واژه های باب روز حوزه تشخیص چهره

بررسی ۱۰ اصطلاح پر کاربرد در حوزه تشخیص چهره (بخش دوم)

در پست اول که مربوط به ۱۰ اصطلاح پر کاربرد در حوزه تشخیص چهره بود، ما در مورد گذرنامه های الکترونیکی، گیت های خودکار،  سرعت تشخیص چهره و اصطلاحات دیگر، بحث کردیم. حال وقت آن است که به ۵ اصطلاح رایج صنعتی باقی مانده که در هنگام صحبت در مورد تشخیص چهره، استفاده می کنیم، بپردازیم.

مطلب مرتبط :

نرخ مثبت صحیح، منفی صحیح، مثبت کاذب و منفی کاذب

آشفته و پیچیده به نظر می رسد ولی نترسید.

دقت در تایید و احراز هویت، از نظر نرخ مثبت صحیح، منفی صحیح، مثبت کاذب و منفی کاذب توضیح داده می شود.

مثبت صحیح: توانایی تشخیص یک کاربر قانونی

منفی صحیح: توانایی تشخیص یک کاربر غیرقانونی

مثبت کاذب: تشخیص یک کاربر غیرقانونی که به عنوان کاربر قانونی

منفی کاذب: تشخیص کاربر قانونی که به عنوان کاربر غیرقانونی

یک سیستم تشخیص چهره، یک تصویر از چهره خواهد گرفت و هویت شخص را با بررسی الگوی بیومتریک که توسط ویژگی های بیوتیک محاسبه شده، تعیین می کند و آن را با یک سری از قالب ها  مقایسه می کند.

سیستم، الگو را به فردی که بیشترین شباهت را به قالب بیومتریک دارد، اختصاص خواهد داد. برای اینکه سیستم الگوهای افرادی را که برایش ناشناخته اند نشناسد، شباهت باید بیش از یک حد معینی باشد. اگر به این سطح نرسد، الگو رد می شود.

تشخیص چهره نرخ پذیرش نادرست و رد نادرست

نرخ پذیرش نادرست و رد نادرست

این سطوح و آستانه ها، سرعت ها هستند که نرخ پذیرش نادرست ( FAR )  و نرخ رد نادرست ( FRR ) نامیده می شوند. آن ها نیازمند تایید و همچنین شناسایی هستند.

FAR  مثالی از سیستم امنیتی بیومتریک است که به طور اشتباه، یک کاربر غیرمجاز را قبول یا شناسایی می کند.

FRR مثالی از سیستم امنیتی است که توانایی تایید یا شناسایی یک کاربر مجاز را ندارد.

 FAR و  FRRهمیشه  با یکدیگر کار می کنند. اگر شما آستانه ای را انتخاب کنید که خیلی کم است، یک مقدار خیلی کمی از میانگین الگوهای صورت، رد خواهند شد. البته این می تواند به این معنی نیز باشد که الگوهای تقلبی، اشتباها پذیرفته شوند.

این به این معنی است که ارزش آستانه ها بسیار مهم است، زیرا این آستانه ها هستند که نسبت های مشتری را که ممکن است اشتباها رد شوند، تعیین خواهند کرد.

مخلص کلام این است که آستانه هایی از سیستم های تشخیص چهره باید بسته به نوع برنامه ها، باید تنظیم شوند.

در سیستمی که برای ترخیص مسافر از گمرک استفاده می شود، یک رد اشتباه، زمانی که مسافران را از عبور از گیت یا از محلی به محل دیگر باز می دارد یا زمانی که آن ها باید تشخیص داده شده و مجاز شوند، می تواند باعث ازدحام شود.

از طرف دیگر، یک پذیرش اشتباه می تواند وحشتناک باشد اگر اجازه دسترسی به یک فرد غیرمجاز یا جعلی داده شود. به همین دلیل است که تحلیلگران تشخیص چهره از لحاظ  FAR وقتی پای دقت به میان می آید بسیار حساس هستند.

  • یک ۱:۱۰۰FAR ممکن است از نظر امنیتی کوچک تلقی شود، از آنجایی که ۱ نفر از ۱۰۰ می تواند سوار هواپیما شود یا روند مهاجرت را طی کند.

غیرقابل تصور است!

همچنین این دقت بسته به نوع سرویس و طرح مورد استفاده، می تواند اهمیت بیشتری پیدا کند. اگر در مورد بازکردن قفل یک دستگاه موبایل در نظر گرفته شود، کاربر متقلب باید ابتدا گوشی به دست آورد، سپس تلاش به بازکردن گوشی بکند.

  • برای استفاده هایی حساس مانند سفرهوایی یا کنترل مهاجرت، Frontex ، سا زمان حفاظت مرزها و سواحل اروپا، یک آیین نامه مالکیت فدرال  1:1000 در زمینه ی بهترین روش برای راهنمایی فنی جهت کنترل مرزی خودکار پیشنهاد می کند. این کمترین مقدار سطح امنیتی مورد نیاز برای سیستم های  ABCاست.

 Frontexدر اکتبر سال ۲۰۱۶ برای کمک به پیاده سازی مدیریت مرز یکپارچه در سطح اروپا به وجود آمد و وظیفه‌اش نظارت بر عملکرد موثر کنترل مرز در مرزهای خارجی و همچنین تهیه ی کمک عملیاتی و تکنیکی برای اعضای دولت های اروپا می باشد.

اما کدام فاکتورها بر روی  دقت سیستم تشخیص چهره اثر میگذارند؟

گیت تشخیص چهره

تصویر مرجع

دراینجا طرح اجرایی اهمیت ویژه ای دارد. در مواردی مانند کنترل مرز معمولی یا کنترل دسترسی، سیستم یک تصویر زنده از صورت مسافر را با تصویری که جایی دیگر شناسایی شده است، مقایسه خواهد کرد. منظور ما مقایسه های یک به یک در بسیاری از موارد زمانی که با یک سند سفر ثبت شده مقایسه می شود، است؛ یا همچنین می تواند مقایسه یک با موارد بسیاری باشد زمانی که مقایسه در برابر پایگاه داده بیومتریک باشد.

خب، چه تفاوتی با نظارت تصویری دوربین مداربسته دارد؟

برای دستیابی به اهداف نظارت تصویری، سیستم باید در یک مکان شلوغ جستجو کرده و یک چهره را با تعداد زیادی که در پایگاه داده ذخیره شده، مقایسه کند.

تعدادی فاکتور وجود دارند که ممکن است بر دقت تاثیر بگذارند:

  • کیفیت عکسی که ذخیره شده و به عنوان مرجع برای مقایسه استفاده می شود و همچنین کیفیت عکس زنده ای که گرفته شده است. خب، موقعیت دوربینی که برای گرفتن عکس استفاده می شود، مهم است زیرا بر روی وضوح، تمرکز و زاویه تصویر تاثیر خواهد گذاشت. با این وجود، آن تنها عنصری نیست که برای اطمینان از برتری دقت، به حساب می آوریم.

روشنایی تاثیر به سزایی روی کیفیت عکس دارد، و همچنین عناصری که نمی توانند به آسانی کنترل شوند مانند حرکت شخص، لوازم جانبی مانند عینک، کلاه وغیره. هرچقدر کیفیت عکس ها بیشتر باشد، همانقدر پتانسیل برای سرعت خطا کاهش می یابد.

  • تعداد عکس های مرجع از زاویه های مختلف: اگر شما بخواهید چهره را از زاویه های مختلف تشخیص دهید، نه فقط از جلو، نیاز است که شما سیستم را با این مدل از عکس ها آموزش دهید، به عبارت دیگر حداقل یک عکس برای هر حالت از یک فرد داشته باشید.
  • اندازه میانگین پایگاه های داده برای مقایسه، یا به عبارت دیگر تعداد عکس های زنده گرفته شده، مورد مقایسه قرار خواهند گرفت. هرچقدر پایگاه بزرگتر باشد، امکان تطابق بیشتر خواهد بود و پتانسیل پاسخ های مثبت کاذب، بیشتر و زمان بیشتری برای تطابق صرف خواهد شد. تا کنون برای یک روند سریع، شما نیاز خواهید داشت به جستجوی راه هایی برای کاهش پایگاه های داده که در برابر آن ها تطابق می دهید.
تشخیص چهره نقاط ویژگی

هوش مصنوعی

هوش مصنوعی مدت زیادی است که وجود دارد، زیرا در سال ۱۹۵۶ به عنوان یک رشته دانشگاهی تاسیس شد. هوش مصنوعی از قبل به عنوان یک قسمت مهم از تکنولوژی صنعتی، کمک کننده به حل مشکلات پیچیده در اطلاعات، ادراک، برنامه ریزی و یادگیری استفاده می شده است برای مثال اجسام در حال حرکت. به طور ساده، هوش مصنوعی فرایند اجازه دادن به ماشین هاست تا مانند انسان عمل کنند، با سرعت و دقت بیشتر و در حال ادامه به یادگیری باشند. برای یادگیری خودکار، یک ماشین الگوهای جریان های ورودی را خواهد شناخت و آن با شناخت و دسته بندی آیتم ها و اقدام به انجام کارها صورت می گیرد. همگی از الگوریتم ها برای انجام این استفاده می کنند.

امروزه، هوش مصنوعی در پشت صحنه ی تعداد زیادی از برنامه ها استفاده می شوند و باعث بهبود بهره وری می شوند و هزینه فراتر از اتوماسیون را کاهش می دهند. اخیرا، هوش مصنوعی گام های فوق العاده ای به سمت یادگیری عمیق برداشته است و یادگیری عمیق به خوبی با تشخیص چهره و تطابق چهره وفق داده شده است.

یادگیری عمیق

یادگیری عمیق، یک زیرمجموعه از یادگیری ماشین است، اما کاملا نوآورانه به صورتی که متکی به شبکه های عصبی عمیق برای یادگیری است. قدرت محاسبات با تعداد زیادی از لایه های نورون ها  ترکیب می شود و آن را قادر می سازد تا با میلیون ها معیار، بسیاری از مسائل ریاضیات را یاد بگیرد.

در نتیجه، شخص می تواند به نتیجه ای دست یابد که دقیق تر است و سرعتش بیشتر از حالتی است که بشر آن کار را انجام دهد. توانایی رسیدگی به مجموعه عظیم داده ها، این اجازه را به سیستم می دهد تا پیشرفت کند و بیشتر و بهتر دقیق شود.

به زبان ساده، شبکه ای از میلیون ها سلول عصبی مصنوعی، به طور خودکار از تعداد زیادی از داده های ورودی دریافت می شود تا برای تحویل فوری یک خروجی هوشمند، به توابع ریاضیاتی دسته بندی شوند.

برای تشخیص صورت، الگوریتم های یادگیری عمیق این اجازه را می دهد تا در چند ثانیه آنالیز شود و با تایید همیشگی صحت یک هویت و همچنین با اجرای مقایسه بیومتریک چهره، اطمینان حاصل شود که:

  • ارسال شخصی اسناد و مدراک در تصویر فرد در کارت شناسایی لازم است.
  • یک فرد واقعا در پایگاه داده ثبت شده و می تواند ورود و خروجش علنی شود.

همگی نیز قادر به ساخت مکانیزم هایی برای کاهش و یا فیلتر از طریق مجموعه ای از سوابق هستند، که نتیجه اش به دست آوردن دقت و سرعت در پاسخ می باشد.

آماده شوید برای فردا، زمانی که چهره شما، رمز سفر شما خواهد بود.

تشخیص چهره، کنترل مرزی و سفرهای هوایی شما را نسبت به آن چه که می شناسید، تغییر خواهد داد

در مکان های شلوغ مانند فرودگاه ها یا نقاط کنترل مرزی، سرعت یک “باید” است تا از ایستادن مسافران برای ساعت های طولانی در صف، جلوگیری کند. البته این سرعت به تنهایی امنیت را به وجود نمی آورد و این دقیقا دلیلی است که چرا تکنولوژی تشخیص چهره با امنیت ترکیب شده تا داده را حفظ کند و از بهترین دقت اطمینان حاصل کند که همین دقت یک نقش مهم در سیستم های تشخیص بیومتریک ایفا می کند.

هنوز هم کارهایی هستند که از دیدگاه قانونی در حیطه ی استفاده و ذخیره داده های بیومتریک انجام می شوند. با وجود این، تکنولوژی وجود دارد و مسافران خواستار سفرهای کم استرس و بدون درز هستند.

خب، آماده شوید برای قدم زدن در نقاط کنترلی فقط با استفاده از چهره تان برای اثبات اینکه شما همان فردی هستید که می گویید.

خب،این بود ده اصطلاح پر کاربرد ما در حوزه تکنولوژی تشخیص چهره. امیدواریم که برای شما مفید بوده باشد و اگر شما سوال یا نظری در مورد هریک از موارد بالا داشته باشید، از طریق کامنت با ما در ارتباط باشید.

بیشتر بخوانید :

منبع Gemalto

همچنین ببینید

گزارش دولت ایالات متحده : هوش مصنوعی یک تهدید بزرگ برای انسان است

گزارش دولت ایالات متحده : هوش مصنوعی یک تهدید بزرگ برای انسان است

از دولت ایالات متحده خواسته شده است که «سریع و قاطعانه» برای کاهش خطرات مهم …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *