Hva du trenger å vite om ansiktsgjenkjenningsteknologi

2024 Forfatter: Malcolm Clapton | [email protected]. Sist endret: 2023-12-17 04:07

Hvordan brukes denne teknologien av myndigheter og bedrifter, er det mulig å lure et kamera med et ansiktsidentifikasjonssystem og er det mulig å finne en person på Internett ved hjelp av et bilde.

Elena Glazkova Ivideon Markedsfører.

For staten er ansiktsgjenkjenning en viktig del av sikkerhetssystemet og en imponerende budsjettpost. For journalister er det enten et universalmiddel eller et instrument for en verdenskonspirasjon. For virksomheten, et verktøy eller et produkt. Uansett hvilken side du tar, gjenstår fortsatt de grunnleggende spørsmålene. Brukere søker vanligvis etter svar på dem på Internett (i gjennomsnitt 28 704 ansiktsgjenkjenningsforespørsler per måned), men de finner dem ikke alltid. Retter opp situasjonen.

Hva er ansiktsgjenkjenning

La oss skille fluene fra kotelettene. Brukere er mer sannsynlig å møte ansiktsgjenkjenning i sine egne smarttelefoner, der biometrisk identifikasjon brukes til å låse opp enheten og bare eieren kan få tilgang til dataene. Et 3D-kamera er nødvendigvis involvert i gjenkjenningsprosessen slik at det er umulig å lure dingsen med et fotografi.

Det er også identifikasjon av ansikter i sanntid og under reelle forhold: i dette tilfellet er det uløselig knyttet til videoovervåkingssystemer, der ansikter bokstavelig talt blir "rappet" fra videostrømmen filmet av kameraer.

Se for deg et moderne CCTV-kamera av høy kvalitet plassert like over gjennomsnittlig menneskelig høyde på et godt opplyst sted. Omtrent like mange omtrent de samme personer passerer foran henne hver dag. De beveger seg ikke veldig raskt.

Den fangede videoen kan lagres i skyarkivet. En analytisk modul er koblet til kameraet: en kompleks kombinasjon av algoritmer (kunstig intelligens, nevrale nettverk, det er alt) pluss et brukergrensesnitt. Modulen "snapper" ansikter fra videostrømmen, bestemmer kjønn og alder og legger dataene inn i databasen.

Etter hvert kommer det flere bilder. Systemet husker alle gjenkjente ansikter automatisk og registrerer dem i arkivet, og en bruker med opptak angir tilleggsdata: navn, posisjon, status, andre merker ("VIP-gjest" eller "tyv"). Du kan laste opp et bilde av den nødvendige personen, og modulen vil finne alle gjenkjenninger av denne personen i arkivet.

Så snart en person med et merke passerer foran kameraet igjen, registrerer systemet dette som en viktig hendelse og sender en push-melding til interesserte brukere.

Deteksjon i sammenheng med ansiktsgjenkjenning er en situasjon der algoritmen i prinsippet forsto at det var et ansikt, og ikke et eple eller en havfrue fra et Starbucks-krus. Han trenger først datakraft for dette, og først da kan han matche ansiktet til basen eller huske.

Hvis du har lest de foregående avsnittene til slutten, gratulerer, vet du nå hvordan ansiktsgjenkjenning fungerer i en ideell situasjon. Beskrivelsen passer for ethvert system: fra de som brukes i Moskva-metroen til løsninger for små bedrifter.

Det viktigste å forstå er at det er vanskelig å skape en ideell situasjon i det virkelige liv, spesielt når det gjelder hele byen, og ikke et kontor eller en butikk. For eksempel er det mange mennesker på T-banen, alle er forskjellige, de går fort. Du trenger mange kameraer, de koster penger, og kompetente spesialister bør plassere dem.

Er det mulig å lure ansiktsgjenkjenningsalgoritmen

Til tross for sporadiske tabber, er nøyaktigheten av maskingjenkjenning allerede ofte overlegen den som folk bestemmer ansikter med. Kina for å bygge en gigantisk ansiktsgjenkjenningsdatabase for å identifisere enhver borger i løpet av sekunder, vil snart dukke opp i Kina, et system som er i stand til å finne en spesifikk person blant 1,3 milliarder andre innbyggere på 3 sekunder med 90 % nøyaktighet.

Og likevel er det vanskelig å svare utvetydig på dette spørsmålet, fordi det ikke er noen enkel ideell algoritme for ansiktsgjenkjenning. Store briller, et påklistret skjegg, en caps, høy bevegelseshastighet, spesiell sminke (for eksempel et "Black Swan" gitter malt i ansiktet, katter, sirkler og pinner. Hvordan rømme fra ansiktsgjenkjenningssystemer ved hjelp av sminke) - alt dette kan forvirre algoritmen. Spesielt i det samlede, fordi for anerkjennelse er det nok Hvordan jukse anerkjennelse systemer om 70% av et åpent ansikt. Tenk deg nå at det er nødvendig å bruke triksene ovenfor i en ekte by. Høres ikke så lett ut, ikke sant?

«Anti-recognition»-briller fra Japan, som tilbake i 2015

Og her er en slik 3D-maske i 2014

Er det mulig å gjenkjenne ansikter på nettet

Internett er et paradoksalt sted: folk her kan samtidig bekymre seg for om hvert andre kamera på gaten oppdager personligheten deres, og oppriktig ønsker å "gjenkjenne andres ansikter fra bildene deres på nettet." La oss vurdere denne ansiktsgjenkjenningstrenden separat.

Ansiktsgjenkjenningsprogrammet er enten den analytiske modulen beskrevet ovenfor (CCTV-kamera + programvare + skylagring), eller programvare som ligner på den velkjente (litt skandaløse) FindFace-tjenesten. I dag er det selvfølgelig umulig å laste ned et ansiktsgjenkjenningsprogram "gratis og uten registrering" i de aller fleste tilfeller.

Netttjenesten FindFace.ru, som hjelper deg med å finne folk på det sosiale nettverket VKontakte ved hjelp av fotografiene deres, ble grunnlagt 18. februar 2016. Blant annet, takket være ham, kunne alle finne profiler av jenter som spilte i pornofilmer. Veldig snart begynte tjenesten å bli brukt for mange flashmobs for å oppdage ansikter, som hadde all rett til aldri å bli oppdaget av noen. Det brøt ut en skandale, som fungerte som en viral reklame: Teknologien som lå til grunn for tjenesten fikk en rekke prestisjetunge priser og vekket interesse hos kunder fra stat og næringsliv. Siden 1. september 2018 har tjenesten ikke lenger gitt FindFace-tjenesten, som ble brukt til å gjenkjenne demonstranter, kunngjorde stengningen av søket etter personer med fototjeneste, ettersom den ble forvandlet av NtechLab til en linje med løsninger for ulike forretningssektorer.

Drømmen til brukeren som skriver inn forespørselen ser åpenbart slik ut: du går til nettstedet, laster opp et bilde av en person som ble tatt snikende i t-banen, programmet gjenkjenner ansiktet og gir ut en lenke til profilen på det sosiale nettverket. Ja, ble tatt! Eller slik: du laster ned programmet til datamaskinen din, kobler webkameraet til det og gjenkjenner ansiktet til katten din. Suksess - nå vil du motta et varsel hver gang katten stjeler pølser.

Virkeligheten er grusom. Den første siden som tilbyr deg noe sånt nekter å fungere, og den andre krever programmeringskunnskaper i Python. Mer eller mindre en drømmelignende applikasjon kalt SearchFace, som nylig ble startet på nytt. Searchface ble startet på nytt med autorisasjon gjennom VKontakte. Men det sosiale nettverket har stengt denne funksjonen kalt FindClone. Du lastet opp et bilde, og algoritmen prøvde å gjenkjenne det samme ansiktet i VKontakte-databasen for sosiale nettverk. Applikasjonen ga ikke ut lenker til profilen, kun selve bildene – og det spiller ingen rolle hvem de ble lastet opp av. Hvis en bruker har vært aktiv på et sosialt nettverk i lang tid, skapte utstedelsen av et bilde en uhyggelig "biografisk" effekt, men hvis ikke, kan de gjenkjente bildene få dem til å le.

Faktisk svarer SearchFace-eksemplet tydelig på spørsmålet "Hvordan bruker sosiale nettverk ansiktsgjenkjenning?" Det ville vært mer nøyaktig å formulere det slik: "Hvordan brukes sosiale nettverk til ansiktsgjenkjenning?" Svaret er enkelt: som en database. Et utallig antall unike kombinasjoner av tall (slik ser ansiktene på bildet ut for algoritmene til Facebook, VKontakte og andre) danner grunnlaget for å trene nevrale nettverk som danner grunnlaget for en eller annen ansiktsgjenkjenningsløsning.

Løsningene er alle forskjellige, og nevrale nettverk er også forskjellige, og kunder og tjenesteleverandører avslører som regel ikke detaljer og tekniske funksjoner. Spesielt kan kjønns- og aldersgjenkjenningsmodulen bestemme på grunn av det faktum at den kan lære av informasjonen i Odnoklassniki, VKontakte, Instagram og Facebook.

Hvordan ansiktsgjenkjenning programmeres

Du trenger aldri å svare på utvikler- og utviklerspørsmål hvis du ikke er utvikler. Derfor henvendte vi oss til en spesialist for å få hjelp.

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

Ansiktsgjenkjenning (så vel som andre relaterte operasjoner) er en ganske vanlig oppgave. Derfor leverer mange bedrifter ferdige tjenester i form av sky-APIer (programvareformidlere mellom applikasjoner) for en høykvalitets løsning av disse oppgavene. I tillegg til IT-giganter som Microsoft og Google, er spesialiserte selskaper, inkludert russiske, også engasjert i ansiktsgjenkjenning. Produktene deres utvikler seg raskt og gir enda mer spennende funksjoner som å identifisere ansikter og silhuetter i folkemengder.

Det er mye vanskeligere å trene et nevralt nettverk fra bunnen av. Vi trenger et stort sett med førstegangsdata av høy kvalitet, det vil si titalls og hundretusener (eller enda flere!) fotografier av mennesker. I tillegg vil det kreves betydelige beregningsressurser og kunnskap om AI og maskinlæring. Store selskaper har alle disse verktøyene til rådighet, så de løser problemet mye bedre.

Det finnes også en mellomløsning – å bruke et allerede trent nevralt nettverk, for eksempel. Dette alternativet vil mest sannsynlig fungere litt dårligere enn en ferdig skytjeneste, men det vil tillate deg å ha full kontroll over systemet. Dette vil kreve et visst nivå av forståelse for driften av nevrale nettverk og nevrale nettverksrammer og mest sannsynlig en viss kunnskap om Python-språket, som har vunnet popularitet som hovedprogrammeringsspråket blant datavitenskapsspesialister.

Det er faktisk praktisk å utføre forskjellige eksperimenter, visualisere data og utføre effektive matriseberegninger takket være den utmerkede NumPy-pakken. Dette er ikke det beste språket for industriell utvikling, siden det ikke inneholder effektive verktøy for å lage store sikre programvaresystemer, men det finnes ingen alternativer til det innen dypnevrale nettverkstrening ennå.

Hvordan ansiktsgjenkjenning fungerer i næringslivet

Etterspørselen etter ansiktsgjenkjenning innen fintech, detaljhandel og andre typer virksomhet er direkte relatert til økt tilgjengelighet av teknologi. Mekanikken er enkel: alle bedrifter og alle organisasjoner har CCTV-kameraer, som brukes som verktøy for datainnsamling og påfølgende analyser. I verden skyter overvåkingssystemer terabyte med video i Full HD per måned, det vil si at det er veldig mye informasjon for behandling.

Den nødvendige programvaren for dataanalyse kan "flashes" på enheten av produsenten. Videoanalysekameraer ombord er vanligvis ganske dyre.

Et alternativt alternativ er analyse i skyen, det vil si et eksternt datasenter som kobles til et hvilket som helst rimelig kamera. Dette er en størrelsesorden billigere, pluss at det gir fleksibilitet – du kan tilpasse løsninger for en spesifikk virksomhet.

Populariteten til teknologi for ansiktsgjenkjenning i ulike aktivitetsfelt øker. For eksempel er Sberbank en av lederne når det gjelder kunngjøring av forskjellige høyprofilerte ansiktsgjenkjenningsprosjekter, og det kan hevde at Han gjenkjenner deg av tusen: minibanken vil identifisere klienten med øynene med ham i denne forbindelse, kanskje bare Tinkoff. I 2017 kjøpte Sberbank Sberbank og investerte 25,07 % av VisionLabs i ansiktsgjenkjenningsteknologi, som lager programvare for ansiktsgjenkjenning. I 2018 klarte en finansinstitusjon å teste ansiktsgjenkjenning i Moskva-metroen og til og med fange 42 kriminelle 42 kriminelle ble fanget takket være Sberbanks ansiktsgjenkjenningssystem, for å teste Det vil gjenkjenne deg fra tusen: en minibank vil identifisere en klient av øyne til minibanker med ansiktsidentifikasjon slik at angripere ikke kan ta ut penger fra andres kort, samt kunngjøre innsamling av biometriske data (lydopptak av en stemme,video av ansiktet) til klienter. I april i år kontrollerte Sberbank utvikleren av tale- og ansiktsgjenkjenningssystemer - "Center for Speech Technologies" (MDT).

En annen ting er at å annonsere, teste, pilotere og kjøpe løsninger ikke betyr faktisk implementering. Hva som nå faktisk brukes i Sberbank (og om det brukes), kan faktisk bare sies med sikkerhet av tyske Gref.

Med detaljhandel er alt mer gjennomsiktig. I utgangspunktet er det tre problemer her som ansiktsgjenkjenning løser.

Først tyveri. Butikkene drives av svindlere, og ofte de samme personene i samme nettverk. Ansiktsgjenkjenning lar deg identifisere "drivende tyver" og andre personer som tidligere har brutt ordren. Så snart inntrengeren har kommet inn i databasen når han kommer inn i butikken, vil sikkerheten motta et varsel i messenger eller på en annen praktisk måte.

For det andre vanskeligheten med å jobbe med vanlige kunder. Det er rett og slett ikke nok data om kjøp og bursdager til å tilpasse tilbud til VIP-er og merkevarefans. Ansiktsgjenkjenning kan integreres med CRM - det vil si programvare der ledere legger inn all informasjon om alle transaksjoner i organisasjonen. Når det gjelder tyver og VIP-er, fungerer ansiktsgjenkjenning omtrent på samme måte: Ansiktet legges inn i en svart eller hvit liste, og når den dukker opp igjen vil systemet pipe til personen med tilgang. Kjønn og alder fastsettes automatisk, og tilleggsinformasjon vil bli lagt til av ansvarlig medarbeider.

For det tredje brukes detaljistidentifikasjon for målrettet annonsering. For eksempel, i noen butikker X5 Retail Group installerte X5 vil inkludere datasynskameraer for å gjenkjenne ansiktsuttrykk og kundenes alder. Ved å analysere disse dataene viser systemet varer som en person kan like på monitorskjermen i handelsgulvet. En annen levende illustrasjon er tilfellet med Lolli & Pops, en stor konfektbutikk i USA. Ansiktsgjenkjenningssystemet bestemmer at ditt fremtidige lojalitetsprogram i butikken vil bli matet av ansiktsgjenkjenning av vanlige kunder og sender varsler til smarttelefonene deres med produkter de kanskje liker (under hensyntagen til individuelle preferanser og til og med matallergier).

Et annet slående eksempel på bruk av teknologi i detaljhandelen er butikker uten selgere og kassaapparater. For eksempel er Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown en kafé og selvbetjent butikk som ligger i Hangzhou. Det selges drikke, snacks, dagligvarer, leker, ryggsekker og lignende. Tao Cafe er kun åpen for brukere av Taobao-nettstedet.

Ved kjøp av drinker identifiserer et kamerasystem med støtte for ansiktsgjenkjenning automatisk kunden, kobler seg til kontoen hans i nettbutikken og behandler betalingen. Shoppere går ut gjennom et rom utstyrt med flere sensorer som identifiserer både kunden og varene. Skanning fungerer selv om personen legger kjøpet i en lomme eller veske.

Hvordan utvikler ansiktsgjenkjenningsteknologien seg

Face ID CCTV-systemer tar virkelig over verden. I Moskva vil antallet kameraer i 2019 nå Høyteknologi og sikkerhet: hvor mange CCTV-kameraer vil dukke opp i år 174 tusen. Dette betyr ikke at alle disse enhetene som standard kan gjenkjenne en person: oftest rapporteres det at systemet for å gjenkjenne ettersøkte kriminelle gjennom videokameraer vil begynne å jobbe i Moskva i 2019 om lag 160 tusen kameraer med denne funksjonen. Ikke desto mindre, på slutten av 2018, kunngjorde Moskva-ordførerens kontor intensjonen til Moskva-myndighetene i 2019, de kommer til å erstatte videokameraer og lansere et ansiktsgjenkjenningssystem for å erstatte alle videoovervåkingsenheter og danne et helt nyskapende system neste år.

Det paradoksale er at 160 tusen ikke er så mye. Spesielt sammenlignet med en annen leder innen søkemotorsøk om ansiktsgjenkjenning - Kina. På slutten av 2017 var det In Your Face: Kinas altseende stat over 170 millioner CCTV-kameraer, og i løpet av de neste tre årene er Kinas "Big Brother" overvåkingsteknologi ikke på langt nær så alt-seende som regjeringen vil at du skal tro. koble til nettverket er fortsatt ca 400 millioner.

Kompetent og korrekt bruk av ansiktsgjenkjenning arbeider først og fremst for å forbedre sikkerhet og komfort. Folk får som regel raskt tillit til teknologi som sparer dem fra å stå i kø til en fotballkamp (smiler til kamera – passert), forhindrer tyveri og hooliganisme, eller hjelper dem å bruke mindre på kjøp (lojalitetsprogrammer). Alt dette krever selvfølgelig en viss regulering - det er grunnen til at lover om beskyttelse av personopplysninger blir vedtatt.

I fremtiden er det sannsynlig at feltet ansiktsgjenkjenning i videoovervåkingssystemer vil bli regulert på samme måte som dagens praksis for arbeid med ansiktsidentifikasjon på Internett. Personverninnstilte personer laster rett og slett ikke opp for mye på nettet – den delvise fiaskoen til SearchFace beviser at en slik strategi er effektiv.

Man kan selvfølgelig ikke uendelig begrense seg til å gå langs gatene hvor det er installert kameraer i hvert kryss, men muligheten for å opprettholde anonymiteten vil dannes dersom det kommer en tilsvarende forespørsel fra samfunnet.