Прискоріть свої проекти перевірки особи за допомогою прикладів реалізацій AWS Amplify і Amazon Rekognition

Amazon Rekognition дозволяє пом’якшити шахрайські атаки та звести до мінімуму труднощі при реєстрації для законних клієнтів за допомогою спрощеного процесу перевірки особи. Це може призвести до підвищення довіри та безпеки клієнтів. Основні можливості цього рішення включають:

• Зареєструйте нового користувача за допомогою селфі
• Зареєструйте нового користувача після збігу обличчя з ідентифікаційною карткою та вилучення даних ідентифікаційної картки
• Автентифікуйте користувача, який повернувся

Amazon Rekognition пропонує попереднє навчання розпізнавання осіб можливості, які ви можете швидко додати до робочих процесів адаптації та автентифікації користувачів, щоб перевіряти ідентифікаційні дані користувачів, які підключилися до програми онлайн. Для користування цією послугою не потрібні знання машинного навчання (ML).

У попередній після, ми описали типовий робочий процес підтвердження особи та показали вам, як створити рішення для підтвердження особи за допомогою різних API Amazon Rekognition. У цій публікації ми додали користувальницький інтерфейс автентифікації на основі ідентифікації обличчя, щоб показати повне рішення для наскрізної перевірки особи. Ми надаємо повний зразок реалізації в нашому GitHub сховище.

Огляд рішення

Наведена нижче довідкова архітектура показує, як ви можете використовувати Amazon Rekognition разом з іншими службами AWS для реалізації перевірки ідентичності.

Архітектура включає такі компоненти:

1. Користувачі отримують доступ до зовнішнього веб-порталу, розміщеного в межах AWS Amplify Amplify — це наскрізне рішення, яке дає змогу веб-розробникам інтерфейсу створювати та розгортати безпечні, масштабовані програми повного стеку.
2. Програми викликають API -шлюз Amazon направляти запити до правильного AWS Lambda функціонувати залежно від потоку користувачів. У цьому рішенні є чотири основні дії: аутентифікація, реєстрація, реєстрація за допомогою ідентифікаційної картки та оновлення.
3. API Gateway використовує інтеграцію служби для запуску Функції кроку AWS швидкий кінцевий автомат, що відповідає певній кінцевій точці, викликаній зі шлюзу API. На кожному кроці лямбда-функції відповідають за ініціювання правильного набору викликів до та з Amazon DynamoDB та Служба простого зберігання Amazon (Amazon S3), а також відповідні API Amazon Rekognition.
4. DynamoDB містить ідентифікатори обличчя (face-id), URI шляху S3 та унікальні ідентифікатори (наприклад, номер ідентифікатора співробітника) для кожного face-id. Amazon S3 зберігає всі зображення облич.
5. Останнім основним компонентом рішення є Amazon Rekognition. Кожен потік (автентифікація, реєстрація, реєстрація за допомогою ідентифікаційної картки та оновлення) викликає різні API Amazon Rekognition залежно від завдання.

Перш ніж розгорнути рішення, важливо знати наступні концепції та описи API:

• колекції – Amazon Rekognition зберігає інформацію про виявлені обличчя в серверних контейнерах, відомих як Колекції. Ви можете використовувати інформацію про обличчя, що зберігається в колекції, для пошуку відомих облич у зображеннях, збережених відео та потокових відео. Ви можете використовувати колекції в різних сценаріях. Наприклад, ви можете створити колекцію облич для зберігання відсканованих зображень значків за допомогою IndexFaces Коли працівник заходить у будівлю, зображення обличчя працівника може бути захоплено та надіслано до Пошук облич за зображенням операція. Якщо відповідність обличчя дає достатньо високий бал подібності (скажімо, 99%), ви можете аутентифікувати співробітника.
• API DetectFaces – Цей API виявляє обличчя на зображенні, наданому як вхідні дані, і повертає інформацію про обличчя. У робочому процесі реєстрації користувача ця операція може допомогти вам відобразити зображення перед переходом до наступного кроку. Наприклад, ви можете перевірити, чи містить фотографія обличчя, чи правильна орієнтація ідентифікованої особи та чи вона не носить засоби блокування обличчя, наприклад сонцезахисні окуляри чи кепку.
• API IndexFaces – Цей API виявляє обличчя у вхідному зображенні та додає їх до вказаної колекції. Ця операція використовується для додавання екранованого зображення до колекції для майбутніх запитів.
• SearchFacesByImage API – Для даного вхідного зображення API спочатку виявляє найбільше обличчя на зображенні, а потім шукає відповідні обличчя у вказаній колекції. Операція порівнює особливості вхідної грані з рисами обличчя у вказаній колекції.
• API CompareFaces – Цей API порівнює обличчя у вихідному вхідному зображенні з кожним із 100 найбільших облич, виявлених у цільовому вхідному зображенні. Якщо вихідне зображення містить кілька облич, служба виявляє найбільше обличчя та порівнює його з кожним обличчям, виявленим на цільовому зображенні. У нашому випадку використання ми очікуємо, що вихідне і цільове зображення міститиме одне обличчя.
• API DeleteFaces – Цей API видаляє обличчя з колекції. Ви вказуєте ідентифікатор колекції та масив ідентифікаторів обличчя, які потрібно видалити.

Робочі процеси

Рішення надає зразок робочих процесів, щоб увімкнути реєстрацію користувача, автентифікацію та оновлення зображення профілю користувача. Ми детально описуємо кожен робочий процес у цьому розділі.

Зареєструйте нового користувача за допомогою селфі обличчя

На наступному малюнку показано робочий процес реєстрації нового користувача. Типові етапи цього процесу:

1. Користувач робить селфі.
2. Виконується перевірка якості селфі-зображення.
   примітки: після цього кроку також можна виконати перевірку виявлення живості. Щоб дізнатися більше, прочитайте це блозі.
3. Селфі перевіряється за базою даних існуючих облич користувачів.

На наступному зображенні показано робочий процес крокових функцій для реєстрації нового користувача.

У цьому робочому процесі викликаються три функції: виявляти обличчя, пошук обличчя та покажчики, виявляти обличчя функція викликає Amazon Rekognition DetectFaces API для визначення, чи розпізнається обличчя на зображенні та чи можна його використовувати. Деякі з перевірок якості включають визначення того, що на зображенні присутнє лише одне обличчя, переконання, що обличчя не закрито сонцезахисними окулярами чи капелюхом, і підтвердження того, що обличчя не повернуто за допомогою поза вимір. Якщо зображення проходить перевірку якості, пошук обличчя функція шукає наявне збіг обличчя в колекціях Amazon Rekognition, підтверджуючи FaceMatchThreshold оцінка впевненості відповідає вашій пороговій меті. Для отримання додаткової інформації див Використання порогів схожості для зіставлення облич. Якщо зображення обличчя не існує в колекціях, покажчики функція викликається для індексації обличчя в колекціях. Метадані зображення обличчя зберігаються в таблиці DynamoDB, а зображення обличчя зберігаються у сегменті S3.

Якщо реєстрація нового користувача вдалася, інформація про атрибут зображення обличчя додається в DynamoDB. Ви можете налаштувати потік відповідно до бізнес-процесу. Він часто містить деякі або всі кроки, представлені на попередній діаграмі. Ви можете виконати всі кроки синхронно (зачекайте, поки завершиться один крок, перш ніж переходити до наступного). Крім того, ви можете виконати деякі кроки асинхронно (не чекайте, поки цей крок завершиться), щоб пришвидшити процес реєстрації користувача та покращити взаємодію з клієнтами. Якщо кроки не вдалися, необхідно відкотити реєстрацію користувача.

Зареєструйте нового користувача після збігу обличчя з ідентифікаційною карткою з вилученням даних ідентифікаційної картки

Окрім реєстрації користувача за допомогою зображення, цей робочий процес дозволяє користувачам реєструватися за допомогою ідентифікаційної картки, як-от посвідчення водія. Етапи реєстрації нового користувача за допомогою ID-картки подібні до кроків реєстрації нового користувача.

На наступному зображенні показано робочий цикл крокових функцій для реєстрації нового користувача з ідентифікатором.

У цьому робочому процесі викликаються чотири функції:  виявляти обличчя, пошук обличчя, покажчики та порівняння-особ. Послідовність операцій у цьому робочому процесі схожа на робочий процес реєстрації користувача з додаванням порівняння-особ. Перевіривши якість зображення селфі та переконавшись, що зображення обличчя не присутнє в колекції, порівняння-особ функція викликається, щоб перевірити, що зображення селфі відповідає зображенню обличчя в ідентифікаційній картці. Якщо зображення збігаються, відповідні властивості витягуються з посвідчення особи. Ви можете витягти пари ключ-значення з документів, що посвідчують особу, за допомогою нещодавно запущеного Текст Amazon AnalyzeID API (для регіонів США) або Amazon Rekognition DetectText API (неамериканські регіони та неанглійські мови). Витягнуті властивості з ідентифікаційної картки об’єднуються, а обличчя користувача індексується в колекції за допомогою покажчики функції.

Метадані зображення обличчя зберігаються в таблиці DynamoDB, а зображення обличчя зберігаються у сегменті S3.

Якщо зображення не збігаються або виявлено повторну реєстрацію, користувач отримує повідомлення про помилку входу. Помилки входу можна реєструвати за допомогою an Amazon CloudWatch події, а дії можна ініціювати за допомогою Служба простих сповіщень Amazon (Amazon SNS), щоб повідомити про операції безпеки для моніторингу та відстеження невдалих входів. Для отримання додаткової інформації див Моніторинг тем Amazon SNS за допомогою CloudWatch.

Автентифікуйте користувача, який повернувся

Іншим поширеним потоком є ​​наявний або повторний вхід користувача. У цьому потоці виконується перевірка обличчя користувача (селфі) проти попередньо зареєстрованого обличчя. Типові етапи цього процесу включають захоплення обличчя користувача (селфі), перевірку якості зображення селфі, а також пошук і порівняння селфі з базою даних облич. На наступній діаграмі показано можливий потік.

Наступне зображення ілюструє робочий процес для автентифікації існуючого користувача.

Цей робочий процес функції кроку викликає три функції: виявляти обличчя, порівняння-особ та пошук обличчя. Після виявляти обличчя функція перевіряє, що зроблене зображення обличчя дійсне, порівняння-особ функція перевіряє посилання в таблиці DynamoDB на зображення обличчя в сегменті S3, яке відповідає існуючому користувачу. Якщо збіг знайдено, користувач успішно автентифікується. Якщо відповідність не знайдено, для пошуку зображення обличчя в колекціях викликається функція search-faces. Користувач перевіряється, і процес автентифікації завершується, якщо зображення його обличчя існує в колекціях. В іншому випадку користувачеві буде заборонено доступ.

Передумови

Перш ніж розпочати, виконайте такі умови:

1. Створіть обліковий запис AWS.
2. встановити Інтерфейс командного рядка AWS (AWS CLI) версії 2 на вашій локальній машині. Інструкції див Встановлення або оновлення останньої версії AWS CLI.
3. Налаштуйте AWS CLI.
4. Встановити Node.js на локальній машині.
5. Клонуйте зразок репо на локальній машині:

git clone https://github.com/aws-samples/rekognition-identity-verification.git

Розгорніть рішення

Виберіть відповідний стек CloudFormation, щоб надати рішення у вашому обліковому записі AWS у бажаному регіоні. Це рішення розгортає API Gateway, інтегрований із Step Functions та API Amazon Rekognition, для запуску робочих процесів перевірки особи.

Натискання однієї з наведених нижче кнопок запуску дозволить додати рішення до вашого облікового запису AWS у певному регіоні.

  Н. Вірджинія (us-east-1)

  Орегон (us-west-2)

Виконайте наступні кроки на локальному комп’ютері, щоб розгорнути програму Front-end:

cd rekognition-identity-verification 
./fe-deployment.sh

Виклик веб-інтерфейсу користувача

Веб-портал розгорнуто за допомогою Amplify. На консолі Amplify знайдіть середовище розміщеної веб-програми та URL-адресу. Скопіюйте URL-адресу та перейдіть до неї з браузера.

Зареєструйте нового користувача за допомогою селфі обличчя

Зареєструйтеся як користувач, виконавши такі кроки:

1. Відкрийте URL-адресу, надану Amplify.
2. Вибирати Зареєструватися
3. Увімкніть камеру та зробіть зображення обличчя.
4. Введіть своє ім'я користувача та дані.
5. Вибирати Реєстрація щоб зареєструвати свій обліковий запис.

Автентифікуйте користувача, який повернувся

Після реєстрації ви входите в систему за допомогою ідентифікатора обличчя як механізму автентифікації.

1. Відкрийте URL-адресу, надану Amplify
2. Зробіть свій ідентифікатор обличчя.
3. Введіть свій ідентифікатор користувача.
4. Вибирати Увійти.

Ви отримуєте повідомлення «Увійти успішно» після того, як ваш ідентифікатор обличчя підтверджено реєстраційним зображенням.

Зареєструйте нового користувача після збігу обличчя з ідентифікаційною карткою з вилученням даних ідентифікаційної картки

Щоб перевірити реєстрацію користувача з ідентифікатором, виконайте такі дії:

1. Відкрийте URL-адресу, надану Amplify.
2. Вибирати Реєстрація з ідентифікатором
3. Увімкніть камеру та зробіть зображення обличчя.
4. Перетягніть своє посвідчення особи
5. Вибирати Зареєструватися.

На наступному знімку екрана показано приклад. Додаток підтримує зображення ідентифікаційних карток розміром до 256 Кб.

Ви отримуєте повідомлення «Успішно зареєстрований користувач».

Прибирати

Щоб запобігти накопиченню додаткових витрат у вашому обліковому записі AWS, видаліть ресурси, які ви надали, перейшовши на консоль AWS CloudFormation та видаливши Riv-Prod стек

Видалення стека не видаляє створене вами сегмент S3. Це відро зберігає всі зображення обличчя. Якщо ви хочете видалити сегмент S3, перейдіть до консолі Amazon S3, очистіть сегмент і підтвердьте, що хочете остаточно видалити його.

Висновок

Amazon Rekognition дозволяє легко додавати аналіз зображень у ваші програми для перевірки особи, використовуючи перевірену, високомасштабовану технологію глибокого навчання, яка не вимагає досвіду машинного навчання. Надає Amazon Rekognition виявлення та порівняння обличчя можливості. З поєднанням DetectFaces, CompareFaces, IndexFaces, Пошук облич за зображенням, DetectText та   AnalyzeID, ви можете реалізувати загальні потоки щодо реєстрації нових користувачів і входу існуючих користувачів.

Колекції Amazon Rekognition забезпечують метод зберігання інформації про виявлені обличчя в серверних контейнерах. Потім ви можете використовувати інформацію про обличчя, збережену в колекції, для пошуку відомих облич на зображеннях. Використовуючи колекції, вам не потрібно зберігати оригінальні фотографії після індексації облич у колекції. Колекції Amazon Rekognition не зберігають реальні зображення. Натомість базовий алгоритм виявлення виявляє обличчя на вхідному зображенні, витягує риси обличчя у вектор ознак для кожного обличчя та зберігає його в колекції.

Щоб розпочати свій шлях до підтвердження особи, відвідайте сторінку Перевірка особи за допомогою Amazon Rekognition.

Про авторів

Вінет Качаваха є архітектором рішень в AWS і має досвід машинного навчання. Він відповідає за допомогу клієнтам у розробці масштабованих, безпечних і економічно ефективних робочих навантажень на AWS.

Рамеш Тіагараджан є старшим архітектором рішень із Сан-Франциско. Він має ступінь бакалавра наук із прикладних наук і ступінь магістра з кібербезпеки. Він спеціалізується на хмарній міграції, хмарній безпеці, відповідності та управлінні ризиками. Поза роботою він захоплений садівником і захоплюється нерухомістю та проектами покращення житла.

Аміт Гупта є архітектором рішень AI Services Solutions в AWS. Він захоплений тим, щоб надавати клієнтам добре розроблені масштабні рішення для машинного навчання.

Тім Мерфy — старший архітектор рішень для AWS, який працює з корпоративними клієнтами фінансових послуг, створюючи рішення, орієнтовані на бізнес-хмару. Останнє десятиліття він працював зі стартапами, некомерційними організаціями, комерційними підприємствами та державними установами, розгортаючи масштабну інфраструктуру. У вільний час, коли він не возиться з технологіями, ви, швидше за все, знайдете його у віддалених куточках землі, коли він мандрує горами, займається серфінгом на хвилях або їздить на велосипеді новим містом.

Нейт Бахмаєр є старшим архітектором рішень AWS, який кочівно досліджує Нью-Йорк, одну хмарну інтеграцію за раз. Він спеціалізується на міграції та модернізації додатків. Крім того, Нейт навчається на денній формі навчання і має двох дітей.

Джессі-Лі Фрай є Snr AIML спеціалістом із спеціалізацією на комп’ютерному баченні в AWS. Вона допомагає організаціям використовувати машинне навчання та ШІ для боротьби з шахрайством і впровадження інновацій від імені своїх клієнтів. Поза роботою вона любить проводити час із сім’єю, подорожувати та читати все про відповідальний ШІ.