همه چیز درباره کارکرد فناوری تشخیص چهره
تشخیص چهره فناوری نسبتاً جدیدی است که امروزه رواج زیادی پیدا کرده. از پلتفرم‌های شبکه‌های اجتماعی گرفته که می‌توانند چهره شما را در تصاویر تشخیص دهند، تا موبایل‌هایی که می‌توانند با شناسایی چهره، قفل دستگاهتان را باز کنند، همگی از یک فناوری کلی استفاده می‌کنند.
فناوری تشخیص چهره یک ابزار بیومتریک است که ویژگی‌های چهره کاربر را آنالیز می‌کند و با مطابقت‌دادن اطلاعات دریافتی با اطلاعات موجود در پایگاه داده خود می‌تواند هویت یک فرد را تشخیص دهد. نرم‌افزارهای تشخیص چهره برای اسکن چهره‌ها و مقایسه اطلاعات ورودی و اطلاعات پایگاه‌های داده خود از هوش مصنوعی و یادگیری ماشینی بهره می‌برند.
اگرچه این فناوری در ابتدا عمدتاً در سازمان‌های دولتی برای شناسایی مجرمان استفاده می‌شد، اما حالا محصولات مصرفی هم به آن مجهز شده‌اند. نیاز بازار مصرفی به این فناوری باعث شده است که شرکت‌های فناوری حالا درزمینه توسعه این فناوری‌ها پیشگام باشند و حتی گاهی اوقات محدودیت‌هایی را درباره استفاده دولتی از فناوری‌های خود اعمال کرده‌اند.
تشخیص چهره چگونه کار می‌کند؟
فرایند تشخیص چهره را می‌توان به‌طور خلاصه در سه عملکرد پایه‌ای تعریف کرد:
- تشخیص ؛ فرایند یافتن صورت در یک تصویر است. اگر از دوربین‌ها استفاده کرده باشید، حتماً دیده‌اید که دوربین‌ها چگونه در قاب تصویر به‌دنبال صورت افراد می‌گردند و دور آن را با یک کادر مشخص می‌کنند تا فوکوس خودکار انجام شود.
- آنالیز ؛ مرحله‌ای است که از صورت نقشه‌برداری می‌کند. این کار گاهی اوقات با اندازه‌گیری فاصله بین چشم‌ها، شکل چانه، فاصله بین بینی و دهان و بعد تبدیل این اطلاعات به رشته‌ای از اعداد یا نقاط انجام می‌شود.
- شناسایی ؛ تلاشی برای تأیید هویت شخص از روی یک تصویر است. این فرایند برای احراز هویت استفاده می‌شود و همین‌جاست که موافقان و مخالفان فناوری با یکدیگر اختلاف‌نظر پیدا می‌کنند.
حالا که از کلیت عملکرد این فناوری آگاه شدید، بگذارید دقیق‌تر به شیوه عملکرد سیستم‌های تشخیص چهره بپردازیم. این سیستم‌ها در وهله اول باید یاد بگیرند که یک چهره چیست. این کار می‌تواند با تمرین یک الگوریتم روی شمار زیادی تصویر از چهره‌ها در موقعیت‌های شناخته‌شده انجام بگیرد. هر بار که تصویری به الگوریتم داده می‌شود، نرم‌افزار تخمین می‌زند که صورت شخص در کجای قاب تصویر قرار دارد.
این شبکه عصبی در ابتدا عملکرد نامطلوبی دارد، اما با انجام تمرینات متعدد، بهتر می‌شود و درنهایت می‌تواند موقعیت چهره‌ها را پیدا کند. کامپیوتر در ادامه معمولاً با استفاده از یک شبکه عصبی ثانویه یاد می‌گیرد که چگونه باید متوجه تفاوت میان یک چهره با یک چهره دیگر شود. بعضی از الگوریتم‌ها به‌صورت مستقیم از اجزای صورت نقشه‌برداری می‌کنند، اما بعضی‌ها با استفاده از ویژگی‌های انتزاعی‌تر نقشه خود را از چهره می‌سازند. درنهایت شبکه عصبی برای هر چهره یک وکتور به‌دست می‌آورد که در‌واقع رشته‌ای از اعداد است که می‌تواند به‌طور یکتا صورت یک فرد را در میان سایر صورت‌های موجود در نمونه تمرینی شناسایی کند.
در سیستم‌های زنده، نرم‌افزار در لحظه روی کلیپ‌های ویدیویی کار می‌کند. به عبارت دیگر، کامپیوتر فریم‌های ویدیو را که معمولاً از مناطق پرجمعیت تهیه می‌شوند، اسکن می‌کند. آنگاه ابتدا چهره‌های موجود در هر فریم را تشخیص می‌دهد، سپس وکتور هر کدام را به‌دست می‌آورد. درنهایت این وکتور با داده‌های موجود در پایگاه داده مقایسه می‌شود. سپس هر تطابقی که به آستانه مطلوب رسیده باشد، رده‌بندی و نمایش داده می‌شود. این آستانه در نیروی پلیس بریتانیا تطابق 60 درصدی است، اما می‌توان آن را بالاتر برد تا احتمال تشخیص‌های اشتباه پایین بیاید.
تشخیص چهره چقدر دقیق است؟
بهترین سیستم‌های موجود در این حوزه بسیار خوب عمل می‌کنند. آزمایش‌های مستقلی که توسط مؤسسه ملی استانداردها و فناوری آمریکا (Nist) انجام گرفته است، نشان می‌دهد که در حد فاصل سال‌های 2014 تا 2018، سیستم‌های تشخیص چهره در پیداکردن چهره افراد در پایگاه داده‌ای از 12 میلیون تصویر پرتره، حدود 20 برابر بهتر شده‌اند.
نرخ خطای این سیستم‌ها هم به‌لطف پیشرفت شبکه‌های عصبی عمیق در همین بازه زمانی از 4 درصد به 0.2 درصد رسیده است. اما این عملکرد خیره‌کننده تا حد زیادی به شرایط ایده‌آل بستگی دارد؛ یعنی تصویر فرد باید واضح و شفاف باشد و با پایگاه داده‌ای از تصاویر واضح و شفاف مقایسه شود.
در جهان واقعی تصاویر می‌توانند تار، بی‌کیفیت یا کم‌نور باشند. چهره فرد ممکن است با دوربین زاویه داشته باشد یا سن او نسبت به تصویر موجود در پایگاه داده افزایش قابل‌توجهی پیدا کرده باشد. همه این عوامل در کنار کیفیت الگوریتم‌های تشخیص چهره می‌توانند بر قدرت عمل این سیستم‌ها اثر بگذارند.
ارسال نظر