Эксперты не сошлись во мнении, снижает ли маска распознаваемость лица

Осенью 2020 года в магазине одной крупной торговой сети был задержан покупатель, которого электронная система распознавания лиц приняла за известного магазинного вора, который неделю назад украл алкоголя на 78 тысяч рублей. Молодого человека пришлось вызволять из отделения полиции, доказывая, что искусственный интеллект ошибся.

Ношение маски в магазинах не позволит скрыться от распознавания лиц. Фото: Andrey Zhuravlev / iStock

Маска сбила с толку современную технику. Некоторые эксперты подсчитывают, что медицинские маски снижают вероятность распознавания лиц примерно на 60%.

"Средний чек" кражи в магазинах за год вырос с 1067 до 1400 рублей, рассказал "РГ" директор по продуктам NtechLab Денис Гришин. Самыми популярными товарами у шоплифтеров (магазинных воров) остаются сыры и колбасные изделия (20,3%). За ними идут молочные изделия (19,6%), спиртные напитки (18,7%), кофе (15,3%) и морепродукты (12%). В 2020 году третьими, четвертыми и пятыми были кондитерские изделия и крупы. Крупы появились в этом списке впервые.

Ретейл - один из лидеров по применению технологий распознавания лиц. Традиционно здесь востребованы системы для работы с "черными списками" покупателей. Однако при их масштабировании и эксплуатации есть определенные законодательные и методологические ограничения по хранению и передаче персональных данных, которые нужно учитывать, пояснил генеральный директор компании VisionLabs Дмитрий Марков. Кроме того, по данным компании, многие шоплифтеры не совершают больше одной кражи в одном и том же магазине, что снижает эффективность подобных решений.

Тем не менее эксперты в один голос утверждают: маски не привели к снижению точности распознавания лиц, и для большинства алгоритмов она составляет 95%.

Масштабное независимое тестирование алгоритмов распознавания лиц в масках проводит Национальный институт стандартов и технологий (NIST) при министерстве торговли США. Сначала верификация выполняется среди пары фотографий, на одной из которых лицо в маске, а на второй - без маски. Потом сравниваются две фотографии, на каждой из которых лица без маски. При наличии маски вероятность ложного срабатывания в некоторых случаях не повышается, а точность распознавания меняется незначительно в пределах 1-2%, говорит Марков.

Пандемия даже оказала положительный эффект в этом смысле. В начале 2020 года точность алгоритмов при том же уровне ложных срабатываний составляла всего 95,27%, говорит Марков. Но за два года точность распознавания лиц в масках выросло в десятки раз и на сегодняшний день практически сопоставимо с распознаванием лиц без масок, считает Денис Гришин. По его словам, с помощью алгоритма NtechLab в прошлом году было зафиксировано 263 тысячи инцидентов с попытками краж в магазинах, в 2020 году - 172 тысячи инцидентов. "Необходимость корректной работы на лицах в масках стимулировала улучшение алгоритмов. Решить проблему получилось за счет дополнительного сбора данных и адаптации обучения нейронных сетей к этому сценарию их использования", - поясняет Марков.

Технологии уже позволяют строить тепловые карты маршрутов покупателей в магазине

Сейчас более активно развивается применение распознавания лиц в системах оплаты. Это помогает повысить качество и скорость обслуживания клиентов, а также обеспечить безопасность финансовых операций - биометрический идентификатор, в отличие от карты или телефона, нельзя потерять. Точной статистики пока нет, но многие из крупнейших розничных сетей уже начали внедрять новый способ оплаты с помощью этих технологий - это "Перекресток", "Пятерочка", "Магнит" и другие, говорит Марков.

Расширяется использование технологий компьютерного зрения в целом. На первый план выходят human-centric-технологии, ориентированные на распознавание деперсонализированных атрибутов - действий, элементов одежды или силуэтов. С их помощью можно не только выявлять, что кто-то взял и не оплатил товар, но и строить тепловые карты по маршрутам покупателей, анализировать взаимодействие персонала магазина с клиентами, отслеживать наличие и длину очередей.

Бизнес хочет получать уже существующие, но только улучшенные или адаптированные под его запросы решения, считает Гришин. Усиливается тренд на продуктивизацию алгоритмов. Ряд отраслей, среди которых транспорт, ресторанно-гостиничный бизнес, ретейл и банки, интересуется терминалами самообслуживания. В 2021 году в этом направлении наблюдался рост запросов на 580%. Терминалы самообслуживания - новая точка роста для видеоаналитики, в основном для ретейла, которому необходима оплата по лицу, возможность приобретения табачной и алкогольной продукции без предъявления документов, если покупатель ранее подтвердил данные, а также сравнение лица с черным списком недобросовестных покупателей. Кроме того, потребитель хочет получать персонализированные предложения, а бизнес стремится узнать клиента. Поэтому для компаний становятся все более востребованы решения видеоаналитики, позволяющие проводить сегментирование по полу и возрасту, уникальным и новым посетителям. Это помогает создавать более эффективные стратегии, более точно воздействовать на разную аудиторию. Востребованы решения, помогающие улучшать программы лояльности: реализовать биометрию вместо пластиковых карт на кассе.