В статье проанализированы возможности использования программ распознавания образов (лиц, предметов, животных и пр.) для установления обстоятельств совершенного преступления, а также правовые основания их применения. Отмечены два направления получения информации. Первое - данные ресурсов Интернет (в том числе и социальных сетей), второе - изображения, полученные посредством интеллектуальных охранных систем. Отмечается, что техника распознавания изображенных лиц и объектов основана на использовании сверточных нейронных сетей. Приводятся примеры программ, предназначенных для распознавания образов и тренировки нейронных сетей. Делается вывод, что, несмотря на то что многие программы изначально были разработаны в коммерческих целях для осуществления аутентификации пользователей, продаж, либо обеспечения безопасности объектов, они успешно могут быть использованы при производстве оперативно-разыскных мероприятий, а также в качестве образцов при производстве портретных экспертиз в случае их предоставления лицом, назначившим исследование.
биометрические характеристики, нейронные сети, Интернет, изображения, распознавание, расследование преступлений
1. Kaye D. Report of the Special Rapporteur on the promotion and protection of the right to freedom of opinion and expression. URL: https://ru.scribd.com (дата обращения: 24.02.2017).
2. Декларация о свободе общения в Интернете, принятая комитетом министров совета Европы. URL: http://medialaw.asia/document/-2358 (дата обращения: 24.02.2017).
3. Хабрахабр: Что такое сверточная нейронная сеть. URL: https://habrahabr.ru/post/309508/ (дата обращения: 24.02.2017).
4. Labeled Faces in the Wild. URL: http://vis-www.cs.umass.edu/lfw/index.html (дата обращения: 24.02.2017).
5. YouTube Faces DB. URL: https://www.cs.tau.ac.il/~wolf/ytfaces/ (дата обращения: 24.02.2017).
6. Schroff F., Kalenichenko D., Philbin J. FaceNet: A Unified Embedding for Face Recognition and Clustering. URL: https://arxiv.org/pdf/1503.03832.pdf (дата обращения: 24.02.2017).
7. Amazon Rekognition. URL: https://aws.amazon.com/ru/rekognition/ (дата обращения: 24.02.2017).
8. Farfade S. S., Saberian M., Li L.-J. Multi-view Face Detection Using Deep Convolutional Neural Networks. URL: https://arxiv.org/pdf/1502.02766.pdf (дата обращения: 24.02.2017).
9. MIT Technology Review. URL: https://www.technologyreview.com (дата обращения: 24.02.2017).
10. FindFace.Pro. URL: https://findface.pro/ru/ (дата обращения: 24.02.2017).
11. Face-Интеллект. URL: http://www.itv.ru/products/intellect/faceintellect/ (дата обращения: 24.02.2017).
12. Вокорд. URL: http://www.vocord.ru/directions/face_detection/ (дата обращения: 24.02.2017).
13. Главное управление МВД РФ по Свердловской области // Закупка № 016210002131600011. URL: http://zakupki.gov.ru (дата обращения: 24.02.2017).
14. FindFace.ru. URL: https://findface.ru (дата обращения: 24.02.2017).
15. Wen Y., Zhang K., Li1 Z., Qiao Y. A Discriminative Feature Learning Approach for Deep Face Recognition. URL: http://ydwen.github.io/papers/WenECCV16.pdf (дата обращения: 24.02.2017).
