آنچه باید در مورد فناوری تشخیص چهره بدانید

2024 نویسنده: Malcolm Clapton | [email protected]. آخرین اصلاح شده: 2023-12-17 03:54

چگونه از این فناوری توسط دولت ها و مشاغل استفاده می شود، آیا می توان دوربینی را با سیستم شناسایی چهره فریب داد و آیا می توان با استفاده از عکس، فردی را در اینترنت پیدا کرد؟

Elena Glazkova Ivideon Marketer.

برای ایالت، تشخیص چهره بخش مهمی از سیستم امنیتی و یک آیتم بودجه چشمگیر است. برای روزنامه‌نگاران، یا نوشدارویی است یا ابزار یک توطئه جهانی. برای تجارت، یک ابزار یا یک محصول. از هر طرفی که بگیرید، سؤالات اساسی همچنان باقی است. کاربران معمولاً پاسخ آنها را در اینترنت جستجو می کنند (به طور متوسط 28704 درخواست تشخیص چهره در ماه)، اما همیشه آنها را پیدا نمی کنند. اصلاح وضعیت.

تشخیص چهره چیست

مگس ها را از کتلت ها جدا می کنیم. کاربران به احتمال زیاد در گوشی های هوشمند خود از تشخیص چهره استفاده می کنند، جایی که از شناسایی بیومتریک برای باز کردن قفل دستگاه استفاده می شود و فقط صاحب آن می تواند به داده ها دسترسی داشته باشد. یک دوربین سه بعدی لزوماً در فرآیند تشخیص دخالت دارد به طوری که فریب ابزار با یک عکس غیرممکن است.

همچنین شناسایی چهره‌ها در زمان واقعی و در شرایط واقعی وجود دارد: در این مورد، به طور جدایی ناپذیری با سیستم‌های نظارت تصویری مرتبط است، جایی که چهره‌ها به معنای واقعی کلمه از جریان ویدیویی فیلم‌برداری شده توسط دوربین‌ها «دزدیده می‌شوند».

یک دوربین مداربسته مدرن با کیفیت بالا را تصور کنید که درست بالاتر از قد متوسط انسان در مکانی با نور مناسب قرار گرفته است. تقریباً همان تعداد تقریباً همان افراد هر روز از جلوی او عبور می کنند. آنها خیلی سریع حرکت نمی کنند.

ویدیوی گرفته شده را می توان در آرشیو ابری ذخیره کرد. یک ماژول تحلیلی به دوربین متصل است: ترکیبی پیچیده از الگوریتم‌ها (هوش مصنوعی، شبکه‌های عصبی، این همه) به‌علاوه یک رابط کاربری. ماژول چهره‌ها را از جریان ویدئو جدا می‌کند، جنسیت و سن را تعیین می‌کند و داده‌ها را در پایگاه داده وارد می‌کند.

به تدریج تصاویر بیشتر می شود. سیستم تمام چهره های شناسایی شده را به طور خودکار به خاطر می آورد و آنها را در بایگانی ثبت می کند، و کاربر با پذیرش داده های اضافی را نشان می دهد: نام، موقعیت، وضعیت، علائم دیگر ("VIP- مهمان" یا "دزد"). شما می توانید یک عکس از فرد مورد نیاز آپلود کنید و ماژول تمام شناسایی های این شخص را در آرشیو پیدا می کند.

به محض اینکه یک فرد دارای علامت دوباره از مقابل دوربین عبور می کند، سیستم این موضوع را به عنوان یک رویداد مهم ثبت می کند و یک اعلان فشار برای کاربران علاقه مند ارسال می کند.

تشخیص در زمینه تشخیص چهره وضعیتی است که در آن الگوریتم، در اصل، متوجه شد که یک چهره است، نه یک سیب یا یک پری دریایی از لیوان استارباکس. او ابتدا برای این کار به قدرت محاسباتی نیاز دارد و تنها پس از آن می تواند چهره را با پایه تطبیق دهد یا به خاطر بسپارد.

اگر چند پاراگراف قبلی را تا آخر خوانده باشید، تبریک می‌گوییم، اکنون می‌دانید که تشخیص چهره در یک موقعیت ایده‌آل چگونه کار می‌کند. توضیحات برای هر سیستمی مناسب است: از موارد استفاده شده در مترو مسکو تا راه حل هایی برای مشاغل کوچک.

نکته اصلی که باید درک کرد این است که ایجاد یک موقعیت ایده آل در زندگی واقعی دشوار است، به خصوص وقتی صحبت از کل شهر باشد و نه یک دفتر یا یک فروشگاه. مثلاً افراد زیادی در مترو هستند، همه فرق می کنند، تند راه می روند. شما به دوربین های زیادی نیاز دارید، آنها هزینه دارند و متخصصان شایسته باید آنها را قرار دهند.

آیا می توان الگوریتم تشخیص چهره را فریب داد؟

علیرغم اشتباهات گاه و بیگاه، دقت تشخیص ماشین در حال حاضر بیشتر از آن چیزی است که افراد با آن چهره ها را تعیین می کنند. چین پایگاه داده غول پیکر تشخیص چهره را برای شناسایی هر شهروندی در عرض چند ثانیه ایجاد می کند، به زودی در چین ظاهر می شود، سیستمی که قادر است شخص خاصی را در 3 ثانیه با دقت 90 درصد در بین 1.3 میلیارد ساکن دیگر پیدا کند.

و با این حال پاسخ صریح به این سوال دشوار است، زیرا هیچ الگوریتم ایده آل واحدی برای تشخیص چهره وجود ندارد.عینک بزرگ، ریش چسبانده شده، کلاه، سرعت حرکت بالا، آرایش خاص (به عنوان مثال، مشبک "Black Swan" روی صورت، گربه ها، دایره ها و چوب ها نقاشی شده است. نحوه فرار از سیستم های تشخیص چهره با استفاده از آرایش) - همه اینها می تواند الگوریتم را گیج کند. به خصوص در مجموع، زیرا برای به رسمیت شناختن آن به اندازه کافی چگونه به تقلب سیستم های تشخیص آیا 70٪ از یک چهره باز است. حال تصور کنید استفاده از ترفندهای بالا در یک شهر واقعی ضروری است. به نظر آسان نیست، درست است؟

عینک "ضد شناسایی" ژاپنی که در سال 2015 بازمی گردد

و در اینجا چنین ماسک سه بعدی در سال 2014 وجود دارد

آیا امکان تشخیص چهره به صورت آنلاین وجود دارد؟

اینترنت یک مکان متناقض است: مردم اینجا می توانند همزمان نگران این باشند که آیا هر دوربین دومی در خیابان شخصیت آنها را تشخیص می دهد یا خیر، و صادقانه می خواهند "چهره دیگران را از روی عکس های آنها به صورت آنلاین تشخیص دهند." بیایید این روند تشخیص چهره را جداگانه در نظر بگیریم.

برنامه تشخیص چهره یا همان ماژول تحلیلی است که در بالا توضیح داده شد (دوربین مدار بسته + نرم افزار + ذخیره سازی ابری)، یا نرم افزاری شبیه به سرویس معروف (کمی رسواکننده) FindFace. امروزه، البته، در اکثر موارد، دانلود یک برنامه تشخیص چهره "رایگان و بدون ثبت نام" غیرممکن است.

سرویس وب FindFace.ru، که به یافتن افراد در شبکه اجتماعی VKontakte با عکس های آنها کمک می کند، در 18 فوریه 2016 تأسیس شد. از جمله، به لطف او، همه می توانند پروفایل دخترانی را پیدا کنند که در فیلم های پورنو بازی می کردند. خیلی زود، استفاده از این سرویس برای بسیاری از فلش‌موب‌ها برای شناسایی چهره‌ها آغاز شد، که این حق را داشتند که هرگز توسط کسی شناسایی نشوند. رسوایی فوران کرد که مانند یک تبلیغ ویروسی عمل کرد: فناوری که اساس این سرویس را تشکیل داد تعدادی جوایز معتبر دریافت کرد و علاقه مشتریان را از دولت و تجارت برانگیخت. از 1 سپتامبر 2018، این سرویس دیگر سرویس FindFace را ارائه نمی دهد، که برای شناسایی معترضان استفاده می شد، بسته شدن جستجوی افراد توسط سرویس عکس را اعلام کرد، زیرا NtechLab آن را به مجموعه ای از راه حل ها برای بخش های مختلف تجاری تبدیل کرد.

رویای کاربری که درخواست را وارد می کند، بدیهی است که به این صورت است: شما به سایت می روید، عکس شخصی را که مخفیانه در مترو گرفته شده است بارگذاری می کنید، برنامه چهره را می شناسد و پیوندی به نمایه می دهد. شبکه اجتماعی. آره گرفتار شدم یا مانند این: برنامه را در رایانه خود دانلود می کنید، وب کم خود را به آن متصل می کنید و چهره گربه خود را می شناسید. موفقیت - اکنون هر بار که گربه سوسیس را می دزدد یک اعلان دریافت خواهید کرد.

واقعیت ظالمانه است. سایت اولی که چنین چیزی را به شما پیشنهاد می کند از کار کردن خودداری می کند و سایت دوم به مهارت های برنامه نویسی در پایتون نیاز دارد. کم و بیش یک برنامه رویا مانند به نام SearchFace که اخیراً Restart شده بود Searchface با مجوز از طریق VKontakte راه اندازی مجدد شد. اما شبکه اجتماعی این قابلیت به نام FindClone را بسته است. شما یک عکس آپلود کردید و الگوریتم سعی کرد همان چهره را در پایگاه داده شبکه اجتماعی VKontakte تشخیص دهد. این برنامه پیوندهایی به نمایه ارائه نمی دهد، فقط خود تصاویر را ارائه می دهد - و مهم نیست که آنها توسط چه کسی آپلود شده اند. اگر کاربری برای مدت طولانی در یک شبکه اجتماعی فعال بوده است، انتشار یک عکس یک جلوه «بیوگرافیک» وهم انگیز ایجاد می کند، اما در غیر این صورت، تصاویر شناسایی شده می تواند باعث خنده او شود.

در واقع، مثال SearchFace به وضوح به این سوال پاسخ می دهد که "شبکه های اجتماعی چگونه از تشخیص چهره استفاده می کنند؟" دقیق تر است که آن را به این صورت فرموله کنیم: "شبکه های اجتماعی چگونه برای تشخیص چهره استفاده می شوند؟" پاسخ ساده است: مانند یک پایگاه داده. تعداد بیشماری از ترکیبات منحصر به فرد اعداد (اینگونه است که چهره ها در عکس به دنبال الگوریتم های فیس بوک، VKontakte و دیگران هستند) اساس آموزش شبکه های عصبی را تشکیل می دهند که اساس راه حل های تشخیص چهره را تشکیل می دهند.

راه حل ها همه متفاوت هستند، و شبکه های عصبی نیز متفاوت هستند، و مشتریان و ارائه دهندگان خدمات، به عنوان یک قاعده، جزئیات و ویژگی های فنی را فاش نمی کنند.به طور خاص، ماژول تشخیص جنسیت و سن به دلیل این واقعیت که می تواند از اطلاعات موجود در Odnoklassniki، VKontakte، Instagram و Facebook یاد بگیرد، می تواند تعیین کند.

نحوه برنامه ریزی تشخیص چهره

اگر توسعه‌دهنده نیستید، هرگز مجبور نیستید به سؤالات برنامه‌نویس و توسعه‌دهنده پاسخ دهید. بنابراین، برای کمک به یک متخصص مراجعه کردیم.

دیمیتری سوشنیکوف عضو انجمن هوش مصنوعی روسیه و کارشناس ارشد توسعه هوش مصنوعی و سیستم های یادگیری ماشین در مایکروسافت.

تشخیص چهره (و همچنین سایر عملیات های مرتبط) یک کار نسبتاً رایج است. بنابراین، بسیاری از شرکت ها خدمات آماده ای را در قالب API های ابری (واسطه های نرم افزاری بین برنامه ها) برای حل این وظایف با کیفیت بالا ارائه می دهند. علاوه بر غول های فناوری اطلاعات مانند مایکروسافت و گوگل، شرکت های تخصصی از جمله شرکت های روسی نیز به تشخیص چهره مشغول هستند. محصولات آن‌ها به سرعت در حال تکامل هستند و ویژگی‌های هیجان‌انگیزتری مانند شناسایی چهره‌ها و شبح‌ها در میان جمعیت ارائه می‌کنند.

آموزش شبکه عصبی از ابتدا بسیار دشوارتر است. ما به مجموعه ای بزرگ و با کیفیت از داده های اولیه نیاز داریم، یعنی ده ها و صدها هزار (یا حتی بیشتر!) عکس از افراد. علاوه بر این، منابع محاسباتی قابل توجهی و دانش هوش مصنوعی و یادگیری ماشین مورد نیاز خواهد بود. شرکت های بزرگ همه این ابزارها را در اختیار دارند، بنابراین مشکل را خیلی بهتر حل می کنند.

همچنین یک راه حل میانی وجود دارد - برای مثال استفاده از یک شبکه عصبی آموزش دیده از قبل. این گزینه، به احتمال زیاد، کمی بدتر از یک سرویس ابری آماده کار می کند، اما به شما امکان می دهد کنترل کاملی بر سیستم داشته باشید. این امر مستلزم سطح مشخصی از درک عملکرد شبکه های عصبی و چارچوب های شبکه عصبی و به احتمال زیاد دانش زبان پایتون است که به عنوان زبان اصلی برنامه نویسی در بین متخصصان علوم داده محبوبیت پیدا کرده است.

در واقع، به لطف بسته عالی NumPy، انجام آزمایش های مختلف، تجسم داده ها و انجام محاسبات ماتریس کارآمد راحت است. این بهترین زبان برای توسعه صنعتی نیست، زیرا حاوی ابزارهای موثر برای ایجاد سیستم های نرم افزاری بزرگ امن نیست، اما هنوز جایگزینی برای آن در زمینه آموزش شبکه های عصبی عمیق وجود ندارد.

نحوه عملکرد تشخیص چهره در تجارت

تقاضا برای تشخیص چهره در فین‌تک، خرده‌فروشی و سایر انواع کسب‌وکار ارتباط مستقیمی با افزایش دسترسی به فناوری دارد. مکانیک ساده است: همه شرکت ها و همه سازمان ها دارای دوربین های مدار بسته هستند که به عنوان ابزاری برای جمع آوری داده ها و تجزیه و تحلیل های بعدی استفاده می شود. در دنیا سیستم های نظارتی هر ماه یک ترابایت فیلم با کیفیت Full HD می گیرند، یعنی واقعا اطلاعات زیادی برای پردازش وجود دارد.

نرم افزار مورد نیاز برای تجزیه و تحلیل داده ها می تواند توسط سازنده بر روی دستگاه "فلش" شود. دوربین‌های آنالیز ویدیویی روی برد معمولاً بسیار گران هستند.

یک گزینه جایگزین، تجزیه و تحلیل در فضای ابری است، یعنی یک مرکز داده از راه دور که به هر دوربین ارزان قیمتی متصل می شود. این یک مرتبه ارزان‌تر است، به علاوه انعطاف‌پذیری می‌دهد - می‌توانید راه‌حل‌هایی را برای یک تجارت خاص تطبیق دهید.

محبوبیت فناوری تشخیص چهره در زمینه های مختلف فعالیت در حال افزایش است. به عنوان مثال، Sberbank از نظر اعلام پروژه های مختلف تشخیص چهره یکی از پیشتازان است و می تواند استدلال کند که او شما را از هزار نفر می شناسد: خودپرداز مشتری را با چشمان خود در این زمینه شناسایی می کند، شاید فقط Tinkoff در سال 2017، Sberbank Sberbank را خریداری کرد و 25.07٪ از VisionLabs را در فناوری تشخیص چهره، که نرم افزاری برای تشخیص چهره ایجاد می کند، سرمایه گذاری کرد. در سال 2018، یک موسسه مالی موفق شد تشخیص چهره را در مترو مسکو آزمایش کند و حتی 42 مجرم را دستگیر کند. 42 مجرم به لطف سیستم تشخیص چهره Sberbank دستگیر شدند تا شما را از هزار نفر شناسایی کند: یک دستگاه خودپرداز مشتری را توسط چشم های دستگاه های خودپرداز با شناسایی چهره به طوری که مهاجمان نتوانند از کارت های دیگران پول برداشت کنند و همچنین جمع آوری داده های بیومتریک را اعلام کنند (ضبط صوتی یک صدا،ویدئو از چهره) مشتریان. در آوریل سال جاری، Sberbank بر توسعه دهنده سیستم های تشخیص صدا و چهره - "مرکز فناوری های گفتار" (MDT) کنترل کرد.

نکته دیگر این است که اعلام، آزمایش، آزمایش و خرید راهکارها به معنای اجرای واقعی نیست. اینکه دقیقاً اکنون در Sberbank از چه چیزی استفاده می شود (و اینکه آیا از آن استفاده می شود) در واقع فقط توسط آلمانی گرف با اطمینان می توان گفت.

با خرده فروشی، همه چیز شفاف تر است. اساساً سه مشکل در اینجا وجود دارد که تشخیص چهره آنها را حل می کند.

اول دزدی مغازه ها توسط کلاهبرداران و اغلب افراد مشابه در یک شبکه اداره می شوند. تشخیص چهره به شما امکان می دهد "دزدان در حال حرکت" و سایر افرادی را که قبلاً دستور را نقض کرده اند شناسایی کنید. به محض ورود مهاجم به پایگاه داده پس از ورود به فروشگاه، امنیت یک اعلان در پیام رسان یا به روش مناسب دیگری دریافت می کند.

دوم، سختی کار با مشتریان معمولی. اطلاعات کافی در مورد خریدها و تولدها برای شخصی کردن پیشنهادها برای افراد VIP و طرفداران برند وجود ندارد. تشخیص چهره را می توان با CRM ادغام کرد - یعنی نرم افزاری که در آن مدیران تمام اطلاعات مربوط به تمام تراکنش های سازمان را وارد می کنند. در مورد سارقان و افراد VIP، تشخیص چهره تقریباً به همین صورت عمل می کند: چهره وارد یک لیست سیاه یا سفید می شود و هنگامی که دوباره ظاهر می شود، سیستم برای شخص دارای دسترسی بوق می دهد. جنسیت و سن به صورت خودکار تعیین می شود و اطلاعات تکمیلی توسط کارمند مسئول اضافه خواهد شد.

ثالثاً، شناسایی خرده فروشی برای تبلیغات هدفمند استفاده می شود. به عنوان مثال، در برخی فروشگاه‌ها، X5 Retail Group نصب شده X5 شامل دوربین‌های بینایی کامپیوتری برای تشخیص حالات چهره و سن مشتریان می‌شود. با تجزیه و تحلیل این داده ها، سیستم کالاهایی را که ممکن است فرد دوست داشته باشد، روی صفحه مانیتور در طبقه معاملات نمایش می دهد. مثال واضح دیگر، مورد Lolli & Pops، یک شیرینی فروشی بزرگ در ایالات متحده است. سیستم تشخیص چهره تعیین می کند که برنامه وفاداری در فروشگاه آینده شما از طریق تشخیص چهره مشتریان عادی تغذیه می شود و اعلان هایی را با محصولاتی که ممکن است دوست داشته باشند (با در نظر گرفتن ترجیحات فردی و حتی آلرژی های غذایی) به تلفن های هوشمند آنها ارسال می کند.

نمونه بارز دیگر استفاده از فناوری در خرده فروشی، فروشگاه های بدون فروشنده و صندوق فروش است. به عنوان مثال، Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown یک کافه و فروشگاه سلف سرویس واقع در هانگژو است. نوشیدنی، تنقلات، خواربار، اسباب بازی، کوله پشتی و مانند آن می فروشد. کافه تائو فقط برای کاربران وب سایت تائوبائو باز است.

هنگام خرید نوشیدنی، یک سیستم دوربین با پشتیبانی از تشخیص چهره به طور خودکار مشتری را شناسایی می کند، به حساب او در فروشگاه آنلاین متصل می شود و پرداخت را پردازش می کند. خریداران از فضایی خارج می شوند که دارای حسگرهای متعددی است که هم مشتری و هم کالا را شناسایی می کند. اسکن حتی اگر فرد خرید را در جیب یا کیف قرار دهد کار می کند.

فناوری تشخیص چهره چگونه در حال پیشرفت است

سیستم های دوربین مداربسته Face ID واقعاً دنیا را فرا گرفته اند. در مسکو، تعداد دوربین ها در سال 2019 به فناوری های بالا و امنیت خواهد رسید: امسال 174 هزار دوربین مداربسته ظاهر می شوند. این بدان معنا نیست که همه این دستگاه ها به طور پیش فرض می توانند یک شخص را تشخیص دهند: اغلب گزارش می شود که سیستم شناسایی مجرمان تحت تعقیب از طریق دوربین های فیلمبرداری در مسکو در سال 2019 حدود 160 هزار دوربین با این عملکرد شروع به کار می کند. با این وجود، در پایان سال 2018، دفتر شهردار مسکو اعلام کرد که مقامات مسکو در سال 2019 قصد دارند دوربین‌های فیلمبرداری را جایگزین کرده و سیستم تشخیص چهره را برای جایگزینی همه دستگاه‌های نظارت تصویری راه‌اندازی کنند و سال آینده یک سیستم کاملاً خلاقانه تشکیل دهند.

تناقض این است که 160 هزار آنقدر نیست. به خصوص در مقایسه با یکی دیگر از رهبران در جستجوهای موتورهای جستجو در موضوع تشخیص چهره - چین.در پایان سال 2017، «در صورت تو: دولت همه‌چیز چین» بیش از 170 میلیون دوربین مداربسته و در طول سه سال آینده، فناوری نظارتی «برادر بزرگ» چین تقریباً آن‌طور که دولت می‌خواهد همه‌چیز نیست، وجود داشت. اتصال به شبکه هنوز هم حدود 400 میلیون است.

استفاده صحیح و صحیح از تشخیص چهره در درجه اول برای بهبود ایمنی و راحتی کار می کند. مردم معمولاً به سرعت به فناوری اعتماد می کنند که آنها را از صف برای یک مسابقه فوتبال نجات می دهد (به دوربین لبخند می زند - عبور می کند)، از دزدی و اوباشگری جلوگیری می کند یا به آنها کمک می کند کمتر برای خرید خرج کنند (برنامه های وفاداری). البته همه اینها به مقررات خاصی نیاز دارد - به همین دلیل است که قوانین مربوط به حفاظت از داده های شخصی در حال تصویب است.

در آینده، این احتمال وجود دارد که حوزه تشخیص چهره در سیستم‌های نظارت تصویری به طور مشابه با روش فعلی کار با شناسایی چهره در اینترنت تنظیم شود. افرادی که به حفظ حریم خصوصی فکر می کنند به سادگی زیاد در وب آپلود نمی کنند - شکست جزئی SearchFace ثابت می کند که چنین استراتژی موثر است.

البته نمی‌توان بی‌پایان خود را به قدم زدن در خیابان‌هایی که در هر تقاطع‌هایی دوربین نصب می‌کنند محدود کرد، اما در صورت درخواست مربوطه از سوی جامعه امکان حفظ ناشناس بودن شکل می‌گیرد.