تشخیص چهره 7 ترند برتر

تشخیص چهره: ۷ ترند برتر (بخش اول)

تشخیص چهره – شگفت انگیز و وسوسه کننده

تعداد کمی از فناوری های بیومتریک می توانند مانند تشخیص چهره، خیال پردازی ما را برانگیخته اند. به همین ترتیب ، ورود آن باعث به وجود آمدن نگرانی های عمیق و واکنش های شگفت آور در سال ۲۰۱۹ شده است.در این مقاله ، هفت واقعیت و ترند تشخیص چهره برای شکل دادن به چشم انداز این فناوری در سال ۲۰۲۰ را کشف خواهید کرد.

۱- برترین فناوری ها و ارائه دهندگان

۲- تأثیر هوش مصنوعی – بهبود مداوم

۳- بازارها و موارد استفاده غالب سال ۲۰۱۹ تا ۲۰۲۴

۴- تشخیص چهره در چین ، هند ، ایالات متحده ، اتحادیه اروپا و انگلیس ، برزیل ، روسیه …

۵- حریم خصوصی یا امنیت: لسه فر (laissez-faire) ، تنظیم یا ممنوعیت؟

۶- آخرین هک ها: آیا می توان تشخیص چهره را فریب داد؟

۷- حرکت به جلو: به سمت راه حل های ترکیبی

بیایید شروع کنیم.

مقاله مرتبط :

چگونه تشخیص چهره کار می کند

تشخیص چهره فرایند شناسایی یا تأیید هویت شخصی است که از چهره آن ها استفاده می کند. این فناوری، الگوها را بر اساس جزئیات صورت فرد ضبط ، تحلیل و مقایسه می کند.

۱. فرآیند تشخیص چهره یک گام اساسی است زیرا چهره های انسان را در تصاویر و فیلم ها تشخیص و مکان می دهد.

۲. فرآیند ضبط چهره بر اساس ویژگی های صورت فرد ، اطلاعات آنالوگ (صورت) را به مجموعه ای از اطلاعات دیجیتال (داده ها) تبدیل می کند.

۳.روند تطبیق چهره تأیید می کند که آیا دو چهره به یک فرد تعلق دارند یا خیر.

امروزه این فناوری، طبیعی ترین روش میان روش های اندازه گیری بیومتریک محسوب می شود.

و به یک دلیل خوب – ما خودمان را نه با نگاه کردن به اثر انگشت یا عنبیه خود، بلکه با نگاه کردن به صورت خود می شناسیم.

تشخیص چهره تشابه چهره ها
قدرت الگوریتم تشخیص چهره باید به قدری باشد که بتواند چهره های مشابه را از یک دیگر تشخیص دهد

قبل از اینکه به جلو دیگری برویم ، بیایید به طور کوتاه “شناسایی” و “تأیید اعتبار” را تعریف کنیم.

داده های تشخیص چهره برای شناسایی و تأیید صحت

بیومتریک برای شناسایی و احراز هویت شخص با استفاده از مجموعه ای از داده های قابل تشخیص و قابل اثبات منحصر به فرد و خاص برای آن شخص استفاده می شود. برای کسب اطلاعات بیشتر در مورد تعریف بیومتریک ، از مقاله ی ما در زمینه بیومتریک دیدن کنید.

شناسایی به این سؤال پاسخ می دهد: “شما چه کسی هستید؟”

احراز هویت به این سؤال پاسخ می دهد: “آیا شما واقعاً کسی که می گویید، هستید؟”

بگذارید چند مثال ذکر کنیم:

  • در مورد بیومتریک صورت ، یک سنسور ۲D یا ۳D یک صورت را “ضبط” می کند. سپس آن را با استفاده از یک الگوریتم، پیش از مقایسه تصویر گرفته شده با داده های موجود در یک پایگاه داده ، آن را به داده های دیجیتال تبدیل می کند.
  • این سیستم های خودکار می توانند تنها در چند ثانیه چهره ی افراد را بر اساس ویژگی های صورت آن ها شناسایی یا هویت آن ها را بررسی کند: فاصله چشم ها ، پل بینی ، فرم لب ها ، گوش ها ، چانه ها و غیره. آن ها حتی می توانند این کار را در وسط جمع و در محیط های پویا و ناپایدار انجام دهند.
  • صاحبان آیفون X قبلاً با فناوری تشخیص چهره آشنا شده اند. با این حال ، راه حل بیومتریک Face ID که توسط اپل ساخته شده بود به سختی در اواخر سال ۲۰۱۷ در چین مورد انتقاد قرار گرفت به دلیل عدم توانایی در تمایز بین چهره های چینی افراد مختلف.

البته روش های شناسایی دیگری از طریق بدن انسان نیز وجود دارد مانند اثر انگشت ، اسکن عنبیه ، تشخیص صدا ، دیجیتالی شدن رگ در کف دست و اندازه گیری رفتاری.

پس چرا تشخیص چهره؟

بیومتریک از طریق چهره همچنان معیار ترجیحی در بیومتریک است. به این دلیل که استفاده و اجرای آن بسیار آسان است. هیچ تعامل بدنی لازم توسط کاربر نهایی وجود ندارد. علاوه بر این، تشخیص و تطبیق چهره برای تأیید / شناسایی ، سریع است.

تشخیص چهره نرم افزار فیسبوک

خب، پس بهترین نرم افزار تشخیص چهره کدام است؟

شماره ۱ : فناوری های برتر تشخیص چهره

در رقابت نوآوری بیومتریک ، چندین پروژه برای کسب جایگاه اول رقابت می کنند.

گوگل ، اپل ، فیسبوک ، آمازون و مایکروسافت نیز در این رقابت حضور دارند. هم اکنون تمامی غول های نرم افزار اکتشافات نظری خود را در زمینه هوش مصنوعی ، تشخیص تصویر و تجزیه و تحلیل چهره به طور مداوم منتشر می کنند تا هرچه سریعتر درک ما را از این حوزه بیشتر کنند.

همچنین آخرین نتایج آزمایشات انجام شده در مارس ۲۰۱۸ و در ماه مه توسط اداره علوم و فناوری امنیت داخلی آمریکا ، معروف به رالی فناوری بیومتریک ، منتشر شده است ، نشانه ای عالی از بهترین نرم افزار تشخیص چهره موجود در بازار است.

اما بیایید نگاه دقیق تری داشته باشیم:

آکادمیک

الگوریتم GaussianFace که در سال ۲۰۱۴ توسط محققان دانشگاه هنگ کنگ در چین تهیه شده است ، در مقایسه با نمره ی ۹۷٫۵۳٪ به دست آمده توسط انسان ، نمره ی شناسایی چهره ۹۸٫۵۲٪ را بدست آورد. نمره عالی با وجود ضعف در ظرفیت حافظه مورد نیاز و زمان محاسبه.

 فیسبوک و گوگل

مجدداً در سال ۲۰۱۴ ، فیسبوک از آغاز برنامه DeepFace خود خبر داد که می تواند تشخیص دهد که آیا دو چهره عکس گرفته شده متعلق به یک فرد هستند یا خیر، که با دقت ۹۷٫۲۵٪ جواب صحیح گرفتند. در هنگام انجام همان تست ، انسان ها در ۵/۹۷ تشخیص درست دهند که در واقع تنها ۲۸/۰ درصد بهتر از برنامه فیسبوک بود.

در ژوئن سال ۲۰۱۵ ، گوگل با FaceNet یک پله بالاتر آمد. در مجموعه داده های برچسب گذاری شده Labeled Faces in the Wild به رکورد جدید دقت یعنی ۹۹٫۶۳٪ ( ۰٫۰۰۰۹ ± ۰٫۹۹۶۳ ) دست یافت. این شرکت با استفاده از یک شبکه عصبی مصنوعی و الگوریتم جدیدی موفق به ارجاع دادن چهره به صاحب خود با نتایج تقریباً عالی شده است.

این فناوری در Google Photos برای مرتب سازی تصاویر و برچسب زدن خودکار آن ها بر اساس افراد شناخته شده ، گنجانیده شده است. با توجه به اهمیت آن در دورنمای بیومتریک ، سریعاً با انتشار نسخه ای غیر رسمی و منبع باز با نام OpenFace همراه شد.

مایکروسافت ، IBM و Megvii

مطالعه ای که توسط محققان MIT در فوریه ۲۰۱۸ انجام شد ، نشان داد که ابزارهای مایکروسافت ، IBM و شرکت چینی Megvii++) FACE) در هنگام شناسایی زنان سیاه پوست نسبت به مردان سفید پوست از خطای بالایی برخوردار بودند.

در اواخر ژوئن سال ۲۰۱۸ ، مایکروسافت در یک پست وبلاگ اعلام کرد که پیشرفت های اساسی در زمینه فناوری تشخیص صورت خود داشته است.

آمازون

در ماه مه سال ۲۰۱۸ ، آرس تکنیکا گزارش داد که آمازون در حال حاضر بطور فعال سرویس شناسایی چهره ابری خود به نام Rekognition را به سازمان های اجرای قانون ارائه می دهد. این راه حل می تواند ۱۰۰ نفر را در یک تصویر واحد تشخیص داده و می تواند در برابر پایگاه داده های حاوی ده ها میلیون چهره با یکدیگر مطابقت دهد.

در ماه ژوئیه ، نیوزویک گزارش داد که فناوری تشخیص چهره آمازون به طور اشتباه، ۲۸ عضو کنگره ایالات متحده را به عنوان افرادی که به دلیل ارتکاب جرم دستگیر شده اند ، شناسایی کرد.

ارائه دهندگان کلیدی فناوری تطبیق بیومتریک

در اواخر ماه مه سال ۲۰۱۸ ، اداره علوم و فناوری امنیت ملی آمریکا نتایج آزمایش های حمایت شده را در تسهیلات آزمایش مریلند (MdTF) که در ماه مارس انجام شده بود را منتشر کرد. این تست های جهان-واقعی عملکرد ۱۲ سیستم تشخیص چهره را در یک راهرو ۲ متر ۲٫۵ متر اندازه گیری کردند.

 راهکار Gemalto به عنوان یکی از شرکت کنندگان، با استفاده از یک نرم افزار تشخیص چهره ، میزان تشخیص چهره ۹۹٫۴۴٪ در کمتر از ۵ ثانیه (در برابر میانگین ۶۸٪) را به دست آورده است؛ در مقایسه با میانگین ۶۶٪ و در مقایسه و با میزان خطای ۱٪ در مقایسه با میانگین ۳۲٪ است.

مارس ۲۰۱۸ – آزمایش زنده که با استفاده از بیش از ۳۰۰ داوطلب انجام شد ، فناوری های برتر تشخیص چهره را شناسایی کردند.

آزمون راهرو تشخیص چهره
مارس ۲۰۱۸ – آزمایش زنده که با استفاده از بیش از ۳۰۰ داوطلب انجام شد ، فناوری های برتر تشخیص چهره را شناسایی کردند

اطلاعات بیشتر در مورد معیارهای عملکرد: گزارش NIST که در نوامبر سال ۲۰۱۸ منتشر شده است ، جزئیات دقیق تشخیص ۱۲۷ الگوریتم و عملکرد آن ها را با نام های شرکت کننده شرح می دهد.

تشخیص و تشخیص احساسات صورت

تشخیص احساسات (در زمان واقعی بر روی عکس ثابت) فرایند نگاشت چهره برای شناسایی احساساتی مانند انزجار ، شادی ، عصبانیت ، تعجب ، ترس و یا غم و اندوه در چهره انسان با نرم افزار پردازش تصویر است.

محبوبیت آن ناشی از حوزه های وسیعی از کاربرد های بالقوه ی آن است.

تشخیص احساسات با تشخیص چهره که در آن هدف شناسایی یک شخص است و نه یک احساس، متفاوت است.

تشریح چهره ممکن است توسط ویژگی های هندسی یا ظاهری ، پارامترهای استخراج شده از تصاویر تبدیل شده از قبیل ویژه های ویژه ، مدل های پویا و مدل های سه بعدی نشان داده شود.

برترین ارائه دهندگان این فناوری عبارتند از Kairos (تشخیص چهره و احساسات برای بازاریابی برند) ، Noldus ، Affectiva ، Sightcorp ، Nviso و شرکت های دیگر.

موتور تشخیص چهره شرکت دانش بنیان شهاب در اوایل سال ۹۸ و پس از طی کردن آزمایش های مختلف و جواب گرفتن روی دیتابیس های استاندارد و نیز در محیط های واقعی به مرحله بهره برداری رسید. برای دریافت اطلاعات بیشتر به صفحه معرفی کتابخانه تشخیص چهره روبینا مراجعه فرمایید. 

شماره ۲ : یادگیری از طریق یادگیری عمیق

ویژگی مشترک این فناوری های اعجاب انگیز ، به نام هوش مصنوعی (AI) و به طور دقیق تر ، یادگیری عمیق که در آن یک سیستم قادر به یادگیری داده ها باشد، شناخته شده است.

چرا این مساله مهم است؟

این یک جزء اصلی از جدید ترین نسل الگوریتم هاست که توسط بازیکنان کلیدی این بازار توسعه داده شده است. این فناوری، راز تشخیص چهره ، ردیابی چهره و مسابقه چهره و همچنین ترجمه در زمان واقعی مکالمات را در خود دارد.

نتیجه؟

سیستم های تشخیص چهره همواره در حال بهتر شدن هستند. براساس گزارش اخیر NIST ، پیشرفت های گسترده ای در دقت سیستم های هوشمند در پنج سال گذشته (۲۰۱۳ – ۲۰۱۸) حاصل شده است که از پیشرفت های حاصل در دوره ۲۰۱۰-۲۰۱۳ را پشت سر میگذارند.

بیشتر الگوریتم های تشخیص چهره در سال ۲۰۱۸ از دقیق ترین الگوریتم از اواخر سال ۲۰۱۳ پیشی می گیرند. در تست خود در سال ۲۰۱۸ ، NIST دریافت که ۰٫۲٪ از جستجوها ، در یک بانک اطلاعاتی با ۲۶٫۶ میلیون عکس ، نتوانستند با تصویر صحیح مطابقت داشته باشند ، در مقایسه با نرخ شکست ۴٪ در سال ۲۰۱۴٫

بله شما آن را درست خواندید. این یک پیشرفت ۲۰ برابری در طی چهار سال است.

اینگونه درباره اش فکر کنید:

الگوریتم های شبکه عصبی مصنوعی به دقیق تر شدن الگوریتم های تشخیص چهره کمک می کنند.

در ویدیوی زیر اطلاعات بیشتری کسب کنید.

شماره ۳ بازارهای تشخیص چهره

بازارهای تشخیص چهره

یک مطالعه منتشر شده در ژوئن ۲۰۱۹ ، تخمین زدند که تا سال ۲۰۲۴ ، بازار جهانی تشخیص چهره ۷ میلیارد دلار درآمد کسب می کند ، که با نرخ رشد سالانه ترکیبی (CAGR) به میزان ۱۶٪ در دوره ۲۰۱۹-۲۰۲۴ پشتیبانی می شود.

برای سال ۲۰۱۹ بازار ۳٫۲ میلیارد دلاری تخمین زده شده است.

دو عامل اصلی این رشد، نظارت در بخش عمومی و تعداد زیادی برنامه کاربردی دیگر در بخش های مختلف این بازار است.

طبق این مطالعه ، فروشندگان برتر تشخیص چهره شامل Accenture ، Aware ، BioID ، Certibio ، Fujitsu ، Fulcrum Biometrics ، Gemalto ، HYPR ، Idemia ، Leidos ، M2SYS ، NEC ، Nuance ، Phonexia و Smilepass هستند.

برنامه های اصلی تشخیص چهره را می توان به سه دسته اصلی دسته بندی کرد.

تشخیص چهره برای چه مصارفی استفاده می شود – ۳ دسته برتر برنامه های کاربردی

۱- امنیت – اجرای قانون

این بازار با افزایش فعالیت در مبارزه با جرم و تروریسم هدایت می شود.

فواید سیستم های تشخیص چهره برای پلیس مشهود است: کشف و پیشگیری از جرم.

  • تشخیص چهره هنگام صدور اسناد هویتی استفاده می شود و بیشتر آن ها با سایر فناوری های بیومتریک مانند اثر انگشت ترکیب می شود.
  • مطابقت چهره در بازرسی های مرزی برای مقایسه عکس روی گذرنامه بیومتریک دیجیتالی با صورت دارنده استفاده می شود
  • در سال ۲۰۱۷ ، Gemalto مسئولیت تهیه دروازه های کنترل اتوماتیک جدید برای سیستم PARAFE (خودکار عبور سریع مسیر در مرزهای خارجی) در فرودگاه Roissy Charles de Gaulle در پاریس را بر عهده داشت. این راه حل برای تسهیل تکامل از تشخیص اثر انگشت تا تشخیص چهره در سال ۲۰۱۸ ابداع شده است.
  • بیومتریک صورت نیز می تواند در بازرسی های پلیس بکار رود ، اگرچه استفاده از آن در اروپا به شدت کنترل می شود. در سال ۲۰۱۶ ، “مرد کلاه پوش” که مسئول حملات تروریستی بروکسل بود، به لطف نرم افزار تشخیص چهره FBI شناسایی شد. پلیس ولز جنوبی آن را در فینال لیگ قهرمانان اروپا در سال ۲۰۱۷ اجرا کرد.
  • در ایالات متحده ، ۲۶ ایالت (یا احتمالاً ۳۰ ایالت) به مجریان قانون اجازه می دهند تا در پایگاه داده های گواهینامه رانندگی و عکس های شناسایی خود جستجو انجام دهند. FBI به عکس های گواهی نامه رانندگی از ۱۸ ایالت دسترسی دارد.
  • پهباد های بدون سرنشین همراه با دوربین های هوایی ترکیبی جالب برای تشخیص چهره است که به عنوان مثال در حوادث بزرگ در مناطق وسیع استفاده می شود. براساس ژورنال اسناد و هویت Keesing ژوئن ۲۰۱۸ (شماره ۵۶) ، برخی از پهباد های بدون سرنشین می توانند لنز دوربین ۱۰ کیلویی را حمل کنند که می تواند یک مظنون را از ۸۰۰ متر از ارتفاع ۱۰۰ متر شناسایی کند. از آنجا که این هواپیمای بدون سرنشین از طریق کابل برق می تواند به زمین متصل شود ، منبع تغذیه نامحدودی دارد. و به دلیل استفاده از کابل، ارتباط با کنترل زمین را نمی توان رهگیری کرد.

۲- سلامتی

پیشرفت های چشمگیری در این زمینه حاصل شده است.

به لطف استفاده از یادگیری عمیق و تجزیه و تحلیل چهره ، اکنون تکنولوژی تشخیص چهره این امکان را دارد که:

  • استفاده بیمار از دارو را به دقت ردیابی کنید
  • بیماری های ژنتیکی مانند سندرم دی جرج را با میزان موفقیت ۹۶٫۶٪ تشخیص می دهد
  • روش های مدیریت درد را پشتیبانی کنید
تشخیص چهره سلامت

۳- بازاریابی و خرده فروشی

این حوزه مطمئناً جاییست که استفاده از تشخیص چهره در آن کمترین انتظار را داشت. و در عین حال احتمالاً نوید بخش ترین کاربرد آن است. مشتری خود را بشناسید(KYC) مطمئناً موضوع مهمی در سال ۲۰۲۰ خواهد بود. این ترند مهم با جدیدترین پیشرفت های بازاریابی در تجربه مشتری همراه است. با قرار دادن دوربین در فروشگاه های خرده فروشی ، اکنون می توان رفتار خریداران را تحلیل و روند خرید مشتری را بهبود بخشید.

دقیقا چطور؟

مانند سیستمی که اخیراً توسط فیسبوک طراحی شده است ، اطلاعات مشتری را که از پروفایل رسانه های اجتماعی گرفته شده است در دسترس کارکنان فروش قرار می گیرد تا پاسخ های سفارشی حرفه ای به مشتریان دهند.

فروشگاه آمریکایی Saks Fifth Avenue در حال حاضر از چنین سیستمی استفاده می کند. طبق گزارش ها ، فروشگاه های Amazon GO نیز از تشخیص چهره استفاده می کنند.

پرداخت با سلفی چقدر زمان می برد؟

از سال ۲۰۱۷ ، KFC ، پادشاه آمریکایی مرغ سخاری و غول خرده فروشی و فناوری چینی Alibaba در حال آزمایش یک راه حل پرداخت با استفاده از تشخیص چهره در Hangzhou چین هستند.

پایان بخش اول

بیشتر بخوانید :

منبع Gemalto

همچنین ببینید

استفاده از هوش مصنوعی مولد برای بهبود تست نرم‌افزار

هوش مصنوعی مولد به دلیل توانایی خود در ایجاد متن و تصاویر بسیار مورد توجه …

دیدگاهتان را بنویسید

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