Распознавание лиц в бизнесе: сценарии, точность и закон
Практика3 минРедакция Innovialabs
Коротко
Распознавание лиц оправдано там, где люди сами согласны на проверку — проход в офис, учёт смен; перед запуском нужно выбрать порог ошибок, проверить модель на своих сотрудниках и оформить согласие на обработку биометрии.
Короткий ответ
Распознавание лиц хорошо работает в контролируемых сценариях: человек знает о системе, смотрит в камеру, дал согласие. Это вход в офис, учёт рабочего времени, подтверждение личности в приложении. Сложнее и рискованнее — поиск людей в толпе без их ведома: там больше ошибок и жёстче требования закона.
Типичные сценарии
- Контроль доступа — турникет или дверь открывается по лицу вместо карты. Карту можно передать, лицо — нет.
- Учёт рабочего времени — сотрудник отмечается у терминала на входе, данные уходят в HR-систему или 1С.
- Подтверждение личности (KYC) — сравнение селфи с фото в документе при онлайн-регистрации.
- Сервис для постоянных клиентов — только с явного согласия клиента, иначе это скорее риск, чем преимущество.
Два режима работы
| Режим | Что делает | Пример |
|---|---|---|
| Верификация 1:1 | Проверяет, что человек — тот, за кого себя выдаёт | Селфи против фото в паспорте |
| Идентификация 1:N | Ищет человека в базе из многих лиц | Турникет без карты |
Идентификация сложнее: чем больше база, тем выше шанс случайно спутать двух похожих людей.
Как понимать точность
У системы два вида ошибок:
- FMR / FAR (ложное совпадение) — система пустила чужого.
- FNMR / FRR (ложный отказ) — система не узнала своего.
Они связаны через порог: строже порог — меньше чужих проходит, но чаще не узнаются свои. Для двери в серверную нужен строгий порог, для отметки на смене допустим мягче.
Что влияет на точность на практике:
- освещение, угол камеры, высота установки;
- маски, очки, головные уборы;
- качество фото при регистрации в базе;
- защита от подделки (liveness) — без неё систему обманывают фотографией или видео с телефона.
Предвзятость моделей
Независимые тесты, например программа NIST по оценке алгоритмов распознавания лиц, показывают, что у многих алгоритмов точность различается для разных демографических групп. Поэтому:
- не полагайтесь на заявленную точность вендора — проверьте систему на своих людях;
- смотрите ошибки отдельно по группам, а не только в среднем;
- оставьте запасной путь: карту, PIN или проверку охранником.
Закон и биометрические данные
Изображение лица, по которому человека можно опознать, — это биометрические персональные данные. В большинстве юрисдикций к ним особые требования. В Узбекистане действует закон «О персональных данных», в ЕС — GDPR, в России — 152-ФЗ. Общие принципы похожи:
- Согласие — явное и информированное; для сотрудников стоит оформить его отдельным документом.
- Цель и минимизация — собирайте только то, что нужно для заявленной цели.
- Хранение — где лежат данные, кто имеет доступ, сколько их хранят. В ряде стран есть требования к локализации данных граждан.
- Альтернатива — у человека должна быть возможность отказаться и пользоваться другим способом.
- Защита — шифрование, журнал доступа, удаление при увольнении.
Конкретные требования меняются, поэтому перед запуском проконсультируйтесь с юристом.
Чек-лист перед запуском
- Сформулирована цель и почему без лиц её не решить.
- Выбран режим (1:1 или 1:N) и порог ошибок.
- Есть liveness-проверка.
- Пилот на реальных сотрудниках, ошибки посчитаны.
- Оформлены согласия и политика хранения.
- Есть запасной способ прохода.