NIST завершил масштабное тестирование программного обеспечения для распознавания татуировок, прогнав 12 алгоритмов через базу данных из 100 000 изображений татуировок. Агентство заявляет, что результаты переводят технологию из разряда любительского поиска по тегам в категорию визуального сопоставления криминалистического уровня, что вынуждает инженеров в области компьютерного зрения пересматривать архитектуру конвейеров обработки данных и пользовательских интерфейсов.

От ключевых слов к кривым

В течение многих лет инструменты поиска татуировок для широкого круга пользователей полагались на простые текстовые теги: «синие чернила», «дракон», «компас». Такие теги работают только в том случае, если загрузивший изображение использует те же формулировки, что и ищущий. Несоответствие делает поиск по ключевым словам ненадежным для правоохранительных органов или судебных процессов, где доказательства должны быть воспроизводимыми.

Оценка NIST рассматривает каждую татуировку как биометрический паттерн, подобно отпечатку пальца. Вместо поиска совпадения слов алгоритмы анализируют кривизну линий, цветовые градиенты и общую форму, превращая каждую татуировку в многомерный вектор. Сравнение двух векторов дает показатель сходства, который сохраняется при изменении освещения, угла обзора или состояния кожи.

Почему татуировки распознать сложнее, чем лица

Распознавание лиц опирается на стабильные ориентиры — глаза, нос, рот, — которые остаются примерно одинаковыми на разных фотографиях. У татуировок нет фиксированных точек. Мышцы растягивают чернила, когда человек двигается, а текстура кожи меняется с возрастом или изменением веса. Алгоритм, показывающий хорошие результаты на чистом фронтальном снимке, может дать сбой, если та же татуировка видна в профиль при тусклом освещении.

Тест NIST на 100 000 изображений выявил эту слабость. Многие из 12 алгоритмов работали адекватно на нескольких тысячах отобранных изображений, но их точность заметно снижалась при столкновении с распространенными рисунками, такими как львы, черепа или розы ветров, которые встречаются в тысячах вариаций во всем наборе данных.

Что необходимо изменить разработчикам

  • Откажитесь от бинарных решений. Сопоставление по принципу «да/нет» больше не является реалистичным. Системы должны возвращать ранжированный список кандидатов, каждый из которых имеет явный показатель сходства.
  • Сделайте человека окончательным арбитром. Программное обеспечение может сузить круг возможностей, но обученный аналитик должен подтвердить совпадение, прежде чем будет сделан какой-либо юридический вывод.
  • Приоритет на интерпретируемость. В зале суда обвинение должно показать, как алгоритм пришел к своим основным кандидатам. Простые визуальные наложения, подсвечивающие совпадающие кривые или цветовые пятна, помогают выполнить это требование.
  • Проектируйте интерфейс для калиброванного доверия. Интерфейсы, отображающие только одну кнопку «совпадение», провоцируют чрезмерное доверие. Панели управления должны показывать все распределение оценок, позволять пользователям настраивать пороги и четко указывать уровень достоверности.

Ставки для криминалистического сообщества

Если совпадение татуировки можно представить с той же строгостью, что и отпечаток пальца или профиль ДНК, следователи получат мощную новую зацепку в случаях, когда татуировка подозреваемого является единственной отличительной чертой. Преимущество заключается в расширении инструментария доказательств для пересмотра нераскрытых дел и расследования дел о пропавших людях.

Обратная сторона — риск ложной уверенности. Даже самый эффективный алгоритм в испытании NIST все равно ошибочно идентифицировал несовпадающую татуировку как основного кандидата в небольшом, но нетривиальном проценте случаев. Преувеличение надежности технологии может привести к неправомерным обвинениям, особенно когда присяжные не знакомы с показателями визуального сходства.

Контраргумент: ограничения текущих технологий

Критики утверждают, что татуировки по своей природе изменчивы и что ни один алгоритм не сможет достичь такой же определенности, как анализ ДНК. Они указывают на то, что многие татуировки стилизованы, содержат текст на иностранных языках или частично скрыты одеждой, — всё это снижает эффективность сопоставления. Пока уровень ложноположительных результатов не упадет до уровня, сопоставимого с установленными биометрическими методами, суды могут скептически относиться к принятию доказательств по татуировкам как неоспоримых фактов.

За чем следить дальше

NIST планирует опубликовать подробные метрики производительности для каждой из 12 протестированных систем, что позволит разработчикам сравнивать свои собственные конвейеры с общественным стандартом. Агентство также намекнуло на следующий раунд, в котором будут представлены сценарии захвата в реальном времени — видео вместо статических фотографий, — чтобы проверить, насколько хорошо алгоритмы справляются с размытием при движении и искажениями в реальном времени.

Для всех, кто создает инструменты компьютерного зрения, вывод очевиден: распознавание татуировок переходит из разряда любопытных функций поиска в разряд криминалистического инструмента, и этот переход требует строгости как в математических расчетах, так и в способах представления результатов пользователям.