Prepoznavanje lica nije isključivo vezano za svet računarstva, već ima značajne primene u poslovnom okruženju.
Jedan od najčešće spominjanih pojmova u poslednjoj deceniji je upravo prepoznavanje lica.
Ova tehnologija, koja je deo primenjenog mašinskog učenja, omogućava otkrivanje i identifikaciju ljudskih lica. To je zadatak koji je dugo predstavljao izazov za računare. Sada, ova tehnologija otvara nove perspektive i izazove za preduzeća, vlade i pojedince.
Ako ste poslovni lider koji se pita o značaju i prednostima ovog novog tehnološkog napretka, ovaj članak je za vas. Razmotrićemo istoriju prepoznavanja lica, njegov razvoj, trenutnu upotrebu, kontroverze, primenu i druge bitne aspekte.
Nakon čitanja, imaćete jasno razumevanje šta je tehnologija prepoznavanja lica i kako ona može uticati na vaše poslovanje.
Počnimo!
Razvoj Prepoznavanja Lica
Uprkos trenutnoj popularnosti prepoznavanja lica u medijima, ova tehnologija postoji već neko vreme. Prvi značajan algoritam za otkrivanje lica bio je Viola-Jones okvir za detekciju objekata, objavljen 2001. Iako je bio dizajniran za opštu detekciju objekata na slikama, brzo je adaptiran za detekciju lica sa značajnim uspehom. Ključna prednost ovog algoritma bila je njegova brzina. Iako je proces obuke bio spor, samo otkrivanje je bilo izuzetno brzo.
Već 2001. do 2004. godine, standardni desktop računar koji je koristio ovaj algoritam mogao je da obradi sliku veličine 300 x 300 piksela za 0,07 sekundi (više informacija ovde). Preciznost, iako nije bila na nivou ljudske, bila je impresivna sa 90% uspeha.
Međutim, pravi napredak se desio tek u periodu od 2010. do 2020. godine, kada su konvolucione neuronske mreže postale najefikasniji metod za detekciju lica. Ovo je omogućeno dostupnošću velike računarske snage i ogromne sistemske memorije, koje su provajderi infrastrukture kao usluge (IaaS) obezbedili putem cloud računarstva. Po prvi put, računari su konstantno nadmašivali ljude u prepoznavanju lica, pogotovo kada je trebalo identifikovati veliki broj lica.
Izvor: medium.com
Kako Funkcioniše Prepoznavanje Lica?
Prepoznavanje lica je višestepeni proces koji uključuje nekoliko specijalizovanih podsistema.
Evo objašnjenja različitih faza:
Detekcija/Praćenje: Ova faza pretprocesiranja ima zadatak da identifikuje i prati lica na datoj slici ili video snimku. Nakon završetka ovog procesa, znamo da na ulazu postoji lice koje se može dalje obraditi. Faza praćenja takođe može pratiti određene delove, karakteristike ili izraze lica, ako je to potrebno.
Poravnanje: Problem prepoznavanja lica je komplikovan jer lica na slikama i snimcima nisu uvek u idealnom položaju. Osoba može biti zumirana, umanjena, delimično sakrivena ili snimljena sa strane. Zato je važno poravnanje lica koje definiše lokaciju linija lica i kontura na datoj slici ili video snimku.
Izvor: csc.kth.se
Ekstrakcija Karakteristika: U ovoj fazi (koja je deo procesa prepoznavanja), pojedinačne karakteristike lica kao što su oči, nos, brada, usne se izdvajaju u obliku koji algoritmi mogu da koriste u sledećoj fazi. U ovoj fazi, računar prikuplja dovoljno složene podatke za jedinstvenu identifikaciju lica.
Podudaranje/Klasifikacija Karakteristika: U ovoj fazi, ulazni podaci iz prethodne faze se upoređuju sa bazom podataka kako bi se zaključio identitet osobe. Ova faza se takođe naziva klasifikacija jer algoritam može da razvrstava lica umesto da ih pojedinačno identifikuje.
Nakon završetka ovog procesa, znamo da li je dato lice deo baze podataka ili ne. Rezultat može biti i označavanje lica, slično onome što viđamo na Facebooku.
Izvor: todatascience.com
Razmatranja o primeni: serverska nasuprot klijentske
Prepoznavanje lica može se odvijati i na serveru i na uređaju koji koristi korisnik. Na primer, kada uploadujete fotografiju na Facebook, algoritmi se izvršavaju na serveru. Sa druge strane, sistem za identifikaciju koji koristi vaše lice za otključavanje uređaja mora da radi na strani klijenta. Dakle, šta je bolje?
U suštini, ne radi se o tome šta je bolje. I serverska i klijentska implementacija imaju svoje prednosti; u praksi, preduzeća koriste hibridne sisteme. Preporučena praksa je da se modeli obučavaju na serveru gde su podaci i resursi za obradu neograničeni. Kada se modeli obuče, mogu se primeniti na strani klijenta, što povećava brzinu sistema i održava privatnost korisnika.
Slanje svega na server dovodi do kašnjenja, što može biti problematično u nekim situacijama. Istovremeno, zadržavanje svega na strani klijenta rezultiraće slabijim modelima.
Koliko je Precizno Prepoznavanje Lica?
Preciznost nije jednostavan termin u kontekstu prepoznavanja lica. Glavni razlog je što je to složen problem sa različitim vrstama nejasnih ulaza (loše osvetljenje, lice delimično prekriveno kosom, kvalitet kamere, itd.), pa čak i varljivih ulaza. Zbog toga, neuronske mreže moraju da budu prilagođene specifičnom problemu, što ograničava njihovu primenu. Iako industrijski sistem za prepoznavanje lica može da ima 100% preciznost (što je često slučaj), isti sistem može biti manje od 20% precizan kada treba da identifikuje lica na pretrpanoj fotografiji.
U jednom istraživanju, određeni algoritam je postigao preciznost od 98,52%, što je bolje od ljudske preciznosti od 97,53% u istom testu. U drugom istraživanju sprovedenom u forenzici, kombinacija ljudske procene i algoritama je ponekad davala najbolje rezultate.
Zaključak – za fokusirane i dobro definisane primene, prepoznavanje lica je najbolji alat koji imamo.
Gde se Koristi Prepoznavanje Lica?
Za kratko vreme od kada su razvijeni pouzdani algoritmi, prepoznavanje lica je našlo neverovatno korisne i uzbudljive primene. Neke od njih su očigledne, dok su druge suptilno i fundamentalno integrisane u svakodnevni život, da ne razmišljamo o tome šta stoji iza njih.
Facebook je verovatno najčešći primer savremenih sistema za prepoznavanje lica. Čim uploadujete fotografiju, ova društvena mreža može da prepozna lica. Dok ste ranije morali sami da označavate prijatelje, Facebook to sada može da uradi sam.
Izvor: labnol.org
Još jedna odlična Facebookova aplikacija je obaveštenje korisnika kada neko uploaduje fotografije na kojima su oni, čak i ako nisu označeni na tim fotografijama.
Snapchat uveliko koristi detekciju i prepoznavanje lica za mnoge funkcije, pre svega za zabavne filtere koji su toliko popularni.
Izvor: gistreel.com
Da bi ovi filteri funkcionisali, konture i karakteristike lica moraju da budu savršeno detektovane, u suprotnom slojevi neće izgledati realno. Isto važi i za zamenu lica, još jednu popularnu funkciju na Snapchatu. Ako ste zainteresovani da saznate više o mogućnostima Snapchata u prepoznavanju lica, pogledajte ovde.
Uber se već neko vreme bori sa problemima privatnosti i bezbednosti, a najnovije oružje u arsenalu kompanije je prepoznavanje lica. Kompanija je uvela novu funkciju koja proverava identitet svojih vozača koristeći njihova lica. Kompanija navodi na svom blogu da su se, nakon testiranja nekoliko tehnoloških provajdera, odlučili za Microsoft Face API zbog njegovog visokog kvaliteta. Zanimljivo je da ova provera ID-a dobro funkcioniše u uslovima slabog osvetljenja i može da prepozna naočare.
Pošto se prepoznavanje lica pokazalo uspešnim, lako je predvideti da bi uskoro moglo da zameni druge metode identifikacije u obrazovnim institucijama, bolnicama, bibliotekama itd.
Prevencija maloprodajnog kriminala je prirodan razvoj primene prepoznavanja lica. Maloprodajna industrija gubi procenjenih 45 milijardi dolara svake godine zbog krađa i drugih maloprodajnih zločina, sa vrlo malo mogućnosti da se suprotstave. Sada, kompanije poput FaceFirst pomažu prodavcima da koriste prepoznavanje lica za otkrivanje prethodnih prestupnika i upozoravanje obezbeđenja.
Policijski nadzor počinje da koristi prepoznavanje lica kao i sve druge institucije. Na primer, policija Južnog Velsa u Velikoj Britaniji koristi kamere postavljene na kombijima za lakši nadzor velikih grupa ljudi.
Izvor: theconversation.com
Iako je ova nova supermoć u rukama policije izazvala burnu javnu raspravu o privatnosti pojedinca, policija veruje da će im pomoći da efikasnije suzbijaju kriminal. Kako je izjavio Ričard Luis, zamenik šefa policije Južnog Velsa, za Financial Times:
Ako identifikujete nekoga ko je [prethodno] počinio prekršaj, u suštini kažete: znamo da ste ovde, ponašajte se lepo.
U zdravstvenoj zaštiti, prepoznavanje lica je nedavno imalo neočekivanu primenu, pomažući u otkrivanju retkog genetskog poremećaja koji se zove DiGeorgeov sindrom.
DiGeorgeov sindrom se javlja kod otprilike 1 od 6.000 dece i rezultira deformitetima u nekoliko delova tela. Ovaj zdravstveni problem je teži za siromašnije zemlje, koje nemaju resurse za skupe dijagnostičke metode. Kao takvo, prepoznavanje lica, sa zapanjujućom preciznošću od 96,6%, nudi novu nadu za žrtve DiGeorgeovog sindroma.
U avio industriji, usvajanje prepoznavanja lica raste i uskoro bi moglo da zameni klasične karte za ukrcavanje. Trenutno postoje ograničeni, ali ohrabrujući rezultati u pomoći za identifikaciju putnika prilikom izlaska iz zemlje. Zapravo, Uprava za bezbednost transporta (TSA) u SAD je iznela plan za širu upotrebu biometrije bazirane na prepoznavanju lica.
Kontroverzne Primene Prepoznavanja Lica
Tehnologija nas osnažuje, ali njena dobra ili loša upotreba zavisi od nas. Zbog toga, nema sumnje da se nešto tako snažno i radikalno kao što je prepoznavanje lica koristi na načine koji izazivaju zabrinutost za osnovna ljudska prava i etiku.
Najistaknutiji primer kontroverzne upotrebe prepoznavanja lica je kineski sistem nadzora koji koristi oko 200 miliona kamera za praćenje svojih 1,4 milijarde građana.
Izvor: sbs.com
Sistem prati ljude i ocenjuje njihove postupke, stalno ažurirajući takozvani građanski rezultat. Iako postoji određena vrednost u posedovanju moćnog sistema nadzora koji kontroliše država (praćenje neplaćenih dugova, na primer), većina to vidi kao dolazak distopijske budućnosti koju je zamislio Džordž Orvel. To je budućnost u kojoj vlade imaju neograničenu moć nad pojedincima, a privatnost ne postoji.
Još jedan primer diskutabilne upotrebe prepoznavanja lica takođe dolazi (ne iznenađuje?) iz Kine. Ovog puta, školski sistem koristi prepoznavanje lica kako bi osigurao da su učenici „pažljivi“ na nastavi. Novi sistem za prepoznavanje lica, iako još uvek nije široko rasprostranjen, zamenjuje lične karte, bibliotečke karte, sisteme za evidenciju prisustva itd., koristeći lice učenika za identifikaciju.
Izvor: businessinsider.com
Ono što je jezivo je da ovaj sistem prati nivo pažnje učenika, upotrebu mobilnih telefona itd. i upozorava nastavnika kada se pređe određeni prag.
Dok video nadzor koji koristi prepoznavanje lica nije isključivo vezan za Kinu – i SAD ulažu napore da ga koriste za suzbijanje nasilja u školama – čini se da Kina ide korak dalje od bilo koje druge zemlje.
Poređenje Popularnih API-ja za Prepoznavanje Lica
Koje su opcije za korišćenje prepoznavanja lica? U ovom odeljku ćemo razmotriti najčešće korišćene API-je i kako se oni porede.
Pre nego što počnemo, napomena: ovi API-ji se brzo razvijaju i verovatno ćete naići na blogove koji tvrde da određenom API-ju nedostaje ova ili ona funkcija. Ne donosite odluke na osnovu toga. Prvo analizirajte svoje poslovne potrebe, pažljivo proverite dostupne funkcije, isprobajte ih i tek onda odlučite.
OpenCV
Istraživanje veštačke inteligencije je ogroman posao. Obuka i usavršavanje sistema za prepoznavanje lica je kompleksno i najbolje je prepustiti velikim kompanijama sa velikim resursima i timovima istraživača. Međutim, ako su vaše potrebe jednostavne i želite da imate potpunu kontrolu i ako ste spremni da imate mali inženjerski tim – OpenCV bi mogao da bude pravo rešenje za vas.
To je biblioteka otvorenog koda za računarski vid koja je izuzetno precizna i dostupna za sve programske platforme. Evo jednostavnog primera koji pokazuje kako možete pokrenuti sistem za detekciju lica sa Pythonom i OpenCV-om u 25 linija koda!
Možete naići na blogove koji tvrde da OpenCV nema mogućnost prepoznavanja lica. To nije istina, evo dokaza. Sve u svemu, OpenCV može biti odličan izbor za vaše poslovanje ako su potrebe jednostavne i specifične.
Amazon Rekognition
Rekognition je moćan servis jednog od najvećih provajdera cloud usluga – AWS. To je potpuno upravljana i moćna usluga za AWS platformu, i ako već koristite AWS, Rekognition je verovatno najbolji izbor.
Neke od fantastičnih funkcija koje nudi Rekognition su:
- Analiza u realnom vremenu (dok uploadujete sliku ili video na S3)
- Detaljna analiza lica (pol, boja kose, izraz lica, otvorene ili zatvorene oči itd.)
- Praćenje putanja (hvatanje putanja objekata na video snimcima)
- Detekcija scene i aktivnosti (u zatvorenom/na otvorenom, „igranje fudbala“ itd.)
- Moderiranje nebezbednog sadržaja (na primer, golotinja)
Najveći plus kod Rekognition-a je ujedno i najveći minus – biće vam jako teško da ga koristite sa uslugama koje nisu AWS, toliko da ćete verovatno morati da odustanete.
Kairos
Za razliku od Rekognition-a, Kairos nudi AI putem API-ja, omogućavajući vam potpunu kontrolu nad podacima i serverima. Kairos sebe predstavlja kao uslugu koja stavlja privatnost na prvo mesto i kritikuje Amazon i druge kompanije zbog saradnje sa vladom (kao što je ACLU izjavio).
Kairos radi i sa slikama i sa video snimcima, i ima sve funkcije koje očekujete od modernog API-ja za prepoznavanje lica. Ima neke funkcije koje se nalaze i u Rekognition-u, ali ako vam nisu potrebne i već upravljate svojim podacima, zašto da se brinete?!
Kairos nudi lokalnu implementaciju za one koji su paranoični u vezi sa privatnošću i ne žele da šalju podatke na obradu, ali cena zavisi od slučaja upotrebe i može biti prilično visoka.
Google Cloud Vision
Google je odlučio da razdvoji svoje usluge prepoznavanja lica za slike i video snimke. API za slike se zove Cloud Vision, dok se usluga koja se fokusira na video zove Video Intelligence.
Iako je usluga za slike slična onome što nudi AWS, video usluga ima korisnu funkciju katalogizacije i pretraživanja. Ovo može biti korisno za kompanije koje imaju velike video arhive koje žele da analiziraju ili pretražuju.
Međutim, Video Intelligence nema funkcije prepoznavanja lica, koje su dostupne samo u Cloud Vision-u. Praćenje objekata i otkrivanje teksta su takođe u beta verziji, što je znatno iza Amazonove ponude.
Azure Face API
Pošto Microsoft svoje ponude za cloud ozbiljnije shvata nego one za desktop (konačno!), Azure Face API je odlična ponuda. Ima sve funkcije koje očekujete (detekcija, identifikacija, grupisanje lica, pretraga sličnih lica, emocije itd.) i podjednako dobro radi sa video snimcima.
Ovo nije striktno vezano za prepoznavanje lica, ali vredi napomenuti da Azure nudi i uslugu računarskog vida Custom Vision Service koja vam omogućava da koristite sopstvene podatke i obučavate modele prema vašim potrebama.
Kao i Google-ov servis, na početnoj stranici je dostupna demo zona, što testiranje API-ja čini veoma zabavnim!
Da li postoje značajne razlike između pomenutih usluga za prepoznavanje lica? Ne baš. Trenutno postoji velika konkurencija u ovoj oblasti, a nove funkcije se uvode brzo. Ako ste već vezani za određeni ekosistem, korišćenje njihove usluge za prepoznavanje lica ima smisla. U suprotnom, možda ćete želeti da izaberete drugog provajdera ako su vaše potrebe specifične (kontrolisanje sopstvenih podataka, potrebna vam je samo obična detekcija, itd.).
Sistemi za Ometanje Prepoznavanja Lica
Baš kao što su neki istraživači posvetili svoj život usavršavanju tehnologije prepoznavanja lica, drugi su zauzeti razvojem tehnika da ih prevare. Jedan od takvih interesantnih razvoja su Adversarial Glasses, koje izgledaju normalno za ljudsko oko, ali su prevarile napredne sisteme za prepoznavanje lica.
<