Hvad du behøver at vide om ansigtsgenkendelsesteknologi

2024 Forfatter: Malcolm Clapton | [email protected]. Sidst ændret: 2023-12-17 03:51

Hvordan bruges denne teknologi af regeringer og virksomheder, er det muligt at bedrage et kamera med et ansigtsidentifikationssystem, og er det muligt at finde en person på internettet ved hjælp af et billede.

Elena Glazkova Ivideon marketingmedarbejder.

For staten er ansigtsgenkendelse en vigtig del af sikkerhedssystemet og en imponerende budgetpost. For journalister er det enten et vidundermiddel eller et instrument til en verdenssammensværgelse. Til forretning, et værktøj eller et produkt. Uanset hvilken side du tager, er de grundlæggende spørgsmål stadig tilbage. Brugere søger normalt efter svar på dem på internettet (i gennemsnit 28.704 ansigtsgenkendelsesforespørgsler om måneden), men de finder dem ikke altid. Retter situationen.

Hvad er ansigtsgenkendelse

Lad os skille fluerne fra koteletterne. Brugere er mere tilbøjelige til at møde ansigtsgenkendelse i deres egne smartphones, hvor biometrisk identifikation bruges til at låse enheden op, og kun dens ejer kunne få adgang til dataene. Et 3D-kamera er nødvendigvis involveret i genkendelsesprocessen, så det er umuligt at snyde gadgetten med et fotografi.

Der er også identifikation af ansigter i realtid og under virkelige forhold: i dette tilfælde er det uløseligt forbundet med videoovervågningssystemer, hvor ansigter bogstaveligt talt "snappes" fra videostrømmen filmet af kameraer.

Forestil dig et moderne CCTV-kamera af høj kvalitet placeret lige over den gennemsnitlige menneskelige højde på et godt oplyst sted. Cirka det samme antal af cirka de samme mennesker passerer foran hende hver dag. De bevæger sig ikke særlig hurtigt.

Den optagede video kan gemmes i skyarkivet. Et analytisk modul er forbundet til kameraet: en kompleks kombination af algoritmer (kunstig intelligens, neurale netværk, det er det hele) plus en brugergrænseflade. Modulet "snapper" ansigter fra videostrømmen, bestemmer køn og alder og indtaster data i databasen.

Efterhånden kommer der flere billeder. Systemet husker automatisk alle genkendte ansigter og registrerer dem i arkivet, og en bruger med adgang angiver yderligere data: navn, stilling, status, andre mærker ("VIP-gæst" eller "tyv"). Du kan uploade et billede af den ønskede person, og modulet vil finde alle detekteringer af denne person i arkivet.

Så snart en person med et mærke passerer foran kameraet igen, registrerer systemet dette som en vigtig begivenhed og sender en push-meddelelse til interesserede brugere.

Detektion i forbindelse med ansigtsgenkendelse er en situation, hvor algoritmen i princippet forstod, at det var et ansigt, og ikke et æble eller en havfrue fra et Starbucks-krus. Han har først brug for computerkraft til dette, og først derefter kan han matche ansigtet til basen eller huske.

Hvis du har læst de foregående par afsnit til slutningen, tillykke, ved du nu, hvordan ansigtsgenkendelse fungerer i en ideel situation. Beskrivelsen passer til ethvert system: fra dem, der bruges i Moskva-metroen til løsninger til små virksomheder.

Det vigtigste at forstå er, at det er svært at skabe en ideel situation i det virkelige liv, især når det kommer til hele byen og ikke et kontor eller en butik. For eksempel er der mange mennesker i metroen, alle er forskellige, de går hurtigt. Du har brug for mange kameraer, de koster penge, og kompetente specialister bør placere dem.

Er det muligt at narre ansigtsgenkendelsesalgoritmen

På trods af de lejlighedsvise bommerter er nøjagtigheden af maskingenkendelse allerede ofte bedre end den, som folk bestemmer ansigter med. Kina til at bygge en gigantisk ansigtsgenkendelsesdatabase for at identificere enhver borger inden for få sekunder vil snart dukke op i Kina, et system, der er i stand til at finde en bestemt person blandt 1,3 milliarder andre indbyggere på 3 sekunder med 90 % nøjagtighed.

Og alligevel er det svært at besvare dette spørgsmål utvetydigt, fordi der ikke er nogen enkelt ideel algoritme til ansigtsgenkendelse. Store briller, et påklistret skæg, en kasket, en høj bevægelseshastighed, speciel makeup (for eksempel et "Black Swan" gitter malet i ansigtet, katte, cirkler og pinde. Sådan undslipper du ansigtsgenkendelsessystemer ved hjælp af makeup) - alt dette kan forvirre algoritmen. Især i det samlede, fordi for anerkendelse er det nok Hvordan man snyder anerkendelse systemer, om 70% af et åbent ansigt. Forestil dig nu, at det er nødvendigt at bruge ovenstående tricks i en rigtig by. Det lyder ikke så nemt, vel?

"Anti-recognition" briller fra Japan, som tilbage i 2015

Og her er sådan en 3D-maske i 2014

Er det muligt at genkende ansigter online

Internettet er et paradoksalt sted: folk her kan samtidig bekymre sig om, hvorvidt hvert andet kamera på gaden registrerer deres personlighed, og oprigtigt ønsker at "genkende andres ansigter fra deres billeder online." Lad os overveje denne ansigtsgenkendelsestrend separat.

Ansigtsgenkendelsesprogrammet er enten det analytiske modul beskrevet ovenfor (CCTV-kamera + software + cloud-lagring), eller software, der ligner den velkendte (lidt skandaløse) FindFace-tjeneste. I dag er det naturligvis umuligt at downloade et ansigtsgenkendelsesprogram "gratis og uden registrering" i langt de fleste tilfælde.

FindFace.ru-webtjenesten, som hjælper med at finde personer på det sociale netværk VKontakte ved hjælp af deres fotografier, blev grundlagt den 18. februar 2016. Blandt andet takket være ham kunne alle finde profiler af piger, der medvirkede i pornofilm. Meget snart begyndte tjenesten at blive brugt til mange flashmobs til at opdage ansigter, som havde al ret til aldrig at blive opdaget af nogen. Der udbrød en skandale, som fungerede som en viral reklame: Teknologien, der lå til grund for tjenesten, modtog en række prestigefyldte priser og vakte kunders interesse fra stat og erhvervsliv. Siden 1. september 2018 har tjenesten ikke længere ydet FindFace-tjenesten, som blev brugt til at genkende demonstranter, annoncerede lukningen af søgningen efter personer ved hjælp af fototjeneste, da den blev omdannet af NtechLab til en linje af løsninger til forskellige erhvervssektorer.

Drømmen om den bruger, der indtaster anmodningen, ser naturligvis sådan ud: du går til webstedet, uploader et billede af en person, der blev taget snigende i metroen, programmet genkender ansigtet og giver et link til profilen på det sociale netværk. Ja, blev fanget! Eller sådan: du downloader programmet til din computer, tilslutter dit webcam til det og genkender din kats ansigt. Succes – nu vil du modtage en notifikation hver gang katten stjæler pølser.

Virkeligheden er grusom. Det første websted, der tilbyder dig sådan noget, nægter at virke, og det andet kræver programmeringsfærdigheder i Python. Mere eller mindre en drømmelignende applikation kaldet SearchFace, som for nylig blev genstartet. Searchface blev genstartet med autorisation gennem VKontakte. Men det sociale netværk har lukket denne funktion kaldet FindClone. Du uploadede et billede, og algoritmen forsøgte at genkende det samme ansigt i VKontaktes sociale netværks database. Applikationen gav ikke links til profilen, kun selve billederne - og det er lige meget, hvem de blev uploadet af. Hvis en bruger har været aktiv på et socialt netværk i lang tid, skabte udstedelsen af et foto en uhyggelig "biografisk" effekt, men hvis ikke, kunne de genkendte billeder få dem til at grine.

Faktisk besvarer SearchFace-eksemplet klart spørgsmålet "Hvordan bruger sociale netværk ansigtsgenkendelse?" Det ville være mere præcist at formulere det på denne måde: "Hvordan bruges sociale netværk til ansigtsgenkendelse?" Svaret er enkelt: som en database. Et utal af unikke kombinationer af tal (sådan ser ansigterne på billedet ud for algoritmerne fra Facebook, VKontakte og andre) danner grundlaget for træning af neurale netværk, der danner grundlaget for en eller anden ansigtsgenkendelsesløsning.

Løsningerne er alle forskellige, og neurale netværk er også forskellige, og kunder og tjenesteudbydere oplyser som udgangspunkt ikke detaljer og tekniske funktioner. Især er køns- og aldersgenkendelsesmodulet i stand til at bestemme på grund af det faktum, at det kan lære af oplysningerne i Odnoklassniki, VKontakte, Instagram og Facebook.

Sådan programmeres ansigtsgenkendelse

Du behøver aldrig at besvare udvikler- og udviklerspørgsmål, hvis du ikke er udvikler. Derfor henvendte vi os til en specialist for at få hjælp.

Dmitry Soshnikov Medlem af Russian Association for Artificial Intelligence og seniorekspert i udvikling af AI og maskinlæringssystemer hos Microsoft.

Ansigtsgenkendelse (såvel som andre relaterede operationer) er en ret almindelig opgave. Derfor leverer mange virksomheder færdige tjenester i form af cloud API'er (software-formidlere mellem applikationer) til en højkvalitetsløsning af disse opgaver. Ud over it-giganter som Microsoft og Google, er specialiserede virksomheder, herunder russiske, også engageret i ansigtsgenkendelse. Deres produkter udvikler sig hurtigt og giver endnu flere spændende funktioner såsom at identificere ansigter og silhuetter i menneskemængder.

Det er meget sværere at træne et neuralt netværk fra bunden. Vi har brug for et stort sæt af førstegangsdata af høj kvalitet, det vil sige titusinder og hundredtusinder (eller endda flere!) fotografier af mennesker. Derudover vil der kræves betydelige beregningsressourcer og viden om kunstig intelligens og maskinlæring. Store virksomheder har alle disse værktøjer til deres rådighed, så de løser problemet meget bedre.

Der findes også en mellemløsning - at bruge et allerede trænet neuralt netværk for eksempel. Denne mulighed vil højst sandsynligt fungere lidt værre end en færdiglavet cloud-tjeneste, men den vil give dig fuld kontrol over systemet. Dette vil kræve et vist niveau af forståelse for driften af neurale netværk og neurale netværksrammer og højst sandsynligt en vis viden om Python-sproget, som har vundet popularitet som det vigtigste programmeringssprog blandt Data Science-specialister.

Det er faktisk praktisk at udføre forskellige eksperimenter, visualisere data og udføre effektive matrixberegninger takket være den fremragende NumPy-pakke. Dette er ikke det bedste sprog til industriel udvikling, da det ikke indeholder effektive værktøjer til at skabe store sikre softwaresystemer, men der er endnu ingen alternativer til det inden for dybe neurale netværkstræning.

Sådan fungerer ansigtsgenkendelse i erhvervslivet

Efterspørgslen efter ansigtsgenkendelse i fintech, detailhandel og andre typer forretninger er direkte relateret til den øgede tilgængelighed af teknologi. Mekanikken er enkel: Alle virksomheder og alle organisationer har CCTV-kameraer, som bruges som værktøjer til dataindsamling og efterfølgende analyser. I verden skyder overvågningssystemer terabyte video i Full HD om måneden, det vil sige, at der er rigtig meget information til behandling.

Den nødvendige software til dataanalyse kan "flashes" på enheden af producenten. Indbyggede videoanalysekameraer er normalt ret dyre.

En alternativ mulighed er analytics i skyen, det vil sige et fjerndatacenter, der forbinder til ethvert billigt kamera. Dette er en størrelsesorden billigere, plus det giver fleksibilitet - du kan tilpasse løsninger til en specifik virksomhed.

Ansigtsgenkendelsesteknologiens popularitet inden for forskellige aktivitetsområder er stigende. For eksempel er Sberbank en af de førende med hensyn til annoncering af forskellige højprofilerede ansigtsgenkendelsesprojekter, og det kan argumentere for, at Han genkender dig ud af tusind: Hæveautomaten vil identificere klienten ved øjnene med ham i denne henseende, måske kun Tinkoff. I 2017 købte Sberbank Sberbank og investerede 25,07 % af VisionLabs i ansigtsgenkendelsesteknologi, som skaber software til ansigtsgenkendelse. I 2018 lykkedes det en finansiel institution at teste ansigtsgenkendelse i Moskva-metroen og endda fange 42 kriminelle. 42 kriminelle blev fanget takket være Sberbanks ansigtsgenkendelsessystem, for at teste. Det vil genkende dig fra tusind: en pengeautomat vil identificere en klient af øjne på pengeautomater med ansigtsidentifikation, så angribere ikke kan hæve penge fra andres kort, samt annoncere indsamling af biometriske data (lydoptagelse af en stemme,video af ansigtet) af klienter. I april i år havde Sberbank kontrol over udvikleren af stemme- og ansigtsgenkendelsessystemer - "Center for Speech Technologies" (MDT).

En anden ting er, at annoncering, afprøvning, pilotering og køb af løsninger ikke betyder faktisk implementering. Hvad der nu rent faktisk bruges i Sberbank (og om det bruges), kan faktisk kun siges med sikkerhed af tyske Gref.

Med detailhandlen er alt mere gennemsigtigt. Grundlæggende er der tre problemer her, som ansigtsgenkendelse løser.

Først tyveri. Butikkerne drives af svindlere, og ofte de samme personer i samme netværk. Ansigtsgenkendelse giver dig mulighed for at identificere "drivende tyve" og andre personer, der tidligere har overtrådt ordren. Så snart den ubudne gæst er kommet ind i databasen, når han er kommet ind i butikken, modtager sikkerheden en meddelelse i messengeren eller på en anden bekvem måde.

For det andet vanskeligheden ved at arbejde med faste kunder. Der er simpelthen ikke nok data om køb og fødselsdage til at personliggøre tilbud til VIP'er og brandfans. Ansigtsgenkendelse kan integreres med CRM - det vil sige software, hvor ledere indtaster alle oplysninger om alle transaktioner i organisationen. I tilfælde af tyve og VIP'er fungerer ansigtsgenkendelse på nogenlunde samme måde: Ansigtet indtastes på en sort eller hvid liste, og når den dukker op igen, bipper systemet til personen med adgang. Køn og alder bestemmes automatisk, og yderligere oplysninger vil blive tilføjet af den ansvarlige medarbejder.

For det tredje bruges detailidentifikation til målrettet annoncering. For eksempel vil X5 Retail Group installerede X5 i nogle butikker inkludere computervisionskameraer til at genkende ansigtsudtryk og kunders alder. Ved at analysere disse data viser systemet varer, som en person kan lide på monitorskærmen i handelsgulvet. En anden levende illustration er tilfældet med Lolli & Pops, en stor konfekturebutik i USA. Ansigtsgenkendelsessystemet bestemmer, at dit fremtidige loyalitetsprogram i butikken vil blive fodret med ansigtsgenkendelse af faste kunder og sender meddelelser til deres smartphones med produkter, som de kan lide (under hensyntagen til individuelle præferencer og endda fødevareallergier).

Et andet slående eksempel på brug af teknologi i detailhandlen er butikker uden sælgere og kasseapparater. For eksempel er Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown en cafe og selvbetjeningsbutik beliggende i Hangzhou. Den sælger drikkevarer, snacks, dagligvarer, legetøj, rygsække og lignende. Tao Cafe er kun åben for brugere af Taobaos hjemmeside.

Ved køb af drikkevarer identificerer et kamerasystem med ansigtsgenkendelse automatisk kunden, kobler sig til dennes konto i netbutikken og behandler betalingen. Shoppere går ud gennem et rum udstyret med flere sensorer, der identificerer både kunden og varerne. Scanning fungerer, selvom personen putter købet i en lomme eller taske.

Hvordan udvikler ansigtsgenkendelsesteknologi sig

Face ID CCTV-systemer er virkelig ved at overtage verden. I Moskva vil antallet af kameraer i 2019 nå Højteknologier og sikkerhed: hvor mange CCTV-kameraer vil dukke op i år 174 tusind. Dette betyder ikke, at alle disse enheder som standard kan genkende en person: oftest rapporteres det, at systemet til genkendelse af eftersøgte kriminelle gennem videokameraer vil begynde at arbejde i Moskva i 2019 omkring 160 tusind kameraer med denne funktion. Ikke desto mindre annoncerede Moskvas borgmesterkontor i slutningen af 2018, at Moskva-myndighederne havde til hensigt i 2019, at de vil udskifte videokameraer og lancere et ansigtsgenkendelsessystem til at erstatte alle videoovervågningsenheder og danne et fuldstændigt innovativt system næste år.

Det paradoksale er, at 160 tusind ikke er så meget. Især sammenlignet med en anden leder inden for søgemaskineforespørgsler om emnet ansigtsgenkendelse - Kina. I slutningen af 2017 var der In Your Face: Kinas altseende stat over 170 millioner CCTV-kameraer, og i løbet af de næste tre år er Kinas 'Big Brother' overvågningsteknologi ikke nær så altseende, som regeringen vil have dig til at tro forbinde til netværket er stadig omkring 400 mio.

Kompetent og korrekt brug af ansigtsgenkendelse arbejder primært for at forbedre sikkerhed og komfort. Folk får normalt hurtigt tillid til teknologi, der sparer dem fra at stå i kø til en fodboldkamp (smiler til kameraet - bestået), forhindrer tyveri og hooliganisme eller hjælper dem med at bruge mindre på indkøb (loyalitetsprogrammer). Alt dette kræver naturligvis en vis regulering - det er grunden til, at love om beskyttelse af personoplysninger bliver vedtaget.

I fremtiden er det sandsynligt, at området for ansigtsgenkendelse i videoovervågningssystemer vil blive reguleret på samme måde som den nuværende praksis med at arbejde med ansigtsidentifikation på internettet. Personer, der tænker på privatlivets fred, uploader simpelthen ikke for meget på nettet - SearchFace's delvise fiasko beviser, at en sådan strategi er effektiv.

Man kan selvfølgelig ikke uendeligt begrænse sig til at gå langs gaderne, hvor der er opsat kameraer i hvert kryds, men muligheden for at bevare anonymiteten vil blive dannet, hvis der kommer en tilsvarende henvendelse fra samfundet.