Mennesker er flinke til å gjenkjenne ansikter, men vi tolker også uttrykk og følelser ganske naturlig. Forskning sier at vi kan identifisere personlig kjente ansikter innenfor 380ms etter presentasjon og 460 ms for ukjente fjes. Imidlertid har denne iboende menneskelige egenskapen nå en konkurrent innen kunstig intelligens og datasyn. Disse banebrytende teknologiene hjelper til med å utvikle løsninger som gjenkjenner menneskelige ansikter mer nøyaktig og effektivt enn noen gang.
Disse nyeste innovative og ikke-påtrengende teknologiene har gjort livet enklere og spennende. Ansiktsgjenkjenningsteknologi har vokst til en teknologi i rask utvikling. I 2020 ble markedet for ansiktsgjenkjenning verdsatt til $ 3.8 milliarder, og det samme er beregnet til å doble seg i størrelse innen 2025 – anslått til over 8.5 milliarder dollar.
Hva er ansiktsgjenkjenning?
Ansiktsgjenkjenningsteknologi kartlegger ansiktstrekk og hjelper til med å identifisere en person basert på de lagrede ansiktsavtrykkdataene. Denne biometriske teknologien bruker dyplæringsalgoritmer for å sammenligne det lagrede ansiktstrykket med det levende bildet. Ansiktsgjenkjenningsprogramvare sammenligner også tatt bilder med en database med bilder for å finne en match.
Ansiktsgjenkjenning har blitt brukt i mange applikasjoner for å øke sikkerheten på flyplasser, hjelper rettshåndhevende byråer med å oppdage kriminelle, rettsmedisinske analyser og andre overvåkingssystemer.
Hvordan fungerer ansiktsgjenkjenning?
Programvare for ansiktsgjenkjenning begynner med innsamling av data for ansiktsgjenkjenning og bildebehandling ved hjelp av Computer Vision. Bildene gjennomgår et høyt nivå av digital screening slik at datamaskinen kan skille mellom et menneskelig ansikt, et bilde, en statue eller til og med en plakat. Ved å bruke maskinlæring identifiseres mønstre og likheter i datasettet. ML-algoritmen identifiserer ansiktet i et gitt bilde ved å gjenkjenne ansiktstrekkmønstre:
- Forholdet mellom høyde og bredde på ansiktet
- Fargen på ansiktet
- Bredden på hver funksjon – øyne, nese, munn og mer.
- Særpreg
Siden forskjellige ansikter har forskjellige funksjoner, har også programvare for ansiktsgjenkjenning. Men generelt fungerer enhver ansiktsgjenkjenning ved å bruke følgende prosedyre:
Ansiktsgjenkjenning
Ansiktsteknologisystemer gjenkjenner og identifiserer et ansiktsbilde i en folkemengde eller individuelt. Teknologiske fremskritt har gjort det lettere for programvaren å oppdage ansiktsbilder selv når det er en liten variasjon i holdning – vendt mot kameraet eller ser bort fra det.
Ansiktsanalyse
Neste er analysen av bildet som er tatt. EN ansiktsgjenkjenningssystem brukes til nøyaktig å identifisere unike ansiktstrekk som avstanden mellom øynene, lengden på nesen, avstanden mellom munnen og nesen, bredden på pannen, formen på øyenbrynene og andre biometriske egenskaper.
Et menneskeansikts distinkte og gjenkjennelige trekk kalles knutepunkter, og hvert menneskeansikt har omtrent 80 knutepunkter. Ved å kartlegge ansiktet, gjenkjenne geometri og fotometri, er det mulig å analysere og identifisere ansikter ved å bruke gjenkjenningsdatabaser nøyaktig.
Bildekonvertering
Etter å ha tatt bildet av et ansikt, konverteres den analoge informasjonen til digitale data basert på personens biometriske egenskaper. Siden maskinlæring Algoritmer gjenkjenner bare tall, det blir relevant å konvertere ansiktskartet til en matematisk formel. Denne numeriske representasjonen av ansiktet, også kjent som et ansiktsavtrykk, sammenlignes deretter med en database med ansikter.
Å finne en kamp
Det siste trinnet er å sammenligne ansiktsutskriften med flere databaser med kjente ansikter. Teknologien prøver å matche funksjonene dine med de i databasen.
Det samsvarende bildet returneres vanligvis med navnet og adressen til personen. Hvis slik informasjon mangler, brukes dataene som er lagret i databasen.
Hvor brukes ansiktsgjenkjenning?
I dag kommer ansiktsgjenkjenningssystemer inn i hverdagen, og bruken av dem kan ofte gå ubemerket hen. For å gjøre livet enklere og øke sikkerheten, er her flere fremtredende eksempler på at ansiktsgjenkjenning gjør en forskjell.
- Helsevesen: Leger bruker ansiktsgjenkjenning for å identifisere visse sjeldne genetiske lidelser hos barn ved å skumme gjennom ansiktstrekk. Et eksempel på det vil være Face2Gene-appen, som sammenligner en pasients struktur i ansiktet med kjente tilfeller for å avgjøre om barnet har Noonan syndrom eller Angelman syndrom.
- Hoteller: Noen hoteller installerer ansiktsgjenkjenning for å gjøre innsjekkingen raskere. I Kina er Marriott hotel lar gjestene gå inn i en lobby kiosk for en rask ansiktsskanning, unngå lange køer i resepsjonen og gjøre inngangen til en hyggelig affære.
- tilgjengelighet: Det lar synshemmede personer enkelt autentisere seg. De krever ikke lenger passord, PIN-koder eller noe annet. Med ansiktsgjenkjenning kan de få tilgang til bankapper eller låse opp enheter, noe som gjør daglige oppgaver mye mer gjennomførbare.
- Klasserom: Bortsett fra sikkerhetsaspektet, bruker veiskoler ansiktsgjenkjenning for å overvåke elevenes engasjement. Systemene kan for eksempel varsle deg om hvorvidt elevene tar hensyn til læringen som foregår i klassen, slik at lærere kan endre metodene sine umiddelbart.
- Hendelsessikkerhet: Ansiktsgjenkjenningsteknologi har funnet en applikasjon i håndtering av folkemengder og økt sikkerhet ved store arrangementer som konserter og sportsspill. Et eksempel kan være utplassering ved stadionporter for å verifisere billettinnehavere og forby uautorisert adgang.
- Biler: Bilprodusenter integrerer nå ansiktsgjenkjenning i bilene sine for en bedre kjøreopplevelse. Enkelte biler kan gjenkjenne sjåførens ansikt, foreta automatiske justeringer av seteposisjoner og speil og til og med spille av spesifikke spillelister.
[Les også: Hva er AI-bildegjenkjenning? Hvordan det fungerer og eksempler]
Hva er fordelene med ansiktsgjenkjenning
Ansiktsgjenkjenning er en relativt ny teknologi og byr på flere positive sider. Her er noen fordeler ved bruk av ansiktsgjenkjenning:
- Økt offentlig sikkerhet: Politiavdelinger bruker ansiktsgjenkjenning for å identifisere savnede personer og ettersøkte kriminelle. For eksempel politiavdelinger i India har brakt tapte barn tilbake til familiene sine etter å ha matchet bildene deres til databaser med savnede personer.
- Sikrede transaksjoner: Mange banker og betalingssystemer bruker ansiktsgjenkjenning for å gjøre transaksjonene tryggere. For eksempel i Alipay, Kina, kan en bruker godkjenne en betaling ganske enkelt ved å la ansiktet skannes, og reduserer dermed svindel og gir bekvemmelighet ved kontantløse betalinger.
- Bedre helsetjenester: Sykehus har drevet ansiktsgjenkjenningssystemer for sømløs tilgang til pasientkataloger og fremskynde registreringsprosessen. Noen systemer oppdager til og med fysisk smerte eller følelsesmessige forstyrrelser hos pasienter, noe som gjør det mulig for leger å gi bedre omsorg.
- Sikkerhet: Ansiktsgjenkjenningsteknologi har endret smarttelefonsikkerhet for alltid. Mens Apples Face ID ikke bare låser opp en telefon, muliggjør den også beskyttelse av sensitive apper, som digitale lommebøker og bankapper.
Ulemper med ansiktsgjenkjenning
Det har visse fordeler; Det er imidlertid viktigere at det reiser etiske, personvern- og nøyaktighetsproblemer. Nedenfor er noen av ulempene:
- Feil anklage: Ansiktsgjenkjenningssystemer kan føre til urettmessige anklager. Eksempelet med Randall Reid, som ble arrestert i 2022 basert på den feilaktige identifiseringen med DNA gjennom programvare for ansiktsgjenkjenning for en lovbrudd i Louisiana, er faktisk et sted han aldri hadde satt sin fot i.
- Kulturell og kjønnsskjevhet: Studier har vist at ansiktsgjenkjenningssystemer er mindre nøyaktige når det gjelder å gjenkjenne farger og kvinner. I en detaljert rapport utarbeidet for den amerikanske regjeringen om ytelsen til disse systemene, det ble funnet at de rutinemessig feilidentifiserte personer med minoritetsbakgrunn, som fører til potensielle urettmessige arrestasjoner eller diskriminering i rettshåndhevelse.
- Forstyrrelse av privatlivet: Stedet for ansiktsgjenkjenning vekker nå etiske bekymringer fordi det samler inn og lagrer biometriske data, noen ganger uten samtykke. Som et eksempel bruker noen butikker ansiktsgjenkjenningsteknologi for å spore kundeadferd, noe som fører til bekymringer over overvåking og personlige friheter.
- Sårbarheten til informasjonssikkerhet: Selve handlingen med å lagre ansiktsdata utsetter en for hacking; Ettersom hackere har knekket sensitiv biometrisk informasjon, demonstrerte Black Hat-hackere det på bare to minutter Apples ansikts-ID kan bli hacket.
[Les også: 27 gratis bildedatasett for datasyn]
Eksempler på ansiktsgjenkjenning
- Amazon-gjenkjenning: Amazons skybaserte programvare for ansiktsgjenkjenning har utført rettshåndhevelsessøk med bruk av videoopptak for å finne personer inne i en sak. Imidlertid kunngjorde selskapet at politiet ikke lenger vil bruke det innen 2020 mens de venter på at føderale lover skal vedtas som beskytter sivile individer i tankene.
- Apple Face ID: Apple implementerer ansiktsgjenkjenningssystemer på enhetene sine som lar brukere låse opp telefonene sine, logge på appene sine og foreta kjøp trygt; en komplett standard for bekvemmelighet og sikkerhet innen forbrukerelektronikk.
- Facebook (Meta): I 2010 lanserte Facebook ansiktsgjenkjenningsteknologi for merking av bilder. Muligheten til å bruke slik teknologi er valgfri, og den tillater automatisk merking av venner etter opplasting av bilder, da de har blitt gjenkjent på selve bildene.
- Google Foto: Google bruker ansiktsgjenkjenning for å organisere og automatisk merke bilder, noe som gjør det enklere for brukere å spore og finne bilder med gjenkjente ansikter.
- snapchat: Snapchat er en pioner innen programvare for ansiktsgjenkjenning, og bruker slik teknologi for sine populære uvanlige filtre for ulike objekter og sportslige personligheter.
Er ansiktsgjenkjenning nøyaktig?
Nøyaktigheten av ansiktsgjenkjenning kan reduseres i virkelige situasjoner, ettersom disse systemene får et slag under disse innstillingene. Noen av nøkkeldriverne for skjevhet er oppsummert her:
- Kontrollert miljø: Algoritmer er i stand til å identifisere og matche ansikter med referansebilder tatt under kontrollerte lysforhold med kvalitetskameraer, noe som gir nøyaktighet på nesten 99.97 %.
- aldring: Nøyaktigheten lider av den naturlige endringen av funksjoner som finner sted over årene, spesielt med bildene tatt med årene med gap.
- Demografiske forvrengninger: Systemet har noen ganger en tendens til å fungere bedre for lysere hud og mannlige kjønn, og feilratene er høyere for kvinner og fargede.
- Eksterne faktorer: Kameraer med lav oppløsning, digital støy og skiftende uttrykk påvirker ytelsen negativt.
Er ansiktsgjenkjenning trygt?
Ved å være basert på unike biometriske mønstre, er ansiktsgjenkjenningssystemer kanskje en av de sikreste metodene for identifikasjon mellom eksisterende modi innen biometrisk teknologi. Liveness-deteksjon garanterer på sin side at systemet kun samhandler med live-brukere, og etablerer et mottiltak mot falske angrep ved bruk av bilder eller videoer.
Likevel er det bekymringer angående personvern og misbruk, slik som masseovervåking som understreker behovet for strenge reguleringsmekanismer, administrert innenfor etiske rammer.
Datainnsamling for ansiktsgjenkjenningsmodell
For at ansiktsgjenkjenningsmodellen skal yte maksimalt, må du trene den på ulike heterogene datasett.
Siden ansiktsbiometri er forskjellig fra person til person, bør programvaren for ansiktsgjenkjenning være dyktig til å lese, identifisere og gjenkjenne hvert ansikt. Dessuten, når personen viser følelser, endres ansiktskonturene deres. Gjenkjenningsprogramvaren bør utformes slik at den kan tilpasses disse endringene.
En løsning er å motta bilder av flere mennesker fra ulike deler av verden og lage en heterogen database med kjente ansikter. Du bør ideelt sett ta bilder fra flere vinkler, perspektiver og med en rekke ansiktsuttrykk.
Når disse bildene lastes opp til en sentralisert plattform, og tydelig nevner uttrykket og perspektivet, skaper det en effektiv database. Kvalitetskontrollteamet kan deretter sile gjennom disse bildene for raske kvalitetskontroller. Denne metoden for å samle bilder av forskjellige mennesker kan resultere i en database med høykvalitets, svært effektive bilder.
Er du ikke enig i at programvare for ansiktsgjenkjenning ikke vil fungere optimalt uten et pålitelig innsamlingssystem for ansiktsdata?
Innsamling av ansiktsdata er grunnlaget for ytelsen til enhver programvare for ansiktsgjenkjenning. Den gir verdifull informasjon som lengden på nesen, bredden på pannen, formen på munnen, ørene, ansiktet og mye mer. Ved å bruke AI-treningsdata kan automatiserte ansiktsgjenkjenningssystemer nøyaktig identifisere et ansikt blant en stor folkemengde i et dynamisk skiftende miljø basert på ansiktstrekkene deres.
Hvis du har et prosjekt som krever et svært pålitelig datasett som kan hjelpe deg med å utvikle sofistikert programvare for ansiktsgjenkjenning, er Shaip det riktige valget. Vi har en omfattende samling av ansiktsdatasett optimalisert for opplæring av spesialiserte løsninger for ulike prosjekter.
For å vite mer om våre innsamlingsmetoder, kvalitetskontrollsystemer og tilpasningsteknikker, komme i kontakt hos oss i dag.
Neste er analysen av bildet som er tatt. EN ansiktsgjenkjenningssystem brukes til nøyaktig å identifisere unike ansiktstrekk som avstanden mellom øynene, lengden på nesen, avstanden mellom munnen og nesen, bredden på pannen, formen på øyenbrynene og andre biometriske egenskaper.