Как ИИ проверяет ваше фото на паспорт (и почему люди-проверяющие что-то упускают)

Исследование NIST 2019 года по алгоритмам распознавания лиц обнаружило, что расхождение между двумя людьми-проверяющими, оценивающими одно и то же фото на паспорт, около 11% — то есть если подать идентичное фото двум разным консульским сотрудникам в один день, есть примерно один шанс из десяти, что один примет, а другой отклонит. То же исследование показало, что алгоритмические проверки снижают расхождение до менее 1%.

Этот разрыв — вся причина, по которой существует автоматическая проверка соответствия до подачи. Человек быстр, но непоследователен. Алгоритм последователен, но ограничен объективными правилами. Хитрость — использовать оба: дайте алгоритму закрыть все измеримые правила, а человеческое суждение оставьте для небольшого набора действительно субъективных решений.

Этот пост объясняет, что онлайн-редактор реально делает с вашим фото при загрузке — модели, измерения, 22 проверки — и где ИИ действительно лучше человека-проверяющего, где хуже, и что это значит для того, стоит ли доверять вердикту «проходит» перед подачей.

Что происходит при загрузке фото

Редактор работает целиком в вашем браузере. Ничего не загружается на сервер, что важно и для приватности (ваше лицо не покидает устройство), и для скорости (нет задержки на запрос). Конвейер из четырех этапов:

1. Обнаружение лица и точек-ориентиров — найти лицо, определить 478 анатомических точек на нем.
2. Сегментация человека — отделить человека от фона на уровне пикселей.
3. Статистика по регионам — измерить освещение, резкость, цвет и геометрию в областях лица, волос и фона.
4. Валидация правил — прогнать 22 групповые проверки по спецификации документа и вернуть результат «прошел/не прошел» с причинами.

Каждый этап использует свою модель или технику. Разберем по порядку.

Этап 1: Карта лица из 478 точек

Редактор использует MediaPipe Face Landmarker от Google — модель, идентифицирующую 478 конкретных точек на человеческом лице — уголки глаз, край губ, кончик носа, линия челюсти, дуга бровей, положение ушей, линия волос на лбу. Карта из 478 точек достаточно плотная, чтобы измерить:

• Наклон линии глаз — угол линии между центрами зрачков относительно горизонтали. Спецификация говорит до 5°; модель измеряет с точностью 0.1°.
• Поворот головы (yaw) — поворот головы влево-вправо, измеряется по асимметрии видимости левого и правого уха и положению кончика носа относительно средней линии лица.
• Наклон головы (pitch) — наклон вверх-вниз, измеряется по вертикальному положению глаз внутри овала лица.
• Открытость рта — зазор между точками верхней и нижней губы. Закрытый рот — 0–3 px; улыбка с зубами — 8 px+.
• Открытость глаз — расстояние между точками верхнего и нижнего века. Ниже порога — глаза классифицируются как полузакрытые.
• Центрирование радужки — положение радужки внутри глазной щели. Смещение более чем на 15% от центра вызывает флаг «взгляд в сторону».

Человек-проверяющий оценивает все это «на глаз». Алгоритм измеряет в пикселях. В этом — преимущество последовательности; у алгоритма нет «хорошего» и «плохого» дня.

Что означают 478 точек на практике

Плотная разметка позволяет редактору ловить тонкие вещи, которые человек упускает. Голова, повернутая на 6° вправо, выглядит прямо для человеческого глаза, но дает измеримое смещение носа от средней линии и асимметрию видимости ушей. Алгоритм это помечает; человек пропускает; биометрическая система на границе позже не находит совпадение. Лучше поймать до подачи.

Этап 2: Сегментация человека

Соответствие фона — самая частая причина отказа (см. пост о 22 причинах), поэтому редактор использует выделенную модель сегментации человека — а именно облегченный вариант U-Net, обученный на датасете COCO-person-segmentation и адаптированный под портретный кадр.

Выход — попиксельная маска: 1, если пиксель принадлежит человеку, 0 — если фону. Маска используется для трех вещей:

• Анализ фона — собрать каждый пиксель, помеченный как фон, и посчитать цветовую статистику. Средний RGB, стандартное отклонение, распределение оттенков. По-настоящему однотонный белый фон имеет очень низкое стандартное отклонение (менее 5 по каждому каналу) и почти серый оттенок. Стена с фактурой, край окна или тень проявляются как повышенное стандартное отклонение.
• Замена фона — если фото не проходит проверку фона, маска используется для совмещения человека с чистым белым или кремовым фоном.
• Обнаружение тени — тень на фоне выглядит как локализованная темная область в маске фона. Редактор обнаруживает ее, сравнивая яркость в пикселях фона вокруг головы с остальным фоном.

Модель сегментации хороша, но не идеальна — тонкие пряди волос и мягкие линии челюсти — сложные случаи. Редактор использует маску с альфа-сглаживанием на границе, чтобы избежать «вырезанной из бумаги куклы», которую дает любительское удаление фона.

Этап 3: Статистика по регионам

Когда лицо размечено, а человек сегментирован, редактор вычисляет статистику по конкретным регионам:

• Яркость лица: средняя яркость пикселей кожи. Сравнивается с яркостью фона для обнаружения недоэкспонированного лица (лицо гораздо темнее фона) или переэкспонированного (лицо «выбито»).
• Симметрия освещения: соотношение яркости левой половины лица и правой. Симметричное соотношение (близкое к 1.0) означает ровное освещение; соотношение выше 1.2 — сильный боковой свет затеняет одну половину.
• Гладкость кожи: высокочастотное текстурное содержание в регионах щек и лба. Натуральное неотредактированное лицо имеет измеримую текстуру (поры, микро-тени). Фото с бьюти-фильтром имеет неестественно низкое высокочастотное содержание — это сигнал, по которому работает детектор фильтров.
• Резкость: дисперсия Лапласа в области лица. Резкое, четкое лицо дает высокое значение; размытое (смаз, расфокус, размытие по краям от портретного режима) — низкое.
• Резкость глаз отдельно: измеряется отдельно, потому что глаза должны быть резкими, даже если другие регионы могут допустить легкую мягкость.

Каждая статистика — число. Каждое число соотносится с правилом. Каждое правило — с проверкой. Вот откуда взялись 22 проверки.

Этап 4: 22 сгруппированные проверки

На финальном этапе редактор берет измерения из этапов 1–3 и прогоняет их по спецификации целевого документа (паспорт США, паспорт Великобритании, шенгенская виза, DV-лотерея и т.д. — у каждого свои пороги). Проверки сгруппированы:

• Фон: однотонный, правильный цвет, без теней, без объектов.
• Геометрия лица: размер головы в кадре, положение головы, высота глаз, наклон головы, поворот головы.
• Выражение: рот закрыт, глаза открыты, смотрят в камеру, нейтральное выражение.
• Освещение: экспозиция лица, симметрия освещения, без жестких теней.
• Качество: резкость, без фильтров, без красных глаз, без артефактов сжатия.
• Аксессуары: без очков (если не разрешены), без шапки, волосы не на лице.
• Технические: правильное соотношение сторон, правильные размеры в пикселях, правильный размер файла, правильный формат.

Каждая проверка возвращает «прошел», «предупреждение» или «не прошел». Сводный вердикт: все проверки прошли — зеленый. Любая не прошла — красный с конкретной причиной. Предупреждения (близко к порогу) не проваливают фото, но помечаются, чтобы вы могли решить.

Где ИИ обходит людей-проверяющих

Есть пять категорий, где алгоритм действительно надежнее человека:

1. Геометрические измерения. Высота головы в мм, линия глаз в градусах, отступ от макушки до рамки в процентах. Человек оценивает на глаз; алгоритм измеряет.
2. Согласованность между фото. Человек-проверяющий после шести часов смены мягче, чем был в первый час. У алгоритма смен нет.
3. Обнаружение тонких фильтров. Бьюти-фильтры, сглаживающие кожу или сужающие линию челюсти, почти невидимы на беглый взгляд, но высокочастотное содержание падает до уровня, обнаруживаемого алгоритмом.
4. Анализ тона фона. Стена, которая выглядит белой, но на деле теплая от ламп накаливания, для алгоритма читается как несоответствующая спецификации. Человек-проверяющий, скорее всего, пропустит ее под собственным флуоресцентным офисным светом.
5. Соответствие правилам формата файла. Размеры в пикселях, размер файла, глубина цвета, JPEG vs PNG — это механические проверки, и алгоритм запускает их за миллисекунды.

Где люди-проверяющие обходят ИИ

Есть и категории, где люди лучше, и честно об этом говорить важно:

1. Нюансы выражения. «Это нейтральное выражение или легкая улыбка?» Точки рта измеряют зазор в пикселях, но базовый вопрос — что считать «естественным и нейтральным» — субъективен. У человека-проверяющего часто правильный ответ даже там, где алгоритм помечает пограничный случай.
2. Необычные лица. Люди с особенностями лица, шрамами, врожденными состояниями или значительной асимметрией могут спотыкаться об алгоритмические проверки, которые человек правильно бы принял. Алгоритм, обученный на типичных лицах, иногда неправильно читает атипичные.
3. Культурные и религиозные головные уборы. Соответствует ли конкретный религиозный головной убор политике страны — суждение. Алгоритм может измерить видимость от лба до подбородка, но не определить, считается ли убор религиозным.
4. Контекст. Проверяющий может понять, что слегка несовершенное фото — «лучшее, что у вас есть», скажем, для пожилого родственника, которому сложно пересняться. Алгоритм видит только «прошло» или «нет».

Что это значит для вас

Честный итог: если ваше фото прошло проверку ИИ, у вас очень высокая уверенность, что объективные правила выполнены. Геометрия, освещение, фон, формат файла, аксессуары — все измерено, все зеленое.

Остается малая площадь субъективного суждения: точная граница между нейтральным выражением и легкой улыбкой, интерпретация случая с религиозным головным убором, считается ли ваше лицо «достаточно свежим» с учетом легких возрастных изменений. Это вопросы, где человек-проверяющий действительно лучше.

Так что рабочий процесс:

1. Сделайте фото.
2. Прогоните через редактор, чтобы закрыть все объективные правила.
3. Если редактор помечает что-то субъективное (пограничное выражение, пограничный кроп), примите решение и пересоснимите, если можете.
4. Подавайте.

Вы не полагаетесь на ИИ для замены человеческой проверки. Вы используете его, чтобы закрыть последовательные, измеримые, автоматизируемые провалы — большинство — и оставить человеку-проверяющему только действительно сложные случаи.

Попробуйте проверку перед подачей

Если у вас есть фото и хотите посмотреть, как выглядят 22 проверки, загрузите его в онлайн-редактор. Работает в браузере, занимает около двух секунд и говорит конкретно, какие правила проходят, какие нет и какие пограничные. Список всех причин отказа и исправлений к каждому — в руководстве по 22 причинам. Спецификации по странам, с которыми сверяется редактор, — в страницах по странам.