Как работает распознавание лиц в бизнесе
Востребованность face recognition в финтехе, ретейле и других видах бизнеса напрямую связана с повышением доступности технологии. Механика проста: на всех предприятиях и во всех организациях стоят камеры видеонаблюдения, которые используются как инструменты для сбора данных и последующей аналитики. В мире системы наблюдения снимают за месяц терабайты видео в формате Full HD, то есть информации для обработки накапливается действительно много.
Необходимое ПО для анализа данных может «прошиваться» на устройство производителем. Камеры с видеоаналитикой «на борту» стоят обычно довольно дорого.
Альтернативный вариант — аналитика в облаке, то есть удалённом дата-центре, которая подключается к любой недорогой камере. Это на порядок дешевле плюс даёт гибкость — можно адаптировать решения под конкретный бизнес.
Популярность технологии распознавания лиц в разных сферах деятельности возрастает. К примеру, Сбербанк — один из лидеров в части анонсирования различных громких проектов face recognition, и поспорить Он узнает тебя из тысячи: банкомат определит клиента по глазам с ним в этом плане может разве что «Тинькофф». В 2017 году Сбербанк приобрёл Сбербанк инвестировал в технологию распознавания лиц 25,07% компании VisionLabs, создающей софт для распознавания лиц. За 2018 год финансовое учреждение успело протестировать face recognition в московском метро и даже поймать Благодаря системе распознавания лиц Сбербанка пойманы 42 преступника 42 преступника, протестировать Он узнает тебя из тысячи: банкомат определит клиента по глазам банкоматы с идентификацией лиц, чтобы злоумышленники не могли снимать деньги с чужих карт, а также объявить сбор биометрических данных (аудиозапись голоса, видеозапись лица) клиентов. В апреле этого года Сбербанк получил контроль над разработчиком систем распознавания голоса и лиц — «Центром речевых технологий» (ЦРТ).
Другое дело, что анонсировать, тестировать, пилотировать и покупать решения — не значит собственно внедрять. Что именно сейчас реально используется в Сбербанке (и используется ли), сказать с уверенностью на самом деле может только Герман Греф.
С розничной торговлей всё прозрачней. По сути, здесь есть три проблемы, которые распознавание лиц решает.
Во-первых, воровство. В магазинах орудуют мошенники, причём нередко одни и те же люди в одной и той же сети. Face recognition позволяет определять «дрейфующих воришек» и других людей, ранее нарушавших порядок. Как только однажды занесённый в базу нарушитель зайдёт в магазин, охрана получит уведомление в мессенджере или другим удобным способом.
Во-вторых, трудность работы с постоянными клиентами. Данных о покупках и днях рождения, чтобы персонализировать предложения для VIP-клиентов и фанатов бренда, попросту не хватает. Распознавание лиц можно интегрировать с CRM — то есть софтом, в который менеджеры заносят всю информацию по всем сделкам организации. В случаях с ворами и VIP распознавание лиц работает примерно одинаково: лицо заносится в чёрный или белый список, и при его повторном появлении система просигналит человеку с доступом. Пол и возраст определяются автоматически, а дополнительную информацию добавит ответственный сотрудник.
В-третьих, идентификация лиц в ретейле используется для таргетированной рекламы. К примеру, в некоторых магазинах X5 Retail Group установили Х5 включит компьютерное зрение камеры для распознавания выражения лица и возраста покупателей. Анализируя эти данные, система выводит на экран монитора в торговом зале товары, которые могут понравиться человеку. Ещё живая иллюстрация — кейс Lolli & Pops, большого кондитерского магазина в США. Система face recognition определяет Your future in-store loyalty program will be fed by facial recognition постоянных покупателей и посылает на их смартфоны уведомления с товарами, которые могут им понравиться (с учётом индивидуальных предпочтений и даже аллергии на продукты).
Ещё один яркий пример использования технологии в ретейле — магазины без продавцов и касс. Например, Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown — это кафе и магазин самообслуживания, расположенный в Ханчжоу. Здесь продаются напитки, закуски, продукты, игрушки, рюкзаки и тому подобное. Tao Cafe открыт только для пользователей сайта Taobao.
Tao Cafe / syncedreview.com
Возможно ли распознавание лиц онлайн
Интернет — место парадоксальное: люди здесь одновременно могут беспокоиться о том, не определяет ли каждая вторая камера на улице их личность, и искренне хотеть «распознавать лица других людей по фотографии онлайн». Рассмотрим это направление face recognition отдельно.
Программа распознавания лиц — это либо описанный выше аналитический модуль (камера видеонаблюдения + софт + облачное хранилище), либо софт, аналогичный известному (слегка скандально) сервису FindFace. Сегодня скачать программу распознавания лиц «бесплатно и без регистрации» в подавляющем большинстве случаев, понятное дело, невозможно.
Веб-сервис FindFace.ru, помогающий найти людей в социальной сети «ВКонтакте» по их фотографии, был основан 18 февраля 2016 года. Помимо прочего, благодаря ему все желающие могли находить профили девушек, снимавшихся в порнофильмах. Очень скоро сервис стал использоваться для множества флешмобов по обнаружению лиц, которые имели полное право никогда и никем обнаруженными не быть. Разразился скандал, сработавший как вирусная реклама: технология, которая легла в основу сервиса, получила ряд престижных наград и вызвала интерес заказчиков со стороны государства и бизнеса. С 1 сентября 2018 года сервис более не оказывает Сервис FindFace, с помощью которого распознавали участников протестных акций, объявил о закрытии услуги поиска людей по фотографии, так как он был преобразован компанией NtechLab в линейку решений для различных отраслей бизнеса.
Мечта пользователя, который вводит запрос, очевидно, выглядит так: заходишь на сайт, загружаешь фото человека, снятого украдкой в метро, программа распознаёт лицо и выдаёт ссылку на профиль в соцсети. Ага, попался! Или же так: загружаешь программу на компьютер, подключаешь к ней веб-камеру и распознаёшь мордочку своего кота. Успех — теперь тебе будет приходить уведомление каждый раз, когда кот ворует сосиски.
Реальность жестока. Первый же сайт, который предлагает вам подобное, отказывается работать, а второй — требует навыков программирования на Python. Более-менее похожее на мечту приложение называлось SearchFace, которое недавно перезапустилось Searchface перезапустился с авторизацией через «ВКонтакте». Но соцсеть закрыла эту функцию под названием FindClone. Вы загружали фотографию, а алгоритм пытался распознать это же лицо в базе социальной сети «ВКонтакте»
Ссылок на профиль приложение не выдавало, только сами снимки — причём неважно, кем они были загружены. Если пользователь давно активен в соцсети, выдача фото создавала жутковатый «биографический» эффект, если же нет, распознанные изображения могли рассмешить. Иногда SearchFace работал вот так
Иногда SearchFace работал вот так
Собственно, пример SearchFace наглядно отвечает на вопрос «Как социальные сети используют распознавание лиц?». Точнее было бы cформулировать его таким образом: «Как социальные сети используются для распознавания лиц?» Ответ прост: как база данных. Неисчислимое количество уникальных сочетаний цифр (а именно так для алгоритмов , «ВКонтакте» и остальных выглядят лица на фото) формирует базу для обучения нейросетей, которые ложатся в основу того или иного решения face recognition.
Решения все разные, и нейросети разные тоже, а детали и технические особенности заказчики и поставщики сервисов, как правило, не разглашают. В частности, пол и возраст модуль распознавания умеет определять благодаря тому, что может учиться на информации, содержащейся в «Одноклассниках», «ВКонтакте», Instagram и Facebook.
Ретровирусные инфекции
Относительно недавно я уже рассказывал о том, как мы все являемся носителями ретровирусов или, как их еще называют, реликтовых вирусов. В том числе к ним относится и ВИЧ, который миллионы лет назад встроил свой геном в наши ДНК и мы продолжаем передавать его из поколения в поколение.
В журнале Scientific Reports даже была опубликована работа, которая показывает, как при помощи CRISPR-Cas9 можно избавиться от этого наследства и даже ликвидировать возможность повторного встраивания вируса в ДНК.
Китайские ученые даже проводили эксперименты в этом направлении и обеспечили рождение двух генно-модифицированных человек. Ими стали девочки близнецы, один из родителей которых был ВИЧ-положительным. В итоге, они родились с устойчивым иммунитетом к вирусу. Проблема в том, что эксперимент был за гранью законности, но в целом все получилось.
Также в другой работе, опубликованной в Nature Biotechnology, доказывается, что при помощи модифицированного белка Cas9 можно отключать гены, которые мешают нормальному перерождению клеток и приводят к злокачественным образованиям. То есть потенциально это может стать долгожданным лекарством от рака. Вот только не привело бы такое вмешательство к тому, что воспроизводство новых клеток станет еще хуже.
«Открытие. Переводы»: как работает идентификация по фото
Во-первых, вы должны иметь на смартфоне приложение «Открытие. Переводы». Во‑вторых, нужно сделать фотографию клиента, которому вы хотите сделать перевод. Можно сфотографировать его, сидя с ним рядом в кафе или стоя в очереди в музей — это гораздо быстрее и удобнее, чем спрашивать у него номер карты и «вбивать» его в форму. И всё, можно переводить деньги. Кстати, для переводов можно использовать и уже сделанную фотографию, загрузив её из галереи. Конечно, помимо переводов по фотографии, приложение имеет стандартный функционал, в том числе переводы по номеру телефона или номеру карты. Все переводы проводятся по международному стандарту безопасности PCI DSS — набору требований систем Visa и MasterCard, который защищает ваши деньги в интернете. Кроме того, все переводы подтверждаются 3D-secure кодом, который гарантирует, что вашими деньгами не воспользуется кто-то другой.
Полная LUNA
Компания VisionLabs, основанная в 2012 году, — это пример успешного российского высокотехнологичного бизнеса. Да, такое бывает, хотя многие не верят в российские технологии и конкуренцию на мировом технорынке. Стартап собрал целый ряд инвестиций от крупных организаций (Фонд содействия инновациям, фонд «Сколково» и другие) и сегодня успешно занимается разработкой идентификационных биометрических систем для банковской сферы.
Соответственно, «Открытие» не стал первым и единственным клиентом VisionLabs — LUNA внедрена и другими банками, но — в ограниченном формате. В качестве системы идентификации в отделениях, в банкоматах, для предоставления сотрудникам доступа к внутренним ресурсам и активации кредитных карт. Но мгновенные транзакции по фотографии получателя — это новый рывок российской банковской сферы.
Упоминание того, что система разработана ещё в 2015 году, тоже может смутить читателя: неужели за два года технологии не шагнули так далеко вперёд, что LUNA устарела? Технологии-то шагнули, но и разработчики не отстают. Более того, именно они эту технологию вперёд и толкают. Например. несмотря на то, что методика на сегодняшний день тщательно протестирована и в полной мере доказала свою надёжность, уже идёт работа над технологией будущего — системой Liveness, которая не позволяет идентифицироваться по неподвижному селфи: программа просит клиента сделать какое-либо действие в определённый момент, например, моргнуть, и сравнивает это выражение лица с аналогичным дополнительным селфи из базы. Так что скачать фото клиента и просто по нему идентифицироваться злоумышленник не может. Разве что изучить все выражения лица жертвы и изготовить пластический грим.
Впрочем, у VisionLabs есть конкуренты — компанию стремительно догоняют NtechLab и BSS, работающие над приложениями для совершения покупок в Интернете. Появляются всё новые и новые предложения по голосовой идентификации, определению пользователя по движениям губ, видеособеседовании с клиентом. Но тут вопрос не в том, что существует в виде стартапов, а что внедрено и работает. Так что первенцем в этом плане можно считать именно сотрудничество «Открытия» и VisionLabs. Даже если другие банки нагонят через месяц, они будут только вторыми. А фора в месяц на рынке высоких технологий — это очень, очень много.
Тонкая грань между безопасностью и катастрофой
Многие эксперты убеждены, что биометрия заменит пароли и сделает так, что в мире будет ещё безопаснее. Таким образом, в будущем люди позволят системам сканировать радужку, отпечатки пальцев и даже лицо, что исключит необходимость введения сложных комбинаций символов.
Microsoft тестирует технологию, которая позволяет пользователям подтверждать личность с помощью фотографий типа селфи. Компания NEC исследует, можно ли распознавание лиц использовать для защиты электронных платежей. MasterCard работает над системой идентификации по селфи, которая позволит пользователям отправлять деньги без паролей.
Однако, достижения 3D-печати подрывают безопасность новых технологий: сегодня можно напечатать действительно реалистичную копию чьего-то лица
Разработчики новых систем идентификации должны будут принять это во внимание, если они хотят создать действительно безопасную продукцию
Например, MasterCard и Google просят пользователей моргнуть – простое действие, которое мешает мошенникам обмануть систему с помощью лица, напечатанного методом 3D, или обычной фотографии. К сожалению, продукт Google подводит – некоторым людям удаётся обойти защиту с помощью простой анимации.
Отрицательные стороны технологии распознавания лиц
Технология распознания лица работает не только на благо. Существуют случаи, когда такие инновации наносят вред.
«Представьте, что правительство тщательно следит за вами без вашего на то разрешения», — пишет юрист Microsoft Брэд Смит в публикации по требованию ввести закон, который контролировал бы эту технологию. «Что произойдет тогда, когда правительство будет иметь базу всех лиц, людей которые ходили бы на митинг, а потом за участие в этом митинге правоохранительные органы арестовывали бы человека. Разве это не нарушение прав и свобод гражданина?»
В Китае функционирует система, где в городах установлены камеры для того чтобы сканировать «подозрительные лица» на вокзалах или в других людных местах. Там же на билбордах можно увидеть лица пешеходов, которые нарушают правила и имена людей, которые задолжали перед государством. Также данная технология используется для распознавания лиц с мусульманской внешностью и отслеживания их взаимоотношений с друзьями и родственниками.
Брэд Смит предостерегает от злоупотребления технологии распознавания лиц:
«Это не самая безопасная технология, которую нужно контролировать», — считает Смит.
Негропонте еще 20 лет назад задавался вопросом, что мы имеем в виду, когда говорим о том, что «компьютер узнает своего владельца»? Что идентификация лица делает с нашим лицом?
Современные технологии дошли до того, что французский художник Рафаэль Фабре получил паспорт за изображением своего лица, которое он полностью сгенерировал с помощью компьютера. Это он сделал с помощью 3D-программ, которые используют для создания спецэффектов в кино и игровой индустрии. Если смотреть на фото в максимально увеличенном масштабе, то можно догадаться о подделке, однако подделка французского художника выглядит довольно качественно.
Фабре хотел узнать, как люди относятся к тому, что буквально все изображения оцифровываются и становятся практически виртуальной реальностью.
«Нас окружают оцифрованные образы всех окружающих нас предметов, наш мир сам по себе понемногу становится цифровым», — высказался Фабре.
Как показало время, человеческое тело и эмоции превращаются в цифру. Как камера «знает», что перед ней стоит тот, а не другой человек? Как она узнает конкретного человека среди миллиарда других людей? Она анализирует мимику нашего лица и переводит его в цифровые данные. Под контролем такой камеры мы перестаем быть собой; где-то там, среди потока неисчислимых данных, существует наша цифровая копия.
Как программируется распознавание лиц
Никогда не надо отвечать на вопросы разработчиков и для разработчиков, если ты не разработчик. Поэтому за помощью мы обратились к специалисту.
Дмитрий Сошников
Член Российской ассоциации искусственного интеллекта и старший эксперт по разработке систем ИИ и машинного обучения Microsoft.
Распознавание лиц (а также другие связанные операции) — это достаточно типовая задача. Поэтому многие компании предоставляют готовые сервисы в виде облачных API (программных посредников между приложениями) для качественного решения этих задач. Кроме IT-гигантов вроде Microsoft и Google, распознаванием лиц занимаются также специализированные компании, в том числе российские. Их продукты стремительно развиваются и предоставляют ещё более интересные функции, такие как идентификация лиц и силуэтов в толпе.
Самому с нуля натренировать нейронную сеть намного сложнее. Нужен большой и качественный набор исходных данных, то есть десятки и сотни тысяч (а лучше ещё больше!) фотографий людей. Кроме того, понадобятся существенные вычислительные ресурсы и знания в области ИИ и машинного обучения. Крупные компании располагают всеми этими средствами, поэтому решают задачу намного лучше.
Также существует промежуточное решение — использовать уже натренированную нейросеть, например OpenFace. Такой вариант, скорее всего, будет работать чуть хуже, чем готовый облачный сервис, однако позволит иметь полный контроль над системой. При этом потребуется определённый уровень понимания работы нейросетей и нейросетевых фреймворков и, по всей видимости, некоторое знание языка Python, который завоевал популярность как основной язык программирования среди специалистов Data Science.
Действительно, на нём удобно проводить различные эксперименты, визуализировать данные и производить эффективные матричные вычисления благодаря прекрасному пакету NumPy. Это не самый лучший язык для промышленной разработки, поскольку он не содержит эффективных средств для создания больших безопасных программных систем, однако альтернатив ему в области обучения глубоких нейросетей пока нет.
Исследования в компании Panoramic Research Incorporated
В 1960 году Вуди — вместе с Ибеном Браунингом и ещё одним коллегой из Sandia — основал компанию Panoramic Research Incorporated (Panoramic). Сначала они располагались в небольшом помещении в Пало-Альто, который ещё не был известен как сердце Кремниевой долины. В то время большинство компьютеров — массивных устройств, которые хранили данные на перфокартах или магнитных лентах, — размещались в офисах крупных компаний и правительственных лабораториях. Компания Вуди не могла себе позволить купить компьютер, поэтому учёные арендовали вычислительное время на такой машине у своих соседей, часто поздно вечером, когда оно было дешевле.
Бизнес Panoramic заключался в том, чтобы «тестировать идеи, которые, как мы надеялись, перевернут мир».
По словам Нельса Уинклесса (Nels Winkless), писателя и консультанта, который участвовал в нескольких проектах Panoramic, а позже стал одним из основателей журнала Personal Computing, «их задача заключалась в том, чтобы делать то, что другие люди находят слишком глупым».
Изобретения некоторых исследователей Panoramic получили широкую известность. Например, Хелен Чан Вульф (Helen Chan Wolf), пионер в программировании роботов, работала над созданием робота Шейки (Shakey the Robot). По мнению Института инженеров по электротехнике и радиоэлектронике, это «первый в мире робот, воплощающий в себе искусственный интеллект».
Panoramic тщетно пыталась найти финансирование. Вуди сделал всё возможное для презентации технологии распознавания символов, в том числе представив изобретение Обществу справедливого страхования жизни и журналу McCall’s. Но контракт так и не заключили.
На протяжении всего своего существования у Panoramic был, по крайней мере, один надёжный покровитель, который помогал ей держаться на плаву, — Центральное разведывательное управление.
Если в бумагах Вуди Бледсо когда и были упоминания о ЦРУ, то, скорее всего, они были уничтожены в 1995 году. Но фрагменты сохранившихся материалов явно свидетельствуют о том, что в течение многих лет компания Вуди работала с подставными компаниями ЦРУ. Нельс Уинклесс, который приятельствовал с командой Panoramic, говорит, что компания, скорее всего, была создана благодаря финансированию агентства. «Никто никогда не говорил мне об этом прямо, — вспоминает Уинклесс, — но так оно и было».
Согласно данным сайта the Black Vault, который занимается запросами по Закону о свободном доступе к информации, компания Panoramic Research Incorporated входила в число 80 организаций, работавших над проектом MK-Ultra. Это печально известная программа ЦРУ по «контролю разума», где применялись психологические пытки без согласия людей. Через подставной исследовательский фонд the Medical Sciences Research Foundation компании Panoramic поручили заниматься подпроектами по изучению бактериальных и грибковых токсинов и «дистанционному управлению деятельностью отдельных видов животных».
Дэвид Х. Прайс (David H. Price), антрополог из Университета Сен-Мартина, считал, что Вуди и его коллеги также получали деньги от Общества по изучению экологии человека. От имени этого общества ЦРУ предоставляло гранты учёным, чьи работы могли улучшить методы допроса, которые использовались агентством, или выступить в качестве прикрытия для таких исследований.
Но проведение самых значимых исследований компании Panoramic обеспечила другая фиктивная компания — the King-Hurley Research Group (King-Hurley). Согласно серии исков, поданных в 1970 годах, ЦРУ использовало эту исследовательскую группу для закупки самолётов и вертолётов для секретных военно-воздушных сил агентства, известных как Air America. Некоторое время King-Hurley также финансировала психофармакологические исследования в Стэнфорде.
В начале 1963 года King-Hurley принимала разного рода презентации идей только от Вуди Бледсо. Он предложил провести «исследование для определения целесообразности создания упрощённой машины для распознавания лиц». Опираясь на их с Браунингом работу по методу кортежей, Вуди хотел научить систему распознавать 10 лиц. То есть он планировал использовать базу данных из 10 фотографий разных людей и узнать, сможет ли машина идентифицировать новые фотографии каждого из них. «Вскоре можно будет увеличить число людей до тысяч», — писал Вуди. В течение месяца King-Hurley выдал ему разрешение на старт работ.
Мы — лишь виртуальный образ
Директор Института надзора в Университете Куинс, Дэвид Леон в 2012-м году выразил мнение о том, что «в контексте надзора за лицами, вся информация человека состоит из личных данных, она считывается с тела и в дальнейшем это может влиять на поведение и жизненный выбор в целом».
Логины, пароли от Instagram, Facebook и Twitter, наши фото, истории пребывания в том или другом месте и другие детали личной жизни не дают полной картины, чтобы узнать о человеке все. Но, по словам Лиона, «оцифрованной информации легче поверить, чем живому человеку, который имеет свою версию событий, которая расходится с тем, что изображено в соцсетях». В мире, котором мы живем, мы — это виртуальный образ, поток цифровых данных, как бы страшно это не звучало.
Любого человека всегда идентифицировали по лицу. Даже правоохранительные органы с помощью фото или фоторабота всегда отличают одних людей от других. Но по фото вашего лица трудно сказать каким человеком вы являетесь. Однако, технология распознавания лиц предполагает, что именно за изображением на экране того или иного человека о нем можно узнать абсолютно все. Раньше ваше фото в толпе ничего не значило. Сейчас это не так…
Вспомним Китай и их опыт надзора за гражданами этой страны. На билбордах изображены имена должников и тех людей, которые не придерживаются правил. Но мы не знаем персональную историю каждого нарушителя. Не знаем их мотивов. Почему рядовой китаец перешел дорогу на красный свет? Возможно от своего невежества, а возможно и из-за того, что где-то неподалеку произошла беда с его близким человеком и он спешил на помощь, а, может, он и не видел светофора. Вариантов может быть множество.
Технология распознавания лиц роняет детали. Наши цифровые лица выглядят идеально и несколько искусственно. Все контуры, морщины скрывают события, которые мы пережили в реальности. Чтобы избежать наказания, мы можем изменить себе имя, но не лицо. Мы не спрячемся от тех, кто захочет «просканировать» в хороших или злых целях.
По словам Негропонте, наши лица вскоре превратятся из человеческих инструментов — шлюзов к пониманию и эмпатии — в вычислительные средства. Вскоре наше лицо станет интерфейсом, дисплеем для технологий будущего.
ЭТАПЫ РАСПОЗНАВАНИЯ
01Детектирование лица и силуэта на изображении
02Исправление визуальных искажений
03Извлечение характеристик лица
04Верификация или идентификация лица
Определение цветов пикселей
Каждый пиксель имеет уникальный цветовой код. Цветовой код в палитре RGB представлен в виде трёх числовых значений.
Нейронная сеть получает на вход матрицу из RGB-значений пикселей
33 333 333
Алгоритм детектирует лица
Алгоритм определяет, где на изображении находятся лица
Алгоритм NtechLab способен задетектировать неограниченное количество лиц в кадре, что делает его идеальным решением для обеспечения безопасности в местах массового скопления людей.
Скорость работы детектора не зависит от количества лиц в кадре.
faces-border12
Алгоритм технологии распознавания лиц выдаёт координаты границ бибокса: верхняя левая и правая нижняя граница лица для дальнейшей работы с каждым лицом
Исправление визуальных искажений
Специально созданный алгоритм способен определить положение головы и исправить визуальные искажения: например, «развернуть» лицо в положение анфас. Технология распознавания лиц NtechLab работает в сложных условиях и эффективно отображает лица на изображении или видео даже при значительном недостатке освещенности, а также при изменении позы, поворотах и наклоне головы.
faces-normal1
Такие этапы проходит изображение: точки на глазах, уголках рта, носу — 5 точек
Алгоритм извлекает характеристики лица
Сеть находит и присваивает каждому лицу вектор признаков или, по-другому, биометрический шаблон лица.
Биометрический шаблон — определённая последовательность чисел, сформированная нейронной сетью в результате преобразования исходного изображения, и применяемая для сравнения с другими шаблонами
Алгоритм NtechLab занял 1 место по точности распознавания лиц в соревновании IARPA
