Co musisz wiedzieć o technologii rozpoznawania twarzy

2024 Autor: Malcolm Clapton | [email protected]. Ostatnio zmodyfikowany: 2023-12-17 04:07

Jak ta technologia jest wykorzystywana przez rządy i firmy, czy można oszukać aparat z systemem identyfikacji twarzy i czy można znaleźć osobę w Internecie za pomocą zdjęcia.

Elena Glazkova Ivideon Marketer.

Dla państwa rozpoznawanie twarzy jest ważną częścią systemu bezpieczeństwa i imponującą pozycją budżetową. Dla dziennikarzy jest to albo panaceum, albo instrument światowego spisku. Dla biznesu, narzędzie lub produkt. Niezależnie od tego, po której stronie się staniesz, podstawowe pytania wciąż pozostają. Użytkownicy nałogowo szukają odpowiedzi na nie w Internecie (średnio 28 704 zapytań dotyczących rozpoznawania twarzy miesięcznie), ale nie zawsze je znajdują. Korygowanie sytuacji.

Co to jest rozpoznawanie twarzy

Oddzielmy muchy od kotletów. Użytkownicy częściej spotykają się z rozpoznawaniem twarzy we własnych smartfonach, gdzie identyfikacja biometryczna służy do odblokowania urządzenia i tylko jego właściciel ma dostęp do danych. W proces rozpoznawania koniecznie zaangażowany jest aparat 3D, aby nie można było oszukać gadżetu fotografią.

Istnieje również identyfikacja twarzy w czasie rzeczywistym iw rzeczywistych warunkach: w tym przypadku jest to nierozerwalnie związane z systemami monitoringu wideo, gdzie twarze są dosłownie „wyrywane” ze strumienia wideo filmowanego przez kamery.

Wyobraź sobie wysokiej jakości nowoczesną kamerę CCTV umieszczoną tuż nad przeciętnym wzrostem człowieka w dobrze oświetlonym miejscu. Mniej więcej tyle samo mniej więcej tych samych osób przechodzi przed nią każdego dnia. Nie poruszają się bardzo szybko.

Przechwycone wideo można przechowywać w archiwum w chmurze. Do kamery podłączony jest moduł analityczny: złożona kombinacja algorytmów (sztuczna inteligencja, sieci neuronowe, to wszystko) plus interfejs użytkownika. Moduł „wyrywa” twarze ze strumienia wideo, określa płeć i wiek oraz wprowadza dane do bazy danych.

Stopniowo pojawia się więcej obrazów. System automatycznie zapamiętuje wszystkie rozpoznane twarze i zapisuje je w archiwum, a użytkownik z dopuszczeniem wskazuje dodatkowe dane: imię, stanowisko, status, inne oznaczenia ("gość VIP" lub "złodziej"). Możesz wgrać zdjęcie żądanej osoby, a moduł znajdzie w archiwum wszystkie wykrycia tej osoby.

Gdy tylko osoba ze znakiem ponownie przejdzie przed kamerą, system rejestruje to jako ważne wydarzenie i wysyła powiadomienie push do zainteresowanych użytkowników.

Detekcja w kontekście rozpoznawania twarzy to sytuacja, w której algorytm w zasadzie rozumiał, że to twarz, a nie jabłko czy syrenka z kubka Starbucksa. Najpierw potrzebuje do tego mocy obliczeniowej, a dopiero potem może dopasować twarz do bazy lub zapamiętać.

Jeśli przeczytałeś kilka poprzednich akapitów do końca, gratulacje, teraz wiesz, jak rozpoznawanie twarzy działa w idealnej sytuacji. Opis pasuje do każdego systemu: od tych używanych w moskiewskim metrze po rozwiązania dla małych firm.

Najważniejsze, aby zrozumieć, że trudno jest stworzyć idealną sytuację w prawdziwym życiu, zwłaszcza jeśli chodzi o całe miasto, a nie biuro czy sklep. Na przykład w metrze jest dużo ludzi, każdy jest inny, szybko idą. Potrzebujesz dużo kamer, kosztują, a kompetentni specjaliści powinni je umieścić.

Czy można oszukać algorytm rozpoznawania twarzy?

Pomimo okazjonalnych błędów, dokładność rozpoznawania maszynowego jest już często wyższa niż ta, za pomocą której ludzie określają twarze. Chiny zbudują gigantyczną bazę danych rozpoznawania twarzy w celu identyfikacji każdego obywatela w ciągu kilku sekund, wkrótce pojawi się w Chinach system, który będzie w stanie znaleźć konkretną osobę wśród 1,3 miliarda innych mieszkańców w 3 sekundy z 90% dokładnością.

A jednak trudno jednoznacznie odpowiedzieć na to pytanie, ponieważ nie ma jednego idealnego algorytmu rozpoznawania twarzy. Duże okulary, wklejona broda, czapka, duża prędkość ruchu, specjalny makijaż (np. namalowana na twarzy krata „Czarny łabędź”, koty, kółka i patyki. Jak uciec od systemów rozpoznawania twarzy za pomocą makijażu) - wszystko to może zmylić algorytm. Zwłaszcza w sumie, bo do rozpoznania wystarczy Jak oszukać systemy rozpoznawania czy 70% otwartej twarzy. Teraz wyobraź sobie, że konieczne jest zastosowanie powyższych sztuczek w prawdziwym mieście. Nie brzmi tak łatwo, prawda?

Okulary „anty-rozpoznawcze” z Japonii, które jeszcze w 2015 roku

A oto taka maska 3D w 2014 roku

Czy można rozpoznawać twarze online?

Internet to miejsce paradoksalne: tutejsi ludzie mogą jednocześnie martwić się, czy co drugi aparat na ulicy wykryje ich osobowość, i szczerze chcą „rozpoznawać twarze innych ludzi na zdjęciach w Internecie”. Rozważmy osobno ten trend rozpoznawania twarzy.

Program do rozpoznawania twarzy to albo opisany powyżej moduł analityczny (kamera CCTV + oprogramowanie + przechowywanie w chmurze), albo oprogramowanie podobne do znanej (nieco skandalicznej) usługi FindFace. Dzisiaj w zdecydowanej większości przypadków nie da się oczywiście pobrać programu do rozpoznawania twarzy „za darmo i bez rejestracji”.

Serwis internetowy FindFace.ru, który pomaga znaleźć osoby w sieci społecznościowej VKontakte na podstawie ich zdjęć, został założony 18 lutego 2016 r. Między innymi dzięki niemu każdy mógł znaleźć profile dziewczyn, które wystąpiły w filmach porno. Bardzo szybko usługa zaczęła być wykorzystywana przez wiele flash mobów do wykrywania twarzy, które miały pełne prawo nigdy nie zostać wykryte przez nikogo. Wybuchł skandal, który zadziałał jak reklama wirusowa: technologia, na której opierał się serwis, zdobyła szereg prestiżowych nagród i wzbudziła zainteresowanie klientów ze strony państwa i biznesu. Od 1 września 2018 r. serwis przestał udostępniać usługę FindFace, która służyła do rozpoznawania protestujących, ogłosiła zamknięcie wyszukiwania osób za pomocą usługi fotograficznej, ponieważ została ona przekształcona przez NtechLab w linię rozwiązań dla różnych sektorów biznesu.

Marzenie użytkownika, który wprowadzi zapytanie, wygląda oczywiście tak: wchodzisz na stronę, wgrywasz zdjęcie osoby, która została zrobiona ukradkiem w metrze, program rozpoznaje twarz i podaje link do profilu na sieć społeczna. Tak, zostałem złapany! Lub tak: pobierasz program na swój komputer, podłączasz do niego kamerę internetową i rozpoznajesz twarz swojego kota. Sukces - teraz otrzymasz powiadomienie za każdym razem, gdy kot ukradnie kiełbaski.

Rzeczywistość jest okrutna. Pierwsza strona oferująca coś takiego nie działa, a druga wymaga umiejętności programowania w Pythonie. Mniej więcej przypominająca sen aplikacja o nazwie SearchFace, która została niedawno ponownie uruchomiona, Searchface został ponownie uruchomiony z autoryzacją przez VKontakte. Ale sieć społecznościowa zamknęła tę funkcję o nazwie FindClone. Przesłałeś zdjęcie, a algorytm próbował rozpoznać tę samą twarz w bazie danych sieci społecznościowej VKontakte. Aplikacja nie podawała linków do profilu, tylko same zdjęcia - i nie ma znaczenia, przez kogo zostały przesłane. Jeśli użytkownik był aktywny w sieci społecznościowej przez długi czas, wydanie zdjęcia powodowało niesamowity efekt „biograficzny”, ale jeśli nie, rozpoznane obrazy mogły go rozśmieszyć.

W rzeczywistości przykład SearchFace wyraźnie odpowiada na pytanie „Jak sieci społecznościowe wykorzystują rozpoznawanie twarzy?” Bardziej trafne byłoby sformułowanie tego w ten sposób: „Jak wykorzystywane są sieci społecznościowe do rozpoznawania twarzy?” Odpowiedź jest prosta: jak baza danych. Niezliczona liczba unikalnych kombinacji liczb (tak twarze na zdjęciu szukają algorytmów Facebooka, VKontakte i innych) stanowią podstawę do trenowania sieci neuronowych, które stanowią podstawę tego lub innego rozwiązania do rozpoznawania twarzy.

Wszystkie rozwiązania są różne, różne są też sieci neuronowe, a klienci i usługodawcy z reguły nie ujawniają szczegółów i cech technicznych. W szczególności moduł rozpoznawania płci i wieku jest w stanie określić dzięki temu, że może uczyć się z informacji zawartych w Odnoklassnikach, VKontakte, Instagramie i Facebooku.

Jak zaprogramowane jest rozpoznawanie twarzy

Nigdy nie musisz odpowiadać na pytania programistów i programistów, jeśli nie jesteś programistą. Dlatego zwróciliśmy się o pomoc do specjalisty.

Dmitry Soshnikov Członek Rosyjskiego Stowarzyszenia na rzecz Sztucznej Inteligencji i starszy ekspert ds. rozwoju systemów sztucznej inteligencji i uczenia maszynowego w firmie Microsoft.

Rozpoznawanie twarzy (a także inne powiązane operacje) to dość powszechne zadanie. Dlatego wiele firm dostarcza gotowe usługi w postaci chmurowych API (pośredników oprogramowania między aplikacjami) dla wysokiej jakości rozwiązania tych zadań. Oprócz gigantów IT, takich jak Microsoft i Google, rozpoznawaniem twarzy zajmują się również wyspecjalizowane firmy, w tym rosyjskie. Ich produkty szybko ewoluują i zapewniają jeszcze bardziej ekscytujące funkcje, takie jak identyfikowanie twarzy i sylwetek w tłumie.

O wiele trudniej jest wytrenować sieć neuronową od podstaw. Potrzebujemy dużego i wysokiej jakości zestawu danych początkowych, czyli dziesiątek i setek tysięcy (a nawet więcej!) zdjęć ludzi. Ponadto wymagane będą znaczne zasoby obliczeniowe oraz znajomość sztucznej inteligencji i uczenia maszynowego. Duże firmy mają do dyspozycji wszystkie te narzędzia, dzięki czemu znacznie lepiej rozwiązują problem.

Istnieje również rozwiązanie pośrednie - na przykład wykorzystanie już wytrenowanej sieci neuronowej. Ta opcja najprawdopodobniej sprawdzi się trochę gorzej niż gotowa usługa w chmurze, ale pozwoli na pełną kontrolę nad systemem. Będzie to wymagało pewnego poziomu zrozumienia działania sieci neuronowych i frameworków sieci neuronowych oraz najprawdopodobniej znajomości języka Python, który zyskał popularność jako główny język programowania wśród specjalistów Data Science.

Rzeczywiście wygodnie jest przeprowadzać różne eksperymenty, wizualizować dane i wykonywać wydajne obliczenia macierzowe dzięki doskonałemu pakietowi NumPy. Nie jest to najlepszy język do rozwoju przemysłowego, ponieważ nie zawiera skutecznych narzędzi do tworzenia dużych, bezpiecznych systemów oprogramowania, ale nie ma jeszcze dla niego alternatywy w zakresie uczenia głębokich sieci neuronowych.

Jak rozpoznawanie twarzy działa w biznesie

Zapotrzebowanie na rozpoznawanie twarzy w fintechu, handlu detalicznym i innych rodzajach biznesu jest bezpośrednio związane ze zwiększoną dostępnością technologii. Mechanika jest prosta: wszystkie przedsiębiorstwa i wszystkie organizacje mają kamery CCTV, które służą jako narzędzia do zbierania danych i późniejszej analizy. Na świecie systemy nadzoru nagrywają terabajty wideo w rozdzielczości Full HD miesięcznie, to znaczy, że jest naprawdę dużo informacji do przetworzenia.

Wymagane oprogramowanie do analizy danych może zostać „flashowane” na urządzenie przez producenta. Wbudowane kamery do analizy obrazu wideo są zwykle dość drogie.

Alternatywną opcją jest analityka w chmurze, czyli zdalne centrum danych, które łączy się z dowolną niedrogą kamerą. Jest to o rząd wielkości tańsze, a dodatkowo daje elastyczność – możesz dostosować rozwiązania do konkretnego biznesu.

Popularność technologii rozpoznawania twarzy w różnych dziedzinach działalności rośnie. Na przykład Sbierbank jest jednym z liderów pod względem ogłaszania różnych głośnych projektów rozpoznawania twarzy i może argumentować, że rozpoznaje cię na tysiąc: bankomat zidentyfikuje klienta na podstawie jego oczu w tym zakresie, być może tylko Tinkoff. W 2017 r. Sberbank przejął Sberbank i zainwestował 25,07% VisionLabs w technologię rozpoznawania twarzy, która tworzy oprogramowanie do rozpoznawania twarzy. W 2018 roku instytucji finansowej udało się przetestować rozpoznawanie twarzy w moskiewskim metrze, a nawet złapać 42 przestępców 42 przestępców zostało złapanych dzięki systemowi rozpoznawania twarzy Sbierbank, aby przetestować Rozpozna cię z tysiąca: bankomat zidentyfikuje klienta przez oczy bankomatów z identyfikacją twarzy, aby napastnicy nie mogli wypłacić pieniędzy z cudzych kart, a także zapowiadać zbieranie danych biometrycznych (nagranie głosu,wideo twarzy) klientów. W kwietniu tego roku Sbierbank przejął kontrolę nad twórcą systemów rozpoznawania głosu i twarzy – „Centrum Technologii Mowy” (MDT).

Inna sprawa, że ogłaszanie, testowanie, pilotowanie i kupowanie rozwiązań nie oznacza faktycznego wdrożenia. Co dokładnie jest obecnie używane w Sbierbanku (i czy jest używane), w rzeczywistości może powiedzieć z całą pewnością tylko German Gref.

W handlu detalicznym wszystko jest bardziej przejrzyste. Zasadniczo są tutaj trzy problemy, które rozwiązuje rozpoznawanie twarzy.

Po pierwsze, kradzież. Sklepy są prowadzone przez oszustów i często te same osoby w tej samej sieci. Rozpoznawanie twarzy pozwala zidentyfikować „dryfujących złodziei” oraz inne osoby, które wcześniej naruszyły porządek. Gdy intruz wejdzie do bazy danych po wejściu do sklepu, ochrona otrzyma powiadomienie w komunikatorze lub w inny dogodny sposób.

Po drugie, trudność w pracy ze stałymi klientami. Po prostu brakuje danych o zakupach i urodzinach, aby spersonalizować oferty dla VIP-ów i fanów marki. Rozpoznawanie twarzy można zintegrować z CRM - czyli oprogramowaniem, w którym menedżerowie wprowadzają wszystkie informacje o wszystkich transakcjach organizacji. W przypadku złodziei i VIP-ów rozpoznawanie twarzy działa mniej więcej w ten sam sposób: twarz jest wpisywana na czarną lub białą listę, a gdy pojawi się ponownie, system wyda sygnał dźwiękowy do osoby, która ma dostęp. Płeć i wiek ustalane są automatycznie, a odpowiedzialny pracownik doda dodatkowe informacje.

Po trzecie, identyfikacja detaliczna jest wykorzystywana do ukierunkowanej reklamy. Na przykład, w niektórych sklepach X5 Retail Group zainstalowało X5 z kamerami wizyjnymi, które rozpoznają mimikę i wiek klientów. Analizując te dane, system wyświetla towary, które dana osoba może polubić na ekranie monitora na parkiecie. Inną żywą ilustracją jest przypadek Lolli & Pops, dużego sklepu cukierniczego w Stanach Zjednoczonych. System rozpoznawania twarzy decyduje, że Twój przyszły sklepowy program lojalnościowy będzie zasilany rozpoznawaniem twarzy stałych klientów i wysyła na ich smartfony powiadomienia z produktami, które mogą im się spodobać (biorąc pod uwagę indywidualne preferencje, a nawet alergie pokarmowe).

Innym uderzającym przykładem wykorzystania technologii w handlu detalicznym są sklepy bez sprzedawców i kasy. Na przykład Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown to kawiarnia i sklep samoobsługowy w Hangzhou. Sprzedaje napoje, przekąski, artykuły spożywcze, zabawki, plecaki i tym podobne. Tao Cafe jest otwarte tylko dla użytkowników strony Taobao.

Przy zakupie napojów system kamer z obsługą rozpoznawania twarzy automatycznie identyfikuje klienta, łączy się z jego kontem w sklepie internetowym i przetwarza płatność. Kupujący wychodzą przez przestrzeń wyposażoną w wiele czujników, które identyfikują zarówno klienta, jak i towary. Skanowanie działa nawet wtedy, gdy osoba wkłada zakup do kieszeni lub torby.

Jak ewoluuje technologia rozpoznawania twarzy?

Systemy CCTV Face ID naprawdę podbijają świat. W Moskwie liczba kamer w 2019 r. sięgnie Wysokie technologie i zabezpieczenia: ile kamer CCTV pojawi się w tym roku 174 tys. Nie oznacza to, że wszystkie te urządzenia domyślnie potrafią rozpoznać osobę: najczęściej mówi się, że system rozpoznawania poszukiwanych przestępców przez kamery wideo zacznie działać w Moskwie w 2019 roku około 160 tysięcy kamer z tą funkcją. Mimo to pod koniec 2018 r. moskiewskie biuro burmistrza ogłosiło zamiar władz Moskwy w 2019 r., że zamierzają wymienić kamery wideo i uruchomić system rozpoznawania twarzy, aby zastąpić wszystkie urządzenia do monitoringu wideo i stworzyć całkowicie innowacyjny system w przyszłym roku.

Paradoks polega na tym, że 160 tys. to niewiele. Zwłaszcza w porównaniu z innym liderem zapytań w wyszukiwarkach na temat rozpoznawania twarzy - Chinami. Pod koniec 2017 roku odbył się pokaz In Your Face: wszechwidzący chiński stan ponad 170 milionów kamer CCTV, a w ciągu następnych trzech lat chińska technologia nadzoru „Big Brother” nie będzie tak wszechwidząca, jak chce rząd połączenia z siecią to jeszcze około 400 mln.

Umiejętne i prawidłowe korzystanie z rozpoznawania twarzy działa przede wszystkim na poprawę bezpieczeństwa i komfortu. Ludzie zwykle szybko nabierają zaufania do technologii, która chroni ich przed staniem w kolejce na mecz piłki nożnej (uśmiecha się do kamery – minął), zapobiega kradzieży i chuligaństwom, czy pomaga wydać mniej na zakupy (programy lojalnościowe). Wszystko to oczywiście wymaga pewnej regulacji – dlatego uchwalane są ustawy o ochronie danych osobowych.

W przyszłości jest prawdopodobne, że dziedzina rozpoznawania twarzy w systemach monitoringu wideo będzie uregulowana podobnie jak obecna praktyka pracy z identyfikacją twarzy w Internecie. Osoby dbające o prywatność po prostu nie przesyłają zbyt wiele do sieci – częściowe fiasko SearchFace dowodzi, że taka strategia jest skuteczna.

Oczywiście nie można bez końca ograniczać się do chodzenia po ulicach, gdzie na każdym skrzyżowaniu zainstalowane są kamery, ale możliwość zachowania anonimowości powstanie, jeśli pojawi się odpowiednia prośba ze strony społeczeństwa.