Объединение нескольких некачественных изображений камер видеонаблюдения в один композит с компьютерным усилением может повысить точность систем распознавания лиц, используемых для идентификации подозреваемых в совершении преступлений, предполагают новые исследования.
Психологи из университетов Линкольна и Йорка, как Великобритании, так и Университета Нового Южного Уэльса в Австралии, создали серию снимков с использованием метода «усреднения лиц» — метода, который в цифровом виде объединяет несколько изображений в одно улучшенное изображение, удаляя такие варианты, как углы наклона головы или освещение, так что остаются только черты, указывающие на личность человека.
Они сравнили, насколько эффективно люди и компьютерные системы распознавания лиц могут идентифицировать людей по высококачественным изображениям, пиксельным изображениям и усредненным по лицам. Результаты показали, что как люди, так и компьютерные системы лучше распознают лицо при просмотре среднего изображения, объединяющего несколько пиксельных изображений, по сравнению с оригинальными изображениями низкого качества. Компьютерные системы выиграли от усреднения нескольких изображений, которые уже были высокого качества, а в некоторых случаях достигли 100-процентной точности распознавания лиц.
Полученные результаты имеют последствия для правоохранительных органов и служб безопасности, где низкокачественные пикселированные изображения зачастую являются единственными изображениями подозреваемых, которые можно использовать в ходе расследования. Метод усреднения изображений предлагает стандартизированный способ использования изображений, полученных с нескольких камер видеонаблюдения, для создания цифровых снимков, которые могут быть лучше распознаны как людьми, так и компьютерными программными системами.
Доктор Кей Ричи из Школы психологии Университета Линкольна возглавил исследование. Она сказала: «Мы знаем, что не все системы видеонаблюдения обладают роскошью высококачественных камер, а это означает, что идентификация лиц часто производится по изображениям низкого качества. Мы показали, что существует относительно быстрый и простой способ улучшить пикселированные изображения чьего-то лица».
«Мы также знаем, что существует множество различных методов, которые люди могут использовать в качестве инструментов расследования для улучшения изображений низкого качества, таких как манипулирование яркостью. Наш стандартизированный метод усреднения лиц может помочь в идентификации подозреваемого по низкокачественным кадрам видеонаблюдения, на которых имеются изображения с нескольких различных камер, например, при отслеживании подозреваемого по определенному маршруту».
В ходе исследования участников попросили сравнить высококачественное изображение с низкокачественным пиксельным изображением или изображение, созданное с помощью метода усреднения изображения, и определить, изображен ли на нем один и тот же человек или два разных человека. Результаты показали, что при просмотре среднего комбинированного пикселированного изображения точность была значительно выше, чем при просмотре одного пикселированного изображения.
Одни и те же тестовые изображения запускались с помощью двух отдельных компьютерных программ распознавания, одна из которых представляла собой приложение для смартфона, а другая — коммерческую систему распознавания лиц, широко используемую в криминалистической практике. Обе компьютеризированные системы показали более высокий уровень точности идентификации человека по усредненным изображениям.
