента, генерация списка рассматриваемых гипотез и проверка качества голосовых данных. В случае качественных голосовых данных шаблон идентификации пополняется ими, и производится смешанная верификация шаблона по эталонам из полученного
списка гипотез. Результат идентификации выводится для выполнения последующих действий, и происходит переход в первое состояние. Если качество речевых или голосовых данных низкое, то выдается сообщение об ошибке.
Наиболее удобный сценарий взаимодействия с пользователем при применении рассмотренного метода идентификации в рамках системы контроля и управления доступом следующий: пользователь входит в зону доступа и идет к точке доступа, произносит парольную фразу и получает право доступа в контролируемую зону, не прекращая движения.
В третьей главе представлено описание реализации разработанного метода дистанционной идентификации человека в режиме реального времени в виде программного обеспечения комплекса идентификации. Представлены протоколы взаимодействия пользователя с комплексом при идентификации и регистрации. Приведено описание используемых в комплексе способов обработки последовательностей изображений, способов обработки звука, разработанного метода смешанной идентификации человека по лицу и голосу, а также метода регистрации биометрических данных пользователя. Подробно рассматривается разработанный метод оценки качества изображения. Представлены основные технические характеристики комплекса.
Комплекс дистанционной идентификации человека состоит из аппаратных средств и программного обеспечения, позволяющих производить видеозахват пар изображений с разрешением 320*240 пикселей с частотой 15 кадров/с, запись аудиоданных в стерео режиме с частотой 22 кГц, выдавать команды для диалога с пользователем на экран и колонки и обрабатывать данные видео- и аудиопотоков для принятия объединенного решения по идентификации человека на базе персонального компьютера с частотой процессора 3 ГГц. Использование двух аудиоканалов объясняется необходимостью подавления шумов в речевом сигнале. Применение стереоскопического видео дает возможность обнаруживать голову человека как трехмерный объект на любом фоне и обеспечивает дополнительную защиту от попыток атак при помощи фотографии или видеофильма.
Разработанный комплекс в состоянии детектирования изменений на сцене реализует анализ разностей последовательных изображений для двух каналов. Производятся фильтрация шумов, выравнивание цвета и освещенности на изображениях. Появление существенных изменений в некоторой области изображения активирует процесс восстановления карты диспарантности в этой области. Производится пирамидальное восстановление трехмерных характеристик объекта и поиск его составной части, близкой по форме к трехмерному эллипсоиду с диапазоном размеров, присущих реальной голове
человека. Обнаружение на изображениях объекта, похожего на голову человека, запускает детектирование лица в данной области. Первичный анализ положения лица включает выделение области лица на голове по цвету кожи. Детектирование лица и слежение за ним производится алгоритмами с применением эластичных графов черт лица, выделенных на основе анализа геометрии откликов вейвлетов Габора с заданными направлениями, и проверкой и уточнением положения лица, осуществляемых при помощи нейронной сети. Лицо обнаруживается при положениях головы в пределах 20 градусов к фронтальному положению. Для выделенного лица производится инициализация слежения на последующих кадрах, которое использует предыдущую информацию о размере и положении лица. Слежение продолжается, даже если не удалось провести проверку и уточнение лица нейронной сетью. Обнаруженное лицо подвергается нормализации и передается вместе с параметрами детектирования на оценку качества. При неудовлетворительном качестве изображения лица по одному из параметров производится вывод совета пользователю по исправлению данного параметра. Выделение качественного изображения лица приводит к созданию шаблона распознавания по этому изображению на базе разложения в пространстве главных компонент или линейного дискриминантного анализа на базе главных компонент. Создание шаблона распознавания по изображениям лица активирует захват звуковых данных. В программном обеспечении для обработки видеопоследовательностей изображений использованы методы предобработки изображений, детектирования и распознавания лица, реализованные в виде библиотеки И.А. Матвеевым.
Разработан и реализован контроль качества изображения лица по следующим выбранным параметрам: фокус, контрастность, выдержка (экспозиция) — появление засвеченных или темных областей на изображении лица, разрешение изображения лица в пикселях, информативность изображения лица, уверенность в наличии лица при детектировании, точность выделения изображения лица. При этом учтено предварительное выравнивание освещения и регистрация различных поз и выражений в эталоне.
Реализованы следующие метрики оценки качества изображений лица для представленных параметров:
Метрика для оценки фокуса задается соотношением E(F(I))/E(I), где /-
интенсивность, F() — высокочастотный фильтр, Е() — взвешенная энергия.
Метрика для оценки засвеченных (темных) областей оценивает долю областей с
определенным процентом засвеченных (темных) пикселей среди всех рассматриваемых
локальных областей изображения лица.
Метрика для оценки контрастности реализована на основе максимума гистограммы
контрастности для всего изображения лица:
в локальных областях.
Метрика для оценки уверенности в наличии лица является результатом работы детектора лица.
Разрешение определяется по результатам работы детектора и равно расстоянию в пикселях между центрами глаз.
Метрика точности применяется на базе оценки отклонений отношений расстояний между чертами лица по нескольким кадрам.
Весовой коэффициент ил по локальной области Ц определяется при помощи
замещения на изображении лица этой области областью L/ со средним значением интенсивности и вычисления меры сходства d( , ) между этими изображениями лиц:
Для установления пороговых значений отсева изображений разработана процедура
последовательного ухудшения изображений по каждому отдельному параметру качества
для набора эталонных изображений. Качественными изображениями лица считаются те,
значения метрик по всем параметрам на которых превосходят данные пороговые значения.
С точки зрения практической применимости обработка звука допускает акустико-фоновую обстановку с отношением сигнал/шум более +15 дБ. Распознавание речи и идентификация голоса производится на основе коротких по длительности выборок из ограниченного словаря (фраз из пяти цифр средней продолжительностью 2-3 с, Персонального Идентификационного Номера, ПИН). Поэтому распознавание голоса базируется на сравнении параметров произнесения звуков, выделенных распознавателем речи.
Очистка шума основана на Винеровской фильтрации. Для очищенного звука производится оценка параметров — мел-кепстральных коэффициентов и их первых
производных. Детектор наличия речи декодирует с помощью Скрытой Марковской Модели (СММ) из двух состояний (речь и пауза) последовательность параметров речевого сигнала в последовательность этих состояний. Если в течение заданного промежутка времени с момента обнаружения речи одновременно не произошло событие, заключающееся в одновременном детектировании лица и речи, то комплекс останавливает попытки создания шаблона идентификации и переходит в исходное состояние. Распознавание речи заключается в преобразовании параметров речевого сигнала в последовательность слов словаря, состоящего из цифр и вспомогательных команд. Речевой сигнал представляется как последовательность звуков. Звук моделируется при помощи СММ из трех состояний, распределение значений параметров которых задано с помощью кодовых книг — самоорганизующихся карт признаков. Каждая единица словаря имеет одну или несколько произносительных транскрипций, которые определяют возможные варианты произнесения слова. На основании произносительных транскрипций компилируется представление всего произносительного словаря в виде префиксного дерева. Распознавание речи осуществляется, как поиск на этой сети, и реализовано на основе алгоритма Виттерби. На выходе распознавания речи выдается список из п (п Метод обработки дистанционной биометрической информации в системах контроля и управления доступом
Источник
