Semua tentang Pengenalan Wajah untuk Bisnis

Pengenalan Wajah tidak terbatas pada bidang ilmu komputer. Ini memiliki aplikasi bisnis yang solid.


Salah satu kata kunci terpanas dalam dekade ini adalah Pengenalan Wajah.

Ini adalah bagian dari pembelajaran mesin yang diterapkan yang dapat mendeteksi dan mengidentifikasi wajah manusia, masalah yang selama ini terkenal sulit bagi komputer. Dan dengan ini telah membuka dunia baru yang penuh dengan kemungkinan dan tantangan yang menarik untuk bisnis, pemerintah, dan individu.

Jika Anda seorang pemimpin bisnis dan telah bertanya-tanya tentang apa yang terjadi, dan apakah ada beberapa utilitas dalam pengembangan baru ini, kami telah membantu Anda. Dalam artikel ini, kita akan melihat sejarah Pengenalan Wajah, perkembangannya, penggunaan saat ini, kontroversi, penyebaran, dan banyak lagi aspek.

Pada akhirnya, Anda akan memiliki pemahaman yang kuat tentang apa itu teknologi Pengenalan Wajah, dan apa implikasinya bagi bisnis.

Mari kita mulai!

Evolusi Pengenalan Wajah

Untuk semua hype dan liputan media seputar Pengenalan Wajah, teknologi ini telah ada selama beberapa waktu. Pekerjaan algoritmik serius pertama dalam mendeteksi wajah adalah Kerangka Deteksi Objek Viola-Jones diterbitkan pada tahun 2001. Meskipun kerangka kerja tujuan umum untuk mengidentifikasi objek dalam gambar, ia dengan cepat diterapkan untuk deteksi wajah dengan keberhasilan yang sangat baik. Alasan utama untuk popularitas algoritma ini adalah kecepatannya; sementara proses pelatihan sangat lambat, proses deteksi sangat cepat.

Pada awal 2001/2004, rata-rata komputer desktop yang menjalankan algoritma ini dapat memproses bingkai 300px X 300px dalam 0,07 detik (lebih banyak sini). Itu tingkat akurasi, meskipun tidak sebanding dengan apa yang dapat dicapai manusia, mengesankan pada 90%.

Namun, kemajuan nyata tidak terjadi sampai dekade 2010-2020, ketika Jaringan Saraf Konvolusional muncul sebagai metode terbaik untuk melakukan deteksi wajah. Alasannya adalah ketersediaan kekuatan pemrosesan mentah dan memori sistem raksasa yang disediakan melalui komputasi awan oleh penyedia Infrastruktur-sebagai-Layanan (IaaS). Untuk pertama kalinya dalam sejarah, komputer secara konsisten mengalahkan manusia dalam mengenali wajah, terutama ketika sejumlah besar wajah acak terlibat.

Sumber: medium.com

Bagaimana Pengenalan Wajah bekerja?

Pengenalan wajah adalah proses multi-langkah, dengan beberapa sub-sistem khusus yang terlibat.

Inilah yang dimaksud berbagai tahap:

Deteksi / Pelacakan: Bagian dari tahap preprocessing ini bertanggung jawab untuk mengidentifikasi dan melacak wajah dalam file gambar atau video yang diberikan. Setelah proses ini selesai, kami tahu pasti bahwa ada wajah di input yang diberikan, dan itu dapat diproses lebih lanjut. Fase pelacakan juga bertanggung jawab untuk melacak bagian-bagian tertentu, fitur atau ekspresi tertentu di wajah, jika itu diperlukan.

Penjajaran: Masalah pengenalan wajah diperparah karena wajah dalam gambar atau video yang diberikan tidak mengikuti pedoman apa pun. Orang tersebut dapat diperbesar atau diperkecil, mengintip dari balik pohon, atau hadir di profil samping, membuat masalah deteksi wajah lebih sulit. Di sinilah penyelarasan wajah terjadi: ia memberi tahu kita di mana di gambar / video garis wajah yang diberikan, dan apa kontur untuk fitur wajah.

Sumber: csc.kth.se

Ekstraksi fitur: Seperti namanya, selama fase proses ini (kita sekarang dalam tahap Pengakuan), fitur individual dari wajah, seperti mata, hidung, dagu, bibir, dll., Diekstraksi dalam bentuk yang dapat digunakan oleh algoritma pada tahap selanjutnya. Pada tahap ini, komputer telah mengumpulkan cukup banyak data keras untuk membedakan wajah secara unik.

Pencocokan / klasifikasi fitur: Pada tahap ini, input yang diterima dari ekstraksi fitur dicocokkan dengan database yang diberikan untuk menyimpulkan identitas orang tersebut. Fase ini juga dikenal sebagai klasifikasi, karena algoritma mungkin diperlukan untuk mengkategorikan wajah alih-alih mengidentifikasi mereka secara individual.

Setelah proses ini selesai, kami tahu pasti apakah wajah yang diberikan adalah bagian dari basis data yang kami bandingkan atau tidak. Hasil akhir juga dapat berisi penandaan, seperti yang biasa kita lihat di Facebook.

Sumber: towardsdatascience.com

Pertimbangan penerapan: Sisi server vs. sisi klien

Pengenalan wajah dapat berfungsi baik di server maupun di perangkat yang berinteraksi dengan pengguna. Misalnya, ketika Anda mengunggah foto ke Facebook, algoritme dijalankan di sisi server; di sisi lain, sistem ID yang menggunakan wajah Anda untuk membuka kunci perangkat harus dijalankan di sisi klien. Jadi mana yang lebih baik?

Jujur, ini bukan tentang yang lebih baik. Baik penyebaran sisi-server maupun sisi-klien memiliki kekuatan, dan dalam praktiknya, bisnis menggunakan sistem hibrid. Praktik yang disarankan adalah melatih model Anda di sisi server, tempat data pelatihan dan sumber daya pemrosesan tidak dibatasi. Setelah model telah dilatih, ini dapat dikemas dan digunakan di sisi klien, yang meningkatkan kecepatan sistem serta menjaga privasi pengguna.

Mengirimkan segala sesuatu ke server menyebabkan penundaan, yang bisa buruk atau tidak dapat diterima dalam kasus tertentu. Pada saat yang sama, menjaga segala sesuatu di sisi klien akan menghasilkan model yang lebih lemah.

Seberapa akurat Pengenalan Wajah?

Akurasi bukan istilah yang didefinisikan dengan sangat baik dalam pengenalan wajah. Alasan utamanya adalah bahwa ini merupakan masalah kabur dengan segala macam input yang kacau (cahaya rendah, wajah sebagian tertutup oleh rambut, kualitas kamera, dll.) Dan bahkan input menipu (lebih lanjut tentang ini nanti!). Akibatnya, jaringan saraf yang terlibat dalam pengenalan wajah perlu disesuaikan untuk masalah yang ada, membatasi ruang lingkup mereka. Jadi, sementara sistem pengenalan wajah industri mungkin membanggakan akurasi 100% (yang sering terjadi), sistem yang sama mungkin tidak akurat bahkan 20% ketika diminta untuk mengidentifikasi wajah dalam foto yang ramai..

Jadi satu penelitian, jenis tertentu dari algoritma pengenalan wajah mampu mencapai akurasi 98,52%, lebih tinggi dari akurasi manusia yang dicapai 97,53% dalam tes yang sama. Di yang lain belajar dilakukan dalam forensik, kombinasi penilaian manusia dan algoritma menghasilkan hasil terbaik dalam beberapa kasus.

Intinya – untuk aplikasi yang fokus dan terdefinisi dengan baik, pengenalan wajah adalah alat terbaik yang kami miliki.

Di mana Pengenalan Wajah sedang digunakan?

Bahkan dalam periode singkat bahwa algoritma yang layak telah dikembangkan, Pengenalan Wajah telah menemukan aplikasi yang sangat berguna dan menarik. Beberapa di antaranya sangat mencolok, tetapi beberapa di antaranya sangat halus dan fundamental terjalin ke dalam kehidupan sehari-hari sehingga kita hampir tidak berhenti untuk memikirkan apa yang ada di bawah.

Facebook mungkin adalah contoh paling umum dari sistem pengenalan wajah modern di tempat kerja. Segera setelah Anda mengunggah foto, jejaring sosial dapat mendeteksi wajah. Sementara beberapa waktu lalu Anda diminta untuk menandai teman, sekarang Facebook dapat melakukannya sendiri.

Sumber: labnol.org

Aplikasi baru keren dari Facebook adalah fitur menginformasikan pengguna ketika foto yang mengandung wajah mereka diunggah oleh seseorang, bahkan jika mereka belum ditandai di foto-foto itu.

Snapchat menggunakan deteksi wajah dan pengenalan yang berat untuk banyak fitur-fiturnya, terutama, filter lucu yang begitu mengamuk.

Sumber: gistreel.com

Agar filter ini berfungsi, kontur dan fitur wajah subjek perlu dideteksi dengan sempurna, jika tidak overlay tidak akan terlihat realistis. Hal yang sama berlaku untuk Face Swap, fitur populer lainnya di Snapchat. Jika Anda tertarik untuk menyelam lebih dalam ke kemampuan Snapchat dalam pengenalan wajah, lihat sini.

Uber telah berjuang melawan masalah privasi dan keselamatan untuk sementara waktu sekarang, dan senjata terbaru di gudang perusahaan adalah pengenalan wajah. Perusahaan telah meluncurkan fitur baru di mana identitas mitra driver-nya diverifikasi oleh menggunakan wajah mereka. Perusahaan mengatakan di blog-nya bahwa setelah menguji beberapa vendor teknologi pengenalan wajah, mereka memilih Microsoft Face API karena kualitasnya yang tinggi. Menariknya, pemeriksaan ID waktu-nyata ini berfungsi dengan baik dalam kondisi cahaya redup, dan mampu mendeteksi kacamata.

Dengan pengakuan wajah terbukti berhasil di alam liar, mudah untuk memperkirakan bahwa itu mungkin akan segera menggantikan metode identifikasi lainnya di lembaga pendidikan, rumah sakit, perpustakaan, dll..

Pencegahan kejahatan ritel adalah perpanjangan alami dari aplikasi pengenalan wajah. Industri ritel kehilangan perkiraan $ 45 miliar setiap tahun untuk pengutil dan kejahatan ritel lainnya, dengan sangat sedikit untuk mengatasinya. Sekarang, perusahaan suka FaceFirst membantu pengecer menggunakan pengenalan wajah untuk mendeteksi pelaku sebelumnya dan mengingatkan petugas keamanan.

Pengawasan polisi mulai meningkatkan pengenalan wajah seperti semua institusi lain di luar sana. Misalnya, di Inggris, polisi South Wales menggunakan kamera yang dilengkapi van untuk membuatnya pengawasan kerumunan lebih mudah.

Sumber: theconversation.com

Sementara negara adikuasa yang baru ditemukan ini di tangan polisi telah memicu debat publik yang panas atas privasi individu, polisi percaya itu akan membantu mereka membatasi pelaku kejahatan dengan lebih baik. Seperti yang dikatakan Richard Lewis, wakil kepala polisi South Wales kepolisian Waktu keuangan:

Jika Anda mengidentifikasi seseorang yang telah melakukan pelanggaran [sebelumnya], Anda pada dasarnya mengatakan: kami tahu Anda di sini, silakan berperilaku baik..

Kesehatan baru-baru ini memiliki aplikasi yang tidak terduga, di mana pengenalan wajah membantu mendeteksi kelainan genetik langka yang disebut DiGeorge Syndrome.

Sindrom DiGeorge muncul pada sekitar 1 dari 6.000 anak-anak dan mengakibatkan kelainan bentuk di beberapa bagian tubuh. Masalah kesehatan, dalam hal ini, lebih parah bagi negara-negara miskin, yang tidak memiliki sumber daya untuk mencari metode diagnosis yang mahal. Dengan demikian, pengenalan wajah, dengan mencengangkan ketepatan 96,6%, menawarkan harapan baru bagi para korban Sindrom DiGeorge.

Dalam Maskapai industri, adopsi pengenalan wajah sedang meningkat, dan itu akan segera menggantikan boarding pass konvensional. Saat ini, ada hasil yang terbatas tetapi menjanjikan dalam membantu mengidentifikasi penumpang ketika mereka meninggalkan negara itu. Bahkan, Administrasi Keamanan Transportasi (TSA) AS telah menetapkan a rencana untuk penggunaan luas biometrik berbasis pengenalan wajah.

Penggunaan Pengenalan Wajah yang kontroversial

Teknologi memberdayakan kita, meskipun penggunaannya baik atau buruk terserah kita. Maka, tidak diragukan lagi bahwa sesuatu yang sekuat dan radikal seperti pengenalan wajah sedang digunakan dengan cara yang menimbulkan kekhawatiran tentang hak asasi manusia dan etika yang mendasar..

Contoh paling menonjol dari penggunaan kontroversial pengenalan wajah adalah luar biasa besarnya di Cina sistem pengawasan yang mempekerjakan sekitar 200 juta kamera untuk mengawasi 1,4 miliar warganya.

Sumber: sbs.com

Sistem melacak orang dan mengevaluasi tindakan mereka, terus-menerus memperbarui metrik yang disebut skor warga. Meskipun ada beberapa nilai dalam memiliki sistem pengawasan yang dikontrol oleh negara yang kuat (misalnya, melacak pelunasan hutang), sebagian besar melihatnya sebagai kedatangan masa depan dystopian George Orwell bayangkan. Ini adalah masa depan di mana pemerintah memiliki kekuasaan tak terbatas atas individu, dan privasi tidak ada.

Contoh kedua penggunaan pengenalan wajah yang bisa diperdebatkan juga datang (tidak mengejutkan?) Dari Cina. Kali ini sistem sekolah mengadopsi pengenalan wajah untuk memastikan siswa “penuh perhatian” selama pelajaran. Sistem pengenalan wajah yang baru, meskipun belum tersebar luas, menggantikan kartu ID, kartu perpustakaan, sistem kehadiran, dll., Menggunakan wajah siswa untuk identifikasi.

Sumber: businessinsider.com

Tetapi bagian yang menyeramkan adalah bahwa sistem ini memantau tingkat perhatian siswa, penggunaan ponsel, dll., Dan memberi tahu guru ketika ambang tertentu dilewati.

Sementara pengawasan video yang didukung oleh pengenalan wajah tidak eksklusif untuk China — AS telah melakukannya membuat upaya untuk menggunakannya untuk mengekang kekerasan senjata di sekolah-sekolah – China yang tampaknya mengambil ini lebih jauh dari negara lain.

Perbandingan API Pengenalan Wajah yang populer

Dalam hal memanfaatkan Pengenalan Wajah, opsi apa yang Anda miliki? Di bagian ini, kita akan melihat apa yang umum digunakan, dan bagaimana berbagai solusi saling menumpuk.

Namun, sebelum kita mulai: sebuah pengingat. API ini berkembang sangat cepat, dan Anda cenderung menemukan posting blog yang mengatakan API ini tidak memiliki fitur ini atau fitur itu. Jangan membuat keputusan berdasarkan itu. Menganalisis kebutuhan bisnis Anda terlebih dahulu, hati-hati memeriksa fitur yang ditawarkan, mengikuti jejak, dan baru kemudian memutuskannya.

OpenCV

Penelitian AI adalah lubang pembuangan tanpa dasar. Melatih dan menyempurnakan sistem pengenalan wajah itu sulit, dan sebaiknya diserahkan kepada para konglomerat dengan kantong dalam dan banyak peneliti di tangan. Namun, jika kebutuhan Anda sederhana dan Anda ingin memiliki kontrol penuh — dan tentu saja, siap untuk pemeliharaan tim teknik kecil / kecil—OpenCV mungkin hanya bekerja untukmu.

Ini adalah perpustakaan Open Vision Komputer sumber yang sangat akurat dan tersedia untuk semua platform pemrograman. Ini adalah penumbuhan rambut contoh tentang bagaimana Anda dapat memutar sistem deteksi wajah dengan Python dan OpenCV dalam 25 baris kode!

Sekarang, Anda dapat menemukan beberapa blog yang mengatakan OpenCV tidak memiliki pengenalan wajah. Ya, itu benar-benar bohong, dan ini dia bukti. Singkatnya, OpenCV dapat menjadi pilihan tepat untuk bisnis Anda jika kebutuhannya sederhana dan spesifik.

Rekognisi Amazon

Pengakuan adalah penawaran tugas berat dari salah satu penyedia cloud terbesar di luar sana – AWS. Ini adalah layanan yang sepenuhnya dikelola dan kuat untuk platform AWS, dan jika Anda sudah menggunakan AWS untuk penyebaran, Rekognition mungkin adalah pilihan terbaik.

Beberapa fitur yang mengejutkan yang ditawarkan oleh Rekognition adalah:

  • Analisis waktu nyata (saat Anda mengunggah gambar atau video ke S3)
  • Analisis wajah yang luas (jenis kelamin, warna rambut, ekspresi wajah, mata terbuka atau tidak, dll.)
  • Pathing (mengambil jalur objek yang diidentifikasi dalam video)
  • Deteksi pemandangan dan aktivitas (di dalam / luar ruangan, “bermain sepak bola”, dll.)
  • Memoderasi konten yang tidak aman (ketelanjangan, misalnya)

Nilai plus terbesar dengan Rekognition juga merupakan nilai minus terbesar – Anda akan benar-benar kesulitan untuk menggunakannya dengan layanan non-AWS sampai Anda harus menyerah.

Kairos

Berbeda sekali dengan Rekognisi, Kairos memberi Anda AI atas API (berima tidak disengaja, kami bersumpah!), memungkinkan Anda mengambil kendali penuh atas data dan server Anda. Kairos menjadikan dirinya sebagai layanan yang mengutamakan privasi sangat kritis Amazon dan perusahaan lain yang berkolusi dengan pemerintah (begitu juga ACLU, ngomong-ngomong).

Kairos berfungsi baik pada gambar dan video dan memiliki semua fitur bagus yang Anda harapkan dari API pengenalan wajah modern. Itu melakukan beberapa fitur menakjubkan yang ditemukan di Rekognition, tetapi jika Anda tidak membutuhkannya dan sudah mengelola data Anda, mengapa repot-repot?!

Bagi mereka yang paranoid ekstra tentang privasi dan bahkan tidak ingin mengirim data melalui kabel untuk diproses, Kairos memiliki penyebaran di tempat, tetapi harga tergantung pada kasus penggunaan Anda dan bisa sangat curam.

Google Cloud Vision

Google telah memilih untuk membedakan antara layanan pengenalan wajahnya untuk gambar dan video. API gambar dikenal sebagai Visi Awan, sedangkan layanan yang berfokus pada video disebut Kecerdasan Video.

Sementara layanan yang berfokus pada gambar sangat mirip dengan apa yang ditawarkan AWS, layanan video memiliki fitur katalogisasi dan pencarian yang bagus. Ini akan bermanfaat bagi perusahaan yang memiliki arsip video besar yang mungkin ingin mereka analisis atau telusuri.

Yang mengatakan, Video Intelligence tidak memiliki fitur pengenal wajah saat menulis, dan ini tampaknya ditawarkan hanya dalam Cloud Vision. Pelacakan objek dan deteksi teks juga dalam versi beta, menempatkannya jauh di belakang penawaran Amazon.

API Wajah Azure

Dengan Microsoft mengambil penawaran cloud mereka lebih serius daripada yang desktop (akhirnya), the API Wajah Azure adalah salah satu persembahan yang menyenangkan. Ini memiliki semua fitur menarik yang Anda harapkan (deteksi, identifikasi, pengelompokan wajah, pencarian wajah yang serupa, emosi, dll.), Dan berfungsi sama baiknya dengan video.

Sekarang, ini tidak sepenuhnya terkait dengan pengenalan wajah, tetapi perlu disebutkan bahwa Azure juga menawarkan visi komputer pelanggan layanan, yang memungkinkan Anda untuk menggunakan input dan melatih model sesuai kebutuhan Anda.

Sama seperti layanan Google, ada taman bermain yang tersedia tepat di halaman rumah, yang membuat pengujian API sangat menyenangkan!

Apakah ada perbedaan signifikan di antara layanan pengenalan wajah terkelola teratas? Tidak juga. Ada persaingan ketat di lapangan saat ini, dan fitur-fitur baru diluncurkan lebih cepat daripada pizza. Jika Anda sudah terikat dengan ekosistem tertentu, menggunakan layanan pengenalan wajah mereka sendiri masuk akal. Jika tidak, Anda mungkin ingin memilih vendor yang berbeda jika kebutuhan Anda spesifik (mengendalikan data sendiri, hanya memerlukan deteksi sederhana, dll.).

Sistem Pengenalan Anti-Wajah

Sama seperti beberapa peneliti telah mendedikasikan hidup mereka untuk menyempurnakan teknologi pengenalan wajah, yang lain sibuk mengembangkan teknik untuk membodohi mereka. Salah satu perkembangan yang menarik adalah Kacamata Adversarial, yang terlihat normal bagi manusia tetapi menipu sistem pengenalan wajah ahli.

Sumber: digitaltrends.com

Yang mengatakan, kacamata ini belum tersedia di pasaran, meskipun para peneliti mengatakan bahwa ini dapat dicetak 3D dengan mudah.

Perkembangan lain yang menarik adalah peluncuran kacamata eko di Kickstarter. Meskipun produk ini sekarang dibatalkan, produk ini bekerja pada ide yang sangat sederhana: kacamata hitam biasa setiap hari seharga $ 45 yang hanya memantulkan cahaya, menyebabkan kamera dan alat pengawas video menjadi gila..

Sama seperti domain keamanan siber, “peretas” dan peneliti mengunci tanduk dalam pengenalan wajah untuk perlombaan menuju kesempurnaan. Di sekitar 2014, kami melihat popularitas makeup kamuflase yang memberikan tembus pandang terhadap pengenalan wajah, tetapi tidak layak lagi. Akankah ada enkripsi AES untuk pengenalan wajah? Hanya waktu yang akan memberitahu!

Apakah Pengenalan Wajah untuk Anda?

Jenis bisnis yang dapat mengambil manfaat dari pengenalan wajah adalah bisnis yang melibatkan orang — ya, yang berarti setiap bisnis di luar sana! Sementara penggunaan pengenalan wajah saat ini tampaknya diperjuangkan oleh pemerintah, bisnis besar, atau startup teknologi, tidak ada alasan mengapa bisnis Anda tidak dapat mengambil manfaat darinya.

Kemungkinannya benar-benar tidak ada habisnya ketika kami menggabungkan sedikit pemikiran kreatif — menyapa dan mengidentifikasi pelanggan di sebuah hotel, menempatkan teman Anda di lautan orang, menemukan orang-orang dengan wajah yang mirip (mungkin untuk digunakan sebagai aktor), mendeteksi kepribadian untuk pekerjaan wawancara (sekali lagi, kami hanya membiarkan imajinasi berjalan liar di sini; mungkin tidak ada yang substansial dalam studi semacam itu), menyesuaikan pengalaman perbankan ketika klien bernilai tinggi masuk. . . Ada cara tak terbatas untuk menggunakan pengenalan wajah pada level kecil dan besar untuk membuat bisnis Anda tampil lebih baik.

Kesimpulan

Pengenalan wajah segera akan menjadi begitu luas dan begitu umum sehingga kita bahkan tidak akan menyadarinya (seperti ponsel?). Teknologi yang mendasarinya hampir sempurna, tetapi di dunia nyata itu bukan hanya tentang mendeteksi wajah — ini tentang apa yang bisa kita lakukan dengan kemampuan itu.

Kedengarannya menarik dan tertarik untuk belajar lebih banyak? Lihat ini tentu saja brilian tentang Visi Komputer.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map