Programování

Co je rozpoznávání obličeje? AI pro Big Brother

Dokáže Big Brother identifikovat vaši tvář z kamerového dohledu na ulici a zjistit, zda jste šťastní, smutní nebo naštvaní? Může tato identifikace vést k vašemu zatčení na základě vynikajícího zatykače? Jaká je šance, že identifikace je nesprávná a skutečně souvisí s někým jiným? Dokážete zcela porazit dohled pomocí nějakého triku?

Na druhou stranu se můžete dostat do trezoru chráněného kamerou a softwarem pro identifikaci obličeje podržením otisku obličeje oprávněné osoby? Co když si nasadíte 3D masku obličeje oprávněné osoby?

Vítejte v rozpoznávání tváří - a spoofingu rozpoznávání obličeje.

Co je rozpoznávání obličeje?

Rozpoznávání tváře je metoda identifikace neznámé osoby nebo ověření identity konkrétní osoby z její tváře. Jedná se o odvětví počítačového vidění, ale rozpoznávání tváří je specializované a pro některé aplikace přichází se sociálními zavazadly a také s určitými zranitelnostmi vůči spoofingu.

Jak funguje rozpoznávání obličeje?

Algoritmy časného rozpoznávání obličeje (které se dnes stále používají ve vylepšené a automatizovanější formě) spoléhají na biometrii (jako je vzdálenost mezi očima), aby změnily změřené rysy obličeje z dvourozměrného obrazu na množinu čísel (prvek vektor nebo šablona), který popisuje obličej. Proces rozpoznávání pak porovná tyto vektory s databází známých ploch, které byly mapovány na prvky stejným způsobem. Jednou z komplikací v tomto procesu je přizpůsobení tváří normalizovanému zobrazení, které zohlední rotaci a naklonění hlavy před extrahováním metrik. Tato třída algoritmů se nazývá geometrický.

Dalším přístupem k rozpoznávání obličeje je normalizace a komprese 2-D obrazů obličeje a jejich porovnání s databází podobně normalizovaných a komprimovaných obrázků. Tato třída algoritmů se nazývá fotometrické.

Trojrozměrné rozpoznávání obličeje využívá 3D senzory k zachycení obrazu obličeje nebo rekonstruuje 3D obraz ze tří 2D sledovacích kamer namířených do různých úhlů. Rozpoznávání 3D tváře může být podstatně přesnější než rozpoznávání 2D.

Analýza textury kůže mapuje čáry, vzory a skvrny na tváři člověka na jiný vektor funkcí. Přidání analýzy textury pokožky k 2-D nebo 3-D rozpoznávání obličeje může zlepšit přesnost rozpoznávání o 20 až 25 procent, zejména v případě dvojčat a dvojčat. Můžete také kombinovat všechny metody a přidat ještě více spektrálních obrazů (viditelné světlo a infračervené záření) pro ještě větší přesnost.

Rozpoznávání tváří se rok od roku zlepšuje od doby, kdy pole začalo v roce 1964. Míra chybovosti se v průměru každé dva roky snížila o polovinu.

Související video: Jak funguje rozpoznávání obličeje

Testy dodavatele rozpoznávání obličeje

NIST, americký národní institut pro standardy a technologie, provádí testy algoritmů rozpoznávání obličeje, Face Recognition Vendor Test (FRVT), od roku 2000. Používané datové sady obrazů jsou většinou snímky donucovacích orgánů, ale také divoké statické obrázky, jako jsou ty, které se nacházejí ve Wikimedia, a obrázky s nízkým rozlišením z webových kamer.

Algoritmy FRVT jsou většinou předkládány komerčními prodejci. Meziroční srovnání ukazují zásadní zvýšení výkonu a přesnosti; podle prodejců je to primárně kvůli použití hlubokých konvolučních neuronových sítí.

Související testovací programy rozpoznávání tváře NIST studovaly demografické efekty, detekci morfování obličeje, identifikaci tváří zveřejněných na sociálních médiích a identifikaci tváří ve videu. Předchozí série testů byla provedena v 90. letech pod jiným názvem, Face Recognition Technology (FERET).

NIST

Aplikace pro rozpoznávání obličeje

Aplikace pro rozpoznávání tváří většinou spadají do tří hlavních kategorií: zabezpečení, zdraví a marketing / maloobchod. Zabezpečení zahrnuje vymáhání práva a tato třída použití rozpoznávání obličeje může být stejně neškodná, jako je rychlejší a přesnější přiřazování lidí k jejich pasovým fotografiím, a stejně děsivá jako scénář „Osoby zájmu“, kde jsou lidé sledováni pomocí CCTV a porovnáváni do seřazených databází fotografií. Zabezpečení bez vynucování práva zahrnuje běžné aplikace, jako je odemykání obličejem pro mobilní telefony a řízení přístupu do laboratoří a trezorů.

Mezi zdravotní aplikace rozpoznávání obličeje patří ohlášení pacientů, detekce emocí v reálném čase, sledování pacientů v zařízení, hodnocení úrovně bolesti u neverbálních pacientů, detekce určitých nemocí a stavů, identifikace zaměstnanců a zabezpečení zařízení. Marketingové a maloobchodní aplikace rozpoznávání tváří zahrnují identifikaci členů věrnostního programu, identifikaci a sledování známých obchodníků s lidmi a rozpoznávání lidí a jejich emocí pro cílené návrhy produktů.

Kontroverze, předsudky a zákazy rozpoznávání tváří

Říct, že některé z těchto aplikací jsou kontroverzní, by bylo podhodnocením. Jak se diskutuje v článku New York Times z roku 2019, rozpoznávání obličeje vyvolalo kontroverze, od jeho použití pro sledování stadionu až po rasistický software.

Sledování stadionu? Rozpoznávání tváře bylo použito na Super Bowlu v roce 2001: software identifikoval 19 lidí, o nichž se myslelo, že jsou předmětem nevyřízených zatykačů, ačkoli nikdo nebyl zatčen (ne pro nedostatek pokusů).

Rasistický software? Vyskytlo se několik problémů, počínaje softwarem pro sledování obličeje z roku 2009, který dokáže sledovat bílé, ale ne černé, a pokračováním studie MIT z roku 2015, která ukázala, že software pro rozpoznávání obličeje té doby fungoval mnohem lépe na bílé mužské tváře než na ženské a / nebo Černé tváře.

Tyto druhy problémů vedly k úplným zákazům softwaru pro rozpoznávání obličeje na konkrétních místech nebo pro konkrétní použití. V roce 2019 se San Francisco stalo prvním významným americkým městem, které blokovalo policii a jiným donucovacím orgánům používání softwaru pro rozpoznávání tváří; Microsoft požadoval federální nařízení o rozpoznávání obličeje; a MIT ukázaly, že Amazon Rekognition měl větší potíže s určováním ženského pohlaví než mužského pohlaví z obrázků tváří, stejně jako více problémů s černým ženským pohlavím než s bílým ženským pohlavím.

V červnu 2020 společnost Microsoft oznámila, že nebude prodávat a neprodala svůj software pro rozpoznávání tváře policii; Amazon zakázal policii používat Rekognition na rok; a IBM opustila technologii rozpoznávání obličeje. Úplný zákaz rozpoznávání tváře nebude snadný, vzhledem k jeho širokému přijetí v iPhonech (Face ID) a dalších zařízeních, softwaru a technologiích.

Ne všechny programy pro rozpoznávání tváří trpí stejnými předsudky. Studie demografických efektů NIST z roku 2019 navázala na práci MIT a ukázala, že mezi vývojáři softwaru pro rozpoznávání obličeje se algoritmické demografické zkreslení velmi liší. Ano, existují demografické účinky na míru falešné shody a míru falešné neshody algoritmů identifikace obličeje, ale mohou se lišit o několik řádů od dodavatele k prodejci a v průběhu času se snižovaly.

Hackování rozpoznávání obličeje a technologie proti spoofingu

Vzhledem k potenciální hrozbě ochrany osobních údajů z rozpoznávání tváře a přitažlivosti získání přístupu k vysoce hodnotným zdrojům chráněným ověřováním obličeje bylo vynaloženo mnoho úsilí na hacknutí nebo zfalšování technologie. Chcete-li předat autentizaci, můžete namísto živého obličeje prezentovat tištěný obrázek obličeje nebo obrázek na obrazovce nebo 3D masku. U CCTV dohledu můžete přehrávat video. Abyste se vyhnuli dohledu, můžete vyzkoušet látky a make-up „CV Dazzle“ a / nebo infračervené zářiče, abyste oklamali software, aby nedetekoval váš obličej.

Samozřejmě existuje snaha vyvinout anti-spoofingové techniky pro všechny tyto útoky. K detekci tištěných obrazů používají prodejci test živosti, například čekání na blikání subjektu, analýzu pohybu nebo infračervené rozlišení k rozlišení živé tváře od tištěného obrazu. Dalším přístupem je provedení analýzy mikrostruktury, protože lidská kůže se opticky liší od výtisků a materiálů masek. Nejnovější anti-spoofingové techniky jsou většinou založeny na hlubokých konvolučních neuronových sítích.

Toto je vyvíjející se pole. Mezi útočníky a anti-spoofingovým softwarem probíhá válka se zbraněmi, stejně jako akademický výzkum účinnosti různých útočných a obranných technik.

Prodejci pro rozpoznávání obličeje

Podle nadace Electronic Frontier Foundation je MorphoTrust, dceřiná společnost společnosti Idemia (dříve známá jako OT-Morpho nebo Safran), jedním z největších prodejců technologií rozpoznávání obličeje a dalších biometrických identifikací ve Spojených státech. Navrhl systémy pro státní DMV, federální a státní donucovací orgány, hraniční kontroly a letiště (včetně TSA PreCheck) a státní oddělení. Mezi další běžné dodavatele patří 3M, Cognitec, DataWorks Plus, Dynamic Imaging Systems, FaceFirst a NEC Global.

Test NIST Face Recognition Vendor Test uvádí algoritmy od mnoha dalších dodavatelů z celého světa. Existuje také několik otevřených algoritmů rozpoznávání tváře, různé kvality, a několik hlavních cloudových služeb, které nabízejí rozpoznávání tváře.

Amazon Rekognition je služba analýzy obrazu a videa, která dokáže identifikovat objekty, lidi, text, scény a aktivity, včetně analýzy obličeje a vlastních štítků. Google Cloud Vision API je předem připravená služba pro analýzu obrázků, která dokáže detekovat objekty a tváře, číst tištěný a ručně psaný text a vytvářet metadata do vašeho katalogu obrázků. Google AutoML Vision vám umožňuje trénovat vlastní modely obrázků.

Rozhraní Azure Face API provádí detekci obličeje, která vnímá tváře a atributy v obraze, provádí identifikaci osob, která odpovídá jednotlivci ve vašem soukromém úložišti až 1 milion lidí, a provádí rozpoznávání vnímaných emocí. Face API může běžet v cloudu nebo na okraji v kontejnerech.

Face datové sady pro školení rozpoznávání

Ke stažení jsou k dispozici desítky datových sad obličejů, které lze použít pro školení rozpoznávání. Ne všechny datové sady obličejů jsou stejné: Mají tendenci se lišit velikostí obrazu, počtem zastoupených osob, počtem obrázků na osobu, podmínkami obrázků a osvětlením. Orgány činné v trestním řízení mají také přístup k neveřejným datovým sadám tváří, jako jsou aktuální mugshoty a obrázky řidičských průkazů.

Některé z větších databází obličejů jsou Označené tváře ve volné přírodě s ~ 13 000 jedinečnými lidmi; FERET, používaný pro první testy NIST; databáze Mugshot použitá v probíhajícím NIST FRVT; databáze monitorovacích kamer SCFace, k dispozici také s orientačními body obličeje; a označené tváře Wikipedie s ~ 1,5 tis. jedinečnými identitami. Několik z těchto databází obsahuje více obrázků na identitu. Tento seznam od výzkumníka Ethana Meyerse nabízí některé přesvědčivé rady ohledně výběru souboru údajů o obličeji pro konkrétní účel.

Stručně řečeno, rozpoznávání obličeje se zlepšuje a prodejci se učí detekovat většinu spoofingu, ale některé aplikace této technologie jsou kontroverzní. Míra chyb rozpoznávání tváří se podle NIST snižuje na polovinu každé dva roky. Prodejci vylepšili své technologie proti spoofingu začleněním konvolučních neuronových sítí.

Mezitím existují iniciativy zakazující používání rozpoznávání tváří při sledování, zejména ze strany policie. Úplný zákaz rozpoznávání tváří by byl obtížný, vzhledem k tomu, jak rozšířený je.

Přečtěte si více o strojovém učení a hlubokém učení:

  • Hluboké učení vs. strojové učení: Pochopte rozdíly
  • Co je to strojové učení? Inteligence odvozená z dat
  • Co je hluboké učení? Algoritmy, které napodobují lidský mozek
  • Algoritmy strojového učení vysvětleny
  • Vysvětleno automatické strojové učení nebo AutoML
  • Výuka pod dohledem je vysvětlena
  • Vysvětlení částečně pod dohledem
  • Vysvětlení bez dozoru
  • Výklad výztuže vysvětlen
  • Co je počítačové vidění? AI pro obrázky a videa
  • Co je rozpoznávání obličeje? AI pro Big Brother
  • Co je zpracování přirozeného jazyka? AI pro řeč a text
  • Kaggle: Kde se vědci o datech učí a soutěží
  • Co je CUDA? Paralelní zpracování pro GPU
$config[zx-auto] not found$config[zx-overlay] not found