Mennesker er dygtige til at genkende ansigter, men vi fortolker også udtryk og følelser helt naturligt. Forskning siger, at vi kan identificere personligt kendte ansigter indeni 380ms efter præsentation og 460ms for ukendte ansigter. Men denne iboende menneskelige kvalitet har nu en konkurrent inden for kunstig intelligens og computersyn. Disse banebrydende teknologier hjælper med at udvikle løsninger, der genkender menneskelige ansigter mere præcist og effektivt end nogensinde før.
Disse seneste innovative og ikke-påtrængende teknologier har gjort livet enklere og spændende. Ansigtsgenkendelsesteknologi er vokset til en teknologi i hurtig udvikling. I 2020 blev ansigtsgenkendelsesmarkedet vurderet til $ 3.8 milliarder, og det samme forventes at fordobles i størrelse i 2025 – forventes at være over 8.5 milliarder dollars.
Hvad er ansigtsgenkendelse?
Ansigtsgenkendelsesteknologi kortlægger ansigtstræk og hjælper med at identificere en person baseret på de lagrede ansigtsprintdata. Denne biometriske teknologi bruger deep learning algoritmer til at sammenligne det lagrede ansigtsprint med det levende billede. Ansigtsgenkendelsessoftware sammenligner også optagne billeder med en database med billeder for at finde et match.
Ansigtsgenkendelse er blevet brugt i mange applikationer til at øge sikkerheden i lufthavne, hjælper retshåndhævende myndigheder med at opdage kriminelle, retsmedicinske analyser og andre overvågningssystemer.
Hvordan fungerer ansigtsgenkendelse?
Ansigtsgenkendelsessoftware begynder med indsamling af data om ansigtsgenkendelse og billedbehandling ved hjælp af Computer Vision. Billederne gennemgår en høj grad af digital screening, så computeren kan skelne mellem et menneskeligt ansigt, et billede, en statue eller endda en plakat. Ved at bruge maskinlæring identificeres mønstre og ligheder i datasættet. ML-algoritmen identificerer ansigtet i et givet billede ved at genkende ansigtstrækmønstre:
- Forholdet mellem højde og bredde af ansigtet
- Ansigtets farve
- Bredden af hver funktion – øjne, næse, mund og mere.
- Karakteristiske træk
Da forskellige ansigter har forskellige funktioner, har ansigtsgenkendelsessoftware det også. Men generelt fungerer enhver ansigtsgenkendelse ved hjælp af følgende procedure:
-
Ansigtsgenkendelse
Ansigtsteknologiske systemer genkender og identificerer et ansigtsbillede i en menneskemængde eller individuelt. Teknologiske fremskridt har gjort det nemmere for softwaren at registrere ansigtsbilleder, selv når der er en lille variation i kropsholdningen – vendt mod kameraet eller kigger væk fra det.
-
Ansigtsanalyse
Et menneskeligt ansigts distinkte og genkendelige træk kaldes knudepunkter, og hvert menneskeansigt har omkring 80 knudepunkter. Ved at kortlægge ansigtet, genkende geometri og fotometri er det muligt at analysere og identificere ansigter ved hjælp af genkendelsesdatabaser nøjagtigt.
-
Billedkonvertering
Efter at have taget billedet af et ansigt, konverteres den analoge information til digitale data baseret på personens biometriske træk. Siden machine learning Algoritmer genkender kun tal, det bliver relevant at konvertere ansigtskortet til en matematisk formel. Denne numeriske gengivelse af ansigtet, også kendt som et ansigtsaftryk, sammenlignes derefter med en database med ansigter.
-
At finde en kamp
Det sidste trin er at sammenligne dit ansigtsprint med flere databaser over kendte ansigter. Teknologien forsøger at matche dine funktioner med dem i databasen.
Det matchede billede returneres normalt med personens navn og adresse. Hvis sådanne oplysninger mangler, bruges de data, der er gemt i databasen.
Ansigtsgenkendelsesteknologi industriapplikationer
- Vi kender alle til Apples Face ID, der hjælper dets brugere med hurtigt at låse og låse deres telefoner op og logge ind i applikationer.
- McDonald's har brugt ansigtsgenkendelse i sin japanske butik til at vurdere kvaliteten af kundeservice. Det bruger denne teknologi til at afgøre, om dets servere hjælper sine kunder med et smil.
- Covergirl bruger ansigtsgenkendelsessoftware at hjælpe sine kunder med at vælge den rigtige nuance af foundation.
- MAC bruger også sofistikeret ansigtsgenkendelse til at give kunderne en shoppingoplevelse i mursten og mørtel ved at give dem mulighed for praktisk talt at 'prøve' deres makeup ved hjælp af udvidede spejle.
- Fastfood-giganten CaliBurger har brugt ansigtsgenkendelsessoftware til at give sine kunder mulighed for at se deres tidligere køb, nyde specialiserede rabatter, se personlige anbefalinger og bruge deres loyalitetsprogrammer.
- Den amerikanske sundhedsgigant Cigna lader deres kunder i Kina indgive deres sygeforsikringskrav ved at bruge fotosignaturer i stedet for skriftlige skilte.
Dataindsamling til ansigtsgenkendelsesmodel
For at ansigtsgenkendelsesmodellen skal fungere optimalt, skal du træne den på forskellige heterogene datasæt.
Da ansigtsbiometri er forskellig fra person til person, bør ansigtsgenkendelsessoftwaren være dygtig til at læse, identificere og genkende hvert ansigt. Desuden, når personen viser følelser, ændrer deres ansigtskonturer sig. Genkendelsessoftwaren bør designes, så den kan imødekomme disse ændringer.
En løsning er at modtage billeder af flere mennesker fra forskellige dele af verden og skabe en heterogen database med kendte ansigter. Du bør ideelt set tage billeder fra flere vinkler, perspektiver og med en række forskellige ansigtsudtryk.
Når disse billeder uploades til en centraliseret platform, hvor udtrykket og perspektivet tydeligt nævnes, skaber det en effektiv database. Kvalitetskontrolteamet kan derefter gennemse disse billeder for hurtig kvalitetskontrol. Denne metode til at indsamle billeder af forskellige mennesker kan resultere i en database med højkvalitets, meget effektive billeder.
Er du ikke enig i, at ansigtsgenkendelsessoftware ikke vil fungere optimalt uden et pålideligt system til indsamling af ansigtsdata?
Indsamling af ansigtsdata er grundlaget for enhver ansigtsgenkendelsessoftwares ydeevne. Det giver værdifuld information såsom længden af næsen, bredden af panden, formen på mund, ører, ansigt og meget mere. Ved hjælp af AI-træningsdata kan automatiserede ansigtsgenkendelsessystemer nøjagtigt identificere et ansigt midt i en stor menneskemængde i et dynamisk skiftende miljø baseret på deres ansigtstræk.
Hvis du har et projekt, der kræver et yderst pålideligt datasæt, der kan hjælpe dig med at udvikle sofistikeret software til ansigtsgenkendelse, er Shaip det rigtige valg. Vi har en omfattende samling af ansigtsdatasæt optimeret til træning af specialiserede løsninger til forskellige projekter.
For at vide mere om vores indsamlingsmetoder, kvalitetskontrolsystemer og tilpasningsteknikker, komme i kontakt hos os i dag.