Vse o prepoznavanju obraza za podjetja

Prepoznavanje obraza ni omejeno na področja računalništva. Ima solidne poslovne aplikacije.


Ena najbolj vročih buzzword tega desetletja je prepoznavanje obrazov.

To je del aplikativnega strojnega učenja, ki lahko zazna in prepozna človeške obraze, kar je bilo doslej težko računalnikom. In s tem je odprl popolnoma nov svet vznemirljivih možnosti in izzivov tako za podjetja, vlade kot posameznike.

Če ste vodja podjetja in se sprašujete, kaj vse se muči in ali je v tem novem razvoju nekaj koristnega, vas bomo pokrivali. V tem članku si bomo ogledali zgodovino prepoznavanja obrazov, njegov razvoj, trenutne uporabe, kontroverze, uvajanje in številne druge vidike.

Na koncu boste dobro razumeli, kaj sploh pomeni tehnologija za prepoznavanje obrazov in kakšne posledice so za podjetja.

Začnimo!

Evolucija prepoznavanja obraza

Tehnologija je že v času hype in medijskih poročil o prepoznavanju obrazov že nekaj časa. Prvo resno algoritmično delo pri zaznavanju obrazov je bilo Okvir za zaznavanje objektov Viola-Jones objavljeno leta 2001. Čeprav je bil okvir splošne namene za prepoznavanje predmetov znotraj slik, je bil hitro uporabljen za odkrivanje obrazov z zelo dobrim uspehom. Glavni razlog za priljubljenost tega algoritma je bila njegova hitrost; medtem ko je bil postopek vadbe mučno počasen, je bil postopek odkrivanja izjemno hiter.

Že leta 2001/2004 je povprečni namizni računalnik, ki izvaja ta algoritem, lahko obdelal 300px X 300px okvir v 0,07 sekunde (več tukaj). The stopnje točnosti, čeprav niso primerljivi s tistimi, kar človek lahko doseže, so bili v 90% impresivni.

Resničen napredek pa ni bil dosežen šele v desetletju 2010–2020, ko Konvolucijsko nevronsko omrežje se je izkazala za najboljšo metodo za odkrivanje obraza. Razlog je bil v razpoložljivosti surove procesne moči in velikanskih sistemskih pomnilnikov, ki so bili dostopni prek računalništva v oblaku s strani ponudnikov infrastrukture (as-a-a-Service) (IaaS). Prvič v zgodovini so računalniki nenehno pretepali ljudi pri prepoznavanju obrazov, zlasti ko je bilo vpleteno veliko število naključnih obrazov.

Vir: medium.com

Kako deluje prepoznavanje obraza?

Prepoznavanje obraza je večstopenjski postopek, v katerem je vključenih več specializiranih podsistemov.

Evo, kaj pomenijo različne faze:

Zaznavanje / sledenje: Ta del faze predobdelave je odgovoren za prepoznavanje in sledenje obrazov v dani slikovni ali video datoteki. Ko je ta postopek končan, zagotovo vemo, da je v danem vnosu obraz, ki ga je mogoče obdelati naprej. Faza sledenja je odgovorna tudi za sledenje določenih delov, določenih lastnosti ali izrazov v obrazu, če je to potrebno.

Poravnava: Težava prepoznavanja obraza je zapletena, ker obrazi na določeni sliki ali videoposnetku ne upoštevajo nobenih smernic. Oseba je lahko povečana ali pomanjšana, pokuka izza drevesa ali je prisotna v stranskem profilu, zaradi česar je težava z zaznavanjem obrazov še težja. Tukaj pride poravnava obraza: pove nam, kje na sliki / videoposnetku so linije obraza in kakšne so konture za obrazne poteze.

Vir: csc.kth.se

Izvleček lastnosti: Kot že ime pove, se v tej fazi postopka (zdaj smo v fazi prepoznavanja) posamezne značilnosti obraza, kot so oči, nos, brada, ustnice itd., Pridobivajo v obliki, ki je lahko ki jih uporabljajo algoritmi v naslednji fazi. Na tej stopnji je računalnik zbral dovolj trdih podatkov, da lahko enoznačen obraz loči.

Ujemanje / razvrstitev lastnosti: V tej fazi se vhodi, pridobljeni s ekstrakcijo funkcij, ujemajo z dano bazo podatkov, da se ugotovi identiteta osebe. Ta faza je znana tudi kot klasifikacija, ker bo morda potreben algoritem za kategorizacijo obrazov, namesto da bi jih posamezno identificiral.

Ko je ta postopek končan, zagotovo vemo, ali je določen obraz del baze, ki smo jo primerjali ali ne. Končni izid lahko vsebuje tudi označevanje, kot smo ga že videli na Facebooku.

Vir: premadadacicience.com

Upoštevanje razmere: strežniška v primerjavi s stranko

Prepoznavanje obraza lahko deluje tako na strežniku kot tudi na napravi, s katero uporabnik sodeluje. Na primer, ko naložite fotografijo v Facebook, se algoritmi izvajajo na strani strežnika; na drugi strani pa mora sistem ID, ki uporablja vaš obraz za odklepanje naprave, delovati na strani odjemalca. Torej, kateri je boljši?

Iskreno, ne gre za to, kdo je boljši. Tako na strani strežnika kot na strani odjemalca imajo svoje prednosti, podjetja pa v praksi uporabljajo hibridni sistem. Priporočena praksa je, da trenirate svoje modele na strani strežnika, kjer so podatki za usposabljanje in viri za obdelavo brez omejitev. Ko so modeli usposobljeni, jih je mogoče pakirati in namestiti na stranko, kar izboljša hitrost sistema in ohrani zasebnost uporabnika..

Pošiljanje vsega na strežnik uvede zamudo, ki je v določenih primerih lahko slaba ali nesprejemljiva. Obenem bo ohranitev vsega na strani odjemalca povzročila šibkejše modele.

Kako natančno je prepoznavanje obraza?

Natančnost ni zelo natančno opredeljen izraz za prepoznavanje obraza. Glavni razlog je, da je nejasna težava z vsemi vrstami zmešanih vhodov (šibka svetloba, obraz delno prekrit z lasmi, kakovost kamere itd.) In celo varljivimi vhodi (več o tem kasneje!). Zato je treba nevronske mreže, ki sodelujejo pri prepoznavanju obraza, odpraviti zaradi težave, ki omejuje njihov obseg. Čeprav se industrijski sistem prepoznavanja obrazov lahko pohvali s 100-odstotno natančnostjo (kar je pogosto), isti sistem morda ne bo niti 20% natančen, če bi ga prosili za prepoznavanje obrazov na gneči.

V enem raziskave, določena vrsta algoritma za prepoznavanje obraza je uspela doseči 98,52% natančnost, ki je višja od človekove natančnosti 97,53%, dosežene v istem testu. V drugem študij kombinacija človeške presoje in algoritmov je v nekaterih primerih dala najboljše rezultate.

Bottom line – za osredotočene, natančno definirane aplikacije je prepoznavanje obraza najboljše orodje, ki ga imamo.

Kje se uporablja prepoznavanje obraza?

Tudi v kratkem obdobju, ko so bili razviti sposobni algoritmi, je Face Recognition našel neverjetno uporabne in vznemirljive aplikacije. Nekatere od teh so vidne, nekatere pa so tako subtilno in temeljno vpletene v vsakdan, da težko zastanemo, da bi pomislili, kaj je spodaj.

Facebook je morda najpogostejši primer sodobnih sistemov za prepoznavanje obraza pri delu. Takoj, ko naložite fotografijo, družabno omrežje lahko zazna obraze. Medtem ko so vas že pred časom prosili, da označite prijatelje, zdaj Facebook to lahko stori sam.

Vir: labnol.org

Odlična nova aplikacija Facebooka je lastnost obveščanje uporabniki, ko nekdo naloži fotografije, ki vsebujejo njihov obraz, čeprav na teh fotografijah niso bile označene.

Snapchat za številne svoje funkcije močno uporablja zaznavanje obrazov in prepoznavanje obrazov, predvsem smešne filtre, ki so tak bes.

Vir: gistreel.com

Da bi ti filtri delovali, morajo biti konture in značilnosti obraza osebe popolnoma zaznane, sicer prekrivanja ne bodo videti realistična. Enako velja za Face Swap, še eno priljubljeno funkcijo v Snapchatu. Če vas zanima poglobitev globlje v Snapchatove zmožnosti pri prepoznavanju obraza, glejte tukaj.

Uber se že nekaj časa spopada z vprašanji glede zasebnosti in varnosti, najnovejše orožje v arzenalu podjetja pa je prepoznavanje obraza. Podjetje je uvedlo novo funkcijo, v kateri preverja identiteto njegovih partnerjev s svojimi obrazi. Podjetje na svojem blogu pravi, da so se po testiranju več prodajalcev tehnologij za prepoznavanje obraza ustalili na Microsoftovem Face API-ju za njegovo visoko kakovost. Zanimivo je, da to preverjanje ID-ja v realnem času dobro deluje v šibki svetlobi in lahko zazna očala.

Ker se prepoznavanje obraza v naravi izkaže za uspešno, je težko predvideti, da bo kmalu nadomestilo druge metode identifikacije v izobraževalnih ustanovah, bolnišnicah, knjižnicah itd..

Preprečevanje kriminala na drobno je naravna razširitev uporabe prepoznavanja obraza. Maloprodajna industrija izgubi oceno 45 milijard dolarjev vsako leto odjemalcem in drugim maloprodajnim kaznivim dejanjem, z zelo malo nasprotovanja. Zdaj so podjetja všeč FaceFirst prodajalcem pomagajo pri prepoznavanju obraza, da odkrijejo prejšnje kršitelje in opozorijo varnostnike.

Policijski nadzor začenja prepoznavati obraz kot vse druge institucije tam. V Veliki Britaniji na primer policija Južnega Walesa za izdelavo uporablja kamere, nameščene na kombijih nadzor množice lažje.

Vir: theconversation.com

Medtem ko je ta nova velesila v rokah policije sprožila vroče javne razprave o zasebnosti posameznikov, policija verjame, da jim bo pomagala bolje omejiti kršitelje. Kot je povedal Richard Lewis, namestnik glavnega vodja policije Južnega Walesa Financial Times:

Če prepoznate nekoga, ki je storil kaznivo dejanje [prej], v bistvu rečete: vemo, da ste tukaj, prosim, obnašajte se.

Skrb za zdravje pred kratkim so imeli nepričakovano aplikacijo, kjer je prepoznavanje obraza pomagalo odkriti redko genetsko motnjo, imenovano DiGeorgeov sindrom.

Sindrom DiGeorge se pojavi pri približno 1 od 6 000 otrok in povzroči deformacije na več delih telesa. V tem primeru je zdravstvena težava resnejša za revnejše države, ki nimajo sredstev za drage metode diagnoze. Kot tako, prepoznavanje obraza, z osupljivo natančnost 96,6%, ponuja novo upanje za žrtve DiGeorgejevega sindroma.

V Letalske družbe industrija, sprejetje prepoznavnosti obraza se začne in kmalu bo nadomestilo običajne vstopnice. Trenutno so na voljo le omejeni, a obetavni rezultati prepoznati potnike ko zapustijo državo. Dejansko je ameriška uprava za varnost prometa (TSA) določila: načrt za široko uporabo biometrije, ki temelji na prepoznavanju obraza.

Sporne uporabe prepoznavanja obraza

Tehnologija nam omogoča, čeprav je njena dobra ali slaba uporaba odvisna od nas. Brez dvoma se torej uporablja nekaj tako močnega in radikalnega kot prepoznavanje obraza na način, ki vzbuja zaskrbljenost glede temeljnih človekovih pravic in etike.

Najpomembnejši primer sporne uporabe obraznega prepoznavanja je velikanska Kitajska nadzorni sistem ta zaposluje približno 200 milijonov kamer, da spremljajo svoje 1,4 milijarde državljanov.

Vir: sbs.com

Sistem sledi ljudem in oceni njihova dejanja ter nenehno posodablja klicno metriko ocena državljanov. Čeprav je nekaj pomembnega imeti močan sistem nadzora države (na primer sledenje neplačnikov dolgov), ga večina vidi kot prihod distopijske prihodnosti, ki si ga je zamislil George Orwell. To je prihodnost, v kateri imajo vlade neomejeno moč nad posameznikom, zasebnost pa ne obstaja.

Drugi primer sporne uporabe prepoznavanja obraza prihaja (presenetljivo?) Tudi iz Kitajske. Tokrat je šolski sistem sprejel prepoznavanje obraza, da so učenci med poukom “pozorni”. Novi sistem prepoznavanja obrazov, čeprav še ni razširjen, nadomešča osebne izkaznice, knjižnične kartice, sisteme obiskovanja itd., Z uporabo študentskega obraza za identifikacijo.

Vir: businessinsider.com

Vendar je grozljiv del tega, da ta sistem spremlja stopnjo pozornosti učencev, uporabo mobilnega telefona itd. In učitelja opozori, ko je določen prag prestopen.

Medtem ko video nadzor, ki ga poganja prepoznavanje obraza, ni izključno za Kitajsko, so ZDA si prizadevati da ga uporabljajo za zajezitev nasilja s pištolo v šolah – na Kitajskem se zdi, da to prevzame bolj kot katera koli druga država.

Primerjava priljubljenih API-jev za prepoznavanje obraza

Kakšne možnosti imate pri uporabi prepoznavanja obrazov? V tem razdelku si bomo ogledali, kaj je skupna uporaba in kako se različne rešitve povezujejo med seboj.

Preden pa začnemo: opomnik. Ti API-ji se razvijajo zelo hitro in verjetno boste naleteli na objave na spletnem dnevniku, ki trdijo, da v tem API-ju manjka ta ali ta funkcija. Ne sprejemajte svojih odločitev na podlagi tega. Najprej analizirajte poslovne potrebe, natančno preverite ponujene funkcije, pojdite na sled in se šele nato odločite.

OpenCV

Raziskave AI so vrtača brez dna. Usposabljanje in izpopolnjevanje sistema prepoznavanja obrazov je težko, zato ga je najbolje prepustiti konglomeratom z globokimi žepi in vojsko raziskovalcev. Če pa so vaše potrebe preproste in želite imeti popoln nadzor – in seveda ste pripravljeni na vzdrževanje majhne / majhne inženirske ekipe –OpenCV morda deluje samo za vas.

Je knjižnica Open Source Computer Vision, ki je izjemno natančna in je na voljo za vse programske platforme. Tukaj je dvig las primer o tem, kako lahko s pomočjo Pythona in OpenCV-ja v 25 vrsticnih kodah poženete sistem za zaznavanje obrazov!

Zdaj boste morda naleteli na nekaj blogov, ki pravijo, da OpenCV nima prepoznavanja obrazov. No, popolna laž je, in tukaj je dokaz. Na splošno je OpenCV lahko odlična izbira za vaše podjetje, če so potrebe preproste in specifične.

Amazonsko ponovno vžiganje

Ponovno vžiganje je ponudba enega od največjih ponudnikov oblakov – AWS. To je popolnoma upravljana, zmogljiva storitev za platformo AWS, in če že uporabljate AWS za uvajanje, je Pogrevanje verjetno najboljša izbira.

Nekaj ​​zanimivih lastnosti, ki jih ponuja Rekogservation, so:

  • Analiza v realnem času (ko naložite sliko ali video v S3)
  • Obsežna analiza obraza (spol, barva las, izraz obraza, odprte ali ne itd.)
  • Pot (zajem poti identificiranih predmetov v videoposnetkih)
  • Zaznavanje prizorov in aktivnosti (v zaprtih prostorih / na prostem, “igranje nogometa” itd.)
  • Moderiranje nevarne vsebine (na primer golota)

Največji plus pri Rekognaciji je tudi največji minus – resnično se boste trudili, da ga boste uporabljali s storitvami, ki niso AWS, do točke, ko se boste morali preprosto odreči.

Kairos

V ostrem nasprotju z Rekognacijo, Kairos vam ponuja AI preko API-ja (rimavanje je nenamerno, prisežemo!), kar vam omogoča popoln nadzor nad svojimi podatki in strežniki. Kairos se predstavlja kot prva storitev zasebnosti in je izjemno kritičen Amazonije in drugih podjetij, ki se dogovarjajo z vlado (tako je tudi ACLU, mimogrede).

Kairos deluje tako na slikah kot videoposnetkih in ima vse lepe funkcije, ki jih pričakujete od sodobnega API-ja za prepoznavanje obrazov. Ima nekaj osupljivih funkcij, ki jih najdemo v Rekogliciji, če pa jih ne potrebujete in že upravljate svoje podatke, zakaj se trudite?!

Za tiste, ki so še posebej paranoični glede zasebnosti in sploh ne želijo pošiljati podatkov po žici v obdelavo, je Kairos nameščen na mestu, vendar je cena odvisna od primera uporabe in je lahko precej strma..

Google Cloud Vision

Google se je odločil za razlikovanje med storitvami prepoznavanja obrazov za slike in video posnetke. API za sliko je znan kot Cloud Vision, medtem ko se kliče storitev, usmerjena v video Video Intelligence.

Medtem ko je storitev, osredotočena na slike, precej podobna ponudbi AWS, ima video storitev lepo funkcijo katalogiziranja in iskanja. To bo koristno za podjetja, ki imajo velike video arhive, ki bi jih morda želeli analizirati ali iskati.

Kljub temu Video Intelligence pri pisanju nima funkcij prepoznavanja obrazov, zato se zdi, da jih ponujajo le v oblaku Cloud Vision. Sledenje predmetom in zaznavanje besedila sta tudi v različici beta, kar precej zaostaja za Amazonovo ponudbo.

Azure Face API

Microsoft je njihovo ponudbo v oblaku jemal resneje kot namizni računalniki (končno) Azure Face API je ena čudovita ponudba. Ima vse zanimive funkcije, ki jih pričakujete (odkrivanje, prepoznavanje, razvrščanje obrazov, iskanje podobnih obrazov, čustva itd.) In enako dobro deluje z videoposnetki.

Zdaj to ni izključno povezano s prepoznavanjem obrazov, vendar je treba omeniti, da Azure ponuja tudi računalniški vid strank storitev, ki vam omogoča, da uporabite svoje vložke in trenirate modele glede na vaše potrebe.

Tako kot Googlova storitev je tudi na domači strani na voljo igrišče, zaradi česar je testiranje API-ja zelo zabavno!

Ali obstajajo pomembne razlike med storitvami za najbolje prepoznavanje obrazov? V resnici ne. Trenutno je na terenu intenzivna konkurenca in nove funkcije se uvajajo hitreje kot pice. Če ste že povezani z določenim ekosistemom, je smiselno uporabljati njihovo lastno storitev prepoznavanja obrazov. V nasprotnem primeru boste morda želeli izbrati drugega prodajalca, če bodo vaše potrebe specifične (nadzor nad lastnimi podatki, če potrebujete samo preprosto odkrivanje itd.).

Sistemi za prepoznavanje obraza

Tako kot so nekateri raziskovalci svoje življenje posvetili izpopolnjevanju tehnologije prepoznavanja obraza, so tudi drugi zaposleni z razvojem tehnik, da bi jih preslepili. Eden takšnih zanimivih dogodkov je Nadzorna očala, ki so za človeka sicer videti normalno, a so se norčevali iz strokovnih sistemov za prepoznavanje obraza.

Vir: digitaltrends.com

Kljub temu ta očala še niso na voljo na trgu, čeprav raziskovalci trdijo, da jih je mogoče enostavno natisniti s 3D.

Drugi zanimiv razvoj dogodkov je bil začetek leta 2007 ekō očala na Kickstarterju. Čeprav je izdelek zdaj odpovedan, je deloval na izjemno preprosti ideji: navadna, vsakodnevna sončna očala za 45 dolarjev, ki so preprosto odsevala svetlobo, zaradi česar so kamere in naprave za video nadzor postale brezžične.

Tako kot domena kibernetske varnosti tudi “hekerji” in raziskovalci zaklepajo rogove v prepoznavanje obraza za dirko do popolnosti. Približno leta 2014 smo opazili priljubljenost maskirna ličila ki so nevidnost podelili prepoznavanju obraza, vendar niso več sposobni preživeti. Ali bo AES šifriral prepoznavanje obraza? Samo čas bo povedal!

Je prepoznavanje obraza za vas?

Vrsta poslovanja, ki bi lahko imela koristi od prepoznavanja obraza, je tista, ki vključuje ljudi – da, kar pomeni vsako podjetje tam! Čeprav se zdi, da trenutno prepoznavanje obraza podpira vlada, velika podjetja ali tehnološka podjetja, ni razloga, da vaše podjetje ne bi imelo koristi od tega..

Možnosti so resnično neskončne, če združimo malo kreativnega razmišljanja – pozdrav in prepoznavanje kupcev v hotelu, iskanje prijatelja v morju ljudi, iskanje ljudi s podobnimi obrazi (morda se uporabljajo kot igralci), odkrivanje osebnosti za službo intervjuji (znova puščamo domišljijo tukaj; v takšni študiji morda ne bo kaj bistvenega), prilagajanje bančnih izkušenj, ko vstopi stranka z visoko vrednostjo. . . Obstaja nešteto načinov za prepoznavanje obraza na majhnih in velikih ravneh, da se vaše podjetje izboljša.

Zaključek

Kmalu bo prepoznavanje obraza postalo tako razširjeno in tako pogosto, da ga sploh ne bomo opazili (kot mobilni telefoni?). Osnovna tehnologija je že skoraj izpopolnjena, vendar v resničnem svetu ne gre samo za odkrivanje obrazov – temveč za to, kar lahko s to zmožnostjo naredimo.

Se sliši fascinantno in vas zanima kaj več? Oglejte si to sijajen tečaj o Computer Vision.

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