Всичко за разпознаването на лица за бизнеса

Разпознаването на лица не е ограничено до сферите на компютърните науки. Той има солидни бизнес приложения.


Един от най-горещите модни думи за това десетилетие е разпознаването на лица.

Това е частта от приложното машинно обучение, която може да открива и идентифицира човешки лица, проблем, който досега е бил трудно труден за компютрите. И с това се отвори изцяло нов свят на вълнуващи възможности и предизвикателства както за бизнеса, правителствата, така и за отделните хора.

Ако сте бизнес лидер и се чудите какъв е шумът и дали има някаква полезност в това ново развитие, ще ви обхванем. В тази статия ще разгледаме историята на разпознаването на лица, неговото развитие, текущите приложения, противоречия, разгръщане и много други аспекти.

В края на краищата ще разберете добре какво представлява технологията за разпознаване на лица и какви са нейните последици за бизнеса.

Да започваме!

Еволюция на разпознаването на лицето

За цялото свръх и медийно отразяване около разпознаването на лица, технологията съществува от известно време. Първата сериозна алгоритмична работа при откриването на лица е била Виола-Джоунс Рамка за откриване на обекти публикувана през 2001 г. Макар и рамка с общо предназначение за идентифициране на обекти в изображенията, тя бързо се прилага за откриване на лица с много добър успех. Основната причина за популярността на този алгоритъм беше неговата скорост; докато тренировъчният процес беше бавно бавен, процесът на откриване беше изключително бърз.

Още през 2001/2004 г. средният настолен компютър, работещ с този алгоритъм, успя да обработи 300px X 300px кадър за 0,07 секунди (повече тук). Най- проценти на точност, макар и да не са сравними с това, което хората могат да постигнат, бяха впечатляващи на 90%.

Истинският напредък обаче е постигнат чак през десетилетието на 2010-2020 г., когато Конволюционни невронни мрежи се очертава като най-добрият метод за извършване на откриване на лице. Причината беше наличието на сурова обработваща мощност и гигантски системни памет, предоставени чрез облачни изчисления от доставчици на инфраструктура като услуга (IaaS). За първи път в историята компютрите постоянно бият хора при разпознаването на лица, особено когато е замесен голям брой случайни лица.

Източник: medium.com

Как действа разпознаването на лицето?

Разпознаването на лица е многоетапен процес, в който участват няколко специализирани подсистеми.

Ето какво означават различните етапи:

Откриване / Проследяване: Тази част от етапа на предварителна обработка е отговорна за идентифицирането и проследяването на лица в дадения образ или видео файл. След като този процес приключи, ние със сигурност знаем, че има лице в дадения вход и той може да бъде обработен допълнително. Фазата на проследяване също е отговорна за проследяването на определени части, конкретни функции или изрази в лицето, ако това е необходимо.

Подравняване: Проблемът с разпознаването на лицето е сложен, тъй като лица в дадено изображение или видео не спазват никакви указания. Лицето може да бъде увеличено или намалено, да надникне зад дърво или да присъства в страничен профил, което прави проблема с разпознаването на лицето още по-труден. Това е мястото, където идва подравняването на лицето: той ни казва къде в даденото изображение / видео линията на лицето и какви са контурите за черти на лицето.

Източник: csc.kth.se

Извличане на функция: Както подсказва името, по време на тази фаза на процеса (сега сме в етап на разпознаване) индивидуалните особености на лицето, като очи, нос, брадичка, устни и т.н., се извличат във формата, която може да бъде използван от алгоритмите на следващия етап. На този етап компютърът е събрал достатъчно твърди данни, за да различи еднозначно едно лице.

Съответствие / класификация на характеристиките: На този етап входовете, получени от извличане на функции, се съпоставят с дадената база данни, за да се установи самоличността на лицето. Тази фаза е известна още като класификация, тъй като може да е необходим алгоритъмът за категоризиране на лица, вместо да ги идентифицира индивидуално.

След като този процес приключи, ние със сигурност знаем дали даденото лице е част от базата данни, която сравняваме или не. Крайният изход може също да съдържа маркиране, както сме свикнали да виждаме във Facebook.

Източник: premadatascience.com

Съображения за внедряване: от страна на сървъра спрямо клиента

Разпознаването на лица може да работи както на сървъра, така и на устройството, с което потребителят взаимодейства. Например, когато качвате снимка във Facebook, алгоритмите се изпълняват от страна на сървъра; от друга страна, система за идентификация, която използва лицето ви за отключване на устройството, трябва да работи от страна на клиента. И така, кой от тях е по-добър?

Честно казано, не става въпрос за това кой е по-добър. И двете сървърни и клиентски разположения разполагат със своите силни страни и на практика предприятията разполагат с хибридна система. Препоръчителната практика е да тренирате вашите модели от страна на сървъра, където данните за обучение и ресурсите за обработка са без ограничение. След като моделите са обучени, те могат да бъдат пакетирани и разгърнати от страна на клиента, което подобрява скоростта на системата, както и поддържа поверителността на потребителя.

Изпращането на всичко до сървъра въвежда забавяне, което може да бъде лошо или неприемливо в определени случаи. В същото време запазването на всичко от страна на клиента ще доведе до по-слаби модели.

Колко точно е разпознаването на лицето?

Точността не е много добре определен термин в разпознаването на лицето. Основната причина е, че има размит проблем с всякакви объркани входове (слаба светлина, лице, частично покрито с коса, качество на камерата и т.н.) и дори измамни входове (повече за това по-късно!). В резултат на това невронните мрежи, участващи в разпознаването на лицето, трябва да бъдат преодолени за съществуващия проблем, ограничавайки техния обхват. Така че, въпреки че индустриалната система за разпознаване на лице може да се похвали със 100% точност (което често се случва), същата система може да не е дори 20% точна, когато бъде поискана да идентифицира лица в препълнена снимка.

В един изследване, определен тип алгоритъм за разпознаване на лице успя да постигне точност 98,52%, по-висока от точността на човека от 97,53%, постигната в същия тест. В друг проучване проведено в криминалистиката, комбинацията от човешка преценка и алгоритми даде най-добри резултати в някои случаи.

Долна линия – за фокусирани, добре дефинирани приложения разпознаването на лица е най-добрият инструмент, с който разполагаме.

Къде се използва разпознаването на лица?

Дори в краткия период, в който са разработени жизнеспособни алгоритми, разпознаването на лица е намерило невероятно полезни и вълнуващи приложения. Някои от тях са забележими, но някои от тях са толкова фино и фундаментално вплетени в ежедневието, че едва ли спираме, за да се замислим какво има отдолу.

Facebook е може би най-често срещаният пример за съвременни системи за разпознаване на лица по време на работа. Веднага щом качите снимка, социалната мрежа е в състояние да открива лица. Докато преди време от вас бяха помолени да маркирате приятели, сега Facebook може да направи това самостоятелно.

Източник: labnol.org

Хубавото ново приложение от Facebook е характеристиката на информиране потребители, когато снимките, съдържащи лицето им, са качени от някой, дори и да не са маркирани в тези снимки.

Snapchat използва много за разпознаване и разпознаване на лица за много от неговите функции, най-вече смешните филтри, които са такава ярост.

Източник: gistreel.com

За да работят тези филтри, контурите и чертите на лицето на обекта трябва да бъдат открити перфектно, в противен случай наслагванията няма да изглеждат реалистични. Същото се отнася и за Face Swap, друга популярна функция в Snapchat. В случай, че се интересувате да се гмурнете по-дълбоко във възможностите на Snapchat в разпознаването на лицето, вижте тук.

Uber от известно време се бори с проблемите на личния живот и безопасността, а най-новото оръжие в арсенала на компанията е разпознаването на лица. Компанията въведе нова функция, при която самоличността на нейните партньори е потвърдена от използвайки техните лица. Компанията казва в своя блог, че след тестване на няколко доставчика на технологии за разпознаване на лица, те се установяват в Microsoft Face API за високото му качество. Интересното е, че тази проверка за самоличност в реално време работи добре при условия на слаба осветеност и е в състояние да открие очилата.

Тъй като разпознаването на лица се оказва успешно в природата, лесно е да се предвиди, че скоро може да замени други методи за идентификация в образователни институции, болници, библиотеки и т.н..

Превенция на престъпността на дребно е естествено продължение на приложението на разпознаването на лицето. Индустрията на дребно губи приблизителна оценка 45 милиарда долара всяка година на кражби и други престъпления на дребно, с много малко за справяне с тях. Сега компании като FaceFirst помагат на търговците да използват разпознаване на лица, за да открият предишни нарушители и да сигнализират служители по сигурността.

Полицейско наблюдение започва да използва разпознаването на лицето като всички други институции там. Например във Великобритания полицията на Южен Уелс използва камери, монтирани на микробуси наблюдение на тълпите по-лесно.

Източник: theconversation.com

Докато тази нова сила в ръцете на полицията предизвиква разгорещени обществени дебати за личния живот, полицията вярва, че ще им помогне да ограничат по-добре нарушителите. Както каза Ричард Люис, заместник-началник на полицията в Южен Уелс Financial Times:

Ако идентифицирате някой, който е извършил престъпление [по-рано], основно казвате: ние знаем, че сте тук, моля, поведете се.

Здравеопазване наскоро получи неочаквано приложение, при което разпознаването на лицето помогна за откриване на рядко генетично разстройство, наречено синдром на DiGeorge.

Синдромът на DiGeorge се появява при около 1 на 6 000 деца и води до деформации в няколко части на тялото. Проблемът със здравеопазването в този случай е по-тежък за по-бедните страни, които не разполагат с ресурси да търсят скъпи методи за диагностика. Като такова, разпознаване на лицето, с поразително точност от 96,6%, предлага нова надежда за жертвите на синдрома на DiGeorge.

В Airlines индустрията, приемането на лицево разпознаване набира скорост и скоро ще замени конвенционалните бордови талони. В момента има ограничени, но обещаващи резултати в подпомагането идентифицира пътниците докато напускат страната. Всъщност Администрацията по транспортна сигурност (TSA) на САЩ е определила а план за широко използване на биометрия на базата на разпознаване на лице.

Противоречиви употреби на разпознаването на лица

Технологията ни дава възможност, въпреки че доброто или лошото използване зависи от нас. Несъмнено тогава се използва нещо толкова мощно и радикално като разпознаването на лицето по начин, който поражда загриженост за основните човешки права и етика.

Най-известният пример за противоречиви употреби на разпознаване на лица е огромният Китай система за наблюдение това използва приблизително 200 милиона камери, за да следи своите 1,4 милиарда граждани.

Източник: sbs.com

Системата проследява хората и оценява техните действия, като непрекъснато актуализира наречен показател оценка на гражданите. Макар че има някаква полза от наличието на мощна система за наблюдение, контролирана от държавата (следене на неплатилите задължения, например), повечето я разглеждат като идването на дистопичното бъдеще, което Джордж Оруел си представяше. Това е бъдеще, в което правителствата имат неограничена власт над индивида и неприкосновеността на личния живот не съществува.

Вторият пример за спорно използване на разпознаването на лица също идва (изненадващо?) От Китай. Този път училищната система приема разпознаване на лица, за да е сигурна, че учениците са „внимателни” по време на часовете. Новата система за разпознаване на лица, въпреки че все още не е широко разпространена, заменя личните карти, библиотечните карти, системите за посещаемост и т.н., като се използва лицето на ученика за идентификация.

Източник: businessinsider.com

Но страховитата част е, че тази система следи нивата на внимание на учениците, използването на мобилен телефон и т.н., и предупреждава учителя, когато определен праг е прекрачен.

Докато видеонаблюдението, задвижвано от разпознаването на лицето, не е изключително за Китай – САЩ са били полагане на усилия да го използваме за ограничаване на насилието с пистолети в училищата – Китай изглежда поема това повече от която и да е друга страна.

Сравнение на популярните API за разпознаване на лица

Що се отнася до използването на разпознаването на лица, какви опции имате? В този раздел ще разгледаме какво е общата употреба и как различните решения се подреждат един срещу друг..

Преди да започнем обаче: напомняне. Тези API се развиват изключително бързо и е вероятно да попаднете на публикации в блогове, които казват, че на този API липсва тази или тази функция. Не вземайте решенията си въз основа на това. Първо анализирайте нуждите на бизнеса си, внимателно проверете предлаганите функции, отидете на пътека и чак след това вземете решение.

OpenCV

Изследването на AI е мивка без дъно. Обучението и усъвършенстването на системата за разпознаване на лица е трудно и е най-добре да се остави на конгломерати с дълбоки джобове и армия от изследователи. Ако обаче вашите нужди са прости и искате да имате пълен контрол – и разбира се, сте готови да поддържате малък / малък инженерен екип –OpenCV може просто да работи за вас.

Това е библиотека с отворен код Computer Vision, която е изключително точна и е достъпна за всички програмни платформи. Ето прибиране на косата пример за това как можете да въртите система за разпознаване на лица с Python и OpenCV в 25 реда код!

Сега може да попаднете на някои блогове, които казват, че OpenCV няма разпознаване на лица. Е, пълна лъжа ето, и ето доказателство. Като цяло, OpenCV може да бъде чудесен избор за вашия бизнес, ако нуждите са прости и конкретни.

Амазонско възстановяване

Rekognition е тежко предлагане от един от най-големите облачни доставчици там – AWS. Това е напълно управлявана, мощна услуга за AWS платформата и ако вече използвате AWS за внедряване, Rekogservation е може би най-добрият избор.

Някои от умопомрачителните функции, предлагани от Rekogservation са:

  • Анализ в реално време (докато качвате изображение или видеоклип в S3)
  • Обширен анализ на лицето (пол, цвят на косата, изражение на лицето, отворени или не очи и т.н.)
  • Pathing (улавяне на пътища на идентифицирани обекти във видеоклипове)
  • Откриване на сцени и дейности (на закрито / на открито, „игра на футбол“ и т.н.)
  • Модернизиране на опасното съдържание (голота например)

Най-големият плюс при Rekogservation е и най-големият минус – наистина ще се борите да го използвате с услуги, които не са AWS, до момента, в който просто ще трябва да се откажете.

Kairos

В рязък контраст с Възстановяването, Kairos ви предоставя AI през API (римуването е неволно, кълнем се!), като ви позволява да поемете пълен контрол над вашите данни и сървъри. Kairos се представя като първа услуга за поверителност и е изключително критичен на Amazon и други компании, които се споразумяват с правителството (така е ACLU, между другото).

Kairos работи както на изображения, така и на видеоклипове и има всички приятни функции, които бихте очаквали от модерен API за разпознаване на лица. Той прави някои от изумителните функции, открити в Rekogservation, но ако не са ви нужни и вече управлявате данните си, защо да се притеснявате?!

За тези, които са допълнително параноични относно неприкосновеността на личния живот и дори не искат да изпращат данни през проводника за обработка, Kairos има внедряване на място, но ценообразуването зависи от вашия случай на използване и може да бъде доста стръмно.

Google Cloud Vision

Google избра да направи разлика между услугите си за разпознаване на лица за изображения и видео. API на изображението е известно като Облачно виждане, докато се фокусира върху видео услугата Видео интелигентност.

Въпреки че услугата, фокусирана върху изображението, е доста подобна на тази, която AWS може да предложи, видео услугата има приятна характеристика на каталогизиране и търсене. Това ще бъде полезно за компании, които разполагат с големи видео архиви, които биха могли да искат да анализират или търсят.

В този смисъл на Video Intelligence липсват функции за разпознаване на лица по време на писане и те изглежда се предлагат само в Cloud Vision. Проследяването на обекти и откриването на текст също са в бета версия, което го изостава много по-често от предложенията на Amazon.

API на Azure Face

С Microsoft приемат предлаганите от тях облачни предложения по-сериозно от тези на работния плот (най-накрая) API на Azure Face е едно възхитително предложение. Той има всички интересни функции, които очаквате (откриване, идентификация, групиране на лица, търсене на подобни лица, емоции и т.н.) и работи еднакво добре с видеоклипове.

Сега това не е строго свързано с разпознаването на лицето, но си струва да се спомене, че Azure предлага и компютърно зрение на клиента обслужване, което ви позволява да използвате вашите входове и модели на обучения според вашите нужди.

Подобно на услугата на Google, на началната страница има налична детска площадка, което прави тестване на API много забавно!

Съществуват ли значителни разлики сред най-добре управляваните услуги за разпознаване на лица? Не точно. В момента има силна конкуренция на място и новите функции се въвеждат по-бързо от пиците. Ако вече сте обвързани с определена екосистема, използването на тяхната услуга за разпознаване на лица има смисъл. В противен случай може да искате да изберете друг доставчик, ако вашите нужди са специфични (контролиране на собствени данни, нужда от само откриване и т.н.).

Системи за разпознаване на лица

Точно както някои изследователи са посветили живота си на усъвършенстване на технологията за разпознаване на лица, други са заети с разработването на техники, за да ги заблудят. Едно такова интересно развитие е Състезателни очила, които изглеждат иначе нормални за хората, но са заблудили експертни системи за разпознаване на лица.

Източник: digitaltrends.com

Въпреки това, тези очила все още не се предлагат на пазара, въпреки че изследователите казват, че те могат да бъдат лесно отпечатани с 3D.

Друго интересно развитие беше стартирането на очила на Kickstarter. Въпреки че продуктът сега е отменен, той работи по забележително проста идея: обикновени, ежедневни слънчеви очила за 45 долара, които просто отразяват светлината, което кара камерите и устройствата за видеонаблюдение да затъват.

Точно като областта на киберсигурността, „хакерите“ и изследователите заключват рога в разпознаването на лицето за състезанието към съвършенство. Около 2014 г. видяхме популярността на камуфлажен грим които дадоха невидимост срещу разпознаването на лицето, но вече не са жизнеспособни. Ще има ли AES криптиране на разпознаването на лицето? Само времето ще покаже!

Разпознаването на лица е за вас?

Видът бизнес, който може да се възползва от разпознаване на лица, е този, който включва хора – да, което означава всеки бизнес навън! Въпреки че изглежда, че настоящата употреба на разпознаването на лица се подкрепя от правителства, големи фирми или технологични стартиращи компании, няма причина вашият бизнес да не се възползва от това.

Възможностите са наистина безкрайни, когато комбинираме малко творческо мислене – поздрав и идентифициране на клиенти в хотел, намиране на вашия приятел в море от хора, намиране на хора с подобни лица (може би да се използват като актьори), откриване на личности за работа интервюта (отново, ние просто оставяме въображението да се развихри тук; може да няма нищо съществено в подобно проучване), персонализирайки банковия опит, когато влезе клиент с висока стойност. , , Има безкрайни начини да използвате разпознаване на лица на малки и големи нива, за да направите бизнеса си по-добър.

заключение

Доста скоро разпознаването на лицето ще стане толкова широко разпространено и толкова често, че дори няма да го забележим (като мобилните телефони?). Основната технология е почти усъвършенствана, но в реалния свят не става въпрос само за откриване на лица – а за това какво можем да направим с тази способност.

Звучи завладяващо и се интересувате да научите повече? Вижте това блестящ курс за 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