Хората са умели в разпознаването на лица, но също така интерпретираме израженията и емоциите съвсем естествено. Изследванията показват, че можем да идентифицираме лично познати лица вътре 380ms след представяне и 460ms за непознати лица. Въпреки това, това присъщо човешко качество сега има конкурент в областта на изкуствения интелект и компютърното зрение. Тези новаторски технологии помагат за разработването на решения, които разпознават човешките лица по-точно и ефикасно от всякога.
Тези най-нови иновативни и ненатрапчиви технологии направиха живота по-лесен и вълнуващ. Технологията за разпознаване на лица се превърна в бързо развиваща се технология. През 2020 г. пазарът на разпознаване на лица беше оценен на 3.8 млрд. долара, като същият се планира да удвои размера си до 2025 г – прогнозира се да бъде над 8.5 милиарда долара.
Какво е лицево разпознаване?
Технологията за лицево разпознаване картографира чертите на лицето и помага за идентифицирането на човек въз основа на съхранените данни за лицев отпечатък. Тази биометрична технология използва алгоритми за задълбочено обучение, за да сравни съхранения отпечатък на лицето с изображението на живо. Софтуерът за разпознаване на лица също сравнява заснетите изображения с база данни от изображения, за да намери съвпадение.
Разпознаването на лица се използва в много приложения за подобряване на сигурността на летищата, помага на правоприлагащите органи при откриването на престъпници, съдебномедицинския анализ и други системи за наблюдение.
Как работи разпознаването на лица?
Софтуерът за лицево разпознаване започва със събиране на данни за лицево разпознаване и обработка на изображения с помощта на Computer Vision. Изображенията се подлагат на високо ниво на дигитална проверка, така че компютърът да може да направи разлика между човешко лице, картина, статуя или дори плакат. Чрез използването на машинно обучение се идентифицират модели и прилики в набора от данни. ML алгоритъмът идентифицира лицето във всяко дадено изображение чрез разпознаване на черти на лицето:
- Съотношението на височината към ширината на лицето
- Цветът на лицето
- Ширината на всяка черта – очи, нос, уста и др.
- Отличителни черти
Както различните лица имат различни характеристики, така и софтуерът за разпознаване на лица. Като цяло обаче всяко лицево разпознаване работи по следната процедура:
Разпознаване на лица
Системите за лицева технология разпознават и идентифицират лицево изображение в тълпа или поотделно. Технологичният напредък улесни софтуера да разпознава изображения на лица дори когато има лека промяна в позата – с лице към камерата или гледане настрани от нея.
Анализ на лицето
Различните и разпознаваеми черти на човешкото лице се наричат възлови точки и всяко човешко лице има около 80 възлови точки. Чрез картографиране на лицето, разпознаване на геометрия и фотометрия е възможно да се анализират и идентифицират лица с помощта на бази данни за разпознаване точно.
Преобразуване на изображения
След заснемане на изображението на лице, аналоговата информация се преобразува в цифрови данни въз основа на биометричните характеристики на лицето. От машинно обучение алгоритмите разпознават само числа, превръщането на картата на лицето в математическа формула става уместно. Това числено представяне на лицето, известно още като лицев отпечатък, след това се сравнява с база данни от лица.
Намиране на съвпадение
Последната стъпка е сравняването на отпечатъка на вашето лице с няколко бази данни с познати лица. Технологията се опитва да съпостави вашите характеристики с тези в базата данни.
Съвпадащото изображение обикновено се връща с името и адреса на лицето. Ако такава информация липсва, се използват данните, записани в базата данни.
Къде се използва лицевото разпознаване?
Днес системите за лицево разпознаване навлизат в ежедневието и използването им често може да остане незабелязано. За да улесним живота и да увеличим безопасността, ето няколко видни примера за разпознаване на лица, което прави разликата.
- Здравеопазване: Лекарите използват лицево разпознаване, за да идентифицират определени редки генетични заболявания при деца, като преглеждат чертите на лицето. Пример за това би бил Приложение Face2Gene, който сравнява структурата на лицето на пациента с известни случаи, за да помогне да се определи дали детето има синдром на Noonan или синдром на Angelman.
- Хотели: Някои хотели инсталират лицево разпознаване, за да ускорят настаняването си. В Китай, Хотел Marriott позволява на гостите да влизат във фоайе павилион за бързо сканиране на лицето, избягвайки дългите опашки на рецепцията и превръщайки влизането в приятно занимание.
- Достъпност: Позволява на хора с увредено зрение лесно да се идентифицират. Вече не изискват пароли, ПИН кодове или каквото и да е друго. С лицевото разпознаване те имат достъп до приложения за банкиране или отключване на устройства, което прави ежедневните задачи много по-осъществими.
- класни стаи: Освен аспекта на сигурността, пътните училища използват разпознаване на лица, за да наблюдават ангажираността на учениците. Например, системите могат да ви предупреждават дали учениците обръщат внимание на ученето, което се случва в клас, позволявайки на учителите да променят методите си незабавно.
- Сигурност на събитието: Технологията за лицево разпознаване намери приложение в управлението на тълпи и повишаване на безопасността при големи събития като концерти и спортни игри. Един пример би бил разполагането му на вратите на стадиона, за да проверява притежателите на билети и да забранява неоторизирано влизане.
- Автомобили: Автопроизводителите вече интегрират разпознаване на лица в колите си за по-добро изживяване при шофиране. Някои превозни средства могат да разпознават лицето на водача, да правят автоматични настройки на позициите на седалките и огледалата и дори да възпроизвеждат специфични плейлисти.
[Прочетете също: Какво е AI Image Recognition? Как работи и примери]
Какви са предимствата на лицевото разпознаване
Разпознаването на лица е сравнително нова технология и предлага множество положителни страни. Ето някои плюсове от използването на лицево разпознаване:
- Повишена обществена безопасност: Полицейските управления използват лицево разпознаване за идентифициране на изчезнали лица и издирвани престъпници. Например полицейските управления в Индия успешно върна изгубените деца при семействата им след съпоставяне на техните снимки с бази данни за изчезнали лица.
- Защитени транзакции: Много банки и платежни системи използват лицево разпознаване, за да направят транзакциите си по-безопасни. например, в Alipay, Китай, потребителят може да разреши плащане, просто като позволи лицето му да бъде сканирано, като по този начин се намаляват случаите на измама и се предоставя удобство при безкасовите плащания.
- По-добро здравеопазване: Болниците са внедрили системи за разпознаване на лица за безпроблемен достъп до указателите на пациентите и за ускоряване на процеса на регистрация. Някои системи дори откриват физическа болка или емоционални смущения на пациентите, като по този начин позволяват на лекарите да предоставят по-добри грижи.
- Сигурност: Технологията за лицево разпознаване промени завинаги сигурността на смартфоните. Въпреки че Face ID на Apple не само отключва телефон, той също така дава възможност за защита на чувствителни приложения, като цифрови портфейли и банкови приложения.
Минуси на лицевото разпознаване
Има определени предимства; но по-важното е, че повдига етични въпроси, проблеми с поверителността и точността. По-долу са някои от недостатъците:
- Погрешно обвинение: Системите за лицево разпознаване могат да доведат до неправомерни обвинения. Примерът на Рандал Рийд, който беше арестуван през 2022 г. въз основа на погрешна идентификация с ДНК чрез софтуер за разпознаване на лица за престъпление в Луизиана, всъщност е място, на което той никога не е стъпвал.
- Културни и полови пристрастия: Проучванията показват, че системите за лицево разпознаване са по-малко точни при разпознаването на цветнокожи хора и жени. В подробен доклад, изготвен за правителството на САЩ относно работата на тези системи, беше установено, че те рутинно погрешно идентифицират хора от малцинствен произход, което води до потенциални неправомерни арести или дискриминация в правоприлагането.
- Нарушаване на личното пространство: Мястото на лицевото разпознаване сега поражда етични опасения, тъй като събира и съхранява биометрични данни, понякога без съгласие. Като пример, някои магазини за търговия на дребно използват технология за разпознаване на лица, за да проследяват поведението на клиентите, което води до опасения относно наблюдението и личните свободи.
- Уязвимостта на информационната сигурност: Самият акт на съхраняване на данни за лицето излага човек на хакване; тъй като хакерите са разбили чувствителна биометрична информация, хакерите на Black Hat само за две минути демонстрираха това Face ID на Apple може да бъде хакнат.
[Прочетете също: 27 безплатни набора от данни за изображения за компютърно зрение]
Примери за лицево разпознаване
- Разпознаване на Amazon: Базираният в облака софтуер за лицево разпознаване на Amazon е извършил претърсвания на правоприлагащите органи с помощта на видеозаписи, за да намери хора в тялото на делото. Компанията обаче обяви, че полицията вече няма да го използва до 2020 г., докато чака федералните закони да бъдат приети, защитавайки гражданските лица.
- Apple Face ID: Apple внедрява системи за лицево разпознаване на своите устройства, позволяващи на потребителите да отключват телефоните си, да влизат в своите приложения и да правят покупки безопасно; пълен стандарт за удобство и сигурност в потребителската електроника.
- Facebook (мета): През 2010 г. Facebook пусна технология за лицево разпознаване за маркиране на снимки. Възможността за използване на такава технология не е задължителна и позволява автоматично тагване на приятели след качване на снимки, тъй като те са били разпознати на самите снимки.
- Google Снимки: Google използва разпознаване на лица за организиране и автоматично маркиране на изображения, което улеснява потребителите да проследяват и намират изображения с разпознати лица.
- Snapchat: Пионер в софтуера за разпознаване на лица, Snapchat използва такава технология за своите популярни необичайни филтри за различни обекти и спортни личности.
Точно ли е лицевото разпознаване?
Точността на лицевото разпознаване може да бъде намалена в ситуации от реалния живот, тъй като тези системи понасят удари при тези настройки. Тук са обобщени някои от ключовите причини за пристрастия:
- Контролирана среда: Алгоритмите са в състояние успешно да идентифицират и съпоставят лица с референтни изображения, направени при контролирани условия на осветление с качествени камери, давайки точност от почти 99.97%.
- Стареене: Точността страда от естествената промяна на характеристиките, настъпваща през годините, особено при снимките, направени с години празнина.
- Демографски изкривявания: Системата понякога има тенденция да работи по-добре за по-светла кожа и мъжки пол, а процентът на грешка е по-висок за жените и цветнокожите.
- Външни фактори: Камерите с ниска разделителна способност, цифровият шум и променящите се изражения влияят неблагоприятно на производителността.
Безопасно ли е лицевото разпознаване?
Тъй като се основават на уникални биометрични модели, системите за разпознаване на лица са може би един от най-безопасните начини за идентификация между съществуващите режими в биометричните технологии. Откриването на Liveness от своя страна гарантира, че системата взаимодейства само с потребители на живо, установявайки противодействие срещу фалшиви атаки, използващи снимки или видеоклипове.
И все пак има опасения по отношение на поверителността и злоупотребата, като например масовото наблюдение, което подчертава необходимостта от строги регулаторни механизми, администрирани в рамките на етичен обхват.
Събиране на данни за модел за лицево разпознаване
За да може моделът за лицево разпознаване да работи максимално ефективно, трябва да го обучите на различни разнородни набори от данни.
Тъй като биометричните данни на лицето се различават от човек на човек, софтуерът за лицево разпознаване трябва да може да чете, идентифицира и разпознава всяко лице. Освен това, когато човекът показва емоции, контурът на лицето му се променя. Софтуерът за разпознаване трябва да бъде проектиран така, че да може да поеме тези промени.
Едно решение е получаване на снимки на няколко души от различни части на света и създаване на хетерогенна база данни с познати лица. В идеалния случай трябва да правите снимки от различни ъгли, перспективи и с различни изражения на лицето.
Когато тези снимки се качват на централизирана платформа, като ясно се споменава изражението и перспективата, се създава ефективна база данни. След това екипът за контрол на качеството може да пресее тези снимки за бързи проверки на качеството. Този метод за събиране на снимки на различни хора може да доведе до база данни с висококачествени, високоефективни изображения.
Не сте ли съгласни, че софтуерът за разпознаване на лица няма да работи оптимално без надеждна система за събиране на данни за лица?
Събирането на лицеви данни е основата за работата на всеки софтуер за лицево разпознаване. Предоставя ценна информация като дължината на носа, ширината на челото, формата на устата, ушите, лицето и много други. Използвайки данни за обучение на AI, автоматизираните системи за разпознаване на лица могат точно да идентифицират лице сред голяма тълпа в динамично променяща се среда въз основа на техните черти на лицето.
Ако имате проект, който изисква изключително надежден набор от данни, който може да ви помогне да разработите сложен софтуер за разпознаване на лица, Shaip е правилният избор. Разполагаме с обширна колекция от набори от данни за лица, оптимизирани за обучение на специализирани решения за различни проекти.
За да научите повече за нашите методи за събиране, системи за контрол на качеството и техники за персонализиране, се свържете с нас днес.
