Какво трябва да знаете за технологията за разпознаване на лица

2024 Автор: Malcolm Clapton | [email protected]. Последно модифициран: 2023-12-17 03:47

Как се използва тази технология от правителствата и бизнеса, възможно ли е да се заблуди камера със система за идентификация на лице и възможно ли е да се намери човек в интернет с помощта на снимка.

Елена Глазкова Ivideon Marketer.

За държавата разпознаването на лица е важна част от системата за сигурност и впечатляващ бюджетен елемент. За журналистите това е или панацея, или инструмент на световната конспирация. За бизнес, инструмент или продукт. Която и страна да заемете, основните въпроси остават. Потребителите обичайно търсят отговори за тях в интернет (средно 28 704 заявки за разпознаване на лица на месец), но не винаги ги намират. Коригиране на ситуацията.

Какво е разпознаване на лица

Нека отделим мухите от котлетите. По-вероятно е потребителите да се сблъскат с разпознаване на лица в собствените си смартфони, където биометричната идентификация се използва за отключване на устройството и само неговият собственик може да има достъп до данните. 3D камера задължително участва в процеса на разпознаване, така че да е невъзможно да измамите притурката със снимка.

Има и идентификация на лица в реално време и в реални условия: в този случай тя е неразривно свързана със системите за видеонаблюдение, където лицата буквално се „изтръгват“от видеопотока, заснет от камери.

Представете си висококачествена модерна камера за видеонаблюдение, поставена малко над средния човешки ръст на добре осветено място. Всеки ден пред нея минават приблизително същия брой приблизително едни и същи хора. Те не се движат много бързо.

Заснетият видеоклип може да се съхранява в облачния архив. Към камерата е свързан аналитичен модул: сложна комбинация от алгоритми (изкуствен интелект, невронни мрежи, това е всичко) плюс потребителски интерфейс. Модулът „извлича“лица от видеопотока, определя пол и възраст и въвежда данните в базата данни.

Постепенно има повече изображения. Системата автоматично запомня всички разпознати лица и ги записва в архива, а потребителят с допускане посочва допълнителни данни: име, длъжност, статус, други знаци („VIP-гост“или „крадец“). Можете да качите снимка на желания човек и модулът ще намери всички разкрития на този човек в архива.

Веднага щом човек със знак отново премине пред камерата, системата записва това като важно събитие и изпраща push известие до заинтересованите потребители.

Откриването в контекста на разпознаването на лица е ситуация, когато алгоритъмът по принцип разбира, че това е лице, а не ябълка или русалка от чаша на Starbucks. Първо се нуждае от изчислителна мощност за това и едва след това може да съпостави лицето с основата или да си спомни.

Ако сте прочели предишните няколко параграфа до края, поздравления, сега знаете как работи разпознаването на лица в идеална ситуация. Описанието е подходящо за всяка система: от тези, използвани в московското метро до решения за малкия бизнес.

Основното нещо, което трябва да разберете, е, че е трудно да се създаде идеална ситуация в реалния живот, особено когато става въпрос за целия град, а не за офис или магазин. Например в метрото има много хора, всеки е различен, върви бързо. Трябват ви много камери, струват пари и компетентни специалисти трябва да ги поставят.

Възможно ли е да се излъже алгоритъма за разпознаване на лица

Въпреки случайните грешки, точността на машинното разпознаване вече често превъзхожда тази, с която хората определят лицата. Китай ще изгради гигантска база данни за разпознаване на лица, за да идентифицира всеки гражданин за секунди, скоро ще се появи в Китай, система, способна да намери конкретен човек сред 1,3 милиарда други жители за 3 секунди с 90% точност.

И все пак е трудно да се отговори еднозначно на този въпрос, защото няма единен идеален алгоритъм за разпознаване на лица. Големи очила, залепена брада, шапка, висока скорост на движение, специален грим (например решетка "Черен лебед", нарисувана върху лицето, котки, кръгове и пръчки. Как да избягате от системите за разпознаване на лица с помощта на грим) - всичко това може да обърка алгоритъма. Особено в съвкупност, защото за разпознаване е достатъчно Как да мамят системите за разпознаване дали 70% от отворено лице. Сега си представете, че е необходимо да използвате горните трикове в истински град. Не звучи толкова лесно, нали?

Очила "Анти-разпознаване" от Япония, които още през 2015г

И ето такава 3D маска през 2014 година

Възможно ли е да се разпознават лица онлайн

Интернет е парадоксално място: хората тук могат едновременно да се тревожат дали всяка втора камера на улицата разпознава тяхната личност и искрено да искат да „разпознаят лицата на други хора от снимките им онлайн“. Нека разгледаме тази тенденция за разпознаване на лица отделно.

Програмата за разпознаване на лица е или аналитичният модул, описан по-горе (камера за видеонаблюдение + софтуер + облачно съхранение), или софтуер, подобен на добре познатата (леко скандална) услуга FindFace. Днес, разбира се, е невъзможно да изтеглите програма за разпознаване на лица „безплатно и без регистрация“в по-голямата част от случаите.

Уеб услугата FindFace.ru, която помага да се намерят хора в социалната мрежа VKontakte по техните снимки, е основана на 18 февруари 2016 г. Освен всичко друго, благодарение на него всеки можеше да намери профили на момичета, които участваха в порно филми. Много скоро услугата започна да се използва за много флашмобове за откриване на лица, които имаха пълното право никога да не бъдат открити от никого. Избухна скандал, който работи като вирусна реклама: технологията, която е в основата на услугата, получи редица престижни награди и предизвика интереса на клиенти от държавата и бизнеса. От 1 септември 2018 г. услугата вече не предоставя услугата FindFace, която се използва за разпознаване на протестиращи, обяви прекратяване на търсенето на хора чрез фото услуга, тъй като беше трансформирана от NtechLab в линия от решения за различни бизнес сектори.

Сънят на потребителя, който въвежда заявката, очевидно изглежда така: отивате на сайта, качвате снимка на човек, който е бил заснет тайно в метрото, програмата разпознава лицето и дава връзка към профила на социалната мрежа. Да, хванаха! Или така: изтегляте програмата на компютъра си, свързвате уеб камерата си към нея и разпознавате лицето на котката си. Успех - сега ще получавате известие всеки път, когато котката открадне колбаси.

Реалността е жестока. Първият сайт, който ви предлага нещо подобно, отказва да работи, а вторият изисква умения за програмиране в Python. Повече или по-малко подобно на мечтано приложение, наречено SearchFace, което наскоро беше рестартирано Searchface, беше рестартирано с разрешение чрез VKontakte. Но социалната мрежа затвори тази функция, наречена FindClone. Качихте снимка и алгоритъмът се опита да разпознае същото лице в базата данни на социалната мрежа VKontakte. Приложението не даде връзки към профила, а само самите снимки - и няма значение от кого са качени. Ако потребителят е бил активен в социалната мрежа от дълго време, издаването на снимка създава зловещ „биографичен“ефект, но ако не, разпознатите изображения могат да го разсмеят.

Всъщност примерът с SearchFace ясно отговаря на въпроса "Как социалните мрежи използват разпознаването на лица?" По-точно би било да го формулираме така: „Как се използват социалните мрежи за разпознаване на лица?“Отговорът е прост: като база данни. Безброй уникални комбинации от числа (така лицата на снимката търсят алгоритмите на Facebook, VKontakte и други) формират основата за обучение на невронни мрежи, които формират основата на едно или друго решение за разпознаване на лица.

Всички решения са различни и невронните мрежи също са различни, а клиентите и доставчиците на услуги като правило не разкриват подробности и технически характеристики. По-специално, модулът за разпознаване на пола и възрастта може да определи поради факта, че може да се учи от информацията, съдържаща се в Odnoklassniki, VKontakte, Instagram и Facebook.

Как се програмира разпознаването на лица

Никога не трябва да отговаряте на въпроси за разработчици и разработчици, ако не сте разработчик. Затова се обърнахме за помощ към специалист.

Дмитрий Сошников Член на Руската асоциация за изкуствен интелект и старши експерт по разработването на AI и системи за машинно обучение в Microsoft.

Разпознаването на лица (както и други свързани операции) е доста често срещана задача. Поради това много компании предоставят готови услуги под формата на облачни API (софтуерни посредници между приложения) за висококачествено решение на тези задачи. Освен ИТ гиганти като Microsoft и Google, специализирани компании, включително руски, също се занимават с разпознаване на лица. Техните продукти се развиват бързо и предоставят още по-вълнуващи функции като идентифициране на лица и силуети в тълпи.

Много по-трудно е да се обучи невронна мрежа от нулата. Нуждаем се от голям и висококачествен набор от първоначални данни, тоест десетки и стотици хиляди (или дори повече!) Снимки на хора. Освен това ще са необходими значителни изчислителни ресурси и познания за AI и машинно обучение. Големите компании имат на разположение всички тези инструменти, така че решават проблема много по-добре.

Има и междинно решение – да се използва вече обучена невронна мрежа, например. Тази опция най-вероятно ще работи малко по-лошо от готова облачна услуга, но ще ви позволи да имате пълен контрол над системата. Това ще изисква известно ниво на разбиране на работата на невронните мрежи и невронните мрежови рамки и най-вероятно познаване на езика Python, който придоби популярност като основен език за програмиране сред специалистите по Data Science.

Наистина е удобно да се провеждат различни експерименти, да се визуализират данни и да се извършват ефективни матрични изчисления благодарение на отличния пакет NumPy. Това не е най-добрият език за индустриално развитие, тъй като не съдържа ефективни инструменти за създаване на големи защитени софтуерни системи, но все още няма алтернативи за него в областта на обучението на дълбоки невронни мрежи.

Как работи разпознаването на лица в бизнеса

Търсенето на разпознаване на лица във финтех, търговия на дребно и други видове бизнес е пряко свързано с повишената достъпност на технологиите. Механиката е проста: всички предприятия и всички организации разполагат с камери за видеонаблюдение, които се използват като инструменти за събиране на данни и последващ анализ. В света системите за наблюдение снимат терабайти видео във Full HD на месец, тоест има наистина много информация за обработка.

Необходимият софтуер за анализ на данни може да бъде „флаширан“на устройството от производителя. Вградените камери за видео анализ обикновено са доста скъпи.

Алтернативен вариант е анализ в облака, тоест отдалечен център за данни, който се свързва с всяка евтина камера. Това е с порядък по-евтино, плюс това дава гъвкавост - можете да адаптирате решения за конкретен бизнес.

Популярността на технологията за разпознаване на лица в различни области на дейност нараства. Например, Сбербанк е един от лидерите по отношение на обявяването на различни високопрофилни проекти за разпознаване на лица и може да твърди, че Той ви разпознава от хиляда: банкоматът ще идентифицира клиента по очите с него в това отношение, може би само Tinkoff. През 2017 г. Сбербанк придоби Сбербанк и инвестира 25,07% от VisionLabs в технология за разпознаване на лица, която създава софтуер за разпознаване на лица. През 2018 г. финансова институция успя да тества разпознаването на лица в московското метро и дори да хване 42 престъпници 42 престъпници бяха заловени благодарение на системата за разпознаване на лица на Сбербанк, за да тества Тя ще ви разпознае от хиляда: банкомат ще идентифицира клиент по очи на банкомати с лицева идентификация, така че нападателите да не могат да теглят пари от карти на други хора, както и да обявят събирането на биометрични данни (аудио запис на глас,видео на лицето) на клиенти. През април тази година Сбербанк контролира разработчика на системи за разпознаване на глас и лице - "Центъра за говорни технологии" (MDT).

Друго нещо е, че обявяването, тестването, пилотирането и закупуването на решения не означава реално прилагане. Какво точно сега всъщност се използва в Сбербанк (и дали се използва), всъщност може да се каже със сигурност само от Герман Греф.

С търговията на дребно всичко е по-прозрачно. По принцип тук има три проблема, които разпознаването на лица решава.

Първо, кражба. Магазините се управляват от измамници и често едни и същи хора в една и съща мрежа. Разпознаването на лица ви позволява да идентифицирате "плуващи крадци" и други хора, които преди това са нарушили реда. Веднага щом натрапникът влезе в базата данни, след като влезе в магазина, охраната ще получи известие в месинджъра или по друг удобен начин.

Второ, трудността при работа с редовни клиенти. Просто няма достатъчно данни за покупки и рождени дни, за да персонализираме офертите за ВИП лица и фенове на марката. Разпознаването на лица може да бъде интегрирано с CRM – тоест софтуер, в който мениджърите въвеждат цялата информация за всички транзакции на организацията. В случай на крадци и VIP лица, разпознаването на лица работи по приблизително същия начин: лицето се въвежда в черен или бял списък и когато се появи отново, системата ще издаде звуков сигнал на лицето с достъп. Полът и възрастта се определят автоматично, като допълнителна информация ще бъде добавена от отговорния служител.

На трето място, идентификацията на дребно се използва за насочена реклама. Например, в някои магазини X5 Retail Group инсталиран X5 ще включва камери за компютърно зрение за разпознаване на израженията на лицето и възрастта на клиентите. Чрез анализиране на тези данни системата показва стоки, които човек може да хареса на екрана на монитора в търговския зал. Друга ярка илюстрация е случаят с Lolli & Pops, голям магазин за сладкарски изделия в Съединените щати. Системата за разпознаване на лица определя, че Вашата бъдеща програма за лоялност в магазина ще бъде подхранвана от разпознаване на лица на редовни клиенти и ще изпраща известия до техните смартфони с продукти, които може да им харесат (като се вземат предвид индивидуалните предпочитания и дори хранителните алергии).

Друг ярък пример за използване на технологиите в търговията на дребно са магазините без продавачи и касови апарати. Например Alibaba Tao Cafe Amazon Go срещу Alibaba Tao Cafe: Staffless Shop Showdown е кафене и магазин за самообслужване, разположен в Хангжу. Продава напитки, закуски, хранителни стоки, играчки, раници и други подобни. Tao Cafe е отворен само за потребители на уебсайта Taobao.

При закупуване на напитки, камера система с поддръжка за лицево разпознаване автоматично идентифицира клиента, свързва се с акаунта му в онлайн магазина и обработва плащането. Купувачите излизат през пространство, оборудвано с множество сензори, които идентифицират както клиента, така и стоките. Сканирането работи дори ако човекът постави покупката в джоб или чанта.

Как се развива технологията за разпознаване на лица

Системите за видеонаблюдение Face ID наистина превземат света. В Москва броят на камерите през 2019 г. ще достигне Високи технологии и сигурност: колко камери за видеонаблюдение ще се появят тази година 174 хиляди. Това не означава, че всички тези устройства по подразбиране могат да разпознават човек: най-често се съобщава, че системата за разпознаване на издирвани престъпници чрез видеокамери ще започне да работи в Москва през 2019 г. около 160 хиляди камери с тази функция. Въпреки това в края на 2018 г. кметството на Москва обяви намерението на московските власти през 2019 г., те ще заменят видеокамерите и ще пуснат система за разпознаване на лица, която да замени всички устройства за видеонаблюдение и да формира напълно иновативна система през следващата година.

Парадоксът е, че 160 хиляди не са толкова. Особено в сравнение с друг лидер в заявките за търсачки по темата за разпознаване на лица - Китай. В края на 2017 г. имаше In Your Face: всевиждащата държава на Китай над 170 милиона камери за видеонаблюдение и през следващите три години китайската технология за наблюдение „Big Brother“не е почти толкова всевиждаща, колкото правителството иска да мислите връзка към мрежата все още е около 400 милиона.

Компетентното и правилно използване на разпознаването на лица работи предимно за подобряване на безопасността и комфорта. Хората обикновено бързо придобиват доверие в технологиите, които ги спестяват от опашка за футболен мач (усмихва се на камерата – премина), предотвратява кражби и хулиганство или им помага да харчат по-малко за покупки (програми за лоялност). Всичко това, разбира се, изисква известна регулация – затова се приемат закони за защита на личните данни.

В бъдеще е вероятно областта на разпознаването на лица в системите за видеонаблюдение да бъде регулирана подобно на настоящата практика за работа с лицева идентификация в Интернет. Хората, които се интересуват от поверителността, просто не качват твърде много в мрежата - частичното фиаско на SearchFace доказва, че подобна стратегия е ефективна.

Разбира се, човек не може безкрайно да се ограничава до ходене по улиците, където на всяко кръстовище са монтирани камери, но възможността за запазване на анонимност ще се формира, ако има съответно искане на обществото.