Vad du behöver veta om ansiktsigenkänningsteknik

2024 Författare: Malcolm Clapton | [email protected]. Senast ändrad: 2023-12-17 04:11

Hur används denna teknik av regeringar och företag, är det möjligt att lura en kamera med ett ansiktsidentifieringssystem och är det möjligt att hitta en person på Internet med hjälp av ett foto.

Elena Glazkova Ivideon Marknadsförare.

För staten är ansiktsigenkänning en viktig del av säkerhetssystemet och en imponerande budgetpost. För journalister är det antingen ett universalmedel eller ett instrument för en världskonspiration. För företag, ett verktyg eller en produkt. Vilken sida du än tar så återstår fortfarande de grundläggande frågorna. Användare söker vanligtvis efter svar på dem på Internet (i genomsnitt 28 704 ansiktsigenkänningsfrågor per månad), men de hittar dem inte alltid. Rättar till situationen.

Vad är ansiktsigenkänning

Låt oss skilja flugorna från kotletterna. Användare är mer benägna att möta ansiktsigenkänning i sina egna smartphones, där biometrisk identifiering används för att låsa upp enheten och endast dess ägare kan komma åt data. En 3D-kamera är nödvändigtvis involverad i igenkänningsprocessen så att det är omöjligt att lura gadgeten med ett fotografi.

Det finns också identifiering av ansikten i realtid och under verkliga förhållanden: i det här fallet är det oupplösligt kopplat till videoövervakningssystem, där ansikten bokstavligen "ryckas" från videoströmmen som filmats av kameror.

Föreställ dig en högkvalitativ modern CCTV-kamera placerad strax över den genomsnittliga mänskliga längden på en väl upplyst plats. Ungefär lika många ungefär samma personer passerar framför henne varje dag. De rör sig inte särskilt snabbt.

Den inspelade videon kan lagras i molnarkivet. En analytisk modul är ansluten till kameran: en komplex kombination av algoritmer (artificiell intelligens, neurala nätverk, det är allt) plus ett användargränssnitt. Modulen "rycker" ansikten från videoströmmen, bestämmer kön och ålder och matar in data i databasen.

Efter hand kommer det fler bilder. Systemet kommer automatiskt ihåg alla igenkända ansikten och registrerar dem i arkivet, och en användare med antagning indikerar ytterligare data: namn, position, status, andra märken ("VIP-gäst" eller "tjuv"). Du kan ladda upp ett foto av den önskade personen, och modulen kommer att hitta alla upptäckter av denna person i arkivet.

Så fort en person med ett märke passerar framför kameran igen, registrerar systemet detta som en viktig händelse och skickar en pushnotis till intresserade användare.

Detektering i samband med ansiktsigenkänning är en situation då algoritmen i princip förstod att det var ett ansikte, och inte ett äpple eller en sjöjungfru från en Starbucks-mugg. Han behöver först datorkraft för detta, och först då kan han matcha ansiktet med basen eller komma ihåg.

Om du har läst de föregående styckena till slutet, grattis, du vet nu hur ansiktsigenkänning fungerar i en idealisk situation. Beskrivningen är lämplig för alla system: från de som används i Moskvas tunnelbana till lösningar för småföretag.

Det viktigaste att förstå är att det är svårt att skapa en idealisk situation i verkligheten, särskilt när det gäller hela staden och inte ett kontor eller en butik. Det är till exempel mycket folk på tunnelbanan, alla är olika, de går fort. Du behöver många kameror, de kostar pengar, och kompetenta specialister bör placera dem.

Är det möjligt att lura ansiktsigenkänningsalgoritmen

Trots enstaka misstag är precisionen i maskinigenkänning redan ofta överlägsen den med vilken människor bestämmer ansikten. Kina för att bygga en gigantisk databas för ansiktsigenkänning för att identifiera alla medborgare inom några sekunder kommer snart att dyka upp i Kina, ett system som kan hitta en specifik person bland 1,3 miljarder andra invånare på 3 sekunder med 90 % noggrannhet.

Och ändå är det svårt att besvara denna fråga entydigt, eftersom det inte finns någon enda idealisk algoritm för ansiktsigenkänning. Stora glasögon, ett klistrat skägg, en keps, hög rörelsehastighet, speciell smink (till exempel ett "Black Swan" galler målat i ansiktet, katter, cirklar och pinnar. Hur man flyr från ansiktsigenkänningssystem med hjälp av smink) - allt detta kan förvirra algoritmen. Speciellt i det sammanlagda, eftersom för erkännande är det tillräckligt Hur man fuskar erkännande system om 70% av ett öppet ansikte. Föreställ dig nu att det är nödvändigt att använda ovanstående trick i en riktig stad. Låter inte så lätt, eller hur?

"Anti-recognition" glasögon från Japan, som redan 2015

Och här är en sådan 3D-mask 2014

Är det möjligt att känna igen ansikten online

Internet är en paradoxal plats: människor här kan samtidigt oroa sig för om varannan kamera på gatan upptäcker deras personlighet och uppriktigt vill "känna igen andra människors ansikten från deras foton online." Låt oss överväga denna ansiktsigenkänningstrend separat.

Ansiktsigenkänningsprogrammet är antingen den analytiska modulen som beskrivs ovan (CCTV-kamera + mjukvara + molnlagring), eller mjukvara som liknar den välkända (lätt skandalösa) tjänsten FindFace. Idag är det naturligtvis omöjligt att ladda ner ett ansiktsigenkänningsprogram "gratis och utan registrering" i de allra flesta fall.

Webbtjänsten FindFace.ru, som hjälper till att hitta människor på det sociala nätverket VKontakte genom deras fotografier, grundades den 18 februari 2016. Bland annat, tack vare honom, kunde alla hitta profiler av tjejer som spelade i porrfilmer. Mycket snart började tjänsten användas för många flashmobs för att upptäcka ansikten, som hade all rätt att aldrig upptäckas av någon. En skandal utbröt, som fungerade som en viral reklam: tekniken som låg till grund för tjänsten fick en rad prestigefyllda utmärkelser och väckte intresse hos kunder från stat och näringsliv. Sedan 1 september 2018 tillhandahåller tjänsten inte längre FindFace-tjänsten, som användes för att känna igen demonstranter, tillkännagav stängningen av sökningen efter personer genom fototjänst, eftersom den omvandlades av NtechLab till en linje av lösningar för olika affärssektorer.

Drömmen om användaren som anger förfrågan ser uppenbarligen ut så här: du går till webbplatsen, laddar upp ett foto av en person som togs smygande i tunnelbanan, programmet känner igen ansiktet och ger ut en länk till profilen på det sociala nätverket. Ja, fastnade! Eller så här: du laddar ner programmet till din dator, ansluter din webbkamera till det och känner igen din katts ansikte. Framgång – nu får du ett meddelande varje gång katten stjäl korv.

Verkligheten är grym. Den första sidan som erbjuder dig något sådant vägrar att fungera, och den andra kräver programmeringskunskaper i Python. Mer eller mindre en drömliknande applikation kallad SearchFace, som nyligen startades om Searchface startades om med auktorisation genom VKontakte. Men det sociala nätverket har stängt den här funktionen som kallas FindClone. Du laddade upp ett foto och algoritmen försökte känna igen samma ansikte i VKontaktes sociala nätverksdatabasen. Applikationen gav inte ut länkar till profilen, bara bilderna själva - och det spelar ingen roll vem de laddades upp av. Om en användare har varit aktiv på ett socialt nätverk under en längre tid skapade utfärdandet av ett foto en kuslig "biografisk" effekt, men om inte kunde de igenkända bilderna få dem att skratta.

I själva verket svarar SearchFace-exemplet tydligt på frågan "Hur använder sociala nätverk ansiktsigenkänning?" Det skulle vara mer korrekt att formulera det så här: "Hur används sociala nätverk för ansiktsigenkänning?" Svaret är enkelt: som en databas. Ett oräkneligt antal unika kombinationer av siffror (så här ser ansiktena på bilden ut för algoritmerna för Facebook, VKontakte och andra) utgör grunden för att träna neurala nätverk som ligger till grund för en eller annan lösning för ansiktsigenkänning.

Lösningarna är alla olika, och neurala nätverk är också olika, och kunder och tjänsteleverantörer avslöjar som regel inte detaljer och tekniska egenskaper. I synnerhet kan köns- och åldersigenkänningsmodulen bestämma på grund av det faktum att den kan lära sig av informationen i Odnoklassniki, VKontakte, Instagram och Facebook.

Hur ansiktsigenkänning programmeras

Du behöver aldrig svara på utvecklare och utvecklarfrågor om du inte är en utvecklare. Därför vände vi oss till en specialist för att få hjälp.

Dmitry Soshnikov Medlem av den ryska föreningen för artificiell intelligens och senior expert i utvecklingen av AI och maskininlärningssystem på Microsoft.

Ansiktsigenkänning (liksom andra relaterade operationer) är en ganska vanlig uppgift. Därför tillhandahåller många företag färdiga tjänster i form av moln-API:er (mjukvaruförmedlare mellan applikationer) för en högkvalitativ lösning av dessa uppgifter. Förutom IT-jättar som Microsoft och Google, är specialiserade företag, inklusive ryska, också engagerade i ansiktsigenkänning. Deras produkter utvecklas snabbt och ger ännu mer spännande funktioner som att identifiera ansikten och silhuetter i folkmassor.

Det är mycket svårare att träna ett neuralt nätverk från grunden. Vi behöver en stor och högkvalitativ uppsättning initialdata, det vill säga tiotals och hundratusentals (eller till och med fler!) fotografier av människor. Dessutom kommer betydande beräkningsresurser och kunskap om AI och maskininlärning att krävas. Stora företag har alla dessa verktyg till sitt förfogande, så de löser problemet mycket bättre.

Det finns också en mellanlösning - att använda ett redan tränat neuralt nätverk till exempel. Det här alternativet kommer troligen att fungera lite sämre än en färdig molntjänst, men det låter dig ha full kontroll över systemet. Detta kommer att kräva en viss nivå av förståelse för driften av neurala nätverk och neurala nätverksramar och, med största sannolikhet, viss kunskap om Python-språket, som har vunnit popularitet som det huvudsakliga programmeringsspråket bland Data Science-specialister.

Det är faktiskt bekvämt att utföra olika experiment, visualisera data och utföra effektiva matrisberäkningar tack vare det utmärkta NumPy-paketet. Detta är inte det bästa språket för industriell utveckling, eftersom det inte innehåller effektiva verktyg för att skapa stora säkra mjukvarusystem, men det finns inga alternativ till det inom området för djupträning av neurala nätverk än.

Hur ansiktsigenkänning fungerar i företag

Efterfrågan på ansiktsigenkänning inom fintech, detaljhandel och andra typer av affärer är direkt relaterad till den ökade tillgängligheten av teknik. Mekaniken är enkel: alla företag och alla organisationer har CCTV-kameror, som används som verktyg för datainsamling och efterföljande analyser. I världen skjuter övervakningssystem terabyte video i Full HD per månad, det vill säga det finns verkligen mycket information för bearbetning.

Den nödvändiga programvaran för dataanalys kan "flashas" på enheten av tillverkaren. Inbyggda videoanalyskameror är vanligtvis ganska dyra.

Ett alternativt alternativ är analys i molnet, det vill säga ett fjärrdatacenter som ansluter till vilken billig kamera som helst. Det här är en storleksordning billigare, plus att det ger flexibilitet – du kan anpassa lösningar för en specifik verksamhet.

Populariteten för teknik för ansiktsigenkänning inom olika verksamhetsområden ökar. Till exempel är Sberbank en av ledarna när det gäller att tillkännage olika högprofilerade ansiktsigenkänningsprojekt, och det kan hävda att han känner igen dig av tusen: bankomaten kommer att identifiera kunden med ögonen med honom i detta avseende, kanske bara Tinkoff. 2017 förvärvade Sberbank Sberbank och investerade 25,07 % av VisionLabs i teknik för ansiktsigenkänning, som skapar mjukvara för ansiktsigenkänning. Under 2018 lyckades en finansiell institution testa ansiktsigenkänning i Moskvas tunnelbana och till och med fånga 42 brottslingar 42 brottslingar fångades tack vare Sberbanks ansiktsigenkänningssystem, för att testa Det kommer att känna igen dig från tusen: en bankomat kommer att identifiera en klient av ögon på bankomater med ansiktsidentifiering så att angripare inte kan ta ut pengar från andras kort, samt meddela insamling av biometrisk data (ljudinspelning av en röst,video av ansiktet) av klienter. I april i år, Sberbank kontroll över utvecklaren av röst- och ansiktsigenkänningssystem - "Center for Speech Technologies" (MDT).

En annan sak är att annonsera, testa, pilotera och köpa lösningar inte betyder att de faktiskt implementeras. Exakt vad som nu faktiskt används i Sberbank (och om det används) kan faktiskt bara sägas med säkerhet av tyska Gref.

Med detaljhandeln är allt mer transparent. I grund och botten finns det tre problem här som ansiktsigenkänning löser.

Först, stöld. Butikerna drivs av bedragare, och ofta samma personer i samma nätverk. Ansiktsigenkänning gör att du kan identifiera "drivande tjuvar" och andra personer som tidigare brutit mot ordern. Så fort inkräktaren kommit in i databasen när han väl kommit in i butiken kommer säkerheten att få ett meddelande i messengern eller på annat bekvämt sätt.

För det andra svårigheten att arbeta med stamkunder. Det finns helt enkelt inte tillräckligt med data om köp och födelsedagar för att anpassa erbjudanden för VIPs och varumärkesfans. Ansiktsigenkänning kan integreras med CRM - det vill säga programvara där chefer anger all information om alla transaktioner i organisationen. När det gäller tjuvar och VIP:er fungerar ansiktsigenkänning på ungefär samma sätt: ansiktet läggs in i en svart eller vit lista, och när den dyker upp igen kommer systemet att pipa till personen med åtkomst. Kön och ålder bestäms automatiskt och ytterligare information kommer att läggas till av ansvarig medarbetare.

För det tredje används detaljhandelsidentifiering för riktad reklam. Till exempel, i vissa butiker X5 Retail Group installerade X5 kommer att inkludera datorseende kameror för att känna igen ansiktsuttryck och kunders ålder. Genom att analysera dessa data visar systemet varor som en person kan tycka om på monitorskärmen på handelsgolvet. En annan levande illustration är fallet med Lolli & Pops, en stor konfektyrbutik i USA. Ansiktsigenkänningssystemet avgör att ditt framtida lojalitetsprogram i butik kommer att matas av ansiktsigenkänning av vanliga kunder och skickar meddelanden till deras smartphones med produkter som de kanske gillar (med hänsyn till individuella preferenser och till och med matallergier).

Ett annat slående exempel på användning av teknik i detaljhandeln är butiker utan säljare och kassaregister. Till exempel Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown är ett kafé och självbetjäningsbutik i Hangzhou. Den säljer drycker, snacks, matvaror, leksaker, ryggsäckar och liknande. Tao Cafe är endast öppet för användare av Taobaos webbplats.

Vid köp av dryck identifierar ett kamerasystem med stöd för ansiktsigenkänning automatiskt kunden, ansluter till dennes konto i webbutiken och behandlar betalningen. Shoppare går ut genom ett utrymme utrustat med flera sensorer som identifierar både kunden och varorna. Scanning fungerar även om personen stoppar köpet i en ficka eller väska.

Hur utvecklas tekniken för ansiktsigenkänning

Face ID CCTV-system tar verkligen över världen. I Moskva kommer antalet kameror under 2019 att nå Högteknologi och säkerhet: hur många CCTV-kameror kommer att visas i år 174 tusen. Detta betyder inte att alla dessa enheter som standard kan känna igen en person: oftast rapporteras det att systemet för att känna igen efterlysta brottslingar genom videokameror kommer att börja arbeta i Moskva 2019 cirka 160 tusen kameror med denna funktion. Ändå, i slutet av 2018, meddelade Moskvas borgmästarkontor avsikten från Moskvas myndigheter 2019, de kommer att ersätta videokameror och lansera ett ansiktsigenkänningssystem för att ersätta alla videoövervakningsenheter och bilda ett helt innovativt system nästa år.

Paradoxen är att 160 tusen inte är så mycket. Särskilt jämfört med en annan ledare inom sökmotorfrågor på ämnet ansiktsigenkänning - Kina. I slutet av 2017 fanns In Your Face: Kinas allseende stat över 170 miljoner CCTV-kameror och under de kommande tre åren är Kinas "Big Brother" övervakningsteknik inte alls så allseende som regeringen vill att du ska tro ansluta till nätverket är fortfarande cirka 400 miljoner.

Kompetent och korrekt användning av ansiktsigenkänning arbetar främst för att förbättra säkerhet och komfort. Människor får vanligtvis snabbt förtroende för teknik som räddar dem från att köa till en fotbollsmatch (ler mot kameran – passerat), förhindrar stöld och huliganism eller hjälper dem att spendera mindre på inköp (lojalitetsprogram). Allt detta kräver naturligtvis viss reglering – det är därför lagar om skydd av personuppgifter antas.

I framtiden är det troligt att området ansiktsigenkänning i videoövervakningssystem kommer att regleras på samma sätt som nuvarande praxis att arbeta med ansiktsidentifiering på Internet. Integritetsinriktade personer laddar helt enkelt inte upp för mycket på webben - det partiella fiaskot med SearchFace bevisar att en sådan strategi är effektiv.

Naturligtvis kan man inte oändligt begränsa sig till att gå längs gatorna där kameror är installerade i varje korsning, men möjligheten att behålla anonymiteten kommer att bildas om det kommer en motsvarande begäran från samhället.