Rozpoznawanie twarzy w ochronie: gdzie są granice

Dostawca kamer proponuje dołożenie modułu, który sam rozpozna twarze, a zleceniodawca pyta, czy da się dzięki temu zredukować posterunek. Pytanie jest źle postawione, ale zadaje je prawie każdy, kto zobaczył demonstrację w warunkach idealnych. Rozpoznawanie twarzy w monitoringu jest technologią realną i użyteczną, tylko że jej granice nie leżą tam, gdzie sugeruje prezentacja handlowa — leżą w oświetleniu, w kącie ustawienia kamery, w konsekwencjach pomyłki i w tym, kogo właściwie porównujemy z czym.

Najkrótsza odpowiedź dla agencji ochrony, która rozważa taki zakup, brzmi tak: sprawdzenie osoby, która wie o systemie i sama się do niego zgłasza, to zupełnie inne zadanie niż wyszukiwanie kogoś w tłumie przechodzącym przez wejście. Pierwsze bywa dokładne i przewidywalne. Drugie jest technicznie trudniejsze, obarczone błędami i o wiele poważniejsze w skutkach. Poniżej rozbiór obu przypadków — techniczny i praktyczny.

Co system naprawdę robi

Mechanizm sprowadza się do porównania. Kamera rejestruje twarz, program zamienia ją na zestaw cech, a następnie zestawia ten zapis z wzorcami w bazie i podaje, jak bardzo są podobne. Nie ma tu rozpoznania w ludzkim sensie: jest miara podobieństwa i ustalony próg, powyżej którego system uznaje dopasowanie za trafne.

Ten próg jest kluczowy i to on decyduje o charakterze całego wdrożenia. Ustawiony wysoko — system prawie nigdy nie wskaże złej osoby, ale będzie pomijał trafienia i pracownik ochrony przestanie mu ufać, bo „nic nie łapie”. Ustawiony nisko — system zacznie wskazywać podobieństwa, których nie ma, a każde takie wskazanie kosztuje czyjeś zatrzymanie przy wejściu. Nie da się mieć obu naraz i każdy, kto twierdzi inaczej, sprzedaje demonstrację, a nie system.

Na jakość porównania wpływa kilka rzeczy, które w prezentacji zwykle są ustawione idealnie, a na obiekcie nigdy nie są:

• Światło. Ostre słońce z tyłu, przeszklony hol o poranku, oprawy sufitowe rzucające cień na oczy — to typowe warunki wejścia i najgorsze możliwe dla porównania.
• Kąt. Kamera pod sufitem widzi czubek głowy. Wzorzec w bazie to zdjęcie z dokumentu, robione na wprost. Im większa różnica, tym gorszy wynik.
• Zasłonięcia. Czapka, kaptur, okulary przeciwsłoneczne, maseczka, broda zapuszczona po wykonaniu zdjęcia wzorcowego.
• Ruch. Osoba idąca szybko przez bramkę daje kilka kadrów rozmytych i jeden użyteczny — albo żadnego.
• Jakość wzorca. Baza zbudowana ze skanów starych legitymacji da wyniki gorsze niż baza ze zdjęć zrobionych na miejscu w kontrolowanych warunkach.

Osobno trzeba powiedzieć rzecz niewygodną: skuteczność takich systemów nie jest jednakowa dla wszystkich grup osób. Zależy od tego, na jakim materiale model był uczony, a materiał ten bywa nierównomierny pod względem wieku, płci i typu urody. Skutkiem jest to, że pomyłki nie rozkładają się równo — częściej dotykają jednych grup niż innych. Dla agencji nie jest to rozważanie akademickie, tylko ryzyko operacyjne i wizerunkowe, bo zatrzymanie niewłaściwej osoby zawsze będzie miało twarz i nazwisko.

Rozpoznawanie twarzy w monitoringu: dwa różne światy

Cała ocena sensowności wdrożenia zaczyna się od odpowiedzi na jedno pytanie: kto jest po drugiej stronie kamery.

Weryfikacja osoby, która o tym wie

Pracownik podchodzi do czytnika, patrzy w obiektyw, system porównuje go z jednym wzorcem i potwierdza albo nie potwierdza tożsamości. To zadanie proste technicznie: oświetlenie jest kontrolowane, osoba stoi nieruchomo i patrzy na wprost, a porównanie idzie jeden do jednego, a nie jeden do wielu. Skutek pomyłki też jest łagodny — brak potwierdzenia oznacza, że ktoś sprawdzi dokument ręcznie.

Ważniejsze jest jednak co innego: taka osoba wie, że jest sprawdzana, została o tym poinformowana i ma alternatywę. To zmienia ocenę całego rozwiązania, także tę formalną.

Wyszukiwanie osób wśród gości i przechodniów

Tu system porównuje każdą napotkaną twarz z listą osób, których szukamy — na przykład sprawców wcześniejszych zdarzeń. Warunki są złe, porównanie idzie jeden do wielu, a osoby przechodzące przez obiekt nie mają z tym nic wspólnego i nie wyraziły na to zgody.

Skutek pomyłki jest przy tym zupełnie inny. To nie jest komunikat na ekranie, tylko pracownik ochrony podchodzący do klienta, pacjenta albo gościa na podstawie wskazania systemu. Jeśli wskazanie było błędne, agencja ma skargę, a zleceniodawca ma problem. Dlatego jedyna sensowna zasada operacyjna brzmi: wskazanie systemu jest przesłanką do obserwacji, nigdy podstawą do działania. Decyzję podejmuje człowiek i to on odpowiada za jej skutki.

Zanim cokolwiek zamontujecie

Kolejność, która oszczędza pieniędzy i kłopotów, jest zawsze taka sama.

Nazwijcie problem, nie rozwiązanie. „Chcemy rozpoznawanie twarzy” to nie jest problem. „Na obiekcie powtarzają się kradzieże, a sprawcy wracają” — to jest problem i ma kilka możliwych odpowiedzi.

Zróbcie ocenę skutków przed zakupem, nie po. Jakie dane będą zbierane, o kim, na jakiej podstawie, kto ma do nich wgląd, jak długo są przechowywane, co się dzieje przy pomyłce i co, jeśli baza wzorców wycieknie. Zapis twarzy nie jest hasłem — nie da się go zmienić po incydencie.

Policzcie koszt utrzymania, nie samego wdrożenia. Baza wzorców wymaga aktualizowania, progi wymagają strojenia, a fałszywe wskazania kosztują czas pracownika ochrony przy każdym zdarzeniu.

Rozważcie rozwiązania mniej inwazyjne. Bardzo często wystarczają, a nie budzą żadnej z powyższych wątpliwości: rzetelna rejestracja gości z dokumentem i celem wizyty, karty dostępu z ograniczeniami czasowymi i strefowymi, lepsze ustawienie i doświetlenie istniejących kamer, obecność pracownika ochrony w newralgicznym punkcie oraz elektroniczna książka służby, w której opisy i zdjęcia ze zdarzeń faktycznie trafiają do wspólnego zapisu, zamiast rozpływać się w rozmowach na zmianie.

W wielu obiektach to ostatnie daje więcej niż jakikolwiek moduł analityczny. Sprawca powracający jest rozpoznawany przez ludzi, jeśli poprzednia zmiana zostawiła czytelny opis i zdjęcie w jednym miejscu, a nie w prywatnym telefonie. Podobnie zaplanowana i potwierdzana kontrola obchodów zamyka luki czasowe, których żadna kamera sama nie zamknie.

Kiedy to ma sens

Rozpoznawanie twarzy bywa uzasadnione tam, gdzie zbiór osób jest zamknięty i znany, warunki rejestracji dają się kontrolować, a skutkiem wskazania jest sprawdzenie, nie zatrzymanie. Wejście do strefy o podwyższonym reżimie w zakładzie przemysłowym, potwierdzenie tożsamości przy wydaniu materiałów, dostęp do pomieszczenia z ograniczonym kręgiem uprawnionych — to przypadki, w których technika pracuje w swoim naturalnym środowisku.

Znacznie gorzej wypada tam, gdzie ruch jest otwarty, oświetlenie zmienne, a lista poszukiwanych rośnie z każdym miesiącem. Wtedy zwykle kończy się na tym, że system generuje wskazania, których nikt już nie sprawdza — a system, któremu nikt nie ufa, jest gorszy niż jego brak, bo daje złudzenie zabezpieczenia.

Uwaga o przepisach

Przetwarzanie danych biometrycznych, w tym wizerunku twarzy w celu identyfikacji, podlega szczególnym wymaganiom wynikającym z przepisów o ochronie danych osobowych i prawa pracy. Wymagania te zmieniają się w czasie, bywają różnie interpretowane i mogą różnić się w zależności od rodzaju obiektu i celu wdrożenia. Przed instalacją takiego rozwiązania — a najlepiej przed jego zakupem — zweryfikujcie stan prawny u właściwego organu i skonsultujcie planowane wdrożenie z doradcą oraz z inspektorem ochrony danych po stronie zleceniodawcy. Ten artykuł nie stanowi porady prawnej.

Najczęstsze pytania

Czy rozpoznawanie twarzy w monitoringu może zastąpić pracownika ochrony? Nie. System podaje wskazanie podobieństwa, nie ocenia sytuacji, nie rozmawia z ludźmi i nie reaguje. Decyzję i odpowiedzialność zawsze bierze na siebie człowiek.

Dlaczego system działa świetnie na pokazie, a gorzej na obiekcie? Bo pokaz odbywa się w kontrolowanym świetle, z twarzą na wprost i z małą bazą wzorców. Na obiekcie warunki są zmienne, kamera patrzy z góry, a baza rośnie.

Co zrobić z fałszywym wskazaniem? Traktować je jako przesłankę do dyskretnej obserwacji, nigdy jako podstawę do zatrzymania. Warto też opisać takie zdarzenie w rejestrze — powtarzalność wskazuje, gdzie trzeba poprawić ustawienia albo wzorce.

Czy są tańsze rozwiązania dające podobny efekt? Bardzo często tak: rejestracja gości, karty dostępu ze strefami, poprawa oświetlenia i ustawienia kamer oraz rzetelny wspólny zapis zdarzeń, dzięki któremu sprawcę powracającego rozpoznaje zmiana, a nie algorytm.

Jeśli szukacie najpierw uporządkowania zapisu służby, a dopiero potem dokładania techniki, zacznijcie od przeglądu systemu.