Компьютерное зрение является динамично развивающимся направлением современной технической науки, востребованным в различных областях, начиная с интеллектуальных мультимодальных интерфейсов и заканчивая системами автоматического контроля доступа и мониторинга безопасности городской среды [1]. Неотъемлемой частью компьютерного зрения является распознавание образов, решающее задачу определения принадлежности входного изображения к одному из хранимых эталонных изображений объектов. При создании интеллектуальных систем также часто требуется отслеживать положение подвижных объектов в реальном времени на основе визуальной информации, полученной от видеокамеры. Располагая рядом последовательных по времени цифровых изображений, можно выделить специальную информацию об объекте и затем использовать ее для обнаружения текущего положения объекта и отслеживания его перемещений.
Обратной стороной современных успехов систем компьютерного зрения является активное вторжение в личное пространство людей, скрытая обработка их персональных данных (в частности изображений лиц), нарушающая принятые социальные нормы и закон [2]. На конец 2014 года в Москве насчитывалось практически четыре тысячи дорожных камер [3]. По данным департамента информационных технологий мэрии на конец 2013 в столице установлено около 100 тысяч камер в подъездах домов, порядка 20 тысяч – во дворах, ещё около 2 тысяч – на улицах и в местах массового скопления людей [4].
В связи с этим актуальной становится задача защиты визуального образа лица человека на основе пассивных способов камуфляжа при активном функционировании автоматических методов обнаружения областей интереса. Для решения этой задачи в Японии инженеры национального института информатики создали первые в мире очки, которые препятствуют автоматическому обнаружению лиц цифровыми камерами [5]. В США была спроектирована целая линия одежды полностью скрывающая лицо пользователя [6], а также предложен специальный маскарадный грим [7]. Исследователи из Швейцарии разработали программу по искажению визуального образа лица в базе данных системы компьютерного зрения [8]. При этом во Франции предлагалось сразу затемнять образ лица до внесения его в базу данных [9]. Хотя некоторые исследователи из Испании, считают что в автоматические методы обнаружения должны быть уже встроены уровни визуальной анонимности [10].
Целью данной работы являлся анализ современных способов камуфляжа в отечественных условиях, а также исследование возможностей работы каскадного детектора характерных признаков Хаара при обработке цифровых изображений. Под цифровым изображением It(h,w), получаемым видеокамерой в момент времени t и имеющее по вертикали h, а по горизонтали w пикселей, понимается массив значений пикселей в полутоновом цветовом пространстве. Видеопоток – это последовательность цифровых изображений (кадров) It(h,w), It+1(h,w),…, It+k(h,w). Под прямоугольной областью интересов Obt(X,Y) понимается множество пикселей цифрового изображения It(h,w), очерчивающих искомый объект, содержащее X пикселей по вертикали и Y по горизонтали. Обнаружением объекта называется выделение области интересов Obt(X,Y) на цифровом изображении It(h,w) в момент времени t. Под обнаружением объекта в реальном времени понимается обработка видеопотока с частотой не менее 15 кадров в секунду. Обучением называется предварительная настройка и задание параметров метода для обнаружения интересующего объекта. Под тестовым цифровым изображением понимается изображение It(h,w) с дополнительной информацией о наличии или отсутствии на нем искомого объекта.
На сегодняшний день существуют различные методы обнаружения объектов на цифровом изображении It(h,w): каскадный детектор характерных признаков Хаара, обобщенное преобразование Хафа, метод Капура-Винна и другие. Однако для проведения экспериментов был выбран каскадный детектор характерных признаков Хаара, который обладает одними из лучших показателей надежности и устойчивости обнаружения области интересов Obt(X,Y) в видеопотоке [11], не требует значительных машинных ресурсов для обучения и доступен для проведения экспериментальных исследований в виде программной библиотеки с открытым исходным кодом [12].
На основе специально разработанного программного обеспечения во время проведения экспериментов были проанализированы следующие гипотезы о возможных способах защиты от обнаружения области интересов Obt(X,Y) на цифровом изображении It(h,w):
- Эксперимент 1: Анализ различных способов камуфляжа;
- Эксперимент 2: Определение необходимого процента закрытия лица;
- Эксперимент 3: Анализ светодиодного искажения визуального образа.
Тестовая выборка состояла из 1500 изображений для каждого эксперимента. Освещение на месте проведения экспериментов имело следующие характеристики: освещенность 100 – 250 люкс, коэффициент естественной освещенности 1,0; коэффициент пульсации 20%. Точность обнаружения области интересов Obt(X,Y) оценивалась исходя из среднего процента успешных обнаружений. Обнаружение считалось успешным, если положение области интересов объекта, полученное с помощью каскадного детектора характерных признаков Хаара, удовлетворяло критерию детектирования PASCAL [13] для всех кадров видеопотока, содержащих этот объект. Результаты эксперимента №1 приведены в таблице 1.
Таблица 1.
Эффективность различных способов защиты
| № |
Способ камуфляжа |
Процент успешного обнаружения |
| 1 | Без камуфляжа (открытое фронтальное лицо) | 100% |
| 2 | Без камуфляжа (открытое лицо в профиль) | 100% |
| 3 | Шапка | 99% |
| 4 | Шарф (слегка загораживающий подбородок) | 100% |
| 5 | Очки | 100% |
| 6 | Шапка совместно с шарфом | 75% |
| 7 | Грим на лице («под российский флаг») | 7% |
Проанализировав таблицу 1, можно сделать вывод, что такие простые способы, как надевание очков, шапки или наматывание шарфа не даёт эффективных результатов, в отличие от нанесения на лицо красок ярких цветов, создающий перепад полутонов, и тем самым значительно осложняющих поиск характерных признаков Хаара.
Главной задачей эксперимента №2 стал поиск ответа на вопрос: способен ли каскадный детектор справляться с трудностями, вызванными частичным закрытием лица? Что произойдёт, если перед камерой наружного наблюдения встанет задача сообщать обо всех замеченных лицах, попавших в поле её зрения, а лицо человека, намеренного обойти обнаружение камерой, будет частично скрыто? Результаты эксперимента приведены в таблице 2.
Таблица 2.
Эффективность закрытия части лица
| № | Процент закрытия лица | Процент успешного обнаружения |
| 1 | 0% | 100% |
| 2 | 10% | 100% |
| 3 | 20% | 100% |
| 4 | 30% | 100% |
| 5 | 40% | 96% |
| 6 | 50% | 78% |
| 7 | 60% | 60% |
| 8 | 70% | 25% |
| 9 | 80% | 3% |
| 10 | 90% | 0% |
Ещё одна гипотеза, требующая экспериментальной проверки, заключается в создании ярких источников света возле лица, позволяющих сделать светлыми одни участки лица, одновременно затеняя другие. Такой способ имеет особое практическое значение, опять же ввиду особенностей характерных признаков Хаара, так как каскадный детектор осуществляет обнаружение именно по перепадам полутонов, вызванных наличием на лице определённым образом расположенных бровей, глаз, носа, рта. Результаты эксперимента №3 представлены в таблице 3.
Таблица 3.
Эффективность применения светодиодов
| № | Расположение светодиодов | Процент успешного обнаружения |
| 1 | Очки с 3 светодиодами слева (светодиоды не горят) – фронтальное лицо | 97% |
| 2 | Очки с 3 светодиодами слева (светодиоды горят) – фронтальное лицо | 2% |
| 3 | Очки с 3 светодиодами слева (светодиоды горят) – профильное лицо | 0% |
| 4 | Очки с двумя светодиодами по обеим сторонам (горят) | 0% |
| 5 | Очки с левым светодиодом (горит) – голова повёрнута влево на 10̊ | 53% |
| 6 | Очки с левым светодиодом (горит) – голова повёрнута влево на 20̊ | 96% |
| 7 | Очки с левым светодиодом (горит) – голова повёрнута влево на 30̊ | 100% |
| 8 | Очки с правым светодиодом (горит) – голова повёрнута вправо на 10̊ | 56% |
| 9 | Очки с правым светодиодом (горит) – голова повёрнута вправо на 20̊ | 94% |
| 10 | Очки с правым светодиодом (горит) – голова повёрнута вправо на 30̊ | 100% |
| 11 | По 3 светодиода по двум сторонам и по 3 с боков | 0% |
Результаты эксперимента показали, что светодиоды действительно эффективны, но в ограниченных условиях. Направленный свет «засвечивает» камеру – изображение темнеет и камера уже не способна распознать на нём человеческое лицо. Однако небольшой поворот головы может исправить ситуацию. При фронтальном направленном свете поворота головы порядка 30 градусов достаточно, чтобы камера полностью «забыла» про источники света и точно распознавала лицо.
Подводя итоги экспериментального исследования, можно отметить, что лучшие результаты по камуфляжу лица при обработке видеопотока каскадным детектором характерных признаков Хаара показали способы: грим и светодиоды. Способ камуфляжа, основанный на гриме, как и светодиодный, эффективно скрывает характерные для лица признаки, такие как выделяющиеся брови, ресницы, нос. Используя правильный грим, можно эффективно противостоять обнаружению. И в целом, такой способ является наиболее оптимальным, так как показывает хорошие результаты защиты и при этом не сильно меняет внешний вид человека, тем самым позволяя ему оставаться в социально допустимых рамках поведения в обществе.
- Девятков В.В., Алфимцев А.Н. Нечеткая конечно-автоматная модель интеллектуального мультимодального интерфейса // Проблемы управления. 2011. № 2. С. 69-77.
- О персональных данных: Федеральный закон от 21 июля 2014 г., N 152-Ф3 // Ведомости Федерального Собрания Российской Федерации. 2014. № 48.
- База видеокамер // Web site. URL: (дата обращения 26.12.2014).
- Кодачигов В. В. Москве откроется платный доступ к городской системе видеонаблюдения // «Ведомости». 2013. 22 декабря. С. 1.
- Yamada T., Gohshi S., Echizen I. Privacy visor: wearable device for preventing privacy invasion through face recognition from camera images // Proc. of the 2013 International Workshop on Advanced Image Technology. 2013. P. 90-93.
- Flood K. Wearable Inhabitable Structures // Design blog. URL: (дата обращения 29.01.2015).
- Harvey A. Camouflage from face detection // Web site. URL: https://cvdazzle.com/ (дата обращения 29.01.2015).
- Korshunov P., Ebrahimi T. Using Warping for Privacy Protection in Video Surveillance // Proc. of 18th International Conference on Digital Signal Processing, Greece. 2013. P. 1-6.
- Devaux A, Paparoditis N., Precioso F., Cannelle B. Face Blurring for Privacy in Street-level Geoviewers Combining Face, Body and Skin Detectors // Proc. of MVA IAPR Conference on Machine Vision Applications. 2009. P. 86-89.
- Jimenez A.E., Dabrowski A., Martinez J.M., Echizen I. Tag Detection for Preventing Unauthorized Face Image Processing // Proc. of the 13th International Workshop on Digital-Forensics and Watermarking. 2014. P. 1-12.
- Kasinski A.J., Schmidt A. The architecture and performance of the face and eyes detection system based on the Haar cascade classifiers // Formal Pattern Analysis & Applications. 2010. №13. P. 197-211.
- Bradsky G., Kaehler A. Learning OpenCV. Sebastopol, CA: O’Reilly Media Inc. 2008. 557 p.
- Everingham M., Winn J. The PASCAL visual object classes challenge (VOC 2007) development kit. Technical report. 2007. 23 p.[schema type=»book» name=»АНАЛИЗ СПОСОБОВ КАМУФЛЯЖА ОБЛАСТИ ИНТЕРЕСОВ ПРИ ОБНАРУЖЕНИИ КАСКАДНЫМ ДЕТЕКТОРОМ ХАРАКТЕРНЫХ ПРИЗНАКОВ ХААРА» author=»Алфимцев Александр Николаевич, Девятков Владимир Валентинович» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-05-25″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_ 30.01.2015_01(10)» ebook=»yes» ]