Современные возможности использования компьютерных программ и мобильных устройств в рамках идентификации личности

В современном мире мобильные телефоны (смартфоны) используются во всех сферах жизни общества и выполняют функции разных электронных устройств. Улучшение технических характеристик телефонов (увеличение объема памяти, скорости работы) и разработка новых электронных приложений для них позволяют решать различные задачи. Например, участвовать в видеоконференциях, сканировать документы, осуществлять обработку фотографий, выполненных на камеру телефона, и т.д. Встроенные фотокамеры смартфонов по качеству выполняемых фотоснимков могут превышать качество цифровых фотоаппаратов: камера телефона Samsung Galaxy А5 имеет разрешение 50 Мп, что по пиксельному разрешению может сравниться с зеркальными фотоаппаратами Nikon D 800е и D810, Canon EOS 5DS и EOS 5DSR.

В полной мере эти возможности используются работниками правоохранительных органов и экспертных организаций. При осмотре места происшествия следователи выполняют фотографии на мобильные телефоны и размещают их в виде фототаблиц в материалах уголовных дел, а судебно-медицинские эксперты с той же целью используют смартфоны при экспертизе трупа.

Цель исследования — разработка методики использования мобильных устройств и технологий искусственных нейронных сетей (ИНС) при идентификации личности в условиях чрезвычайных ситуаций (ЧС) с массовыми человеческими жертвами.

Материалами исследования явились: череп и фотографии разыскиваемого лица, предоставленные ФГКУ «111 Главный государственный центр судебно-медицинских и криминалистических экспертиз» Министерства обороны Российской Федерации; мобильные устройства — смартфон Iphone 13 pro на базе IOS, Huawei P30 и Huaweinova 2i на базе Android; активная ссылка на программу Skull-face, работающую через веб-интерфейс (выполняет анализ фотографий при помощи предварительно обученных ИНС) [1].

В структуре ИНС имеются две методики, обученные на базах данных распознавания лиц. Одна из них применяется для анализа изображений лиц, другая — для черепов. Принцип работы ИНС осуществляется за счет функции потерь машинного обучения «Триплет-лосс», к которой имеется опорный вход, так называемый «якорь», с ним сравнивается «положительный» вход (соответствующий) и «отрицательный» вход (не соответствующий). «Якорем» представлено изображение черепа, «положительным» входом — верное изображение, а «отрицательным» входом — неверное; соответственно от «якоря» до «положительного» входа расстояние минимальное, а до «отрицательного» — максимальное. ИНС, которая прошла обучение, получает входящие изображения и трансформирует их в векторный вид, после чего происходит вычисление косинусного расстояния между «якорем» и векторами загруженных изображений, среди которых происходит поиск тождественных объектов. В представленной программе расстояние между двумя точками — это вектор расстояния между изображениями черепа и лица, которые сравнивают между собой. Результатом выполнения исследований по данной методике является показатель «скор», с помощью которого проводится оценка точности квалификации, основываясь на соотношении положительных наблюдений к общему числу. В итоговом варианте программа выдает ранжированный список, выраженный в процентах, в порядке убывания схожести «якоря» с переданными изображениями.

Программа Skull-face работает в двух режимах: поиск по фотографиям лиц, пропавших без вести, и сравнение по фотографиям, предоставленным следствием для судебно-медицинских исследований. Размечаются реперные точки, 16 из которых (наиболее значимых) выбраны для обучения ИНС и сравнительной идентификации: глабелла, гнатион, гонион, зигион, точки на внутреннем крае левой и правой слезных вырезок на 1—2 мм выше их середин, назио, назоспинале, точки в области вершин правого и левого глазничных бугорков, инфрадентале, точка в области середины верхнего края подбородочного возвышения, точки в области прикрепления нижней носовой раковины на правом и левом краях грушевидного отверстия. В последующем осуществляется сравнение относительного расстояния между указанными точками.

Программа разработана в форме веб-интерфейса с использованием центрального сервера, поэтому для работы в ней необходима только интернет-ссылка, по которой можно осуществить вход с помощью любого устройства, имеющего доступ к интернет-сети, в том числе и с помощью телефона. Для оценки возможности адаптации и использования компьютерной программы на мобильном устройстве были проведены тестовые исследования.

На исследование были представлены скелетированные останки неопознанного трупа. Для идентификации личности череп подвергался специальной обработке: были отделены мягкие ткани, выполнена фотосъемка объекта. Представленное фото на бумажном носителе было оцифровано с помощью камеры мобильного телефона. Затем на камеру мобильного телефона выполнены фотографии черепа анфас с расстояния 1,0 м (для устранения негативного влияния перспективных искажений). Точное соответствие ракурса черепа подбирать не потребовалось, поскольку для обучения нейронных сетей использовались модели лиц и черепов анфас и с отклонением в 10° влево, вправо, вверх и вниз от основной проекции, что позволяет в настоящее время производить сравнение объектов без подбора ракурса. С помощью веб-ссылки с мобильного телефона в программу были загружены фотографии лица и черепа. В рамках проверки работы программы и контроля точности расстановки точек нейронными сетями производилась расстановка точек на фотографиях черепа и известного лица. В компьютерной программе Adobe Photoshop выполнено сопоставление сравниваемых точек, размеченных человеком и компьютерной программой Skull-face, путем масштабного наложения объектов, при котором установлено перекрытие большинства реперных точек на сравниваемых объектах, за исключением некоторого расхождения точек гонион, что свидетельствует о достаточно точной разметке компьютерной программой реперных точек (рис. 1).

Рис. 1. Сопоставление изображений с разметкой реперных точек, выполненной экспертом (красный цвет) и выполненных в программе Skull-face (белый цвет).

а — на фотографии лица; б — на фотографии черепа.

Проведено программное сравнение. Получен коэффициент корреляции 0,97 и «скор» 1,28, что свидетельствует о высокой степени родства сравниваемых объектов (рис. 2).

Рис. 2. Результат компьютерного программного фотосовмещения в программе Skull-face.

а — фотоизображение представленного черепа с разметкой реперных точек; б — фотоизображение лица известного человека с разметкой и результатом сравнения с коэффициентом корреляции 0,97, «скор»-модели 1,28.

Завершающим этапом в рамках исследования выполнена краниофациальная идентификация по классическому методу с созданием трехмерной модели черепа, которая подтвердила тождество сравниваемых объектов [2, 3]. Для проверки и подтверждения достоверности полученного результата в программу Skull-face были загружены прижизненные фотографии произвольно выбранных лиц анфас, проведено сравнительное исследование, что не повлияло на первоначальный результат сравнения фотоизображения черепа и соответствующего ему фотоизображения лица.

На сегодняшний день не существует нормативных документов, регламентирующих запрет на использование смартфонов и планшетов для съемки объектов в следственной и экспертной практике. Для мобильных телефонов созданы и широко распространены специальные приложения, осуществляющие обработку лица на фотографии. В начале это были программы только для ретуши дефектов лица, изменения цвета кожи, контраста, яркости (например, Facetune, Photoshop и т.п.), в настоящее время используются приложения, которые автоматически изменяют форму глаз и т.д. (например, Face App, Face Trix и т.п). Вместе с тем имеются программы, которые по фотографиям лиц осуществляют поиск похожих людей в интернет-пространстве и выполняют идентификационные функции (например, Photo Sherlock, Found Face и т.п.). Работа подобных программ основана на принципе использования ИНС.

Подобные программы уже применялись в судебно-медицинской практике [4, 5]. Одна из них основана на построении контурной и векторной математической модели объектов краниофациальной идентификации с последующей ее машинной обработкой. На выполнение исследования требовалось до 3—5 ч; обучение специалиста занимало 16—20 ч. Другая методика выполняла идентификацию личности по комплексу параметров с использованием 3D-модели головы для определения биологического возраста индивида, пола и строения лица. Однако главным недостатком данных методик было то, что их программное обеспечение не предполагало использование мобильных устройств.

Предложенная нами технология отличается от существующих тем, что впервые при судебно-медицинской идентификации личности была использована адаптированная для мобильного телефона программа Skull-face. На мобильном устройстве программа производит расстановку реперных точек в автоматическом режиме с последующим анализом изображений и получением результата менее чем за 1 мин, что повышает эффективность судебно-медицинских исследований. Такой подход позволяет обрабатывать данные и получать готовые результаты непосредственно на месте происшествия, сокращает время выполнения исследования и обладает высокой технической доступностью, т.к. программное обеспечение разработано для мобильных устройств на базе Android и IOS.

Предложена и апробирована инновационная методика, позволяющая использовать мобильные устройства и технологии машинного обучения при судебно-медицинской идентификации личности. Ее внедрение может оказать неоценимую помощь экспертам в условиях ЧС при массовом поступлении неопознанных трупов; оперативно решать экспертные задачи, повышая достоверность, эффективность и производительность судебно-медицинской идентификации личности.

Авторы заявляют об отсутствии конфликтов интересов.