Ansigtsgenkendelse til computersyn

Ansigtsgenkendelse: Hvordan det virker, dets fordele, udfordringer og bekymringer om privatlivets fred

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 ansigtsgenkendelsesdataindsamling 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:

  1. 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.

  2. Ansigtsanalyse

    Ansigtsanalyse til ansigtsgenkendelse Dernæst er analysen af ​​det optagne billede. EN ansigtsgenkendelsessystem bruges til nøjagtigt at identificere unikke ansigtstræk såsom afstanden mellem øjnene, næsens længde, mellemrummet mellem mund og næse, pandens bredde, formen på øjenbrynene og andre biometriske egenskaber.

    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.

  3. 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.

  4. 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. 

Ai træningsdata til ansigtsgenkendelse

Hvor bruges ansigtsgenkendelse?

I dag kommer ansigtsgenkendelsessystemer ind i hverdagen, og deres brug kan ofte gå ubemærket hen. For at gøre livet lettere og øge sikkerheden er her flere fremtrædende eksempler på, at ansigtsgenkendelse gør en forskel.

  • Healthcare: Læger bruger ansigtsgenkendelse til at identificere visse sjældne genetiske lidelser hos børn ved at skimme gennem ansigtstræk. Et eksempel på det ville være Face2Gene app, som sammenligner en patients struktur i ansigtet med kendte tilfælde for at hjælpe med at afgøre, om barnet har Noonan syndrom eller Angelman syndrom.
  • Hoteller: Nogle hoteller installerer ansigtsgenkendelse for at fremskynde deres indtjekning. I Kina er Marriott hotel lader gæster komme ind i en lobby kiosk for en hurtig ansigtsscanning, undgå lange køer i receptionen og gøre indgangen til en behagelig affære.
  • Tilgængelighed: Det giver synshandicappede mulighed for nemt at autentificere sig selv. De kræver ikke længere adgangskoder, pinkoder eller andet. Med ansigtsgenkendelse kan de få adgang til bankapps eller låse op for enheder, hvilket gør daglige opgaver meget mere gennemførlige.
  • Klasseværelser: Udover sikkerhedsaspektet bruger vejskoler ansigtsgenkendelse til at overvåge elevernes engagement. For eksempel kan systemerne advare dig om, hvorvidt eleverne er opmærksomme på den læring, der foregår i klassen, hvilket giver lærerne mulighed for at ændre deres metoder med det samme.
  • Begivenhedssikkerhed: Ansigtsgenkendelsesteknologi har fundet en anvendelse i håndteringen af ​​menneskemængder og øget sikkerheden ved store begivenheder som koncerter og sportsspil. Et eksempel kunne være dens udstationering ved stadionporte for at verificere billetindehavere og forbyde uautoriseret adgang.
  • biler: Bilproducenter integrerer nu ansigtsgenkendelse i deres biler for en bedre køreoplevelse. Visse køretøjer kan genkende førerens ansigt, foretage automatiske justeringer af sædepositioner og spejle og endda afspille specifikke afspilningslister.

[Læs også: Hvad er AI-billedgenkendelse? Hvordan det virker og eksempler]

Hvad er fordelene ved ansigtsgenkendelse

Ansigtsgenkendelse er en relativt ny teknologi og byder på flere positive ting. Her er nogle fordele ved at bruge ansigtsgenkendelse:

  • Øget offentlig sikkerhed: Politiet bruger ansigtsgenkendelse til at identificere forsvundne personer og eftersøgte kriminelle. For eksempel politiafdelinger i Indien har med succes bragt tabte børn tilbage til deres familier efter at have matchet deres billeder til databaser med savnede personer.
  • Sikrede transaktioner: Mange banker og betalingssystemer bruger ansigtsgenkendelse til at gøre deres transaktioner mere sikre. f.eks. i Alipay, Kina, kan en bruger godkende en betaling blot ved at tillade, at deres ansigt bliver scannet, hvilket reducerer tilfælde af svindel og giver bekvemmelighed ved kontantløse betalinger.
  • Bedre sundhedspleje: Hospitaler har drevet ansigtsgenkendelsessystemer til problemfrit at få adgang til patienternes biblioteker og fremskynde registreringsprocessen. Nogle systemer registrerer endda fysisk smerte eller følelsesmæssige forstyrrelser hos patienter, hvilket gør det muligt for læger at yde bedre pleje.
  • Sikkerhed: Ansigtsgenkendelsesteknologi har ændret smartphonesikkerhed for altid. Mens Apples Face ID ikke kun låser en telefon op, muliggør det også beskyttelse af følsomme apps, såsom digitale tegnebøger og bankapps.

Ulemper ved ansigtsgenkendelse

Det har visse fordele; mere væsentligt er det dog, at det rejser etiske, privatlivs- og nøjagtighedsproblemer. Nedenfor er nogle af ulemperne:

  • Forkert anklage: Ansigtsgenkendelsessystemer kan medføre uretmæssige anklager. Eksemplet med Randall Reid, der blev anholdt i 2022 på baggrund af den fejlagtige identifikation med DNA gennem ansigtsgenkendelsessoftware for en lovovertrædelse i Louisiana, er faktisk et sted, han aldrig havde sat sine ben.
  • Kulturel og kønsskævhed: Undersøgelser har vist, at ansigtsgenkendelsessystemer er mindre nøjagtige til at genkende farvede og kvinder. I en detaljeret rapport udarbejdet til den amerikanske regering om ydeevnen af ​​disse systemer, det viste sig, at de rutinemæssigt fejlidentificerede personer med minoritetsbaggrund, hvilket fører til potentielle uretmæssige anholdelser eller diskrimination i retshåndhævelsen.
  • Krænkelse af privatliv: Stedet for ansigtsgenkendelse rejser nu etiske bekymringer, fordi det indsamler og opbevarer biometriske data, nogle gange uden samtykke. Som et eksempel bruger nogle detailbutikker ansigtsgenkendelsesteknologi til at spore kundeadfærd, hvilket fører til bekymringer over overvågning og personlige friheder.
  • Informationssikkerhedens sårbarhed: Selve det at gemme ansigtsdata udsætter én for hacking; da hackere har knækket følsomme biometriske oplysninger, viste Black Hat-hackere det på kun to minutter Apples ansigts-id kan blive hacket.

[Læs også: 27 gratis billeddatasæt til computersyn]

Eksempler på ansigtsgenkendelse

  • Amazon-anerkendelse: Amazons cloud-baserede ansigtsgenkendelsessoftware har udført retshåndhævende søgninger med brug af videooptagelser til at hente folk inde i en sags krop. Virksomheden meddelte dog, at politiet ikke længere vil bruge det i 2020, mens de venter på, at føderale love bliver vedtaget, der beskytter civile personer i tankerne.
  • Apple Face ID: Apple implementerer ansigtsgenkendelsessystemer på sine enheder, så brugerne kan låse deres telefoner op, logge ind på deres apps og foretage køb sikkert; en komplet standard for bekvemmelighed og sikkerhed inden for forbrugerelektronik.
  • Facebook (Meta): I 2010 lancerede Facebook ansigtsgenkendelsesteknologi til tagging af billeder. Muligheden for at bruge sådan teknologi er valgfri, og den tillader automatisk tagging af venner efter upload af billeder, da de er blevet genkendt på selve billederne.
  • Google Fotos: Google anvender ansigtsgenkendelse til at organisere og automatisk tagge billeder, hvilket gør det nemmere for brugere at spore og finde billeder med genkendte ansigter.
  • snapchat: Snapchat er en pioner inden for ansigtsgenkendelsessoftware og bruger sådan teknologi til sine populære usædvanlige filtre til forskellige objekter og sportspersonligheder.

Er ansigtsgenkendelse nøjagtig?

Nøjagtigheden af ​​ansigtsgenkendelse kan reduceres i virkelige situationer, da disse systemer bliver ramt under disse indstillinger. Nogle af de vigtigste drivkræfter for bias er blevet opsummeret her:

  • Kontrolleret miljø: Algoritmer er i stand til at identificere og matche ansigter med referencebilleder taget under kontrollerede lysforhold med kvalitetskameraer, hvilket giver en nøjagtighed på næsten 99.97 %.
  • aldring: Nøjagtigheden lider under den naturlige ændring af funktioner, der finder sted i årenes løb, især med de billeder, der er taget med årene med mellemrum.
  • Demografiske forvrængninger: Systemet har nogle gange en tendens til at fungere bedre for lysere hud og mandlige køn, og fejlraterne er højere for kvinder og farvede.
  • Eksterne faktorer: Kameraer med lav opløsning, digital støj og skiftende udtryk påvirker ydeevnen negativt.

Er ansigtsgenkendelse sikkert?

Ved at være baseret på unikke biometriske mønstre er ansigtsgenkendelsessystemer måske en af ​​de sikreste måder at identificere eksisterende måder inden for biometrisk teknologi. Liveness-detektion garanterer til gengæld, at systemet kun interagerer med live-brugere, hvilket etablerer en modforanstaltning mod spoofing-angreb ved hjælp af fotos eller videoer.

Alligevel er der bekymringer vedrørende privatlivets fred og misbrug, såsom masseovervågning, som understreger behovet for strenge reguleringsmekanismer, der administreres inden for et etisk område.

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.

Kunne du lide denne artikel? Følg Shaip på LinkedIn for flere opdateringer.

Social Share

Du vil måske også kunne lide