Wat u moet weten over gezichtsherkenningstechnologie

2024 Auteur: Malcolm Clapton | [email protected]. Laatst gewijzigd: 2023-12-17 04:06

Hoe wordt deze technologie gebruikt door overheden en bedrijven, is het mogelijk om een camera te misleiden met een gezichtsherkenningssysteem en is het mogelijk om een persoon op internet te vinden aan de hand van een foto.

Elena Glazkova Ivideon Marketeer.

Voor de staat is gezichtsherkenning een belangrijk onderdeel van het veiligheidssysteem en een indrukwekkende begrotingspost. Voor journalisten is het een wondermiddel of een instrument van een wereldsamenzwering. Voor zaken, een tool of een product. Welke kant je ook kiest, de basisvragen blijven. Gebruikers zoeken er gewoonlijk naar op internet (gemiddeld 28.704 gezichtsherkenningsverzoeken per maand), maar ze vinden ze niet altijd. De situatie corrigeren.

Wat is gezichtsherkenning?

Laten we de vliegen van de schnitzels scheiden. Gebruikers hebben meer kans op gezichtsherkenning op hun eigen smartphones, waar biometrische identificatie wordt gebruikt om het apparaat te ontgrendelen en alleen de eigenaar toegang heeft tot de gegevens. Een 3D-camera is noodzakelijkerwijs betrokken bij het herkenningsproces, zodat het onmogelijk is om de gadget met een foto te misleiden.

Er is ook identificatie van gezichten in realtime en in reële omstandigheden: in dit geval is het onlosmakelijk verbonden met videobewakingssystemen, waarbij gezichten letterlijk worden "weggerukt" uit de videostream die wordt gefilmd door camera's.

Stelt u zich eens een moderne CCTV-camera van hoge kwaliteit voor die net boven de gemiddelde menselijke lengte op een goed verlichte plaats wordt geplaatst. Elke dag lopen ongeveer hetzelfde aantal van ongeveer dezelfde mensen voor haar uit. Ze bewegen niet erg snel.

De vastgelegde video kan worden opgeslagen in het cloudarchief. Op de camera is een analytische module aangesloten: een complexe combinatie van algoritmen (kunstmatige intelligentie, neurale netwerken, dat is alles) plus een gebruikersinterface. De module "pakt" gezichten uit de videostream, bepaalt geslacht en leeftijd en voert de gegevens in de database in.

Gaandeweg komen er meer beelden bij. Het systeem onthoudt automatisch alle herkende gezichten en legt ze vast in het archief, en een gebruiker met toelating geeft extra gegevens aan: naam, functie, status, andere merktekens ("VIP-gast" of "dief"). U kunt een foto van de gewenste persoon uploaden en de module vindt alle detecties van deze persoon in het archief.

Zodra er weer een persoon met een merkteken voor de camera passeert, registreert het systeem dit als een belangrijke gebeurtenis en stuurt een pushbericht naar geïnteresseerde gebruikers.

Detectie in de context van gezichtsherkenning is een situatie waarin het algoritme in principe begreep dat het een gezicht was en niet een appel of een zeemeermin uit een Starbucks-mok. Hiervoor heeft hij eerst rekenkracht nodig, en pas dan kan hij het gezicht aan de basis koppelen of onthouden.

Als je de vorige alinea's tot het einde hebt gelezen, gefeliciteerd, weet je nu hoe gezichtsherkenning werkt in een ideale situatie. De beschrijving is geschikt voor elk systeem: van systemen die worden gebruikt in de metro van Moskou tot oplossingen voor kleine bedrijven.

Het belangrijkste om te begrijpen is dat het moeilijk is om in het echte leven een ideale situatie te creëren, vooral als het gaat om de hele stad en niet om een kantoor of een winkel. Er zijn bijvoorbeeld veel mensen in de metro, iedereen is anders, ze lopen snel. Je hebt veel camera's nodig, ze kosten geld en competente specialisten zouden ze moeten plaatsen.

Is het mogelijk om het gezichtsherkenningsalgoritme te misleiden?

Ondanks de incidentele blunders is de nauwkeurigheid van machineherkenning al vaak superieur aan die waarmee mensen gezichten bepalen. China zal binnenkort een gigantische gezichtsherkenningsdatabase bouwen om elke burger binnen enkele seconden te identificeren, een systeem dat in staat is om binnen 3 seconden een specifieke persoon te vinden onder 1,3 miljard andere inwoners met een nauwkeurigheid van 90%.

En toch is het moeilijk om deze vraag eenduidig te beantwoorden, want er is niet één ideaal algoritme voor gezichtsherkenning. Grote bril, een geplakte baard, een pet, een hoge bewegingssnelheid, speciale make-up (bijvoorbeeld een "Black Swan"-rooster geschilderd op het gezicht, katten, cirkels en stokken. Hoe te ontsnappen aan gezichtsherkenningssystemen met make-up) - dit alles kan het algoritme verwarren. Vooral in het algemeen, want voor herkenning is het voldoende Hoe herkenningssystemen te bedriegen of 70% van een open gezicht. Stel je nu voor dat het nodig is om de bovenstaande trucs in een echte stad te gebruiken. Klinkt niet zo makkelijk, toch?

"Anti-herkenning" bril uit Japan, die in 2015

En hier is zo'n 3D-masker in 2014

Is het mogelijk om gezichten online te herkennen

Het internet is een paradoxale plek: mensen hier kunnen zich tegelijkertijd zorgen maken of elke tweede camera op straat hun persoonlijkheid detecteert, en oprecht 'de gezichten van andere mensen willen herkennen van hun online foto's'. Laten we deze gezichtsherkenningstrend apart bekijken.

Het gezichtsherkenningsprogramma is ofwel de hierboven beschreven analytische module (CCTV-camera + software + cloudopslag), ofwel software vergelijkbaar met de bekende (enigszins schandalige) FindFace-service. Tegenwoordig is het in de overgrote meerderheid van de gevallen natuurlijk onmogelijk om een programma voor gezichtsherkenning "gratis en zonder registratie" te downloaden.

De webservice FindFace.ru, die helpt om mensen op het VKontakte sociale netwerk te vinden aan de hand van hun foto's, werd opgericht op 18 februari 2016. Dankzij hem kon iedereen onder meer profielen vinden van meisjes die in pornofilms speelden. Al snel begon de dienst voor veel flitsmeutes te worden gebruikt om gezichten te detecteren, die het volste recht hadden om nooit door iemand te worden gedetecteerd. Er brak een schandaal uit, dat werkte als een virale advertentie: de technologie die aan de basis lag van de dienst ontving een aantal prestigieuze onderscheidingen en wekte de interesse van klanten uit de staat en het bedrijfsleven. Sinds 1 september 2018 biedt de service niet langer de FindFace-service, die werd gebruikt om demonstranten te herkennen, kondigde de beëindiging aan van het zoeken naar mensen door fotoservice, omdat deze door NtechLab werd omgevormd tot een reeks oplossingen voor verschillende bedrijfssectoren.

De droom van de gebruiker die het verzoek invoert, ziet er natuurlijk als volgt uit: je gaat naar de site, uploadt een foto van een persoon die stiekem in de metro is genomen, het programma herkent het gezicht en geeft een link naar het profiel op het sociale netwerk. Ja, gepakt! Of zo: je download het programma op je computer, sluit je webcam erop aan en herkent het gezicht van je kat. Succes - nu ontvang je een melding elke keer dat de kat worstjes steelt.

De werkelijkheid is wreed. De eerste site die je zoiets aanbiedt, weigert te werken, en de tweede vereist programmeervaardigheden in Python. Min of meer een droomachtige applicatie genaamd SearchFace, die onlangs opnieuw werd opgestart Searchface werd opnieuw opgestart met autorisatie via VKontakte. Maar het sociale netwerk heeft deze functie genaamd FindClone gesloten. Je hebt een foto geüpload en het algoritme probeerde hetzelfde gezicht te herkennen in de VKontakte sociale netwerkdatabase. De applicatie gaf geen links naar het profiel, alleen de foto's zelf - en het maakt niet uit door wie ze zijn geüpload. Als een gebruiker lange tijd actief is geweest op een sociaal netwerk, veroorzaakte de uitgifte van een foto een griezelig "biografisch" effect, maar als dat niet het geval was, konden de herkende afbeeldingen hem aan het lachen maken.

Eigenlijk beantwoordt het SearchFace-voorbeeld duidelijk de vraag "Hoe gebruiken sociale netwerken gezichtsherkenning?" Het zou nauwkeuriger zijn om het als volgt te formuleren: "Hoe worden sociale netwerken gebruikt voor gezichtsherkenning?" Het antwoord is simpel: als een database. Een ontelbaar aantal unieke cijfercombinaties (zo zien de gezichten op de foto eruit voor de algoritmen van Facebook, VKontakte en anderen) vormen de basis voor het trainen van neurale netwerken die de basis vormen van een of andere gezichtsherkenningsoplossing.

De oplossingen zijn allemaal verschillend, en neurale netwerken zijn ook verschillend, en klanten en serviceproviders geven in de regel geen details en technische kenmerken vrij. Met name de module voor geslachts- en leeftijdsherkenning kan bepalen vanwege het feit dat het kan leren van de informatie in Odnoklassniki, VKontakte, Instagram en Facebook.

Hoe gezichtsherkenning is geprogrammeerd

U hoeft nooit vragen van ontwikkelaars en ontwikkelaars te beantwoorden als u geen ontwikkelaar bent. Daarom schakelden we een specialist in voor hulp.

Dmitry Soshnikov Lid van de Russische Vereniging voor Kunstmatige Intelligentie en senior expert in de ontwikkeling van AI en machine learning-systemen bij Microsoft.

Gezichtsherkenning (evenals andere gerelateerde bewerkingen) is een vrij veel voorkomende taak. Daarom bieden veel bedrijven kant-en-klare diensten in de vorm van cloud API's (software intermediairs tussen applicaties) voor een hoogwaardige oplossing van deze taken. Naast IT-giganten als Microsoft en Google houden ook gespecialiseerde bedrijven, waaronder Russische, zich bezig met gezichtsherkenning. Hun producten evolueren snel en bieden nog meer opwindende functies, zoals het identificeren van gezichten en silhouetten in menigten.

Het is veel moeilijker om een neuraal netwerk helemaal opnieuw te trainen. We hebben een grote set initiële gegevens van hoge kwaliteit nodig, dat wil zeggen tien- en honderdduizenden (of zelfs meer!) Foto's van mensen. Daarnaast zijn aanzienlijke rekenkracht en kennis van AI en machine learning vereist. Grote bedrijven hebben al deze tools tot hun beschikking, waardoor ze het probleem veel beter oplossen.

Er is ook een tussenoplossing, bijvoorbeeld om een al getraind neuraal netwerk te gebruiken. Deze optie zal hoogstwaarschijnlijk iets slechter werken dan een kant-en-klare cloudservice, maar je hebt wel volledige controle over het systeem. Dit vereist een bepaald niveau van begrip van de werking van neurale netwerken en neurale netwerkframeworks en, hoogstwaarschijnlijk, enige kennis van de Python-taal, die aan populariteit heeft gewonnen als de belangrijkste programmeertaal onder Data Science-specialisten.

Het is inderdaad handig om verschillende experimenten uit te voeren, gegevens te visualiseren en efficiënte matrixberekeningen uit te voeren dankzij het uitstekende NumPy-pakket. Dit is niet de beste taal voor industriële ontwikkeling, omdat het geen effectieve tools bevat voor het maken van grote veilige softwaresystemen, maar er zijn nog geen alternatieven op het gebied van diepe neurale netwerktraining.

Hoe gezichtsherkenning werkt in het bedrijfsleven

De vraag naar gezichtsherkenning in fintech, retail en andere soorten bedrijven is direct gerelateerd aan de toegenomen beschikbaarheid van technologie. De mechanismen zijn eenvoudig: alle ondernemingen en alle organisaties hebben CCTV-camera's, die worden gebruikt als hulpmiddelen voor het verzamelen van gegevens en daaropvolgende analyses. In de wereld schieten bewakingssystemen terabytes aan video in Full HD per maand, dat wil zeggen, er is echt veel informatie om te verwerken.

De benodigde software voor data-analyse kan door de fabrikant op het apparaat worden "geflitst". Ingebouwde videoanalysecamera's zijn meestal vrij duur.

Een alternatieve optie is analyse in de cloud, dat wil zeggen een extern datacenter dat verbinding maakt met een goedkope camera. Dit is een orde van grootte goedkoper, plus het geeft flexibiliteit - u kunt oplossingen aanpassen voor een specifiek bedrijf.

De populariteit van gezichtsherkenningstechnologie op verschillende werkterreinen neemt toe. Sberbank is bijvoorbeeld een van de leiders als het gaat om het aankondigen van verschillende spraakmakende gezichtsherkenningsprojecten, en het kan beweren dat Hij u uit de duizend herkent: de geldautomaat zal de klant in dit opzicht met hem identificeren, misschien alleen Tinkoff. In 2017 nam Sberbank Sberbank over en investeerde 25,07% van VisionLabs in gezichtsherkenningstechnologie, waarmee software voor gezichtsherkenning wordt gecreëerd. In 2018 slaagde een financiële instelling erin gezichtsherkenning te testen in de metro van Moskou en zelfs 42 criminelen te pakken 42 criminelen werden gepakt dankzij het Sberbank-gezichtsherkenningssysteem, om te testen Het herkent je van duizend: een geldautomaat identificeert een klant aan de hand van de ogen van geldautomaten met gezichtsherkenning, zodat aanvallers geen geld van andermans kaarten kunnen opnemen, evenals het verzamelen van biometrische gegevens aankondigen (audio-opname van een stem,video van het gezicht) van klanten. In april van dit jaar nam Sberbank de leiding over de ontwikkelaar van spraak- en gezichtsherkenningssystemen - het "Center for Speech Technologies" (MDT).

Een ander ding is dat het aankondigen, testen, testen en kopen van oplossingen niet betekent dat ze ook daadwerkelijk implementeren. Wat er nu precies in Sberbank wordt gebruikt (en of het wordt gebruikt), kan in feite alleen met zekerheid worden gezegd door de Duitse Gref.

Met retail is alles transparanter. Kortom, er zijn hier drie problemen die gezichtsherkenning oplost.

Ten eerste diefstal. De winkels worden gerund door oplichters, en vaak dezelfde mensen in hetzelfde netwerk. Met gezichtsherkenning kunt u "driftende dieven" en andere mensen identificeren die eerder het bevel hebben overtreden. Zodra de indringer de database is binnengekomen zodra hij de winkel binnenkomt, ontvangt de beveiliging een melding in de messenger of op een andere handige manier.

Ten tweede de moeilijkheid om met vaste klanten te werken. Er zijn gewoon niet genoeg gegevens over aankopen en verjaardagen om aanbiedingen voor VIP's en merkfans te personaliseren. Gezichtsherkenning kan worden geïntegreerd met CRM - dat wil zeggen software waarin managers alle informatie over alle transacties van de organisatie invoeren. In het geval van dieven en VIP's werkt gezichtsherkenning ongeveer op dezelfde manier: het gezicht komt op een zwarte of witte lijst en wanneer het weer verschijnt, piept het systeem naar de persoon met toegang. Geslacht en leeftijd worden automatisch bepaald en aanvullende informatie wordt toegevoegd door de verantwoordelijke medewerker.

Ten derde wordt winkelidentificatie gebruikt voor gerichte reclame. In sommige winkels zal X5 Retail Group bijvoorbeeld geïnstalleerde X5 bevatten computer vision camera's om gezichtsuitdrukkingen en leeftijd van klanten te herkennen. Door deze gegevens te analyseren, toont het systeem goederen die een persoon misschien leuk vindt op het beeldscherm op de handelsvloer. Een ander levendig voorbeeld is het geval van Lolli & Pops, een grote zoetwarenwinkel in de Verenigde Staten. Het gezichtsherkenningssysteem bepaalt. Uw toekomstige loyaliteitsprogramma in de winkel wordt gevoed door gezichtsherkenning van vaste klanten en stuurt meldingen naar hun smartphones met producten die ze mogelijk leuk vinden (rekening houdend met individuele voorkeuren en zelfs voedselallergieën).

Een ander treffend voorbeeld van het gebruik van technologie in de detailhandel zijn winkels zonder verkopers en kassa's. Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown is bijvoorbeeld een café en een zelfbedieningswinkel in Hangzhou. Het verkoopt drankjes, snacks, boodschappen, speelgoed, rugzakken en dergelijke. Tao Cafe is alleen toegankelijk voor gebruikers van de Taobao-website.

Bij het kopen van drankjes identificeert een camerasysteem met gezichtsherkenningsondersteuning automatisch de klant, maakt verbinding met zijn account in de online winkel en verwerkt de betaling. Shoppers gaan naar buiten via een ruimte die is uitgerust met meerdere sensoren die zowel de klant als de goederen identificeren. Scannen werkt zelfs als de persoon de aankoop in een zak of tas stopt.

Hoe evolueert gezichtsherkenningstechnologie

Face ID CCTV-systemen nemen echt de wereld over. In Moskou zal het aantal camera's in 2019 Hoge technologieën en beveiliging bereiken: hoeveel CCTV-camera's zullen dit jaar 174 duizend verschijnen. Dit betekent niet dat al deze apparaten standaard een persoon kunnen herkennen: meestal wordt gemeld dat het systeem voor het herkennen van gezochte criminelen door middel van videocamera's in Moskou in 2019 ongeveer 160 duizend camera's met deze functie zal gaan werken. Desalniettemin kondigde het kantoor van de Moskouse burgemeester eind 2018 het voornemen van de Moskouse autoriteiten aan om in 2019 videocamera's te vervangen en een gezichtsherkenningssysteem te lanceren om alle videobewakingsapparatuur te vervangen en volgend jaar een volledig innovatief systeem te vormen.

De paradox is dat 160 duizend niet zo veel is. Vooral in vergelijking met een andere leider in zoekopdrachten van zoekmachines op het gebied van gezichtsherkenning - China. Eind 2017 was er In Your Face: China's alziende staat met meer dan 170 miljoen CCTV-camera's en in de komende drie jaar is China's 'Big Brother'-bewakingstechnologie lang niet zo alziend als de regering wil dat u denkt verbinding maken met het netwerk is nog steeds ongeveer 400 miljoen.

Vakkundig en correct gebruik van gezichtsherkenning werkt vooral ter verbetering van de veiligheid en het comfort. Mensen krijgen meestal snel vertrouwen in technologie die hen verhindert in de rij te staan voor een voetbalwedstrijd (glimlacht naar de camera - gepasseerd), diefstal en hooliganisme voorkomt, of hen helpt minder uit te geven aan aankopen (loyaliteitsprogramma's). Dit alles vereist natuurlijk bepaalde regelgeving - daarom worden er wetten aangenomen over de bescherming van persoonsgegevens.

In de toekomst zal het gebied van gezichtsherkenning in videobewakingssystemen waarschijnlijk worden gereguleerd op dezelfde manier als de huidige praktijk van het werken met gezichtsherkenning op internet. Privacybewuste mensen uploaden gewoon niet te veel op het web - het gedeeltelijke fiasco van SearchFace bewijst dat een dergelijke strategie effectief is.

Je kunt je natuurlijk niet eindeloos beperken tot het wandelen door de straten waar op elk kruispunt camera's staan opgesteld, maar de mogelijkheid om de anonimiteit te bewaren wordt gevormd als er een overeenkomstig verzoek uit de samenleving is.