Автоматизированная система биометрической идентификации личности в режиме реального времени

(51) 06 9/00 (2006.01) МИНИСТЕРСТВО ЮСТИЦИИ РЕСПУБЛИКИ КАЗАХСТАН ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ИННОВАЦИОННОМУ ПАТЕНТУ национальной безопасности и поддержание правопорядка. Автоматизированная система биометрической идентификации личности включает подсистему видеонаблюдения,телекоммуникационную инфраструктуру, подсистему идентификации базу данных и резервные (замещающие) модули 1) подсистему слежения за целостностью и работоспособностью системы, отслеживающую параметры функционирования наиболее важных аппаратных или программных модулей, и, при необходимости, автоматически подключающую резервные модули или подающую сигнал оповещения 2) подсистему балансировки нагрузки,которая также отвечает за подключение новых вычислительных узлов к гомогенному вычислительному кластеру в режиме реального времени 3) подсистему обнаружения и предотвращения сетевых вторжений кроме того,подсистема видеонаблюдения кроме видеокамер наблюдения, видеорегистраторов и видеосерверов включает оконечное оборудование передачи данных и программное обеспечение предварительной обработки видеоинформации.(72) Бейсембетов Искандер Калыбекович Капшаев Искандер Рскелдиевич Кенжалиев Багдаулет Кенжалиевич(73) Акционерное общество КазахстанскоБританский технический университет(54) АВТОМАТИЗИРОВАННАЯ СИСТЕМА БИОМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ(57) Предлагается автоматизированная система биометрической идентификации личности в режиме реального времени, которая является устройством для автоматизированной идентификации личности по изображению лица посредством высокопроизводительной вычислительной техники и может быть использована для обеспечения Автоматизированная система биометрической идентификации личности в режиме реального времени является устройством для автоматизированной идентификации личности по изображению лица посредством высокопроизводительной вычислительной техники и может быть использована для обеспечения национальной безопасности и поддержание правопорядка. Большинство известных и широко применяемых в мире биометрических и технических методов идентификации личности(по пин-коду,идентификационным картам,фотографии,отпечаткам пальцев, сетчатке глаза) не являются абсолютно надежными и не приспособлены для больших потоков людей. Так как наиболее естественной формой идентификации личности для человека является идентификация по изображению лица, то использование технологий компьютерного и машинного зрения есть самая перспективная мировая тенденция в разработке автоматизированных систем безопасности. Применение автоматизированных методов идентификации личности по изображению лица посредством высокопроизводительной вычислительной техники позволяет сделать процесс массовым и повсеместным, т.е. применимым в местах массового скопления людей, объектах АО НК Казахстан темиржолы, ЦОНах и т.п. Особенностью биометрических систем идентификации личности является то, что на открытом рынке в виде готовых продуктов они как правило не представлены и проектируются на заказ. Продаваемым товаром, по существу, выступают,различные комбинации аппаратно-программных технологий, каждая из которых в той или иной форме представляет либо государственную тайну страны разработчика, либо технологический секрет. Например, набор технологий компании .,- , был закуплен Государственным департаментом США за 1.6 млн. долларов для проверки биометрических данных лиц пересекающих границу США ( 1.6,, . 8, 2005). Система была разработана для сравнения фотографий и отпечатков пальцев граждан с фотографиями и отпечатками в криминальной базе данных. Система от,(,, , . 25, 2004), разработанная для окружного офиса шерифов штата Флорида за 8 млн. долларов предназначена для проверки задержанных или подозреваемых лиц по изображению лица. Система сравнивает фотографии подозреваемых, сделанные полицейскими вручную, с фотографиями в криминальной базе данных. Основным недостатком присущим системам идентификации личности по изображению лица,является их узкая специализированность, т.е. ориентированность на применение для небольшого класса задач. 2 Кроме того, системы идентификации по изображению лица допускают в среднем от 5 до 10 ошибок (,103-104 ( 2004), что при глобальном мониторинге может приводить к сотням и тысячам ложных сигналов оповещения и, что еще хуже, к такому же количеству несрабатываний. Также точность систем идентификации может сильно изменяться в зависимости от условий освещенности или давности анализируемых изображений. Например, при анализе изображения лица, сделанного в тот же день, при тех же условиях освещенности, системы идентификации имеют точность не более 2 ложных оповещений и не более 0.4 несрабатываний. А при анализе изображения лица, сделанного в тот же день, при других условиях освещенности, системы имеют до 9 несрабатываний. При анализе изображений лица,сделанного в различные дни с интервалом от недели до года, имеющиеся системы демонстрируют от 11 до 43 несрабатываний. Наиболее близким к предлагаемому техническому решению является система биометрической идентификации личности (СБИ)в реальном масштабе времени для объектов транспортной и городской инфраструктуры,разработанная Российской компанией Центральное Научно-Производственное Объединение КАСКАД(//.//., 2005 г.) Идентификация личности производится путем сравнения биометрических характеристик лиц граждан с базами (картотеками,стоп-листами) фотоизображений правоохранительных органов с использованием методов построения трехмерных моделей по двухмерным изображениям. Базовая архитектура системы приведена на фигуре 1. Архитектура СБИ базируется на основе специально разработанного программноаппаратного комплекса биометрической идентификации . Взаимодействие между всеми компонентами СБИ осуществляется через локальную сетьобъекта. Входной информацией для СБИ являются видео-потоки,получаемые с камер видеонаблюдения объекта. Цифровые видео-потоки, формируемые камерами СБИ, направляются на сервер управления и баз данных СБИ для их последующей обработки. Сервер управления и баз данных, входящий в состав СБИ, представляет собой программно-аппаратную компоненту, включающую в себя стандартный сервер с процессорами , программное обеспечение 2003 или 2008 и программное обеспечение, предназначенное для организации и накопления баз данных и управления компонентами СБИ. Кроме того, зафиксированные изображения лиц граждан, попавших в поле обзора видеокамер и отправленные на идентификацию, сохраняются в структурированной базе данных на заданный срок хранения. Автоматический биометрический идентификационный сервер, входящий в состав СБИ, представляет собой программно-аппаратную компоненту, включающую в себя стандартный сервер с процессорами , программное обеспечение 2003 или 2008 и программное обеспечение, предназначенное для идентификации личности по ее биометрическим параметрам. Поисковая компонента сервера биометрического распознавания СБИ содержит встроенный механизм иерархической последовательной идентификации личности по изображению лица 9, состоящий из трех алгоритмов алгоритм векторного сравнения (А) алгоритм сравнения иерархических графов лица алгоритм анализа локальных особенностей лица . Каждый процесс поиска и идентификации может включать в себя от двух до трех проходов по биометрической базе с последовательным использованием различных алгоритмов. Результатом каждого прохода является выборка,содержащая фото наиболее соответствующих кандидатов из базы данных,которая передается на обслуживание в следующем проходе. Таким образом, сервер обеспечивает оптимальный баланс между скоростью и точностью при обработке запросов на идентификацию. Количество поисковых проходов и размер выходной выборки для каждого из них может задаваться сервером поиска автоматически,либо устанавливаться оператором со станции управления СБИ. Станция оператора, входящая в состав СБИ,представляет собой программно-аппаратную компоненту, включающую в себя стандартную рабочую станцию с процессоромпрограммное обеспечениеили 7 и программное обеспечение,обеспечивающее экранный интерфейс оператора для конфигурирования компонент СБИ,ввода информации о гражданах в базу данных и отображения результатов идентификации лиц в реальном масштабе времени. Станция оператора обеспечивает простой графический интерфейс для организации последовательного ввода биометрической и демографической информации о гражданах в СБИ. Недостатками СБИявляются 1) использование цифровых видеокамер высокого разрешения, что приводит к удорожанию стоимости внедрения и,как следствие,невозможности применения данной системы в широких масштабах 2) цифровые потоки, формируемые камерами видеонаблюдения отправляются через сеть передачи данных к серверу управления и баз данных,увеличивая таким образом нагрузку на телекоммуникационную инфраструктуру, что также приводит к невозможности применения данного подхода для широкомасштабного мониторинга 3) ее узкая специализированность,направленность на решение задач таможенного контроля. При этом стоп-списки вводятся в систему вручную. Что приводит к невозможности использования системы для решения других задач биометрической идентификации 4) биометрические данные о лицах попавших в поле зрения видеокамер наблюдения хранятся ограниченное время, задаваемое оператором, что приводит к невозможности их использования в долгосрочной перспективе для решения задач поиска,розыска,оперативно-следственных мероприятий и т.п. Целью настоящего изобретения являлась разработка системы, отвечающей следующим техническим требованиям 1. Масштабируемость и расширяемость(возможность неограниченного наращивания количества объектов наблюдения (видеокамер) и субъектов наблюдения (проходящих одновременно мимо видеокамер наблюдения людей). 2. Точность (не более 3-5 ошибок(несрабатываний) и не более 1 ложных срабатываний). 3. Реальный режим работы с жестко заданным быстродействием (время отклика, например не более 300 мс). 4. Универсальность (основные характеристики системы не должны зависеть от характеристик объектов и субъектов наблюдения, погодноклиматических условий эксплуатации, условий освещенности, типа используемых видеокамер наблюдения и телекоммуникационной инфраструктуры. 5. Гибкость (возможность безболезненного удаления,модификации,добавления дистанционного перепрограммирования или переконфигурирования отдельных ее компонентов,без ухудшения основных характеристик системы). 6. Отказоустойчивость(устойчивость функционирования при выходе из строя отдельных модулей системы и самоподключение в эксплуатацию резервных замещающих модулей). 7. Высокая производительность. 8. Защищенность всей циркулирующей информации от несанкционированного доступа и злонамеренной компрометации. Вышеперечисленные задачи решены за счет создания устройства с избыточной архитектурой,т.е. включения в структуру системы резервных(замещающих) модулей,автоматически подключаемых системой в момент выхода из строя основных модулей, а именно- подсистемы слежения за целостностью и работоспособностью системы, которая отслеживает параметры функционирования наиболее важных аппаратных или программных модулей, и при необходимости подключает резервные модули или подает сигнал оповещения- подсистемы балансировки нагрузки, которая также отвечает за подключение новых вычислительных узлов к гомогенному- оконечного оборудования передачи данных и программное обеспечение предварительной обработки видеоинформации. Основным подходом к решению задачи увеличения производительности системы является использование технологий параллельных вычислений и нейронных сетей. При этом соблюдается равномерная загруженность всех вычислительных узлов системы и предусмотрена возможность динамического подключения новых вычислительных узлов как в режиме реального времени, так по мере роста числа объектов наблюдения. Функционально предлагаемая система состоит из следующих компонентов (фиг.2) 1. подсистемы видеонаблюдения (видеокамеры,средства аппаратного сопряжения, и т.д.) 2. телекоммуникационной инфраструктуры(программно-аппаратные средства передачи данных в режиме реального времени и т.д.) 3. подсистемы идентификации (программноаппаратный комплекс, реализующий функции поиска, трекинга и идентификации изображения человеческого лица в видеопотоке, получаемого от системы видеонаблюдения) 4. высокопроизводительной базы данных с ориентированным пользовательским интерфейсом(программно-аппаратный комплекс,осуществляющий протоколирование событий происходящих на наблюдаемом объекте, используя данные получаемые от систем видеонаблюдения и идентификации, и предоставляющий данные для пользователей через веб-интерфейс) 5. подсистемы балансировки нагрузки 6. подсистемы мониторинга работоспособности компонентов системы 7. подсистемы обнаружения и предотвращения вторжений. Подсистема видеонаблюдения (1) собирает информацию,поступающую с объектов наблюдения, производит ее предварительную обработку и передает ее,посредством телекоммуникационной инфраструктуры(2),подсистеме идентификации (3). Подсистема идентификации (3), на основе доступа к высокопроизводительной базе данных(4),осуществляет идентификацию субъектов наблюдения и протоколирует результаты идентификации в этой же базе данных. При этом подсистемы балансировки (5) и мониторинга работоспособности (6) следят за доступностью подсистемы идентификации и устойчивостью ее функционирования. Подсистема обнаружения и предотвращения вторжений (7) обеспечивает информационную безопасность системы в целом. Ниже приведено описание примера практического осуществления устройства и принципа его действия. Подсистема видеонаблюдения состоит из видеокамер наблюдения, средств аппаратного сопряжения(видеосерверов) оконечного оборудования передачи данных и программного обеспечения предварительной обработки видеоинформации. Логически подсистема видеонаблюдения разбита на модули. На фиг.3-5 изображены три возможных варианта организации модулей подсистемы видеонаблюдения. Таким образом, подсистема видеонаблюдения состоит из множества модулей различных конфигураций, объединенных с подсистемой идентификации телекоммуникационной инфраструктурой и осуществляет сбор видеоинформации об объектах и субъектах наблюдения,преобразование аналогового видеопотока, поступающего с камер наблюдения, в цифровую форму в виде последовательности фреймов и предварительную обработку и передач видеофреймов по цифровым каналам связи. Телекоммуникационная инфраструктура представляет собой аппаратно-программный комплекс,решающий задачу передачи видеофреймов от подсистемы видеонаблюдения к подсистеме идентификации и включает сетевые коммутаторы для рабочих групп, магистральные проводные и беспроводные сетевые коммутаторы,магистральные проводные и беспроводные каналы передачи данных, беспроводные точки доступаи базовые станциии . Архитектура телекоммуникационной инфраструктуры системы представлена на фигуре 6. Подсистема идентификации состоит из нескольких аппаратно-программных модулей- модуля поиска изображения человеческого лица- модуля трекинга изображения человеческого лица (человеческих лиц) в видеопотоке модуля идентификации изображения человеческого лица (человеческих лиц). Ниже приведено описание алгоритма работы подсистемы идентификации. Телекоммуникационная инфраструктура передает подсистеме идентификации последовательность видеофреймов, со стандартным для системы разрешением и цветовыми характеристиками,снабженных идентификаторами объектов наблюдения, видеокамер наблюдения и меткой дата-время. Модуль поиска,получая от телекоммуникационной инфраструктуры последовательность видеофреймов, обнаруживает и локализует в каждом из них изображения человеческих лиц (если они присутствуют), а затем передает локализованные изображения человеческих лиц модулю трекинга. Модуль идентификации осуществляет сравнение биометрических данных локализованных изображений человеческих лиц с биометрическими данными,хранящимися в базе данных зарегистрированных физических лиц. Затем результаты идентификации заносятся в журнал мониторинга, где также фиксируются дата и время на момент идентификации,идентификационные номера объектов и видеокамер наблюдения. В случае отрицательного результата сравнения,биометрические данные локализованного лица также заносятся в журнал мониторинга. Модуль поиска изображения человеческого лица включает модуль сэмплирования видеофреймов,модуль коррекции света во фреймах, модуль гистограммного выравнивания изображения во фреймах и модуль нейросетевого классификатора. Модуля трекинга изображения человеческого лица позволяет уменьшить вычислительную нагрузку на модули поиска и идентификации и исключить вероятность повторной идентификации одного и того же человеческого лица. На фигуре 9 приведена концептуальная блоксхема алгоритма функционирования модуля трекинга изображения человеческого лица. Первый видеофрейм видеопотока передается на анализ модулю поиска изображения человеческого лица, который определяет наличие человеческих лиц в видеофрейме, а затем локализует каждое из них. На основе данных полученных от модуля поиска,для каждого найденного человеческого лица строится шаблон изображения. Далее для каждого следующего видеофрейма, из поступающего видеопотока,выполняется следующая последовательность действий. 1. Принимается следующий видеофрейм из видеопотока. 2. Производится оценка качества каждого из шаблонов. Если оценка хотя бы одного из шаблонов ниже некоторого порогового значения, тогда текущий видеофрейм считается первым и передается на анализ модулю поиска. 3. Для определения наличия движения,производится сравнение текущего видеофрейма с предыдущим. Если движение не обнаружено, то текущий видеофрейм пропускается,и осуществляется переход на этап 1. 4. Для текущего видеофрейма строятся горизонтальная и вертикальная гистограммы проекций. 5. На основе построенных гистограмм проекций определяются зоны поиска новых позиций человеческих лиц. 6. В каждой из определенных на предыдущем этапе зон поиска, производится сравнение с построенными шаблонами. 7. В результате сравнения производится переопределение каждого из шаблонов и осуществляется переход на этап 1. Шаблоны изображений человеческих лиц строятся на основе дискриминантного анализа локализованных областей,путем сравнения цветовых интенсивностей пикселей из рассматриваемых зон со стандартизированным цветом кожи человеческого лица,и гистограммированием полученных результатов, а также последующих морфологического фильтрования и компонентного анализа. Определение зоны поиска и ее сравнение с построенным шаблоном осуществляется нахождением минимума суммы квадратов разностей интенсивностей пикселей в рассматриваемой зоне и шаблоне. Переопределение шаблона производится применением фильтра с бесконечной импульсной характеристикой (рекурсивного фильтра) для зоны нового положения человеческого лица и предыдущего шаблона. Таким образом, модули поиска и трекинга изображения человеческого лица функционируют,взаимодействуя друг с другом, непрерывно обмениваясь данными и увеличивая взаимную точность и производительность, а также системы в целом. Следующим этапом обработки видеопотока,поступающего от подсистемы видеонаблюдения через телекоммуникационную инфраструктуру,является биометрическая идентификация изображения человеческого лица,который выполняет модуль идентификации. Основными задачами, решаемыми модулем идентификации являются выборка из локализованных областей,содержащих изображения человеческих лиц, наиболее значимых биометрических признаков и их сопоставление с биометрическими данными физических лиц,хранящимися в высокопроизводительной базе данных протоколирование результатов идентификации в журналах видеомониторинга и построение точной, эффективной и устойчивой автоматизированной системы идентификации возможно только при использовании комбинации различных известных подходов, адаптивным усилением слабых классификаторов (фиг. 10). Подсистема базы данных осуществляет хранение и предоставление подсистеме идентификации биометрических данных физических лиц для сравнения журналирование и предоставление пользователям результатов видеомониторинга. Поэтому она должна обладать высокой производительностью,масштабируемостью,надежностью и наличием дружелюбного ориентированного интерфейса. Все это обеспечивается архитектурой представленной на фиг.11. На физическом уровне хранение данных осуществляется высокопроизводительными избыточными массивами независимых жестких дисков(-массивов) 6-го уровня. Использование -массивов позволяет сочетать высокую производительность подсистемы с ее высокой отказоустойчивостью (фиг.12). Сетевая файловая системаявляется программно-аппаратной платформой для высокопроизводительной базы данных. Реляционная база данных организована в виде четырех таблиц (фиг.13). 5 Доступ пользователей к ресурсам подсистемы организован посредством облачных сервисов,реализованных на высокопроизводительном сервере. Облачные сервисы осуществляют интерактивный поиск объектов, видеокамер и субъектов наблюдения, в том числе в журнале регистрации результатов видеонаблюдения интерактивный просмотр данных об объектах,видеокамерах и субъектах наблюдения отслеживают историю перемещений субъектов(групп субъектов) наблюдений по объектам наблюдений с детализацией в разрезе видеокамер наблюдения и времени и историю контактов субъектов наблюдений с детализацией в разрезе объектов, видеокамер наблюдений и времени осуществляют поиск неидентифицированных субъектов наблюдений в журнале регистрации по заданным биометрическим данным и поиск наиболее подходящих по биометрическим данным зарегистрированных субъектов наблюдения для неидентифицированных субъектов наблюдения из журнала регистрации. Доступ удаленных и локальных пользователей к облачным сервисам организован на основе надежных алгоритмов авторизации и аутентификации, полным шифрованием всех передаваемых данных. Платформенная независимость облачных сервисов достигается за счет использования стандартных и документированных протоколов передачи данных, поддерживаемых в том числе-клиентами мобильных устройств. Подсистема балансировки нагрузки высокопроизводительного вычислительного кластера реализуется как многоканальная система массового обслуживания с циклическим алгоритмом обслуживания,ограниченным количеством серверов обслуживания и очередями видеофреймов конечной длины (фиг.14). Видеофреймы, поступающие от подсистемы видеонаблюдения посредством телекоммуникационной инфраструктуры,помещаются в очереди задач. Количество очередей задач определяется масштабами подсистемы видеонаблюдения и количеством независимых каналов передачи информации. Длины очередей,т.е. максимальное количество видеофреймов,способных поместиться в очередь, определяется экспериментально и являются инструментами управления производительностью и пропускной способностью системы. Балансировщик вычислительной нагрузки выбирает из очереди 1 первую задачу,видеофрейм с максимальным временем ожидания в очереди, и отправляет его на обработку вычислительному узлу 1 гомогенного высокопроизводительного вычислительного кластера. Если вычислительный узел 1 занят, то запрос на обработку задачи отправляется вычислительному узлу 2 и т.д. Если все вычислительные узлы в результате окажутся заняты, то процесс опроса вычислительных узлов повторяется снова, начиная с узла 1, до тех пор,6 пока один из вычислительных узлов не примет задачу на обработку. Затем вышеуказанная процедура повторяется для всех очередей в порядке нумерации. Количество вычислительных узлов и их производительность подбираются экспериментальным путем и являются инструментами управления производительностью,пропускной способностью и временем отклика системы. Допускается также, что один вычислительный узел может обрабатывать несколько вычислительных задач(видеофреймов) одновременно, на основе использования технологий многопоточности или многозадачности. Поскольку увеличение числа потоков или задач, выполняемых узлом одновременно, может приводить как увеличению производительности узла, так и к ее уменьшению, то, в этом случае, максимальное количество одновременно обрабатываемых задач также подбирается экспериментально из соображений достижения максимальной производительности системы. Подсистемы мониторинга работоспособности компонентов системы осуществляет мониторинг работоспособности диспетчера задач и узлов вычислительного кластера,мониторинг работоспособности подсистем видеонаблюдения и телекоммуникационной инфраструктуры,мониторинг работоспособности подсистемы протоколирования. На фиг.15 представлена архитектура подсистемы мониторинга работоспособности компонентов системы. В задачи модулей 1-3 подсистемы входит проверка работоспособности основных компонентов системы. Центральный модуль мониторинга реализует функции связующего звена и протоколирования результатов мониторинга в системном журнале. Мониторинг работоспособности балансировщика вычислительной нагрузки и вычислительных узлов осуществляется периодическими их опросами,согласно установленному протоколу, и получением в ответ соответствующих откликов. Отсутствие отклика в регламентированные временные интервалы означает сбой в работе компоненты или ее некорректное функционирование. Работоспособность элементов подсистемы видеонаблюдения и телекоммуникационной инфраструктуры определяется наличием или отсутствием видеофреймов,поступающих с объектов наблюдения. Отсутствие потока видеофреймов от камеры видеонаблюдения в регламентированные интервалы времени означает либо неработоспособность видеокамеры, либо сбои в работе телекоммуникационной инфраструктуры на участке от данной видеокамеры до подсистемы идентификации. Центральный модуль мониторинга получает данные об обнаруженных неисправностях или сбоях в работе системы от модулей 1-3 и заносит эти данные в системный журнал. Записи в системном журнале используются далее системой для перезапуска или подключения резервных вычислительных узлов, или, например, в случае неисправности видеокамеры, для вызова обслуживающего персонала для устранения возникших неполадок. Подсистема обнаружения и предотвращения вторжений включает сетевые интерфейсные карты,программируемых маршрутизаторов и др. активное сетевое оборудование. При создании опытно-промышленного образца автоматизированной системы биометрической идентификации личности в режиме реального времени было использовано общедоступное аппаратно-программное обеспечение. Для моделирования подсистемы видеонаблюдения использовались варифокальные аналоговые 425, 35, 442-30 и цифровые- платы захвата видеоизображения 1480,инсталлированные в высокопроизводительные компьютерные рабочие станции Телекоммуникационная инфраструктура моделировалась сетевым концентратором -1016, пропускной способностью 10/100 Мбит/сек. Моделирование высокопроизводительного гомогенного вычислительного кластера осуществлялось на двух идентичных серверных компьютерных станциях 240 под управлением операционной системы 6.0.6. Аппаратная реализация высокопроизводительной базы данных осуществлялась на серверной компьютерной станции 3506 с вмонтированным аппаратныммассивом 6-го уровня. Высокопроизводительный-в моделировался на второй серверной компьютерной станции 3506. Программная реализация алгоритмов поиска,трекинга и идентификации человеческого лица в видеоизображении осуществлена на языках программирования высокого уровня /, с использованием библиотеки компьютерного зрения 2.4.5. Подсистема балансировки вычислительной нагрузки моделировалась с использованием среды управления кластерами транспортного уровня 1.2.1. Программная реализация подсистемы обнаружения и предотвращения вторжений осуществлялась с использованием открытой сетевой среды предотвращения вторжений 2.9. Таким образом, устройство, описанное в предлагаемом изобретении обладает рядом преимуществ по сравнению с прототипом 1. позволяет использовать обычные камеры видеонаблюдения, с типичными для охранного видеомониторинга характеристиками,в т.ч. аналоговые, а не только цифровые камеры высокого разрешения, что существенно удешевляет его широкомасштабное внедрение 2. снижает нагрузку на телекоммуникационную инфраструктуру, что позволяет использовать ее в любых общественных местах, за счет того, что серверы захвата видеоизображения реализуют также функции поиска и трекинга изображения человеческого лица 3. позволяет хранить информацию о лицах,попавших в поле зрения видеокамер наблюдения неограниченное время, что позволяет осуществлять анализ событий, расследовать преступления,проверять показания свидетелей основываясь на данных многолетней давности 4. позволяет проводить идентификацию человеческого лица на основе метода адаптивного усиления слабых классификаторов, а не на основе,признанной устаревшей,иерархической последовательной идентификации. ФОРМУЛА ИЗОБРЕТЕНИЯ Автоматизированная система биометрической идентификации личности в режиме реального времени,включающая подсистему видеонаблюдения,телекоммуникационную инфраструктуру, подсистему идентификации и высокопроизводительную базу данных,отличающаяся тем, что дополнительно включает резервные модули подсистему мониторинга для отслеживания целостности и работоспособности системы,реализованную в виде четырех программных модулей, запускаемых на выделенных серверных компьютерных станциях, связанных между собой, посредством выделенных сетевых интерфейсов отдельной локально-вычислительной сетью подсистему балансировки нагрузки,отвечающую за подключение новых вычислительных узлов к гомогенному вычислительному кластеру в режиме реального времени и,представляющую собой высокопроизводительный вычислительный кластер,включающий, как минимум два вычислительных узла, смоделированных на двух идентичных серверных компьютерных станциях подсистему обнаружения и предотвращения сетевых вторжений,состоящую из сетевых интерфейсных карт,программируемых маршрутизаторов и активного сетевого оборудования, управляемого специальным программным обеспечением кроме того,подсистема видеонаблюдения кроме видеокамер наблюдения, видеорегистраторов и видеосерверов включает оконечное оборудование передачи данных и программное обеспечение предварительной обработки видеоинформации.