Lepsze oprogramowanie do rozpoznawania twarzy

Dla naukowców i inżynierów zajmujących się technologią rozpoznawania twarzy, niedawno opublikowane wyniki Face Recognition Grand Challenge – pełniej, Face Recognition Vendor Test (FRVT) 2006 i Iris Challenge Evaluation (ICE) 2006 – były cichym triumfem. Sponsorowane przez Narodowy Instytut Standardów i Technologii (NIST), zestawienie algorytmów rozpoznawania twarzy wykazało, że rozpoznawanie maszynowe ludzi poprawiło się dziesięciokrotnie od 2002 roku i stokrotnie od 1995 roku. Rzeczywiście, najlepsze algorytmy rozpoznawania twarzy działają teraz dokładniej niż większość ludzi. Ogólnie rzecz biorąc, technologia rozpoznawania twarzy szybko się rozwija.

Fakty dotyczące twarzy: Górny obraz 3D pokazuje tylko informacje związane z kształtem twarzy mężczyzny. Dolny obraz przedstawia teksturę oraz kształt.

Jonathon Phillips, kierownik programu testów NIST i główny autor książki raport agencji , mówi, że zamierzonym celem Wielkiego Wyzwania Rozpoznawania Twarzy była zawsze poprawa wydajności rozpoznawania o rząd wielkości w porównaniu z wynikami z 2002 roku. Phillips uważa, że ​​konieczny do osiągnięcia tego celu spadek wskaźnika błędów był w dużej mierze spowodowany opracowanie nieruchomych obrazów o wysokiej rozdzielczości i algorytmów rozpoznawania twarzy 3D. W przypadku FRVT 2006 i ICE 2006 zebrano zestawy obrazów twarzy o wysokiej rozdzielczości, skany twarzy 3D i obrazy tęczówki oka tych samych osób, mówi Phillips. FRVT 2006 po raz pierwszy zmierzył wydajność sześciu algorytmów 3D na zestawie skanów twarzy 3D. ICE 2006 zmierzył wydajność dziesięciu algorytmów na zestawie obrazów tęczówki. Rozpoznawanie twarzy 3D stało się samoistne w ciągu ostatnich kilku lat, ponieważ czujniki 3D do rozpoznawania twarzy stały się dostępne dopiero niedawno. Rozpoznawanie twarzy w 3D polega na tym, że bezpośrednio przechwytuje informacje o kształtach twarzy.

Wśród innych zalet, rozpoznawanie twarzy 3D identyfikuje osoby, wykorzystując charakterystyczne cechy powierzchni ludzkiej twarzy, na przykład krzywizny oczodołów, nosa i podbródka, w których tkanki i kości są najbardziej widoczne, a które nie zmienia się w czasie. Co więcej, mówi Phillips, zmiany w oświetleniu negatywnie wpłynęły na zdolność rozpoznawania twarzy na zdjęciach. Jednak zmiany oświetlenia nie mają wpływu na kształt twarzy. W związku z tym rozpoznawanie twarzy w 3D może być używane nawet w bliskim zmroku.

Według Ralpha Grossa, naukowca z Carnegie Mellon Robotics Institute w Pittsburghu, trójwymiarowe rozpoznawanie twarzy może również rozpoznawać obiekty pod różnymi kątami widzenia do 90 stopni – innymi słowy, twarze z profilu. Rozpoznawanie twarzy robi się całkiem nieźle przy pełnych twarzach przednich i 20 stopniach odsuniętych, ale gdy tylko przejdziesz do profilu, pojawiły się problemy. Gross twierdzi, że wyjaśnienie trudności oprogramowania do rozpoznawania twarzy z profilami może nie być bardziej skomplikowane niż fakt, że nikt nie skupiał się na problemie. Główne zastosowania rozpoznawania twarzy dotyczyły kontekstów takich jak karty identyfikacyjne i skanery twarzy, dla których celem było rozpoznanie pełnych przednich twarzy współpracujących podmiotów w kontrolowanym oświetleniu.

Zdjęcia o wysokiej rozdzielczości były kolejnym czynnikiem w ulepszaniu technologii rozpoznawania twarzy, po części dlatego, że możliwa była również bardzo szczegółowa analiza tekstury skóry. Dzięki takiej analizie każdy fragment skóry – zwany odciskiem skóry – może zostać uchwycony jako obraz, a następnie rozbity na mniejsze bloki, które algorytmy przekształcają w matematyczne, mierzalne przestrzenie, w których rejestrowane są linie, pory i rzeczywista tekstura skóry. Potrafi zidentyfikować różnice między identycznymi bliźniakami, co nie jest jeszcze możliwe przy użyciu samego oprogramowania do rozpoznawania twarzy, wyjaśnia Gross. Dzięki połączeniu rozpoznawania twarzy z analizą tekstury powierzchni dokładna identyfikacja może wzrosnąć o 20 do 25 procent.

A co z twierdzeniem raportu FRVT, że niektóre algorytmy rozpoznawania twarzy są równe lub przekraczają możliwości rozpoznawania ludzi? Phillips wyjaśnia: Ludzie są bardzo dobrzy w rozpoznawaniu twarzy znajomych ludzi. Jednak nie są tak dobrzy w rozpoznawaniu nieznanych ludzi. Ponieważ wiele proponowanych systemów rozpoznawania twarzy uzupełniałoby lub zastępowało ludzi, testy porównawcze FRVT dotyczące możliwości rozpoznawania twarzy ludzi i oprogramowania – pierwsze takie testy – były ważne dla pomiaru potencjalnej skuteczności aplikacji. Phillips twierdzi, że przy niskich wskaźnikach fałszywej akceptacji (wskaźnik fałszywej akceptacji jest miarą prawdopodobieństwa, że ​​system zabezpieczeń biometrycznych niepoprawnie zaakceptuje próbę uzyskania dostępu przez nieuprawnioną osobę), sześć z siedmiu algorytmów automatycznego rozpoznawania twarzy było porównywalnych lub lepszych niż ludzkie uznanie. Były to algorytmy firm Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology i Tsinghua University. Niestety, dodaje Phillips, ponieważ większość uczestników FRVT 2006 nie ujawniła szczegółów swoich metod, nie można jeszcze ocenić, co wyróżnia te algorytmy.

Jak wygląda komercyjna zapłata za rozpoznawanie twarzy? Dość obiecujące, ponieważ dziesiątki firm zamierzają wykorzystać potencjał rozpoznawania twarzy jako biometrii do celów uwierzytelnienia i weryfikacji. W przypadku FRVT szacowne korporacje, takie jak Toshiba i Samsung, rywalizowały z takimi firmami, jak Wizja Neven –właśnie przejęty przez Google – i Wiza i Identix (które właśnie połączyły się w L1 Identity Solutions), a także badacze z uniwersytetów tak różnych, jak Pekin, Cambridge i Carnegie Mellon. Jakie zastosowania przewiduje firma taka jak Google dla technologii opracowanej przez jej niedawny nabytek, Neven Vision? Według specjalisty ds. PR Google uważamy, że oferuje obiecujące możliwości integracji z usługami Google, takimi jak Picasa i Picasa Web Albums, szczególnie w zakresie pomagania użytkownikom w organizowaniu i wyszukiwaniu własnych zdjęć.

W Carnegie Mellon Ralph Gross mówi, że między innymi on i jego koledzy współpracowali z lokalnymi pojazdami DMV w celu skanowania obrazów do prawa jazdy. Otrzymałem raporty z poziomu stanów, które mówiły, że przy użyciu technologii rozpoznawania twarzy złapano sporo osób, które złożyły wnioski o licencje w różnych stanach lub w tym samym stanie pod inną nazwą, ponieważ ich poprzednia licencja została zawieszona. To rosnący trend. Stany stosujące taką technologię obejmują stany Massachusetts, Illinois, Zachodnia Wirginia, Wisconsin, Kolorado, Północna i Południowa Karolina, Oklahoma, Północna Dakota, Arkansas i Mississippi. Niemniej jednak Gross podkreśla, że ​​zastosowanie technologii rozpoznawania twarzy do zdjęć identyfikacyjnych jest dalekie od możliwości, które pozwoliłyby organom ścigania na przeszukiwanie miejskich sieci kamer internetowych w poszukiwaniu konkretnych osób. Dzięki zdjęciom z prawa jazdy masz kontrolowane tło, operator mówi ci dokładnie, jak ustawić twarz; obrazy są gromadzone w porównywalnych warunkach. Jest to znacznie bardziej ograniczone niż problem losowej twarzy w tłumie, w którym przyklejasz kamerę do budynku.

Mimo to, jak mówi Gross, widać już budowę ścieżki. Do niedawna branża nadzoru wideo nadal opierała się głównie na kamerach analogowych, co wymagało ustawienia kabla na duże odległości w celu podłączenia tych kamer do sprzętu monitorującego. Teraz branża przechodzi na kamery oparte na protokole IP, za pomocą których można łatwo podłączyć się do już istniejących sieci Ethernet, mówi Gross. Masz więc bezprzewodowe kamery i kamery korzystające z POE [technologia Power over Ethernet umożliwia telefonom IP, bezprzewodowym punktom dostępowym LAN i innym urządzeniom odbieranie zasilania, a także danych przez istniejące okablowanie LAN], gdzie nie potrzebujesz oddzielnej wtyczki zasilania. Możesz kupić komercyjne rozwiązania, które są zasadniczo TiVo dla tych kamer, z wbudowanymi czujnikami ruchu, dzięki czemu nagrywają tylko wtedy, gdy występuje ruch. Dzięki cyfrowej pamięci masowej możesz przechowywać dane w nieskończoność i ulepszać je w sposób, w jaki nie jest to możliwe w przypadku obrazów analogowych. Więc wszystkie te rzeczy łączą się.

W związku z tym, w miarę szybkiego rozwoju oprogramowania do rozpoznawania twarzy, prawdopodobnie będzie możliwe wyszukiwanie określonych twarzy w sieci kamer internetowych. W związku z tym ostatnia praca Grossa w Carnegie Mellon, we współpracy z kolegami z Laboratorium ochrony danych tam opracowano algorytmy do ochraniać prywatność osób pod nadzorem wideo. Zwykłe metody, które uniemożliwiają ludzkie rozpoznanie cech danej osoby na wideo – na przykład te rozpikselowane pola, które czasami zakrywają twarze i części ciała w programach reality-TV – już nie oszukają wielu programów do rozpoznawania twarzy. Całkowite zaciemnienie każdej twarzy w klipie wideo zrobiłbym wykonać pracę, ale miałoby to ograniczone zastosowanie, gdyby organy ścigania chciały sprawdzić dowody podejrzanego zachowania po otrzymaniu nakazu sądowego. Wyjaśnia, że ​​funkcja algorytmów chroniących prywatność, które Gross pomaga stworzyć, polega na automatycznym pobieraniu średnich wartości twarzy poszczególnych osób, a następnie syntezie nowych obrazów twarzy, a następnie nałożeniu tych nowych obrazów na oryginały. Może wydawać się, że to odwrotna technologia, mówi Gross, ale w rzeczywistości jest to po prostu druga strona rozpoznawania twarzy.

ukryć