Rozpoznávání obličeje se neomezuje pouze na oblast informatiky. Má solidní obchodní aplikace.
Jedním z nejžhavějších módních slov tohoto desetiletí je rozpoznávání obličeje.
Je to část aplikovaného strojového učení, která dokáže detekovat a identifikovat lidské tváře, což je problém, který byl dosud pro počítače notoricky obtížný. A to otevřelo zcela nový svět vzrušujících možností a výzev pro podniky, vlády i jednotlivce.
Pokud jste obchodním lídrem a přemýšlíte o tom, co je to za povyk a zda je v tomto novém vývoji nějaká užitečnost, máme pro vás řešení. V tomto článku se podíváme na historii rozpoznávání obličeje, jeho vývoj, současné použití, kontroverze, nasazení a mnoho dalších aspektů.
Na konci toho budete mít solidní přehled o tom, o čem je technologie rozpoznávání obličeje a jaké jsou její důsledky pro podniky.
Začněme!
Table of Contents
Evoluce rozpoznávání obličeje
Tato technologie existuje již nějakou dobu pro veškerý humbuk a mediální pokrytí kolem rozpoznávání obličeje. První seriózní algoritmická práce při detekci tváří byla Rámec pro detekci objektů Viola-Jones publikoval v roce 2001. Ačkoli se jedná o obecný rámec pro identifikaci objektů v obrazech, rychle byl s velmi dobrým úspěchem aplikován na detekci obličejů. Hlavním důvodem popularity tohoto algoritmu byla jeho rychlost; zatímco tréninkový proces byl nesnesitelně pomalý, proces detekce byl extrémně rychlý.
Již v letech 2001/2004 byl průměrný stolní počítač s tímto algoritmem schopen zpracovat snímek 300 x 300 pixelů za 0,07 sekundy (více tady). The míry přesnostiačkoli to není srovnatelné s tím, čeho mohou dosáhnout lidé, byly působivé na 90 %.
Skutečného pokroku však bylo dosaženo až v desetiletí 2010-2020, kdy Konvoluční neuronové sítě se ukázal jako nejlepší metoda pro provádění detekce obličeje. Důvodem byla dostupnost surového výpočetního výkonu a gigantických systémových pamětí zpřístupněných prostřednictvím cloud computingu poskytovateli Infrastructure-as-a-Service (IaaS). Poprvé v historii počítače důsledně porážely lidi v rozpoznávání tváří, zvláště když šlo o velké množství náhodných tváří.
Zdroj: medium.com
Jak funguje rozpoznávání obličeje?
Rozpoznávání obličeje je vícestupňový proces, který zahrnuje několik specializovaných podsystémů.
Co znamenají různé fáze:
Detekce / Sledování: Tato část fáze předběžného zpracování je zodpovědná za identifikaci a sledování tváří v daném souboru obrázku nebo videa. Jakmile je tento proces dokončen, s jistotou víme, že v daném vstupu je obličej a lze jej dále zpracovávat. Fáze sledování je také zodpovědná za sledování určitých částí, konkrétních rysů nebo výrazů v obličeji, pokud by to bylo potřeba.
Zarovnání: Problém s rozpoznáváním obličeje je ještě složitější, protože obličeje na daném obrázku nebo videu se neřídí žádnými pokyny. Osoba může být přiblížená nebo oddálená, vykukující zpoza stromu nebo přítomná v bočním profilu, takže problém s detekcí obličeje je ještě těžší. Zde přichází na řadu zarovnání obličeje: říká nám, kde na daném obrázku/videu jsou linie obličeje a jaké jsou obrysy rysů obličeje.
Zdroj: csc.kth.se
Extrakce rysů: Jak název napovídá, během této fáze procesu (nyní jsme ve fázi Rozpoznávání) jsou jednotlivé rysy obličeje, jako jsou oči, nos, brada, rty atd., extrahovány ve formě které mohou algoritmy použít v další fázi. V této fázi počítač nashromáždil dostatek komplexních dat, aby bylo možné obličej jednoznačně rozlišit.
Shoda/klasifikace funkcí: V této fázi se vstupy získané z extrakce vlastností porovnávají s danou databází, aby se odvodila identita osoby. Tato fáze je také známá jako klasifikace, protože algoritmus může být zapotřebí ke kategorizaci tváří namísto jejich individuální identifikace.
Jakmile tento proces skončí, bezpečně víme, zda je daný obličej součástí databáze, se kterou jsme porovnávali, či nikoli. Finální výstup může obsahovat i tagování, tak jak jsme na to zvyklí na Facebooku.
Zdroj: directiondatascience.com
Aspekty nasazení: na straně serveru vs. na straně klienta
Rozpoznávání obličeje může fungovat jak na serveru, tak na zařízení, se kterým uživatel komunikuje. Když například nahrajete fotografii na Facebook, algoritmy se spustí na straně serveru; na druhé straně musí na straně klienta běžet ID systém, který používá váš obličej k odemykání zařízení. Takže, který z nich je lepší?
Upřímně, nejde o to, který z nich je lepší. Nasazení na straně serveru i na straně klienta mají své silné stránky; v praxi podniky nasazují hybridní systém. Doporučenou praxí je trénovat své modely na straně serveru, kde jsou trénovací data a zdroje zpracování neomezené. Jakmile jsou modely vyškoleny, lze je zabalit a nasadit na straně klienta, což zvyšuje rychlost systému a zároveň zachovává soukromí uživatele.
Odeslání všeho na server představuje zpoždění, které může být v určitých případech špatné nebo nepřijatelné. Ponechání všeho na straně klienta zároveň povede ke slabším modelům.
Jak přesné je rozpoznávání obličeje?
Přesnost není v rozpoznávání obličejů příliš přesně definovaný pojem. Hlavním důvodem je, že se jedná o nejasný problém se všemi druhy zmatených vstupů (špatné osvětlení, obličej částečně zakrytý vlasy, kvalita fotoaparátu atd.) a dokonce i klamavé vstupy (o tom později!). Výsledkem je, že neuronové sítě zapojené do rozpoznávání obličeje musí být vyladěny pro daný problém, což omezuje jejich rozsah. Takže zatímco průmyslový systém rozpoznávání obličeje se může pochlubit 100% přesností (což je často případ), stejný systém nemusí být ani 20% přesný, když je požádán o identifikaci obličejů na přeplněné fotografii.
V jednom výzkum, konkrétní typ algoritmu rozpoznávání obličeje byl schopen dosáhnout 98,52% přesnosti, vyšší než lidská přesnost 97,53% dosažená ve stejném testu. V jiném studie provedené ve forenzní vědě, kombinace lidského úsudku a algoritmů přinesla v některých případech nejlepší výsledky.
Sečteno a podtrženo – pro cílené, dobře definované aplikace je rozpoznávání obličeje tím nejlepším nástrojem, který máme.
Kde se používá rozpoznávání obličeje?
Dokonce i v krátké době, kdy byly vyvinuty životaschopné algoritmy, našlo rozpoznávání obličeje neuvěřitelně užitečné a vzrušující aplikace. Některé z nich jsou nápadné, ale některé jsou tak nenápadně a zásadně vetkány do každodenního života, že se sotva pozastavíme nad tím, co je pod nimi.
Facebook je možná nejběžnějším příkladem moderních systémů rozpoznávání obličeje v práci. Jakmile nahrajete fotografii, sociální síť je schopna detekovat obličeje. Zatímco před časem jste byli požádáni o označení přátel, nyní to Facebook umí sám.
Zdroj: labnol.org
Skvělá nová aplikace od Facebooku je funkcí informování uživatelé, když někdo nahraje fotografie obsahující jejich tváře, i když na těchto fotografiích nebyli označeni.
Snapchat intenzivně využívá detekci a rozpoznávání obličeje pro mnoho svých funkcí, zejména pro vtipné filtry, které jsou tak vzteklé.
Zdroj: gistreel.com
Aby tyto filtry fungovaly, musí být dokonale detekovány obrysy a rysy obličeje objektu, jinak nebudou překryvy vypadat realisticky. Totéž platí pro Face Swap, další oblíbenou funkci na Snapchatu. V případě, že máte zájem ponořit se hlouběji do možností Snapchatu v rozpoznávání obličeje, viz tady.
Uber už nějakou dobu bojuje s obavami o soukromí a bezpečnost a nejnovější zbraní v arzenálu společnosti je rozpoznávání obličeje. Společnost zavedla novou funkci, která ověřuje identitu jejích řidičů a partnerů pomocí jejich tváří. Společnost na svém blogu uvádí, že po testování několika dodavatelů technologií pro rozpoznávání obličeje se shodli na Microsoft Face API pro jeho vysokou kvalitu. Zajímavé je, že tato kontrola ID v reálném čase funguje dobře za špatných světelných podmínek a je schopna detekovat brýle.
Vzhledem k tomu, že rozpoznávání obličeje se ve volné přírodě ukázalo jako úspěšné, je snadné předvídat, že by mohlo brzy nahradit jiné identifikační metody ve vzdělávacích institucích, nemocnicích, knihovnách atd.
Prevence maloobchodní kriminality je přirozeným rozšířením aplikace rozpoznávání obličeje. Maloobchod ztrácí odhadem 45 miliard dolarů každý rok zlodějům v obchodech a dalším trestným činům v maloobchodě, přičemž se tomu dá jen velmi málo čelit. Nyní, společnosti jako FaceFirst pomáhají maloobchodníkům používat rozpoznávání obličeje k odhalení předchozích pachatelů a upozornit bezpečnostní důstojníky.
Policejní dohled začíná využívat rozpoznávání obličeje jako všechny ostatní instituce. Například ve Spojeném království používá policie jižního Walesu k výrobě kamery namontované na dodávkách dohled davů jednodušší.
Zdroj: theconversation.com
I když tato nově nalezená supervelmoc v rukou policie vyvolala bouřlivé veřejné debaty o soukromí jednotlivců, policie věří, že jí pomůže lépe omezovat pachatele. Jak řekl Richard Lewis, zástupce vrchního konstábla policie v jižním Walesu Financial Times:
Pokud identifikujete někoho, kdo se dopustil trestného činu [previously]v podstatě říkáte: víme, že jste tady, chovejte se prosím slušně.
Zdravotnictví mělo nedávno nečekanou aplikaci, kde rozpoznávání obličeje pomohlo odhalit vzácnou genetickou poruchu zvanou DiGeorgeův syndrom.
DiGeorgeův syndrom se objevuje asi u 1 z 6 000 dětí a má za následek deformace několika částí těla. Problém zdravotnictví je v tomto případě závažnější pro chudší země, které nemají prostředky na drahé diagnostické metody. Jako takové, rozpoznávání obličeje, s ohromující přesnost 96,6 %, nabízí novou naději pro oběti DiGeorge syndromu.
V leteckém průmyslu se přijímání rozpoznávání obličeje rozvíjí a brzy nahradí konvenční palubní vstupenky. V současnosti jsou v pomoci omezené, ale slibné výsledky identifikovat cestující jak opouštějí zemi. Ve skutečnosti Úřad pro bezpečnost dopravy (TSA) USA stanovil a plán pro široké použití biometrie založené na rozpoznávání obličeje.
Kontroverzní použití rozpoznávání obličeje
Technologie nás posilují, i když jejich dobré nebo špatné využití je na nás. Není tedy pochyb o tom, že něco tak mocného a radikálního, jako je rozpoznávání obličeje, se používá způsobem, který vzbuzuje obavy ohledně základních lidských práv a etiky.
Nejvýraznějším příkladem kontroverzního použití rozpoznávání obličeje je ohromné množství Číny sledovací systém která zaměstnává odhadem 200 milionů kamer, aby dohlížela na 1,4 miliardy občanů.
Zdroj: sbs.com
Systém sleduje lidi a vyhodnocuje jejich akce, přičemž neustále aktualizuje metriku tzv skóre občanů. I když má nějakou hodnotu mít výkonný státem řízený sledovací systém (sledující například neplatiče dluhů), většina to vidí jako příchod dystopické budoucnosti, kterou si George Orwell představoval. Je to budoucnost, kde mají vlády neomezenou moc nad jednotlivcem a soukromí neexistuje.
Druhý příklad diskutabilního využití rozpoznávání obličeje pochází také (nepřekvapivě?) z Číny. Tentokrát školní systém přijímá rozpoznávání obličeje, aby zajistil, že studenti budou během vyučování „pozorní“. Nový systém rozpoznávání obličeje, i když zatím není rozšířen, nahrazuje občanské průkazy, průkazy do knihovny, docházkové systémy atd., využívající k identifikaci obličej studenta.
Zdroj: businessinsider.com
Ale děsivé je, že tento systém sleduje úroveň pozornosti studentů, používání mobilních telefonů atd. a upozorní učitele, když je překročena určitá hranice.
I když video sledování založené na rozpoznávání obličeje není exkluzivní pouze pro Čínu, ale pro USA vyvíjející úsilí použít ji k omezení násilí se zbraněmi ve školách – zdá se, že Čína to dotahuje dále než kterákoli jiná země.
Porovnání populárních Facial Recognition API
Pokud jde o používání funkce Rozpoznávání obličeje, jaké máte možnosti? V této části se podíváme na to, co se běžně používá a jak se různá řešení vzájemně doplňují.
Než však začneme, připomínáme, že tato rozhraní API se rychle vyvíjejí a pravděpodobně narazíte na blogové příspěvky, které říkají, že toto rozhraní API postrádá tuto nebo jinou funkci. Nedělejte svá rozhodnutí na základě toho. Nejprve analyzujte své obchodní potřeby, pečlivě zkontrolujte nabízené funkce, jděte na stopu a teprve potom se rozhodněte.
OpenCV
Výzkum AI je propadák bez dna. Trénink a zdokonalování systému rozpoznávání obličejů je těžké a je lepší jej nechat na konglomeráty s hlubokou kapsou a armádou výzkumníků. Pokud jsou však vaše potřeby jednoduché a chcete mít plnou kontrolu – a samozřejmě jste připraveni na údržbu malého/malého inženýrského týmu –OpenCV může pro vás fungovat.
Je to open source knihovna Computer Vision, která je pozoruhodně přesná a je dostupná pro všechny programovací platformy. Tady je to přitažené za vlasy příklad o tom, jak můžete vytvořit systém detekce obličejů s Pythonem a OpenCV ve 25 řádcích kódu!
Nyní můžete narazit na některé blogy, které říkají, že OpenCV nemá rozpoznávání obličeje. No, je to úplná lež, a tady je důkaz. Celkově vzato může být OpenCV skvělou volbou pro vaše podnikání, pokud jsou potřeby jednoduché a specifické.
Amazon Rekognition
Rozpoznání je těžká nabídka od jednoho z největších poskytovatelů cloudu – AWS. Je to plně spravovaná, výkonná služba pro platformu AWS, a pokud již AWS využíváte k nasazení, Rekognition je pravděpodobně tou nejlepší volbou.
Některé z ohromujících funkcí, které Rekognition nabízí, jsou:
- Analýza v reálném čase (při nahrávání obrázku nebo videa do S3)
- Rozsáhlá analýza obličeje (pohlaví, barva vlasů, výraz obličeje, otevřené či neotevřené oči atd.)
- Cesta (zachycení cest identifikovaných objektů ve videích)
- Detekce scény a aktivity (uvnitř/venku, „hraní fotbalu“ atd.)
- Moderování nebezpečného obsahu (například nahota)
Největší plus s Rekognition je také největší mínus — budete mít opravdu potíže s jeho používáním se službami bez AWS až do bodu, kdy to budete muset vzdát.
Kairos
V ostrém kontrastu k Rekognition, Kairos poskytuje vám AI přes API (rýmování je neúmyslné, přísaháme!), což vám umožní převzít úplnou kontrolu nad vašimi daty a servery. Kairos se prezentuje jako služba na prvním místě v oblasti soukromí a je extrémně kritické Amazonu a dalších společností spolupracujících s vládou (taktéž ACLUmimochodem).
Kairos funguje na obrázcích i videích a má všechny příjemné funkce, které byste očekávali od moderního rozhraní API pro rozpoznávání obličeje. Dělá některé z úžasných funkcí, které najdete v Rekognition, ale pokud je nepotřebujete a svá data již spravujete, proč se obtěžovat?!
Kairos má on-premise nasazení pro ty, kteří jsou paranoidní ohledně soukromí a nechtějí ani posílat data ke zpracování po drátě, Kairos má on-premise nasazení, cena závisí na vašem případu použití a může být docela strmá.
Google Cloud Vision
Google se rozhodl rozlišovat mezi svými službami rozpoznávání obličeje pro obrázky a videa. Image API je známé jako Cloud Visionzatímco je volána služba zaměřená na video Video Intelligence.
Zatímco služba zaměřená na obrázky je velmi podobná tomu, co nabízí AWS, služba videa má příjemnou funkci katalogizace a vyhledávání. To bude užitečné pro společnosti, které mají velké videoarchivy, které by mohly chtít analyzovat nebo prohledávat.
To znamená, že Video Intelligence postrádá funkce rozpoznávání obličeje při psaní a zdá se, že jsou nabízeny pouze v Cloud Vision. Sledování objektů a detekce textu jsou také ve verzi beta, čímž výrazně zaostávají za nabídkami Amazonu.
Azure Face API
Vzhledem k tomu, že Microsoft bere své cloudové nabídky vážněji než ty desktopové (konečně), Azure Face API je jedna nádherná nabídka. Má všechny zajímavé funkce, které byste očekávali (detekce, identifikace, seskupování tváří, vyhledávání podobných tváří, emoce atd.), a stejně dobře funguje i s videi.
Nyní to nesouvisí striktně s rozpoznáváním obličeje, ale stojí za zmínku, že Azure nabízí také zákaznické počítačové vidění serviskterá vám umožní používat vaše vstupy a modely vlaků podle vašich potřeb.
Stejně jako služba Google je přímo na domovské stránce k dispozici hřiště, díky kterému je testování API velmi zábavné!
Existují významné rozdíly mezi nejlépe spravovanými službami rozpoznávání obličejů? Spíš ne. V této oblasti je nyní silná konkurence a nové funkce jsou zaváděny rychleji než pizzy. Pokud jste již vázáni na konkrétní ekosystém, použití jejich vlastní služby rozpoznávání obličeje má smysl. V opačném případě si možná budete chtít vybrat jiného dodavatele, pokud jsou vaše potřeby specifické (ovládání vlastních dat, potřeba pouze prosté detekce atd.).
Anti-Facial Recognition Systems
Stejně jako někteří výzkumníci zasvětili svůj život zdokonalování technologie rozpoznávání obličejů, jiní jsou zaneprázdněni vývojem technik, jak je oklamat. Jeden takový zajímavý vývoj je Brýle Adversarialkteré vypadají jinak pro lidské bytosti normálně, ale oklamaly expertní systémy rozpoznávání obličejů.
Zdroj: digitaltrends.com
To znamená, že tyto brýle ještě nejsou dostupné na trhu, ačkoli vědci tvrdí, že je lze snadno 3D vytisknout.
Dalším zajímavým vývojem bylo spuštění ekō brýle na Kickstarteru. Ačkoli je produkt nyní zrušen, fungoval na pozoruhodně jednoduché myšlence: obyčejné, každodenní sluneční brýle za 45 dolarů, které jednoduše odrážely světlo, což způsobilo, že kamery a video monitorovací zařízení se zbláznily.
Stejně jako v oblasti kybernetické bezpečnosti se „hackeři“ a výzkumníci snaží o rozpoznání obličeje, aby závodili k dokonalosti. Kolem roku 2014 jsme viděli popularitu maskovací make-up které propůjčily neviditelnost proti rozpoznání obličeje, ale již nejsou životaschopné. Bude existovat šifrování AES pro rozpoznávání obličeje? Pouze čas ukáže!
Je rozpoznávání obličeje pro vás?
Druh podnikání, který může těžit z rozpoznávání obličejů, je ten, který zahrnuje lidi – ano, což znamená, že každý podnik tam venku! I když se zdá, že současné využití rozpoznávání obličeje je prosazováno vládami, velkými podniky nebo technologickými startupy, není důvod, proč by z toho vaše firma nemohla těžit.
Možnosti jsou skutečně nekonečné, když zkombinujeme trochu kreativního myšlení – pozdravit a identifikovat zákazníky v hotelu, najít svého přítele v moři lidí, najít lidi s podobnými tvářemi (možná být využiti jako herci), odhalit osobnosti pro práci rozhovory (opět zde jen popouštíme uzdu fantazii; v takové studii nemusí být nic podstatného), přizpůsobení bankovních zkušeností, když do ní vstoupí klient s vysokou hodnotou. . . Existuje nekonečně mnoho způsobů, jak používat rozpoznávání obličejů na malých i velkých úrovních, aby vaše firma fungovala lépe.
Závěr
Docela brzy se rozpoznávání obličeje stane tak rozšířeným a tak běžné, že si ho ani nevšimneme (jako mobilní telefony?). Základní technologie byla téměř zdokonalena, ale ve skutečném světě to není jen o detekci tváří – jde o to, co s touto schopností můžeme dělat.
Zní to fascinující a máte zájem dozvědět se více? Podívejte se na toto skvělý kurz o počítačovém vidění.