نقش الگوریتم تشخیص چهره در دنیای امروز

تهیه کننده: مصطفی حسینی

چکیده:

امروزه الگوریتم های هوش مصنوعی در حوزه های مختلف کمک شایانی میکند. یکی از مهمترین حوزه ها شناسایی افراد و کالاها می باشد که کاربردهای فراوانی دارد. شناسایی افراد از طریق شناسایی چهره علاوه بر اینکه سرعت بالایی دارد، از تماس مستقیم جلوگیری میکند. همچنین بسیاری از الگوریتم‌ها توانایی خواندن چندین چهره با هم را دارند. در این مقاله سعی داریم توضحاتی در مورد الگوریتم های تشخیص چهره، کاربردهای آن و مزایای آن بدهیم.

 

کلمات کلیدی:

شناسایی، احراز هویت، تشخیص چهره

 

الگوریتم تشخیص چهره چگونه کار می کند

تشخیص چهره به فرآیند شناسایی یا تأیید هویت شخصی با استفاده از چهره وی گفته می شود. این الگوریتم، الگوها را بر اساس جزئیات صورت فرد ضبط ، تحلیل و مقایسه می کند.

  • روند تشخیص چهره یک مرحله اساسی است زیرا چهره انسان را در تصاویر و فیلم ها شناسایی و مکان یابی می کند.
  • فرآیند ضبط صورت ، اطلاعات آنالوگ (چهره) را به مجموعه اطلاعات دیجیتالی (داده) براساس ویژگی های صورت فرد تبدیل می کند.
  • روند تطابق چهره تأیید می کند که آیا دو چهره متعلق به یک شخص هستند.

امروزه  این مدل معمول ترین راه اندازه گیری بیومتریک محسوب می شود.

 

داده های شناسایی چهره برای شناسایی و احراز هویت:

از بیومتریک برای شناسایی و احراز هویت شخص استفاده می شود با استفاده از مجموعه ای از داده های قابل تشخیص و قابل احراز هویت که منحصر به فرد و خاص آن شخص است.

شناسایی به این سوال پاسخ می دهد: “شما کی هستید؟”

احراز هویت به این سوال پاسخ می دهد: “آیا شما واقعاً همان هستید که می گویید؟”

در مورد بیومتریک صورت ، یک حسگر دو بعدی یا سه بعدی چهره را “ضبط” می کند. سپس با استفاده از یک الگوریتم قبل از مقایسه تصویر گرفته شده با تصاویر نگهداری شده در یک پایگاه داده ، آن را به داده های دیجیتالی تبدیل می کند.

از این سیستم های خودکار می توان برای شناسایی یا بررسی هویت افراد فقط در چند ثانیه بر اساس ویژگی های صورت آنها: فاصله چشم ، پل بینی ، خط لب ، گوش ، چانه و … استفاده کرد.

آنها حتی می توانند در وسط جمعیت و در محیط های پویا و ناپایدار این کار را انجام دهند.

 

چرا الگوریتم تشخیص چهره:

در حال حاضر بیومتریک چهره بهترین معیار برای شناسایی افراد است. به این دلیل که استقرار و پیاده سازی آن آسان است و کاربر نهایی هیچگونه تعامل بدنی لازم ندارد. علاوه بر این، فرایندهای تشخیص چهره و تطابق چهره برای تأیید / شناسایی سریع هستند.

 

 

بهترین فناوری های تشخیص چهره:

در رقابت برای فناوری بیومتریک، چندین پروژه برای کسب مقام برتر رقابت می کنند.

گوگل، اپل ، فیس بوک ، آمازون و مایکروسافت (GAFAM) نیز بسیار در این زمینه فعال هستند.

همه غول های وب نرم افزاری در حال حاضر به طور منظم اکتشافات نظری خود را در زمینه های هوش مصنوعی، تشخیص تصویر و تجزیه و تحلیل چهره منتشر می کنند تا در سریعترین زمان ممکن درک ما را بیشتر کنند.

آخرین نتایج آزمایشات انجام شده در مارس 2018 و منتشر شده در ماه می توسط اداره علوم و فناوری امنیت ملی آمریکا ، معروف به رالی فناوری بیومتریک، همچنین نشانه ای عالی از بهترین نرم افزار تشخیص چهره موجود در بازار است.

از منظر آکادمی:

الگوریتم GaussianFace که در سال 2014 توسط محققان دانشگاه چینی هنگ کنگ ساخته شده است نمرات شناسایی صورت 98.52٪ را بدست آورده است. با وجود نقاط ضعف مربوط به ظرفیت حافظه مورد نیاز و زمان محاسبه ، یک امتیاز عالی است.

فیس بوک و گوگل:

مجدداً در سال 2014، فیس بوک اعلام کرد که برنامه DeepFace خود را راه اندازی کرده است، که می تواند با دقت صحت 97.25٪ تعیین کند که آیا دو چهره عکس دار متعلق به یک شخص هستند. هنگام انجام آزمایش مشابه، انسان در 97.53٪ موارد به درستی پاسخ می دهد، یا فقط 0.28٪ بهتر از برنامه فیس بوک.

در ژوئن 2015 ، گوگل با FaceNet بهترعمل کرد. در مجموعه داده های برچسب خورده بسیار گسترده (LFW) ، FaceNet به دقت رکورد جدید 99.63٪ (0.9963 ± 0.0009) دست یافت.

این فناوری در Google Photos گنجانده شده و برای مرتب سازی تصاویر و برچسب گذاری خودکار آنها بر اساس افراد شناخته شده استفاده می شود. با اثبات اهمیت آن در چشم انداز بیومتریک، به سرعت با انتشار نسخه غیررسمی منبع باز به نام OpenFace دنبال شد.

مایکروسافت ، IBM و Megvii:

مطالعه ای که توسط محققان MIT در فوریه 2018 انجام شد نشان داد که ابزارهای مایکروسافت، IBM و Megvii  مستقر در چین هنگام شناسایی زنان با پوست تیره در مقایسه با مردان با پوست روشن تر دارای خطاهای بالایی هستند.

در پایان ژوئن 2018 ، مایکروسافت در یک پست وبلاگ اعلام کرد که پیشرفت های چشمگیری در فناوری شناسایی چهره خود ایجاد کرده است.

آمازون:

در ماه می 2018، Ars Technica گزارش داد که آمازون در حال حاضر فعالانه خدمات شناسایی چهره مبتنی بر ابر خود را با نام Rekognition به سازمان های اجرای قانون تبلیغ می کند. این راه حل می تواند حدود 100 نفر را در یک تصویر شناسایی کند و میتواند مطابقت چهره را با پایگاه های داده حاوی ده ها میلیون چهره انجام دهد.

در ماه جولای، نیوزویک گزارش داد که فناوری تشخیص چهره آمازون 28 عضو کنگره ایالات متحده را به اشتباه به عنوان افرادی که به جرم دستگیر شده اند شناسایی کرده است.

 

بازار تشخیص چهره:

یک مطالعه منتشر شده در ژوئن 2019 ، تخمین می زند که تا سال 2024 ، بازار جهانی شناسایی چهره 7 میلیارد دلار درآمد کسب کند. برای سال 2019 ، بازار حدود 3.2 میلیارد دلار بوده است.

دو عامل مهم این رشد، نظارت در بخش دولتی و سایر کاربردهای مختلف در بخشهای مختلف بازار است.

طبق این مطالعه ، برترین فروشندگان تشخیص چهره شامل موارد زیر هستند:

Accenture ، Aware ، BioID ، Certibio ، Fujitsu ، Fulcrum Biometrics ، Thales ، HYPR ، Idemia ، Leidos ، M2SYS ، NEC ، Nuance ، Phonexia و Smilepass.

برنامه های اصلی شناسایی چهره را می توان به سه دسته اصلی تقسیم کرد:

امنیت و اجرای قانون

این بازار با افزایش فعالیت برای مبارزه با جرم و تروریسم ایجاد می شود. مزایای سیستم های شناسایی چهره برای پلیس مشهود است: کشف و پیشگیری از جرم.

  • تشخیص چهره هنگام صدور اسناد هویتی و اغلب با سایر فناوری های بیومتریک مانند اثر انگشت (جلوگیری از کلاهبرداری شناسنامه و سرقت هویت) استفاده می شود.
  • از تطابق چهره در بررسی های مرزی برای مقایسه تصویر در گذرنامه بیومتریک دیجیتالی با صورت فرد استفاده می شود. این راه حل برای تسهیل تکامل از تشخیص اثر انگشت به تشخیص چهره در طول سال 2018 ابداع شده است.
  • از بیومتریک چهره نیز می توان در چک های پلیس استفاده کرد، اگرچه استفاده از آن در اروپا به شدت کنترل می شود. در سال 2016 ، “مرد با کلاه[1]” مسئول حملات تروریستی بروکسل به لطف نرم افزار تشخیص چهره FBI شناسایی شد. پلیس جنوب ولز آن را در فینال لیگ قهرمانان یوفا در سال 2017 اجرا کرد.
  • در ایالات متحده ، 26 ایالت به نیروهای انتظامی اجازه می دهند تا بر اساس پایگاه داده عکس های گواهینامه رانندگی و شناسنامه جستجو کنند. FBI به عکس های گواهینامه رانندگی در 18 ایالت دسترسی دارد.
  • هواپیماهای بدون سرنشین همراه با دوربین های هوایی ترکیب جالبی را برای شناسایی چهره ارائه می دهند که برای مثال در مناطق وسیع استفاده می شود. طبق گزارش Keesing Journal of Documents and Identity در ژوئن 2018 ، برخی از سیستم های هواپیمای بدون سرنشین می توانند یک لنز دوربین 10 کیلویی داشته باشند که می تواند مظنون را از ارتفاع 100 متری شناسایی کند.
  • سیستم های مداربسته تشخیص چهره می توانند عملکرد را در انجام مأموریت های امنیت عمومی بهبود بخشند:
    • کودکان گمشده و بزرگسالان گمشده را پیدا کند
    • کودکان استثمار شده را شناسایی و پیدا کند
    •   مجرمان را شناسایی و پیگیری کند
    • تحقیقات را پشتیبانی و تسریع کند

سلامت

در این زمینه پیشرفت های چشمگیری حاصل شده است. به لطف یادگیری عمیق[2] و تجزیه و تحلیل چهره، در حال حاضر این امکان وجود دارد:

  • استفاده دقیق بیمار از دارو را ردیابی کنید
  • تشخیص بیماری های ژنتیکی مانند سندرم دی جورج با موفقیت 96.6٪
  • از روشهای مدیریت درد پشتیبانی کنید

[1] Man in a hat

[2] Deep Learning

 

بازار و خرده فروشی

این حوزه بدون شک حوزه ای است که استفاده از تشخیص چهره در آن حداقل انتظار را دارد. اما احتمالاً بیشترین وعده ها را می دهد. این روند مهم با جدیدترین پیشرفت های بازاریابی در تجربه مشتری همراه شده است و در سال 2020 بسیار داغ دنبال می شود.

با قرار دادن دوربین در خرده فروشی ها اکنون می توان رفتار خریداران را تجزیه و تحلیل کرد و روند خرید مشتری را بهبود بخشید. مانند سیستمی که اخیراً توسط فیس بوک طراحی شده است، کارکنان فروش اطلاعات مشتری را که از پروفایل های رسانه های اجتماعی آنها گرفته شده است، ارائه می دهند تا پاسخ های کاملاً سفارشی تهیه کنند.

فروشگاه بزرگ آمریکایی Saks Fifth Avenue در حال حاضر از چنین سیستمی استفاده می کند. گفته می شود فروشگاه های Amazon GO از آن استفاده می کنند.

از سال 2017 ، KFC ، پادشاه آمریکایی مرغ سوخاری ، و غول خرده فروشی و فناوری چینی Alibaba در حال آزمایش یک راه حل پرداخت تشخیص چهره هستند.

 

نتیجه گیری:

همانطور که در این مقاله اشاره شده است الگوریتمهای تشخیص چهره کمک شایانی به شناسایی افراد در کمترین زمان می کند و در فضاهای بسیاری کاربرد دارد. بزرگترین شرکتهای دنیا در حال سرمایه گذاری وسیع در این حوزه هستند و پیش بینی می شود بالغ بر 7 میلیارد دلار در این حوزه درآمدزایی شود. البته باید در نظر گرفت که افزایش دقت شناسایی بر اساس حجم بالای داده یکی از دغدغه های فعلی شرکتهای فناوری محور در این حوزه می باشد.

 

منابع:

https://www.thalesgroup.com/

https://aithority.com/

 

 

دیدگاه خود را ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *