Препознавање лица није ограничено на области рачунарства. Има солидне пословне апликације.
Једна од најпопуларнијих речи ове деценије је препознавање лица.
То је део примењеног машинског учења који може да открије и идентификује људска лица, што је проблем који је до сада био изузетно тежак за рачунаре. И ово је отворило читав нови свет узбудљивих могућности и изазова за предузећа, владе и појединце.
Ако сте пословни лидер и питате се у чему је фрка и да ли има неке користи у овом новом развоју, ми смо за вас. У овом чланку ћемо погледати историју препознавања лица, његов развој, тренутну употребу, контроверзе, примену и многе друге аспекте.
На крају ћете добро разумети шта је технологија препознавања лица и какве су њене импликације за предузећа.
Хајде да почнемо!
Преглед садржаја
Еволуција препознавања лица
Технологија је присутна већ неко време за сву хипе и медијску покривеност око препознавања лица. Први озбиљан алгоритамски рад у откривању лица био је Оквир за откривање објеката Виола-Јонес објављено 2001. Иако је оквир опште намене за идентификацију објеката унутар слика, брзо је примењен на детекцију лица са веома добрим успехом. Главни разлог популарности овог алгоритма била је његова брзина; док је процес обуке био страшно спор, процес откривања је био изузетно брз.
Већ 2001/2004, просечан десктоп рачунар који користи овај алгоритам био је у стању да обради оквир величине 300 к 300 пиксела за 0,07 секунди (више овде). Тхе стопе тачностииако нису упоредиви са оним што људи могу да постигну, били су импресивни са 90%.
Међутим, прави напредак није постигнут све до деценије 2010-2020 Конволуционе неуронске мреже се појавио као најбољи метод за детекцију лица. Разлог је била доступност сирове процесорске снаге и гигантске системске меморије које су провајдери инфраструктуре као услуга (ИааС) учинили доступним путем рачунарства у облаку. По први пут у историји, компјутери су доследно победили људе у препознавању лица, посебно када је био укључен велики број насумичних лица.
Извор: медиум.цом
Како функционише препознавање лица?
Препознавање лица је процес у више корака са укљученим неколико специјализованих подсистема.
Ево шта значе различите фазе:
Детекција/праћење: Овај део фазе препроцесирања одговоран је за идентификацију и праћење лица у датој слици или видео датотеци. Када се овај процес заврши, сигурно знамо да у датом уносу постоји лице и може се даље обрадити. Фаза праћења је такође одговорна за праћење одређених делова, одређених карактеристика или израза лица, ако је то потребно.
Поравнање: Проблем препознавања лица се погоршава јер лица на датој слици или видео снимку не прате никакве смернице. Особа може бити увећана или умањена, вири иза дрвета или присутна у бочном профилу, што додатно отежава проблем детекције лица. Овде долази до поравнања лица: оно нам говори где су на датој слици/видеу линије лица и које су контуре за црте лица.
Извор: цсц.ктх.се
Екстракција карактеристика: Као што име сугерише, током ове фазе процеса (сада смо у фази препознавања), појединачне карактеристике лица, као што су очи, нос, брада, усне, итд., се издвајају у облику које алгоритми могу користити у следећој фази. У овој фази, рачунар је прикупио довољно сложених података да јединствено разликује лице.
Подударање/класификација карактеристика: У овој фази, улази примљени од екстракције обележја се упарују са датом базом података да би се закључио идентитет особе. Ова фаза је такође позната као класификација јер ће алгоритам можда бити потребан за категоризацију лица уместо да их појединачно идентификује.
Када се овај процес заврши, сигурно знамо да ли је дато лице део базе података са којом смо поредили или не. Коначни резултат може да садржи и означавање, на начин на који смо навикли да видимо на Фејсбуку.
Извор: тодатасциенце.цом
Разматрања о примени: на страни сервера наспрам клијента
Препознавање лица може да ради и на серверу и на уређају са којим корисник комуницира. На пример, када отпремите фотографију на Фацебоок, алгоритми се покрећу на страни сервера; са друге стране, ИД систем који користи ваше лице за откључавање уређаја мора да ради на страни клијента. Дакле, који је бољи?
Искрено, не ради се о томе који је бољи. И имплементације на страни сервера и на страни клијента имају своје предности; у пракси, предузећа примењују хибридни систем. Препоручена пракса је да обучите своје моделе на страни сервера, где су подаци за обуку и ресурси за обраду неограничени. Када су модели обучени, они се могу спаковати и применити на страни клијента, што побољшава брзину система, као и одржава приватност корисника.
Слање свега на сервер доводи до кашњења, што може бити лоше или неприхватљиво у одређеним случајевима. Истовремено, задржавање свега на страни клијента резултираће слабијим моделима.
Колико је тачно препознавање лица?
Тачност није баш добро дефинисан термин у препознавању лица. Главни разлог је тај што је то нејасан проблем са свим врстама збрканих улаза (слабо осветљење, лице делимично прекривено косом, квалитет камере, итд.), па чак и обмањујући улази (више о томе касније!). Као резултат тога, неуронске мреже укључене у препознавање лица морају бити прилагођене проблему који је у питању, ограничавајући њихов обим. Дакле, док се индустријски систем за препознавање лица може похвалити 100% тачности (што је често случај), исти систем можда неће бити ни 20% тачан када се тражи да идентификује лица на препуној фотографији.
У једном истраживања, одређени тип алгоритма за препознавање лица успео је да постигне тачност од 98,52%, што је више од људске тачности од 97,53% постигнуте у истом тесту. У другом студија спроведена у форензици, комбинација људског расуђивања и алгоритама је у неким случајевима дала најбоље резултате.
Закључак — за фокусиране, добро дефинисане апликације, препознавање лица је најбољи алат који имамо.
Где се користи препознавање лица?
Чак иу кратком периоду када су развијени одрживи алгоритми, препознавање лица је пронашло невероватно корисне и узбудљиве апликације. Неки од њих су упадљиви, али неки су тако суптилно и фундаментално уткани у свакодневни живот да једва застајемо да размислимо о томе шта је испод.
Фацебоок је можда најчешћи пример савремених система за препознавање лица на послу. Чим отпремите фотографију, друштвена мрежа је у стању да открије лица. Док сте пре неког времена тражили да означите пријатеље, сада је Фацебоок у могућности да то уради сам.
Извор: лабнол.орг
Одлична нова Фацебоок апликација је карактеристика обавештавање корисника када неко отпреми фотографије које садрже њихова лица, чак и ако нису означени на тим фотографијама.
Снапцхат у великој мери користи детекцију и препознавање лица за многе своје карактеристике, пре свега смешне филтере који су толико бесни.
Извор: гистреел.цом
Да би ови филтери функционисали, контуре и карактеристике лица субјекта морају бити савршено детектовани, у супротном, слојеви неће изгледати реалистично. Исто важи и за замену лица, још једну популарну функцију на Снапцхату. У случају да сте заинтересовани да дубље зароните у Снапцхат-ове могућности у препознавању лица, погледајте овде.
Убер се већ неко време бори са забринутошћу за приватност и безбедност, а најновије оружје у арсеналу компаније је препознавање лица. Компанија је увела нову функцију у којој се проверава идентитет њених возача-партнера користећи њихова лица. Компанија каже на свом блогу да су се након тестирања неколико добављача технологије за препознавање лица одлучили на Мицрософт Фаце АПИ због његовог високог квалитета. Занимљиво је да ова провера ИД-а у реалном времену добро функционише у условима слабог осветљења и може да открије наочаре.
Пошто се препознавање лица показало успешним у дивљини, лако је предвидети да би ускоро могло да замени друге методе идентификације у образовним институцијама, болницама, библиотекама итд.
Превенција малопродајног криминала је природно проширење примене препознавања лица. Малопродајна индустрија губи процену 45 милијарди долара сваке године крадљиваца у продавницама и другим малопродајним криминалом, са врло мало тога да се супротстави. Сада, компаније попут ФацеФирст помажу продавцима да користе препознавање лица како би открили претходне преступнике и упозорили службенике обезбеђења.
Полицијски надзор почиње да користи препознавање лица као и све друге институције. На пример, у Великој Британији полиција Јужног Велса користи камере постављене на комбијима за израду надзор од гужве лакше.
Извор: тхецонверсатион.цом
Иако је ова новооткривена суперсила у рукама полиције изазвала бурне јавне дебате о приватности појединца, полиција верује да ће им помоћи да боље ограниче преступнике. Како је рекао Ричард Луис, заменик шефа полиције Јужног Велса Финанциал Тимес:
Ако идентификујете некога ко је починио прекршај [previously]у суштини кажете: знамо да сте овде, понашајте се лепо.
Здравство је недавно имало неочекивану примену, где је препознавање лица помогло у откривању ретког генетског поремећаја који се зове ДиГеоргеов синдром.
ДиГеорге синдром се јавља код отприлике 1 од 6.000 деце и резултира деформитетима у неколико делова тела. Проблем здравствене заштите, у овом случају, тежи је за сиромашније земље, које немају ресурсе да користе скупе дијагностичке методе. Као такво, препознавање лица, са запањујућим тачност од 96,6% нуди нову наду за жртве ДиГеоргеовог синдрома.
У индустрији авиопревозника, усвајање препознавања лица се повећава и ускоро ће заменити конвенционалне карте за укрцавање. Тренутно постоје ограничени, али обећавајући резултати у помоћи идентификују путнике како напуштају земљу. У ствари, Управа за безбедност саобраћаја (ТСА) САД је изнела а план за широку употребу биометрије засноване на препознавању лица.
Контроверзна употреба препознавања лица
Технологија нас оснажује, иако је њена добра или лоша употреба зависи од нас. Нема сумње, дакле, да се нешто тако снажно и радикално као што је препознавање лица користи на начин који изазива забринутост за основна људска права и етику.
Најистакнутији пример контроверзне употребе препознавања лица је огромна кинеска систем за надзор која запошљава око 200 милиона камера како би држала на оку својих 1,4 милијарде грађана.
Извор: сбс.цом
Систем прати људе и процењује њихове акције, стално ажурирајући метрику тзв резултат грађана. Иако постоји одређена вредност у поседовању моћног система надзора који контролише држава (праћење неплаћених дугова, на пример), већина то види као долазак дистопијске будућности коју је Џорџ Орвел замислио. То је будућност у којој владе имају неограничену моћ над појединцима, а приватност не постоји.
Други пример дискутабилне употребе препознавања лица такође долази (не изненађује?) из Кине. Овог пута, школски систем усваја препознавање лица како би осигурао да су ученици „пажљиви“ током наставе. Нови систем за препознавање лица, иако још увек није широко распрострањен, замењује личне карте, библиотечке карте, системе похађања итд., користећи лице ученика за идентификацију.
Извор: бусинессинсидер.цом
Али језиво је то што овај систем прати нивое пажње ученика, употребу мобилних телефона итд. и упозорава наставника када се пређе одређени праг.
Док видео надзор који покреће препознавање лица није ексклузиван за Кину – САД су улажући напоре да га користи за сузбијање насиља у школама због оружја – чини се да Кина ово иде даље од било које друге земље.
Поређење популарних АПИ-ја за препознавање лица
Када је у питању коришћење препознавања лица, које опције имате? У овом одељку ћемо погледати шта је у заједничкој употреби и како се различита решења слажу једно против другог.
Пре него што почнемо, ипак: подсетник да се ови АПИ-ји брзо развијају и да ћете вероватно наићи на постове на блогу у којима се каже да овом АПИ-ју недостаје ова или она функција. Не доносите одлуке на основу тога. Прво анализирајте своје пословне потребе, пажљиво проверите понуђене функције, идите на траг и тек онда одлучите.
ОпенЦВ
Истраживање вештачке интелигенције је понорница без дна. Обука и усавршавање система за препознавање лица је тешко и најбоље је препустити конгломератима са дубоким џеповима и војсци истраживача. Међутим, ако су ваше потребе једноставне и желите да имате потпуну контролу—и наравно, спремни сте за одржавање малог/малог инжењерског тима—ОпенЦВ можда само ради за вас.
То је библиотека отвореног кода Цомпутер Висион која је изузетно прецизна и доступна за све програмске платформе. Ево дизања косе пример о томе како можете да покренете систем за детекцију лица са Питхон-ом и ОпенЦВ-ом у 25 линија кода!
Сада можете наићи на неке блогове који кажу да ОпенЦВ нема препознавање лица. Па то је потпуна лаж, и ево доказ. Све у свему, ОпенЦВ може бити одличан избор за ваше пословање ако су потребе једноставне и специфичне.
Амазон Рекогнитион
Рекогнитион је снажна понуда једног од највећих добављача облака – АВС. То је потпуно управљана, моћна услуга за АВС платформу, а ако већ користите АВС за примену, Рекогнитион је вероватно најбољи избор.
Неке од невероватних функција које нуди Рекогнитион су:
- Анализа у реалном времену (док отпремате слику или видео на С3)
- Опсежна анализа лица (пол, боја косе, израз лица, отворене или неотворене очи итд.)
- Путање (хватање путања идентификованих објеката у видео снимцима)
- Детекција сцене и активности (у затвореном/на отвореном, „играње фудбала“ итд.)
- Модерирање небезбедног садржаја (голотиња, на пример)
Највећи плус са Рекогнитион-ом је уједно и највећи минус — заиста ћете се мучити да га користите са услугама које нису АВС до тачке у којој ћете једноставно морати да одустанете.
Каирос
У оштрој супротности са Рекогнитион-ом, Каирос пружа АИ преко АПИ-ја (римовање је ненамерно, кунемо се!), омогућавајући вам да преузмете потпуну контролу над својим подацима и серверима. Каирос се представља као услуга на првом месту за приватност и јесте изузетно критичан Амазона и других компанија у дослуху са владом (тако је АЦЛУизмеђу осталог).
Каирос ради и на сликама и на видео записима и има све лепе карактеристике које бисте очекивали од модерног АПИ-ја за препознавање лица. Има неке од задивљујућих функција које се налазе у Рекогнитион-у, али ако вам нису потребне и већ управљате својим подацима, зашто се мучити?!
Каирос има локалну примену за оне који су параноични у погледу приватности и чак не желе да шаљу податке преко жице на обраду, Каирос има локалну примену, цена зависи од вашег случаја употребе и може бити прилично висока.
Гоогле Цлоуд Висион
Гоогле је одлучио да направи разлику између својих услуга препознавања лица за слике и видео записе. АПИ за слике је познат као Цлоуд Висиондок се услуга фокусирана на видео позива Видео Интеллигенце.
Иако је услуга фокусирана на слике прилично слична ономе што АВС нуди, видео услуга има лепу карактеристику каталогизације и претраживања. Ово ће бити корисно за компаније које имају велике видео архиве које би можда желеле да анализирају или претражују.
Уз то, видео интелигенцији недостају функције препознавања лица од писања, а чини се да се оне нуде само у Цлоуд Висион-у. Праћење објеката и откривање текста су такође у бета верзији, што га ставља много иза Амазонове понуде.
Азуре Фаце АПИ
Пошто Мицрософт своје понуде у облаку схвата озбиљније од оних за десктоп (коначно), Азуре Фаце АПИ је једна дивна понуда. Има све занимљиве функције које бисте очекивали (детекција, идентификација, груписање лица, претрага сличних лица, емоције, итд.), и подједнако добро функционише са видео записима.
Ово није стриктно везано за препознавање лица, али вреди напоменути да Азуре такође нуди компјутерску визију корисника услугашто вам омогућава да користите своје улазе и моделе обука према вашим потребама.
Баш као и Гоогле-ов сервис, на почетној страници је доступно игралиште, што тестирање АПИ-ја чини веома забавним!
Да ли постоје значајне разлике међу услугама препознавања лица којима се највише управља? Не баш. Тренутно је велика конкуренција у овој области, а нове функције се уводе брже од пица. Ако сте већ везани за одређени екосистем, коришћење њихове сопствене услуге за препознавање лица има смисла. У супротном, можда ћете желети да изаберете другог продавца ако су ваше потребе специфичне (контролисање сопствених података, потребна вам је само обична детекција, итд.).
Системи за препознавање лица
Баш као што су неки истраживачи посветили своје животе усавршавању технологије препознавања лица, други су заузети развојем техника да их заварају. Један такав занимљив развој је Адверсариал Глассескоји иначе изгледају нормално за људска бића, али су преварили стручне системе за препознавање лица.
Извор: дигиталтрендс.цом
Ипак, ове наочаре још нису доступне на тржишту, иако истраживачи кажу да се могу лако 3Д штампати.
Још један занимљив развој догађаја било је лансирање еко глассес на Кицкстартеру. Иако је производ сада отказан, радио је на изузетно једноставној идеји: обичне, свакодневне наочаре за сунце за 45 долара које су једноставно рефлектовале светлост, узрокујући да камере и уређаји за видео надзор полуде.
Баш као и домен сајбер безбедности, „хакери“ и истраживачи користе рогове у препознавању лица у трци ка савршенству. Око 2014. видели смо популарност маскирна шминка који су дали невидљивост против препознавања лица, али више нису одрживи. Да ли ће постојати АЕС шифровање препознавања лица? Само ће време показати!
Да ли је препознавање лица за вас?
Врста посла која може имати користи од препознавања лица је она која укључује људе—да, што значи сваки посао тамо! Иако се чини да тренутну употребу препознавања лица подржавају владе, велика предузећа или технолошка предузећа, нема разлога зашто ваше предузеће не може имати користи од тога.
Могућности су заиста бескрајне када комбинујемо мало креативног размишљања—поздрављање и идентификација муштерија у хотелу, лоцирање вашег пријатеља у мору људи, проналажење људи са сличним лицима (можда да се користе као глумци), откривање личности за посао интервјуи (опет, овде само пуштамо машти на вољу; у таквој студији можда нема ништа значајно), прилагођавање банкарског искуства када клијент високе вредности уђе у . . . Постоје бескрајни начини да користите препознавање лица на малим и великим нивоима да би ваш посао био бољи.
Закључак
Ускоро ће препознавање лица постати толико раширено и толико уобичајено да га нећемо ни приметити (као мобилни телефони?). Основна технологија је скоро усавршена, али у стварном свету, не ради се само о откривању лица – већ о томе шта можемо да урадимо са том способношћу.
Звучи фасцинантно и заинтересовано за учење више? Погледај ово сјајан курс о компјутерском виду.