sbornik_t3

Эффективно организованная система поиска документа, позволяющая находить документ, обладая минимальной информацией о нем.

Развитая система отчетности по различным статусам и атрибутам документов, позволяющая контролировать движение документов по процессам документооборота и принимать управленческие решения, основываясь на данных из отчетов.

Основными целями создания и внедрения СЭД являются: Построение в уголовно-исполнительной системе (центральный Аппа-

рат ФСИН России, учреждения, непосредственно подчиненные ФСИН России, территориальные органы ФСИН России, учреждения, непосредственно подчиненные территориальным органам ФСИН России) единой автоматизированной системы управления электронным документооборотом.

Формирование корпоративного хранилища электронных документов и учетных записей, обеспечивающего поддержку существующих в УИС процедур разграничения доступа к документам и ведение протокола работы с документами.

Повышение надежности хранения документов за счет использования специальных механизмов обеспечения, более надежных, по сравнению с бумагой, носителей.

Повышение качества и оперативности работы с документами и, таким образом, управленческой деятельности в целом.

Улучшение общих условий работы персонала и, как следствие, повышение качества работы сотрудников.

Сокращение операционных затрат на делопроизводство за счет устранения дублирования операций и улучшения возможностей по оперативному информированию сотрудников о документах и связанных с ними управленческих и деловых процессах, усиление контроля и повышение уровня исполнительской дисциплины.

В.Ю. Петрова,

старший научный сотрудник научного центра, кандидат технических наук (Академия управления МВД России)

Возможности использования автоматизированных биометрических систем в исправительных учреждениях

Повышение эффективности управления уголовно-исполнительной системой возможно в том числе и путем формирования современной информационной и телекоммуникационной инфраструктуры, интеграцией автоматизированных систем уголовно-исполнительной системы с автоматизированными системами других правоохранительных органов.

201

Согласно Концепции развития уголовно-исполнительной системы Российской Федерации до 2020 года проблема противодействия криминальным структурам требует решения целого комплекса вопросов, связанных с организацией надлежащего взаимодействия правоохранительных органов по нейтрализации внешних и внутренних факторов.

Применение автоматизированных биометрических систем (АБС) в оперативной деятельности помогает выявлению лиц, характеризующихся криминальной опасностью. Процесс оперативного распознания предполагает разработку определенной гипотезы, приблизительного перечня признаков, которые свойственны конкретной группе объектов, имеющих отношение к криминальной среде.

Следует отметить, что американское ФБР к 2014 году намерено завершить тестирование базы данных об относительно новом для упомянутого ведомства типе биометрических идентификаторов – радужной оболочки глаз. Активное освоение технологий распознавания по радужной оболочке глаз является частью общего комплекса мероприятий, направленных на формирование гигантской «системы биометрической идентификации новогопоколения»

(next generation identification system – NGI). На эти цели выделен один милли-

ард долларов США. Сейчас уже 47 штатов участвуют в программе «Иденти-

фикация и распознавания заключенных» (Inmate Identification and Recognition System – IRIS), в рамках которой ФБР получает от различных правоохранительных органов сведения об отпечатках пальцев и ладоней рук граждан указанной категории, а также их фотографии. Теперь к этим биометрическим идентификаторам добавятся сведения о радужной оболочке глаз, и, чтобы справиться с новыми потоками данных, ФБР наращивает вычислительные мощности своих серверов. По прибытии заключенного в пенитенциарное учреждение бинокулярная камера высокого разрешения фиксирует изображения радужной оболочки его глаз, после чего полученные изображения преобразуются в цифровые модели и отправляются в базу данных ФБР. Если возникает необходимость проверить заключенного на причастность к другим преступлениям, упомянутые процедуры повторяются, а затем осуществляется автоматическое сравнение вновь сформированных моделей биометрических идентификаторов стеми, чтоужеимеются вбазеданных.

Сейчас ФБР уже располагает сведениям о 12 тысячах биометрических идентификаторов рассматриваемого типа, и это число продолжает увеличиваться. Российской Федерации на вооружение правоохранительными органами принят Комплекс «СОВА™» – автоматизированная информационнопоисковая система идентификации человека по изображению лица оператив- но-справочного направления, предназначенная для формирования базы данных лиц, представляющих оперативный интерес для правоохранительных органов и идентификации личности по анкетным данным, по словесному описанию и изображению лица. В качестве поисковых данных для идентифика-

202

ции личности выступает фотоизображение, по которому система осуществляет поиск всех максимально похожих изображений лиц из базы данных, сравнение изображений происходит по принципу один-ко-многим. Результаты поиска выводятся всписке, ранжированном постепени схожести.

Скорость поиска по реквизитным данным и словесному описанию

№			Параметры										Значение
1			Объем базы данных									10000000 карточек
2			По основным реквизитным (паспортным) данным										< 3 с.
3			По субъектному портрету (словесному описанию)										< 3 с
			Скорость поиска и вероятность идентификации по изображению лица
№			Размер базы данных		Вероятность идентифика-							Время поиска
							ции, %
1			10 000 изображений				99,9						0,16 сек.
2			100 000 изображений				99,2						0,28 сек.
3			1 000 000 изображений				96,3						1,1 сек.
4		10 000 000 изображений					87,4						7,08 сек.
			Вероятность идентификации:
		Размер базы данных
							Вероятность идентификации
		10 000 изображений			96,5		99,3		99,7	99,8			99,9
		100 000 изображений			91,3		96,2		97,5	98,5			99,2
1 000 000 изображений					84,7		91,2		93,3	94,7			96,3
2 500 000 изображений					81,6		88,2		90,5	93,1			94,8

АБС с высокой степенью точности распознает разыскиваемое лицо при его прохождении в поле обозрения системы мониторинга, которая может быть установлена в любом месте. В случае сходства фотоизображения человека, снятого видеокамерой в толпе людей, с разыскиваемым лицом, система оповещает в установленном порядке уполномоченный правоохранительный орган, который и принимает решение о дальнейших оперативных мероприятиях. Расчетное время реакции составляет не более 10 секунд. Таким образом, наша система решает следующие задачи - распознавание лиц в потоке людей, поиск лиц в видеоархиве, поиск лиц по базе данных, содержащей фотографии и персональные данные.

Например, в СИЗО-2 ГУФСИН России по Ростовской области установили новое оборудование по контролю доступа на территорию учреждения, а также систему видеонаблюдения за подследственными и осужденными. Новая система биометрического контроля доступа установлена на контрольно-пропускном пункте следственного изолятора. Теперь при

203

входе в учреждение сотрудники должны предварительно пройти идентификацию личности по отпечаткам пальцев или параметрам внешности.

Данная система контроля доступа позволяет определить того человека, который заходит на объект, получить информацию о прибытии и убытии, которая документируется, что позволяет вести учет личного состава, находящегося в учреждении.

Кроме того, системой аудиовидеоконтроля были оборудованы камеры СИЗО, что дает возможность наблюдать за подследственными и обвиняемыми с возможностью ведения, хранения видеозаписи и распечатки фотографии зафиксированного нарушения. Помимо этого, система оборудована двусторонней связью с помощью которой, дежурный оператор может не только наблюдать за всеми действиями следственно-арестованных, но и слышать их, и в случае необходимости сделать замечание. Содержащиеся в следственном изоляторе в свою очередь, смогут связаться с администрацией через кнопку вызова, находящуюся в камере. Установленная система видеоконтроля обеспечивает круглосуточное наблюдение за осужденными и позволяет оперативно проверять исполнение ими режимных требований.

Новые задачи, которые поставило время, – это обеспечение открытости системы исполнения наказаний для общественного контроля и средств массовой информации, постепенное создание пенитенциарных учреждений нового, современного уровня. В целях обеспечения безопасности общества на качественно новый уровень переводятся охрана учреждений, внедряются в действие такие технические достижения, как видеонаблюдение, система биометрического и фейс-контроля, при помощи которых принятие каких-либо управленческих решений будет являться своевременным и эффективным.

М.Е. Рычаго,

доцент кафедры специальной техники и информационных технологий, кандидат физико-математических наук, доцент

(Владимирский юридический институт ФСИН России)

Математические модели оптимизации размещения технических средств охраны и надзора на объектах УИС

Исполнение наказания в виде лишения свободы является основной задачей ФСИН России, которая организует порядок исполнения и отбывания наказания в соответствии с приговором суда, обеспечивает изоляцию осужденных, раздельное содержание разных категорий осужденных, осуществляет постоянный надзор за ними, контролирует исполнение возложенных на них обязанностей, реализует их права и законные инте-

204

ресы, обеспечивает личную безопасность осужденных и персонала. При решении этих и других задач большое значение придается современным инженерно-техническим средствам охраны и надзора (ИТСОН). Как показывает анализ имеющегося научного, методического и иного материала по вопросам повышения надежности ИТСОН, единой концепции, позволяющей оптимизировать технический ресурс, задействованный для построения надежной системы охраны, не существует.

Концепция развития уголовно-исполнительной системы Российской Федерации до 2020 года определяет ряд важных задач, одной из которых является задача модернизации и оптимизации системы охраны исправительных учреждений и следственных изоляторов. Становится очевидным необходимость создания научно обоснованной концепции рационального размещения инженерно-технических средств охраны на объекте, а также внесения корректировок в тактику их применения с учетом современных внешних и внутренних условий функционирования исправительного учреждения.

На наш взгляд, многие актуальные проблемы оптимального распределения технических средств охраны и надзора, могут быть формализованы, что позволит построить адекватные математические модели и получить решение соответствующих задач оптимизации строго аналитически. Формализация задачи оптимизации и построение соответствующей модели, конечно, не является очевидной и требует, прежде всего, четкой формулировки критериев, которым должно удовлетворять искомое оптимальное решение. В качестве таких критериев, вообще говоря, могут выступать различные параметры: количество технических средств (например, датчиков различного принципа действия) на единицу площади, их распределение по площади (периметру), длительность действия в заданном направлении, алгоритм действия, а также материальные (финансовые) ресурсы и др. В настоящей работе предлагается оптимизировать размещение технических средств охраны с целью обеспечения максимальной полной вероятности обнаружения заданного «объекта». Такого типа задачи хорошо известны и достаточно разработаны в теории поиска, становление и развитие которой приходится на вторую половину прошлого века.

На сегодняшний день можно констатировать, что возможные постановки поисковых задач столь широки, что вопросы поиска могут охватывать самые разнообразные сферы человеческой деятельности – от поиска полезных ископаемых до принятия оптимальных управленческих решений. Все эти постановки объединяет одно общее свойство – получение в процессе поиска новой важной информации об исследуемом объекте.

Поиск можно понимать, как процесс целенаправленного обследования определенной области пространства с целью обнаружения находящегося там объекта, свойства которого явно отличаются от свойств среды, что собст-

205

венно и создает физическую основу возможности обнаружения. Сложность заключается в том, что, как правило, исходная информация о месте нахождения объекта поиска носит неопределенный характер.

В качестве поисковых объектов, могут выступать самые разнообразные предметы, находящиеся или появляющиеся в различных средах, например: летательные аппараты, морские суда, промысловая рыба, животные, люди и пр. Конечной целью поиска является выбор оптимальных способов выполнения поисковых действий применительно к конкретной обстановке и условиям проведения поиска. Этот выбор основывается на анализе построенной математической модели, соответствующей поисковой ситуации. В результате чего становится возможным установление оптимальных параметров поиска, обеспечивающих решение поисковой задачи в кратчайшее или заданное заранее время приминимальных затратах поисковых усилий.

Под поисковыми усилиями обычно понимают те или иные ресурсы (материальные, людские и т. п.), например, оптические, акустические, радиолокационные и иные технические приборы, датчики, контроллеры, а также наблюдатели, операторы постов видеоконтроля и др. Поскольку эти и другие ресурсы, как правило, ограничены, то в теории поиска возникает еще одна важная постановка, связанная с разработкой оптимального плана распределения (размещения) поисковых ресурсов с целью обеспечения наибольшей полной вероятности обнаружения объекта поиска при имеющихся ограничениях ресурсов (датчиков, видеокамер, финансовых средств и т. п.). При этом для решения этой задачи привлекается специальный математический аппарат теории игр, теории линейного программирования, исследования операций и т. п.

Не имея возможности рассмотреть в рамках настоящей статьи все возможные постановки задач теории поиска, мы остановимся преимущественно на тех из них, которые допускают естественные интерпретации с точки зрения решения задач оптимизации системы охраны и надзора в учреждениях УИС. Для наглядности мы проиллюстрируем каждую из сформулированных ниже типовых задач на конкретном модельном примере. Сразу отметим, что все расчеты, касающиеся задач первого и второго типа, будем осуществлять, следуя обозначениям и методике, принятым в книге. Теоретическое обоснование и методика решения задач третьего типа базируется на работах.

Задачи первого типа. Имеется эмпирическое распределениеколичестваобнаружений поискового объекта в заданной области пространства при сплошном наблюдении с постоянной или изменяющейся интенсивностью. Характер наблюдения может быть как дискретным, так и непрерывным. Требуется определить вероятность обнаружения объекта за конкретное число наблюдений (циклов) и другие поисковые параметры. Пример 1 (Модель первого типа). Предположим, что купольная видеокамера рабо-

206

P(t)

t =16

тает в автоматическом режиме сканирования наблюдаемой территории исправительного учреждения. Пусть объект поиска (событие, под которым мы можем понимать, например, любое происшествие, фиксируемое оператором поста видеоконтроля в соответствии с действующими инструкциями) обнаруживается оператором поста видеоконтроля в результате мониторинга им видеоизображения в среднем 1 раз заn = 5 полных циклов наблюдения(оборотов купольной видеокамеры). Требуется рассчитать элементарную вероятность g обнаружения объекта (фиксируемого события) за один цикл (оборот) наблюдения, а также оценить вероятность обнаружения P(n) за n = 3 и за n = 8 полных циклов наблюдения.

Решение данной задачи основывается на формуле P(n) =1−(1 − g)n , вытекающей из общей теориинезависимых испытаний Бернулли, и позволяет помимо конкретного ответа: P(3) = 0,488 (48,8%)иP(8) ≈ 0,832 (83,2%)получить одно важное обобщение данной задачи. Речь идет о том, как рассчитать минимально необходимое количество циклов наблюдения n , обеспечивающее при фиксированной элементарной вероятности g максимальную биномиальную вероятность Pn (k0 ) , соответствующую наиболее вероятному числу «успехов» (обнаружений) k0 ≥1, т.е. обеспечивающее хотя бы одно обнаружение в заданных условиях. В этом случае из общей теории

получаем такую оценку: n ≥ 2 −g g .

Таким образом, в условиях примера 1, при g = 0,2 , получаем n ≥ 9 , т. е. вероятность обнаружить объект поиска хотя бы один раз при заданных условиях существенно возрастает, начиная с 9 циклов видеонаблюдения. Следовательно, рекомендуемое количество оборотов купольной видеокамеры, работающей в автоматическом режиме сканирования территории исправительного учреждения, может быть принято равным 9-10 оборотам, что обеспечит максимальнуювероятностьобнаружения, равную P(9) =86,6% !

Задачи второго типа. Имеется эмпирическое распределениевремени обнаружения поискового объекта (от начала наблюдения) в заданной области пространства при сплошном непрерывном наблюдении. Требуется определить вероятность обнаружения объекта за указанное время наблюдения (непрерывного или дискретного характера) и другие поисковые параметры. Пример 2 (Модель второго типа). Пусть в результате постоянного мониторинга изображения, получаемого с помощью стационарной видеокамеры, настроенной на точку (линию) постоянного наблюдения в исправительном учреждении, интересующее нас событие (объект поиска) обнаруживается в среднем 1 раз заt = 8 минут. Требуется рассчитать мгновенную плотность вероятности числа обнаружений объекта γ , дисперсию и среднеквадратическое отклонение времени обнаружения отt , а также вероятность обнаружения объекта за время мин.

207

Решение задачи второго типа основано на известной формуле Пуассона: P(t) =1−e−γt , исходя из которой можно легко получить ответ на вопрос задачи, а именно: при t = 8 мин. искомая мгновенную плотность вероятности числа обнаружений (другими словами, интенсивность потока):

γ = 1t = 4801 c−1 ≈ 0,002 c−1 , а требуемая вероятность обнаружения объекта

заt =16 мин. = 960с. оказывается равна P(900) =1 −e−0,002 960 ≈ 0,8534 (85,34%) .

Численное значение мгновенной плотности вероятности γ , позволяет оценить интенсивность наблюдаемого потока событий (его рост влечет увеличение общей вероятности обнаружения) и соответственно указывает персоналу исправительного учреждения на необходимость усиления контроля за закрепленной точкой (линией) наблюдения. На практике при расчетах пуассоновской вероятности P(t) рекомендуется выбирать в качестве параметра t значения, равные соответственно 2t , 3t , 4t , ... , как в рассмотренном примере 2, когда непрерывный характер наблюдения по сути может рассматриваться как совокупность дискретных актов наблюдения с промежутками времени, кратными t . Более подробное изложение этих и других примеров, а также все необходимые для расчетов выкладки и рекомендации можно найти в практическом пособии.

Задачи третьего типа. Имеется эмпирическое или теоретическое распределениевероятностей обнаружения поискового объекта в заданной области пространства (в каждой точке, зоне пространства). Требуется определить оптимальный план распределения заданного поискового усилия, обеспечивающий максимальную полную вероятность обнаружения объекта во всем пространстве наблюдения.

Ввиду значительной сложности математического аппарата, применяемого в задачах данного типа, приведем сначала ее краткую математическую формулировку. Пусть в некоторой области D (пространства, плоскости или линии) находится искомый «объект» с заданной плотностью распределения p(s) , удовлетворяющей условию нормировки

∫p(s)ds =1. Предполагается, что мы располагаем определенным «поиско-

D

вым усилием» (ресурсом) заданного объема Φ = ∫ϕ(s)ds , где ϕ(s) ≥0 – ис-

D

комая функция, характеризующая плотность распределения имеющегося у нас ресурса («поискового усилия») по D . Необходимо так распределить имеющееся у нас «усилие» (приборы и т.п.) ϕ(s) по всему полю D , чтобы обеспечить максимальную полную вероятностьP обнаружения «объекта».В «наших» задачах «объектом» обнаружения, очевидно, может быть, как сам человек, незаконно оказавшийся в зоне (точке) наблюдения, так и сигнал технического средства охраны (датчика) и т.п.

208

Из общей теории поиска можно получить выражение полной вероятности обнаружения «объекта» в виде интегрального функционала:

P(ϕ) = ∫p(s)(1−e−ϕ(s) )ds .	(1)
D
Для разных функций	ϕ(s) величина полной вероятности P(ϕ) может

быть различной и наша цель состоит в отыскании такого распределения ϕ(s) , которое обеспечивало бы максимум P(ϕ) , выступающий критерием оптимальности в данном классе задач.

Применительно к рассматриваемым задачам оптимизации размещения технических средств в учреждениях УИС исходное распределение p(s) может быть получено статистически или путем экспертных оценок. Отсюда понятно, что наряду с интегральной формулировкой задачи на максимум вариационного функционала (1) большое значение для нас приобретает дискретная формулировка задачи. Опуская общие теоретические выкладки, которые можно найти в, приведем пример, соответствующий дискретной формулировке задачи третьего типа. Одним из общепринятых способов повышения надежности систем охраны является формирование нескольких рубежей (зон) обнаружения в пределах запретной зоны. Современные системы охраны большинства учреждений УИС, как правило, содержат не менее трех рубежей обнаружения. Рассмотрим простейшую концептуальную модель запретной зоны D с рубежами обнаружения I, II, III в виде концентрических колец, внутри которых вероятностное распределение носит радиальный характер p(r) и, в частности, может быть постоянным.

Пример 3 (Модель третьего типа). Пусть функция p(r) , задающая исходное эмпирическое распределение, носит кусочно-постоянный характер и принимает шесть различных фиксированных значений:

p1 = 0,4, p2 = 0,3, p3 = 0,2, p4 = 0,08, p5 = 0,01, p6 = 0,01 , соответствующее шести ус-

ловным рубежам охраны, распределенным по два в каждой зоне. Пусть к тому же мы располагаем дополнительной партией технических средств (например, новые датчики системы охраны, новые единицы видеокамер и т.п. вплоть до финансовых ресурсов, выраженных в денежных единицах) в количестве Φ =18 штук. Требуется так распределить имеющийся у нас ресурс по трем рубежам охраны, т.е. найти соответственно значения ϕ1 ,ϕ2 ,ϕ3 ,ϕ4 ,ϕ5 ,ϕ6 , чтобы обеспечить максимальную полную вероятность

P обнаружения объекта поиска в запретной зоне D .

Решение задачи опирается на дискретный аналог вариационного функционала (1): P = ∑N pi (1−e−ϕi ) , достигающего максимума при оптимальном

i=1

распределении ресурса, удовлетворяющем условию:

				p	i
0			ln			, если pi ≥C,
				C
ϕi	=
		0 ,	если pi ≤C,

209

где постояннаяC подбирается из условия ∑6	ϕi = Φ =18, ϕi ≥ 0 .
i =1
Все необходимые вычисления удобно произвести средствами элек-

тронных таблиц MSExcelи получить следующее оптимальное распределение технического ресурса (количество): 5, 4, 4, 3, 1, 1 соответственно шести условным рубежам охраны, обеспечивающее максимальную полную вероятность обнаружения поискового объекта, равную 98 %. Подчеркнем, что это значение всегда превышает вероятность обнаружения при равномерном распределении ресурсов (по 3 на каждый рубеж), которая в данном примере составляет лишь 95 %. Если же распределять ресурсы абсолютно произвольно, скажем так: 1, 2, 2, 5, 4, 4 по соответствующим рубежам охраны, то полная вероятность обнаружения окажется значительно ниже расчетной и составит всего 78 %.

Рассмотренный нами пример модели третьего типа видится наиболее перспективным с точки зрения изучаемых прикладных задач оптимизации размещения технических ресурсов на объектах УИС. Такие модели допускают большое количество разнообразных обобщений. Например, можно рассматривать исходное эмпирическое распределение вероятностей по кольцевым зонам (рубежам) охраны зависит от номера зоны и момента времени и требуется отыскать оптимальное распределение времени tk на-

блюдения за кольцевой зоной k , с целью обеспечения максимальной полной вероятности обнаружения точки («объекта») сканирующей системой.

В заключение отметим, что проверка разработанных задач оптимизации и построенных на их основе типовых моделей на фактическом статистическом материале какого-либо учреждения УИС представляет несомненный научный и практический интерес.

В.В. Теняев,

заместитель начальника кафедры математики и информационных технологий управления, кандидат физико-математических наук (Академия ФСИН России);

В.Е. Иванов,

заместитель начальника по тылу (ГУФСИН России по Республике Коми)

Перспективы информатизации в УИС

В условиях реформирования уголовно-исполнительной системы Российской Федерации информационным технологиям отводится важное место. Сами информационные технологии не являются панацеей от всех проблем. Важно понимать, что технологии – всего лишь инструмент для

210