Эксперты научились «скрывать» граждан от видеонаблюдения, используя 2D-картинки
Специалисты из католического института г. Левин в Бельгии выпустили исследовательскую работу, которая посвящается обману камер наблюдения. Оказывается, обыкновенное 2D-изображение, которое нанесено на сумку либо на одежду, способно сделать людей невидимыми для камер. Это явление возможно в случае, если работа камер основана на машинном обучении и им следует опознавать граждан в видеопотоке.
Чтобы достичь желаемого эффекта, картинку размерами 40х40 см, обозначаемую в публикации исследователей термином patch, необходимо располагать посередине detection box техники, не переставая находиться в ее объективе. Естественно, такой метод не сможет скрыть лицо живого объекта, но комбинация поиска людей не способна найти в кадре гражданина и, следовательно, последующее обнаружение лица не запустится.
Во время проведения экспериментов специалисты пробовали применять для обмана камер самые разнообразные изображения, были использованы абстрактный «шум», а также размытые картинки. Однако оказалось, что самый лучший вариант – это фотографии произвольных объектов, которые прошли разную обработку. Например, из выбранных иллюстраций формировали «патчи», образованные из случайных изображений, их разворачивали на 20 градусов, произвольно масштабировали и добавляли «шумы». Еще фотографиям рандомно изменяли параметры контраста и яркости.
Допустим, если разместить созданные таким образом изображения на элементах одежды, багажа и прочем, алгоритмы будут не в состоянии найти за ними живой объект. Реально убедиться в достоверности применения этих фотографий возможно, изучив PoC-видео, которое опубликовали сотрудники университета. Эксперты проверяли свой способ на опенсорсной нейросети Darknet. Эта сеть использует систему нахождения людей в настоящем времени YOLOv2.
Таким же самым способом от видеокамер можно «скрыть» не только живой объект, но также любой предмет. К примеру, система видеонаблюдения «не обнаружит» транспортное средство либо чемодан с нанесенным на него «патчем».
Кроме публикации своего эксперимента и видео, полученных в ходе тестов, специалисты описали на GitLab исходные коды, используемые ими во время создания «патчей». Таким образом, повторить или продолжить их исследование в состоянии каждый, кто пожелает.
