Технология распознавания лиц

Сценарии использования распознавания по лицу

Биометрическая идентификация по лицу отлично подходит для систем контроля и управления доступом – когда есть терминал и/или дверь с электронным замком, и открываются они только ограниченному кругу лиц. Камера с высокой точностью определяет личность входящего. Ошибки могут быть только в случае с близнецами.

Еще распознавание по лицу – отличный вариант для систем учета рабочего времени. Ограничения доступа здесь не предусмотрено, система фиксирует время прихода/ухода сотрудников, длительность их обеденных перерывов и перекуров, и соответствие этого всего рабочему графику.

Поэтому распознавание по лицу подойдет для:

Офисных компаний.

Не вынуждайте своих работников таскать всегда с собой карты пропуска и ждать в очереди на входе. Идентификация по лицу позволяет вашим сотрудникам не задерживаться у входа и вообще не совершать никаких действий для идентификации, а идти сразу к своему рабочему месту.

Учебных заведений.

Сэкономьте на картах пропуска – просто загружайте фото новых учеников/студентов в программу.

Сетей фаст-фуда.

Как правило, там большая текучка кадров, и заводить на каждого работника карту нерационально. А еще с помощью верификации по лицу можно отслеживать, готов ли работник к началу рабочего дня: надел ли он униформу, выглажена ли она. В момент идентификации камера делает фотографию сотрудника и отправляет ее на сервер. Руководство в любой момент может зайти в программу и открыть фото.

Компаний, где много линейного персонала и мало руководящего.

В этом случае начальству тяжело уследить за всеми, заметить опаздывающих и прогульщиков. В таких условиях работники могут договариваться между собой и отмечаться в системе не только за себя, но и за коллегу, который еще не появился на работе. Чтобы пресечь попытки обмана системы, закажите у нас установку дополнительной верификации по лицу. С ней ваши подчиненные больше не смогут прикрывать непунктуальных коллег, а вы сэкономите на фонде заработной платы, оплачивая своим работникам только фактически отработанное время. Трудовая дисциплина автоматически улучшится, работники станут реже опаздывать, и общая продуктивность компании возрастет.

Немецкое правительство недовольно сервисом распознавания лиц Tag Suggestions от Facebook

• lass=»post__marks inline-list»>

… Facebook запустила систему на фотографиях, которая … . Этот сервис распознает на фотографии, добавляемой … вообще отключить систему . Кроме того, собранная …

Наука эмоций: как умные технологии учатся понимать людей

… : инструменты изображений, , речи, … умных интерфейсов человеческих эмоций … встроена технология Face ID, … ключевых точек и движений мышц …

«Умное» видеонаблюдение: какой будет жизнь под камерами с искусственным интеллектом

… — камера распознаёт , создаёт базу посетителей … фото смущающих её . Камера анализирует … распознание его и автоматическую публикацию … » камеры с . Дружественный к инновациям …

Американские военные финансируют разработку системы в темноте

… занялись разработкой технологии на основе … надеется разработать систему , которая анализирует данные … разработках.

Технология на основе теплового …

Создание нейросети по на фотографиях из Вконтакте

Из песочницы

… нейросети по , для сортировки … Кодируем уникальные черты

pil_image = Image. … # Если нашли
encoding = unknown_face_encoding … ) # Сравниваем

if results[0 …

Телеприставка Intel с

Обработка изображений

… функцией которого будет зрителей, сидящих перед … и его выражение — технологии для этого …

Машинное обучение для интеллектуализации ваших приложений

Искусственный интеллект

Tutorial

Вводный доклад начального уровня о машинном обучении на конференции iForum’2014.

Формулируются концептуальные задачи машинного обучения и проводится обзор возможных применений для разнообразнейших …

Китайская компания Baidu внедряет ИИ в свои продукты, опережая западных конкурентов

Искусственный интеллект

… особенно в области .

Лабораторию искусственного интеллекта … числе улучшить систему речи, антивирусные … что способны системы . Эта технология может …

Facebook будет автоматически отмечать людей на видео

Социальные сети и сообщества

… искусственного интеллекта для образов на фотографиях … те же технологии объектов, которые она …

Животные, которых человек научился отслеживать при помощи технологии

Перевод

… массовой слежкой, превращается из неприятного … эквивалент Amazon – использует для отслеживания больших … университета используют для контроля …

Туристов в Евросоюзе будут проверять при помощи ИИ

… была запущена система . Ее запуск … глаз» для систем . Стоит понимать, что … обрабатывает примерно 20 в секунду, … по тестированию системы был запущен …

Российский разработчик технологии NtechLab ведет переговоры …

Российский разработчик технологии NtechLab ведет переговоры … во внедрении системы через камеры … создания алгоритмов по .

Акционерами компании …

Пишем программу для камеры хранения с функцией

уже захватило весь … и не встроить в камеру хранения … путь для детектора
model_path = ‘facenet_keras.h5 … прилагается.

Как отличить человека от фотографии …

Уникальные : подсчет посетителей, поиск посторонних, идентификация в системах

… видеонаблюдения использует технологию , но не … и настроить
Облачное Ivideon работает … производителей.

Сервис открыт для полного …

В МТИ разработали модель, которая показывает, как мозг обрабатывает изображения

… трехмерного представления отдельного , а затем … включает в себя с разных точек … программном обеспечении для .

«Их подход … не спасает от »

документов и : объединение во имя свободы или шаг к цифровой диктатуре?

… одновременное использование технологий и документов с … удаленной верификации, и документов выступают не …

Поиск на основе скрытых марковских моделей

Алгоритмы

Из песочницы

… алгоритмов поиска и .

Существует довольно большое … результатов в задачах .

Скрытые марковские модели … топологией в задаче / Т.А. Гультяева …

Биометрия: не так сложно, как кажется

… долям секунды скорость .

Виды биометрической идентификации … результате сравнения изображения , полученного в видеопотоке … случае подтверждения соответствия , получает доступ к …

Создание оффлайнового с точностью 99,38% на Python и Node.js

Перевод

… .

Так что да, — лишь часть приложения … на случай сбоя . Существует много пакетов … приходящих/уходящих посетителей ( , сканирование QR-кода …

Поддерживаемые режимы работы

Идентификация
В данном случае распознанное лицо сотрудника является единственным признаком, на основе которого система принимает решение о предоставлении доступа. Это наиболее удобный режим работы, поскольку не требует от персонала никаких действий.

Верификация
В данном случае биометрический признак выступает в качестве дополнительного. Основным может быть любой другой идентификатор, например, бесконтактная карта. Режим верификации может быть:

• «жестким»: после идентификации по основному признаку система производит сравнение изображения, полученного с камеры с фотографией сотрудника. В системе генерируется событие «Ожидание лица». В случае, если лицо не распознано или сотрудник не появился в кадре в течение 5 сек, система запрещает доступ.
• «мягким»: система предоставляет доступ в любом случае, однако если лицо так и не было распознано, будет выведено соответствующее событие в интерфейсе наблюдения.

Логику работы системы в режиме идентификации вы можете гибко настроить, применяя данный режим для:

• определенных точек прохода и направления («на вход» и «на выход»)
• определенных групп сотрудников

Тренды и риски

Опасения, что система распознавания лиц будет работать не только на поддержание безопасной городской среды, но и для вычисления участников несанкционированных митингов или слежки за оппозиционно настроенными активистами, могут быть оправданы. Авторы журналистского расследования The Wall Street Journal рассказывали о том, как специалисты Huawei помогали правительствам Уганды и Замбии следить за оппозицией. Но на повестке остаются и другие актуальные вопросы: например, как защитить базы данных от утечки информации, что делать, если система ошиблась, признав в невинном человеке разыскиваемого преступника, или как не стать жертвой кибербуллинга.

В 2018 году компания NtechLab закрыла проект FindFace.ru – первый в мире сервис для поиска людей по фотографии в российской социальной сети «ВКонтакте». Инструмент с алгоритмами машинного обучения, опередивший Google, позволял найти профиль незнакомого человека по его фотографиям в интернете. С одной стороны, сервис значительно упрощал поиск, с другой, стал инструментом для травли работников порноиндустрии. Инициаторы «облавы» рассылали компромат на порноактрис их друзьям и знакомым, а также публиковали находки в специальной группе в VK. Позже её заблокировала администрация VK.

Этот случай не столько про испорченную репутацию порномоделей (хотя и про это тоже), сколько про утрату приватности в интернете. Если раньше социальные сети продавали обезличенную информацию об аудитории компаниям для рекламы, то теперь алгоритмы умеют анализировать фотографии, узнавая о рядовом пользователе гораздо больше, чем следовало бы.

После закрытия популярного сервиса NtechLab сообщила, что займётся инновационными решениями для государства и бизнеса. Появление на рынке подобных сервисов может открыть новые возможности для создания персонализированной рекламы.

Зная, какие магазины и заведения посещают потенциальные клиенты, маркетологи смогут точнее определять целевую аудиторию и выбирать стратегию продаж. Выиграет ли от этого пользователь – другой вопрос. Хотя не исключено, что в каких-то случаях так будет проще и быстрее находить нужные товары и услуги. Так, например, крупнейший ритейлер Walmart с помощью распознавания лиц анализирует эмоции клиентов. Система сканирует мимику посетителей, определяя, кто ушёл довольным покупкой, а кто нет. Также записанные эмоции можно сопоставить с историей транзакций, чтобы проследить изменения в покупательских привычках клиента.

Технология распознавания лиц открывает как новые возможности, вроде оплаты покупок по фотографии или оформления кредита за три минуты, так и новые схемы киберпреступлений и ограничения прав. Учитывая, что законодательные нормы пока не поспевают за техническим прогрессом, новые решения ещё не раз заставят посмотреть на привычные ценности. И, возможно, что-то пересмотреть.

Установка SDK

В первую очередь нужно установить программное обеспечение, чтобы камера заработала. Пользователи Windows могут просто скачать и установить программу. Если же у тебя Linux, но не Ubuntu 16 или 18, то придется собирать проект самостоятельно.

Для начала скачаем исходный код и подготовим площадку для сборки.

Теперь можно собрать проект, чтобы посмотреть, как работает камера.

Запуск в macOS

Если ты пользователь macOS, для запуска графических программ тебе придется использовать Xcode и соответствующий флаг при конфигурации. Так ты сможешь сгенерировать проект Xcode, чтобы запустить каждую утилиту по отдельности.

Откроется окно Xcode. Выбери необходимую программу, собери проект комбинацией клавиш Command + B и нажми кнопку Build and run.

Окно Xcode с файлами сборки для macOS

Для пробного запуска нам понадобится утилита RealSense Viewer, которая показывает на экране, что видит камера.

Таким будет окно RealSense Viewer, если подключить камеруПримерно так выглядит трансляция глубины

На GitHub ты можешь найти подробную инструкцию по сборке для Linux и для macOS.

Подключаем Python

Мы попробуем написать свою программу для идентификации по трехмерному изображению лица. И для начала нам нужно подключить библиотеку RealSense, например к Python 3. Пользователям Windows и некоторых дистрибутивов Linux не придется напрягаться — можно взять официальный пакет в PyPI.

Остальных же ждет еще одно приключение: необходимо пересобрать весь проект, добавив во флаги враппер для Python.

В папке появятся два файла и четыре символические ссылки. Чтобы использовать эти файлы как библиотеку для Python, их необходимо скопировать в папку, из которой ты будешь запускать скрипты.

Так выглядят файлы модуля для Python 3.7

Вариант 1. Присоединись к сообществу «Xakep.ru», чтобы читать все материалы на сайте

Членство в сообществе в течение указанного срока откроет тебе доступ ко ВСЕМ материалам «Хакера», увеличит личную накопительную скидку и позволит накапливать профессиональный рейтинг Xakep Score!
Подробнее

Вариант 2. Открой один материал

Заинтересовала статья, но нет возможности стать членом клуба «Xakep.ru»? Тогда этот вариант для тебя!
Обрати внимание: этот способ подходит только для статей, опубликованных более двух месяцев назад.

Я уже участник «Xakep.ru»

Детектор лиц

Первую версию детектора лиц ОК запустили в 2013 году на базе стороннего решения, схожего по характеристикам с детектором на базе метода Виолы — Джонса. За 5 лет это решение устарело, современные решения, основанные на MTCNN, показывают точность в два раза выше. Поэтому мы решили следовать трендам и построили свой каскад из сверточных нейронных сетей (MTCNN).

Для работы старого детектора мы использовали более 100 “стареньких” серверов с CPU. Практически все современные алгоритмы нахождения лиц на фото основаны на свёрточных нейронных сетях, которые наиболее эффективно работают на GPU. Закупить большое число видеокарт мы не имели возможности по объективным причинам: дорого все скупили майнеры. Решено было запускаться c детектором на CPU (ну не выкидывать же сервера).

Для детектирования лиц на заливаемых фотографиях мы используем кластер из 30 машин (остальные пропили сдали в утиль). Детектирование при построении пользовательских векторов (итерации по аккаунтам) мы делаем на 1000 виртуальных ядрах с низким приоритетом в нашем облаке. Облачное решение детально описано в докладе Олега Анастасьева: One-cloud — ОС уровня дата-центра в Одноклассниках.

При анализе времени работы детектора мы столкнулись с таким худшим случаем: сеть верхнего уровня пропускает слишком много кандидатов на следующий уровень каскада, и детектор начинает работать долго. Например, время поиска достигает 1.5 секунд на таких фотографиях:

Рисунок 4. Примеры большого количества кандидатов после первой сети в каскаде

Оптимизируя этот случай, мы высказали предположение, что на фотографии обычно немного лиц. Поэтому, после первого этапа каскада мы оставляем не больше 200 кандидатов, опираясь на уверенность соответствующей нейросети в том, что это лицо.
Такая оптимизация уменьшила время худшего случая до 350 мс, то есть в 4 раза.

Применив пару оптимизаций (например, заменив Non-Maximum Suppression после первой ступени каскада на фильтрацию на основе Blob detection), разогнали детектор ещё в 1.4 раза без потери качества.
Впрочем прогресс на месте тоже не стоял, и сейчас искать лица на фото принято более элегантными методами — см. FaceBoxes. Не исключаем, что в ближайшее время и мы переедем на нечто подобное.

Люди в судах: нарушается право на частную жизнь

Во всем мире другие технологические компании и правоохранительные органы уже сталкиваются с проблемами, вызванными распознаванием лиц.

В Великобритании полиция решила применить новинку на футбольных матчах и для оценки ситуаций на оживленных улицах. И тут же получила судебный иск: покупатель одного из магазинов обвинил полицию в том, что она нарушила его право на неприкосновенность частной жизни. И впервые в мире суд рассмотрел столь необычное дело, ограничившись пока решением в пользу ответчика. Дело, по словам юриста группы Liberty Эда Бриджеса, передано в Апелляционный суд.

Фото: lieyunwang.com

Встройте «Правду.Ру» в свой информационный поток, если хотите получать оперативные комментарии и новости:

Подпишитесь на наш канал в или в

Добавьте «Правду.Ру» в свои источники в Яндекс.Новости или

Также будем рады вам в наших сообществах во

Из Канады в Россию

…интересно, как в документации будут называться селфи, если «Открытие» всё-таки интегрирует возможность самостоятельно снимать эталоны. Хочется какого-нибудь русского слова. Например, в Интернете пишут «себяка». Или «себяшка». Звучит, наверное, слишком смешно, чтобы использоваться в официальных документах, но почему бы и нет? Впрочем, не будем пока забегать вперёд.

Пилотные проекты были и раньше — например, ограниченно, на тестовом банкомате, селфи-идентификацию применял «Сбербанк», но «Открытие» первым внедряет технологию распознавания лиц на массовом рынке, на основании собственных исследований и LUNA, как уже говорилось, разработки российской компании VisionLabs. Хотя технически с помощью LUNA можно пройти идентификацию, «Открытие» в своём проекте использует программу не для входа в систему, а для денежных переводов — вместо ввода номера карты или телефона получателя можно просто загрузить его фотоснимок.

LUNA была разработана ещё в 2015 году, а в «Открытии» её закрытое тестирование началось с января 2017-го. На первых порах программа испытывалась непосредственно в банковских отделениях — в трёх московских филиалах установили систему предварительной идентификации клиента в момент, когда он получал талон электронной очереди. Технология на базе самообучающейся нейронной сети позволяла ускорить обслуживание: операционист получал данные о клиенте ещё до того, как тот давал свой паспорт. В идеале, паспорт вообще не нужно доставать — биометрии хватает, но это уже вопрос законодательства: по российским законам паспорт является обязательным элементом идентификации клиента в отделении. Вторым шагом стала разработка приложения с интеграцией LUNA.

Классификация систем распознавания речи

Системы распознавания речи классифицируются:

• по размеру словаря (ограниченный набор слов, словарь большого размера);
• по зависимости от диктора (дикторозависимые и дикторонезависимые системы);
• по типу речи (слитная или раздельная речь);
• по назначению (системы диктовки, командные системы);
• по используемому алгоритму (нейронные сети, скрытые Марковские модели, динамическое программирование);
• по типу структурной единицы (фразы, слова, фонемы, дифоны, аллофоны);
• по принципу выделения структурных единиц (распознавание по шаблону, выделение лексических элементов).

Для систем автоматического распознавания речи, помехозащищённость обеспечивается, прежде всего, использованием двух механизмов:

• Использование нескольких, параллельно работающих, способов выделения одних и тех же элементов речевого сигнала на базе анализа акустического сигнала;
• Параллельное независимое использование сегментного (фонемного) и целостного восприятия слов в потоке речи.

Методы и алгоритмы распознавания речи

«… очевидно, что алгоритмы обработки речевого сигнала в модели восприятия речи должны использовать ту же систему понятий и отношений, которой пользуется человек.»

Сегодня системы распознавания речи строятся на основе принципов признания[кем?]форм распознавания[неизвестный термин]. Методы и алгоритмы, которые использовались до сих пор, могут быть разделены на следующие большие классы:

Классификация методов распознавания речи на основе сравнения с эталоном.

Динамическое программирование — временные динамические алгоритмы (Dynamic Time Warping).

Контекстно-зависимая классификация.
При её реализации из потока речи выделяются отдельные лексические элементы — фонемы и аллофоны, которые затем объединяются в слоги и морфемы.

• Методы дискриминантного анализа, основанные на Байесовской дискриминации (Bayesian discrimination);
• Скрытые Марковские модели (Hidden Markov Model);
• Нейронные сети (Neural networks).

Архитектура систем распознавания

Типичная[источник не указан 2014 дней] архитектура статистических систем автоматической обработки речи.

• Модуль шумоочистки и отделение полезного сигнала.
• Акустическая модель — позволяет оценить распознавание речевого сегмента с точки зрения схожести на звуковом уровне. Для каждого звука изначально строится сложная статистическая модель, которая описывает произнесение этого звука в речи.
• Языковая модель — позволяют определить наиболее вероятные словесные последовательности. Сложность построения языковой модели во многом зависит от конкретного языка. Так, для английского языка, достаточно использовать статистические модели (так называемые N-граммы). Для высокофлективных языков (языков, в которых существует много форм одного и того же слова), к которым относится и русский, языковые модели, построенные только с использованием статистики, уже не дают такого эффекта — слишком много нужно данных, чтобы достоверно оценить статистические связи между словами. Поэтому применяют гибридные языковые модели, использующие правила русского языка, информацию о части речи и форме слова и классическую статистическую модель.
• Декодер — программный компонент системы распознавания, который совмещает данные, получаемые в ходе распознавания от акустических и языковых моделей, и на основании их объединения, определяет наиболее вероятную последовательность слов, которая и является конечным результатом распознавания слитной речи.

Этапы распознавания

1. Обработка речи начинается с оценки качества речевого сигнала. На этом этапе определяется уровень помех и искажений.
2. Результат оценки поступает в модуль акустической адаптации, который управляет модулем расчета параметров речи, необходимых для распознавания.
3. В сигнале выделяются участки, содержащие речь, и происходит оценка параметров речи. Происходит выделение фонетических и просодических вероятностных характеристик для синтаксического, семантического и прагматического анализа. (Оценка информации о части речи, форме слова и статистические связи между словами.)
4. Далее параметры речи поступают в основной блок системы распознавания — декодер. Это компонент, который сопоставляет входной речевой поток с информацией, хранящейся в акустических и языковых моделях, и определяет наиболее вероятную последовательность слов, которая и является конечным результатом распознавания.

Как преуспеть на рынке

Задача распознавания людей по лицу решена. А как обстоит дело с определением эмоций?

Александр Ханин: Как, например, в африканских странах люди миновали стадию телеграфа и сразу перешли на мобильную сеть, так и мы, не решая задачу распознавания эмоций, сразу перешли на более высокий уровень — к выводам о важных для наших клиентов характеристиках человека. Бизнес показывает: от того, что машина распознает, улыбается человек или нахмурен, пользы никакой. Нужны более серьезные умения.

Распознавать ложь, например?

Александр Ханин: Да. Или определять, соответствует кандидат вашим требованиям или нет. Удовлетворен клиент обслуживанием или нет — улыбка ведь может выражать не только радость, но и насмешку и скрытое недовольство. Поэтому само по себе распознавание эмоций — это подзадача. Мы изучаем лицо в динамике, последовательность реакций на вопросы, обслуживание, обстановку.

Нейроинтерфейсы: Как управлять миром силой мысли

Есть ли в мире инновационные продукты, на которые вы ориентируетесь?

Александр Ханин: Мы сами на переднем фланге. Медицинский факт, что наш продукт — первая в мире комплексная система распознавания лиц для банков и ретейла, которая работает и в мобильном телефоне, и на сайте, и в отделениях, и в банкоматах, и в терминалах самообслуживания — везде. Мы не только первые, но пока, насколько я знаю, единственные.

В каких-то терминалах самообслуживания уже установлена система распознавания лиц?

Александр Ханин: Да, например, в банке «Открытие» — в терминалах электронной очереди. И это не пилотные проекты, а такие, которые работают и удовлетворяют заказчиков в реальных условиях.

Чувствуете, как конкуренты дышат в спину?

Александр Ханин: Пилотных проектов в близких к нам областях много. Компаний, которые занимаются распознаванием лиц, только в России десятки, в Китае — около сотни, в мире — больше тысячи. Поэтому я и говорю, что сама по себе задача распознавания лиц решена, — во всяком случае для большинства сегментов и практических задач.

Для успеха на рынке важны не технологии. Большинству клиентов плевать, какая у нас технология и как именно мы решаем задачу, допустим, по ускорению обслуживания в банке или магазине, — с помощью распознавания лиц, прогноза погоды или черной магии

Им важно, чтобы был результат

Испытания СРЛ решено начать со школ.

Так уж сложилось, но под предлогом осуществления мер безопасности, на школах отрабатывают самые передовые технологии контроля. В школах начали осуществлять пропускной режим по карточкам, оснастили видеонаблюдением различные помещения школ, внедряют дистанционное обучение с использованием последних цифровых технологий.

Не последнюю роль в решении оснащения школ системой распознавания лиц явилась растущая тенденция школьников интересоваться политикой. Все чаще на несогласованных митингах можно наблюдать школьников старших классов. Особенно пугает увлечение молодежью Навальным и ему подобными оппозиционерами.

Для устранения этого, наряду с системой распознавани лиц, в школах будут введены дополнительные уроки патриотического воспитания и уважения к закону. Уже с 1 сентября 2020 года в школах добавится новый предмет, который будет разъяснять школьникам как надо правильно любить Родину и уважать законы РФ.

Вспмомните еще про «генетический банк данных», обязательное прививание, приложите сюда «патриотическое воспитание» и картина полного контроля за вступающим в жизнь школьником складывается вполне отчетливо. К сожалению, эта картина напоминает скорее метрику крепостного, чем свободного человека.

Учителя на крючке

До 2024 года министерство просвещения планирует оснастить системами безопасности более 43 тысяч общеобразовательных учреждений в рамках федерального проекта «Цифровая образовательная среда», входящего в нацпроект «Образование».  «Умные» камеры создают «материальную базу» для формирования комплексной цифровой среды в российских школах и расширяют возможности дистанционного обучения, — сказал заместитель Председателя Правления УК «РОСНАНО» Дмитрий Пимкин. 

Мы уже не раз слышим про дистанционное обучение. Настойчиво, со всех сторон на граждан валится информация о грандиозных переменах, грядущих в образовании на основании цифровой революции. Третий человек в государстве — спикер Совета Федерации Валентина Матвиенко прямо говорит, что: «Надо понимать, что дистанционное обучение теперь уже не будет практиковаться как резервный, временный способ только в чрезвычайных ситуациях вроде нынешней».

Внедрение в школах объединенной цифровой системы видеонаблюдения с функцией распознавания лиц — одно из главных звеньев данной цепи.

Системы видеонаблюдения с функцией распознавания лиц позволят не только фиксировать факт прихода на учебу ученика, но и контролировать работу остального персонала, начиная от уборщицы и заканчивая директором школы. Прогулы, опоздания как учеников, так и учителей смогут фиксироваться умным видеонаблюдением.

Более того, по мере объединения всех камер видеонаблюдения в один пул (присоединение к нему камер с улиц, подъездов домов, магазинов и транспорта), личная жизнь человека будет видна как на ладони. Для каждого будет создан свой цифровой идентификатор, с помощью которого будут идентифицироваться все его действия.

СРЛ смогут отследить любого человека как только он перешагнет порог своего дома. Будет известен практически каждый шаг: от посещения магазина за углом, стоматолога до встречи с другим человеком. Не останется в стороне и его активность в интернете — какие сайты посещает, какие статьи читает, какие отзывы пишет.

Одним словом, система разпознавания лиц это не просто очередное «видеонаблюдение» — это основа-основ возможности тотального контроля за любым человеком.

На систему распознавания лиц планируется потратить, по самым скромным подсчетам, свыше 2 млрд. руб.! Такая сумма позволила бы отремонтировать большое количество старых школ, построить новые и повысить зарплату учителям. Однако установку СРЛ посчитали гораздо важнее.

Есть только одно «НО». По закону родители должны дать письменное согласие на цифровую обработку данных своего ребенка. Без этого занести его в базу данных нельзя. Но будет ли это работать на практике — большой вопрос!