Što je prepoznavanje lica? AI za Velikog Brata

Može li Big Brother prepoznati vaše lice prema CCTV nadzoru na ulici i reći jeste li sretni, tužni ili bijesni? Može li ta identifikacija dovesti do vašeg uhićenja po neriješenom nalogu? Koje su šanse da identifikacija nije točna i da se stvarno poveže s nekim drugim? Možete li nadvladati nadzor u potpunosti koristeći neki trik?

S druge strane, možete li ući u trezor zaštićen kamerom i softverom za identifikaciju lica držeći otisak lica ovlaštene osobe? Što ako stavite trodimenzionalnu masku lica ovlaštene osobe?

Dobrodošli u prepoznavanje lica - i lažno prepoznavanje lica.

Što je prepoznavanje lica?

Prepoznavanje lica metoda je za identificiranje nepoznate osobe ili utvrđivanje identiteta određene osobe s njezina lica. To je grana računalnog vida, ali prepoznavanje lica je specijalizirano i dolazi s društvenom prtljagom za neke programe, kao i neke ranjivosti na lažno predstavljanje.

Kako funkcionira prepoznavanje lica?

Algoritmi ranog prepoznavanja lica (koji se i danas koriste u poboljšanom i automatiziranom obliku) oslanjaju se na biometriju (kao što je udaljenost između očiju) kako bi izmjerene crte lica od dvodimenzionalne slike pretvorili u skup brojeva (značajka vektor ili predložak) koji opisuje lice. Proces prepoznavanja zatim uspoređuje te vektore s bazom podataka poznatih lica koja su mapirana u značajke na isti način. Jedna od komplikacija u ovom procesu je prilagođavanje lica normaliziranom prikazu kako bi se uzele u obzir rotacija i nagib glave prije vađenja mjernih podataka. Ova klasa algoritama naziva se geometrijska .

Sljedeći pristup prepoznavanju lica je normalizacija i komprimiranje 2-D slika lica te njihovo uspoređivanje s bazom podataka slično normaliziranih i komprimiranih slika. Ova klasa algoritama naziva se fotometrijska .

Trodimenzionalno prepoznavanje lica koristi trodimenzionalne senzore za hvatanje slike lica ili rekonstruira trodimenzionalnu sliku s tri dvodimenzionalne kamere za praćenje usmjerene pod različitim kutovima. 3-D prepoznavanje lica može biti znatno preciznije od 2-D prepoznavanja.

Analiza teksture kože preslikava linije, uzorke i mrlje na licu osobe u drugi vektor značajke. Dodavanje analize teksture kože dvodimenzionalnom ili trodimenzionalnom prepoznavanju lica može poboljšati točnost prepoznavanja za 20 do 25 posto, posebno u slučajevima sličnih osoba i blizanaca. Također možete kombinirati sve metode i dodati multi-spektralne slike (vidljivo svjetlo i infracrveno) za još veću preciznost.

Prepoznavanje lica poboljšava se iz godine u godinu otkako je polje počelo 1964. Stopa pogrešaka u prosjeku se smanjuje za pola svake dvije godine.

Povezani video: Kako funkcionira prepoznavanje lica

Testovi dobavljača prepoznavanja lica

NIST, američki Nacionalni institut za standarde i tehnologiju, provodi testove algoritama za prepoznavanje lica, Test prodavača prepoznavanja lica (FRVT), od 2000. godine. Skupovi podataka koji se koriste uglavnom su snimke šalica za provođenje zakona, ali uključuju i divlje fotografije, poput onih koje se nalaze na Wikimediji i slike niske rezolucije s web-kamera.

FRVT algoritme uglavnom podnose komercijalni dobavljači. Usporedbe iz godine u godinu pokazuju velike poboljšanja u izvedbi i točnosti; prema dobavljačima, to je prije svega zbog upotrebe dubokih konvolucijskih neuronskih mreža.

Povezani NIST-ovi programi ispitivanja prepoznavanja lica proučavali su demografske učinke, otkrivanje morfinga lica, identifikaciju lica objavljenih na društvenim mrežama i identifikaciju lica u videozapisima. Prethodna serija testova provedena je 1990-ih pod drugim imenom, Tehnologija prepoznavanja lica (FERET).

NIST

Aplikacije za prepoznavanje lica

Aplikacije za prepoznavanje lica uglavnom spadaju u tri glavne kategorije: sigurnost, zdravlje i marketing / maloprodaja. Sigurnost uključuje provođenje zakona, a ta vrsta prepoznavanja lica može biti jednako benigna kao što je brže i preciznije podudaranje ljudi s fotografijama iz njihove putovnice i jeziva poput scenarija "Osoba od interesa" u kojem se ljude prati putem CCTV-a i uspoređuje s njima. u poredjene baze podataka s fotografijama. Sigurnost izvan provedbe zakona uključuje uobičajene aplikacije poput otključavanja licem za mobilne telefone i kontrole pristupa za laboratorije i trezore.

Zdravstvene primjene prepoznavanja lica uključuju prijave pacijenta, otkrivanje emocija u stvarnom vremenu, praćenje pacijenta unutar ustanove, procjenu razine boli kod neverbalnih pacijenata, otkrivanje određenih bolesti i stanja, identifikaciju osoblja i sigurnost ustanove. Marketinške i maloprodajne aplikacije za prepoznavanje lica uključuju identifikaciju članova programa vjernosti, prepoznavanje i praćenje poznatih krađa i prepoznavanje ljudi i njihovih osjećaja za ciljane prijedloge proizvoda.

Kontroverze, pristranosti i zabrane prepoznavanja lica

Bilo bi podcjenjivanje reći da su neke od ovih aplikacija kontroverzne. Dok se u članku iz New York Timesa iz 2019. govori, prepoznavanje lica vrtjelo se u kontroverzama, od njegove upotrebe za nadzor stadiona do rasističkog softvera.

Nadzor stadiona? Prepoznavanje lica korišteno je u Super Bowlu 2001. godine: softver je identificirao 19 ljudi za koje se smatra da su podvrgnuti izvanrednim nalozima, iako niti jedan nije uhićen (ne zbog nedostatka pokušaja).

Rasistički softver? Bilo je nekoliko problema, počevši sa softverom za praćenje lica iz 2009. koji je mogao pratiti bijelce, ali ne i sa crncima, pa do studije MIT-a iz 2015. koja je pokazala da je tadašnji softver za prepoznavanje lica puno bolje radio na bijelim muškim licima nego na ženskim i / ili Crna lica.

Takve su vrste dovele do izravnih zabrana softvera za prepoznavanje lica na određenim mjestima ili za određenu upotrebu. 2019. San Francisco je postao prvi veći američki grad koji je blokirao policiju i druge agencije za provođenje zakona da koriste softver za prepoznavanje lica; Microsoft je pozvao na savezne propise o prepoznavanju lica; i MIT su pokazali da je Amazon Rekogmination imao više problema s određivanjem ženskog spola nego muškog spola sa slika lica, kao i više problema s crnim ženskim rodom nego bijelim ženskim rodom.

U lipnju 2020. Microsoft je objavio da neće prodavati i nije prodao svoj softver za prepoznavanje lica policiji; Amazon je na godinu dana zabranio policiji upotrebu Rekogchargea; i IBM je napustio svoju tehnologiju prepoznavanja lica. Potpuno zabraniti prepoznavanje lica neće biti lako, s obzirom na njegovo široko prihvaćanje na iPhoneima (Face ID) i drugim uređajima, softveru i tehnologijama.

Ne pati svaki softver za prepoznavanje lica iste pristranosti. Studija demografskih učinaka NIST-a za 2019. nastavila je rad na MIT-u i pokazala je da algoritamska demografska pristranost uvelike varira među programerima softvera za prepoznavanje lica. Da, postoje demografski učinci na stopu lažnih podudaranja i stopu lažnih nepodudaranja algoritama za identifikaciju lica, ali oni se mogu razlikovati za nekoliko redova veličine od dobavljača do dobavljača, a s vremenom su se smanjivali.

Prepoznavanje lica s hakiranjem i tehnike protiv lažnog predstavljanja

S obzirom na potencijalnu prijetnju privatnosti prepoznavanjem lica i privlačnost pristupa vrijednim resursima zaštićenim autentifikacijom lica, bilo je mnogo napora da se tehnologija hakira ili lažira. Možete prikazati ispisanu sliku lica umjesto živog lica ili sliku na zaslonu ili trodimenzionalnu ispisanu masku kako biste prošli provjeru autentičnosti. Za CCTV nadzor možete reproducirati videozapis. Da biste izbjegli nadzor, možete isprobati tkanine i šminku "CV Dazzle" i / ili IR zračiće kako biste zavarali softver da ne prepozna vaše lice.

Naravno, postoje napori da se razviju tehnike protiv lažnog predstavljanja za sve ove napade. Da bi otkrili ispisane slike, dobavljači koriste test živosti, kao što je čekanje da subjekt trepće, ili izvode analizu pokreta ili koriste infracrvenu infracrvenu boju da bi razlikovali živo lice od ispisane slike. Drugi je pristup izvođenje analize mikro tekstura, jer se ljudska koža optički razlikuje od otisaka i materijala za maske. Najnovije tehnike sprečavanja lažnog predstavljanja uglavnom se temelje na dubokim konvolucijskim neuronskim mrežama.

Ovo je polje koje se razvija. U tijeku je rat s oružjem između napadača i softvera za zaštitu od lažnog predstavljanja, kao i akademska istraživanja o učinkovitosti različitih tehnika napada i obrane.

Prodavači prepoznavanja lica

Prema Electronic Frontier Foundation, MorphoTrust, podružnica Idemije (prije poznata kao OT-Morpho ili Safran), jedan je od najvećih dobavljača prepoznavanja lica i druge tehnologije biometrijske identifikacije u Sjedinjenim Državama. Dizajnirao je sustave za državne DMV-ove, savezne i državne agencije za provođenje zakona, graničnu kontrolu i zračne luke (uključujući TSA PreCheck) i državni odjel. Ostali uobičajeni dobavljači uključuju 3M, Cognitec, DataWorks Plus, Dynamic Imaging Systems, FaceFirst i NEC Global.

NIST Test prepoznavanja lica prepoznaje lica nabraja algoritme mnogih drugih dobavljača iz cijelog svijeta. Postoji i nekoliko algoritama za prepoznavanje lica s otvorenim kodom, različite kvalitete, i nekoliko glavnih usluga u oblaku koje nude prepoznavanje lica.

Amazon Rekognance usluga je za analizu slika i videozapisa koja može identificirati predmete, ljude, tekst, scene i aktivnosti, uključujući analizu lica i prilagođene oznake. Google Cloud Vision API je unaprijed pripremljena usluga analize slika koja može otkriti predmete i lica, čitati ispisan i rukopisni tekst i ugraditi metapodatke u vaš katalog slika. Google AutoML Vision omogućuje vam osposobljavanje prilagođenih modela slika.

Azure Face API vrši prepoznavanje lica koje prepoznaje lica i atribute na slici, vrši identifikaciju osobe koja odgovara pojedincu u vašem privatnom spremištu do 1 milijun ljudi i izvršava prepoznavanje uočenih emocija. Face API može se izvoditi u oblaku ili na rubu u spremnicima.

Skupovi podataka lica za trening prepoznavanja

Dostupni su deseci skupova podataka o licu koji se mogu koristiti za trening prepoznavanja. Nisu svi skupovi podataka o licu jednaki: Oni se obično razlikuju u veličini slike, broju zastupljenih ljudi, broju slika po osobi, uvjetima slika i osvjetljenju. Organi za provođenje zakona također imaju pristup nejavnim skupovima podataka o licu, poput trenutnih snimaka fotografija i slika vozačke dozvole.

Neke od većih baza podataka o licu su Označena lica u divljini, s oko 13 000 jedinstvenih ljudi; FERET, korišten za rane NIST testove; baza podataka Mugshot koja se koristi u tekućem NIST FRVT-u; baza podataka nadzornih kamera SCFace, također dostupna sa orijentirima lica; i s oznakom Wikipedia Faces, s oko 1,5 K jedinstvenih identiteta. Nekoliko ovih baza podataka sadrži više slika po identitetu. Ovaj popis istraživača Ethana Meyersa nudi nekoliko uvjerljivih savjeta o odabiru skupa podataka lica za određenu svrhu.

Ukratko, prepoznavanje lica se poboljšava, a dobavljači uče otkrivati ​​većinu lažnog predstavljanja, ali neke su primjene tehnologije kontroverzne. Stopa pogrešaka u prepoznavanju lica prepolovljuje se svake dvije godine, navodi NIST. Dobavljači su poboljšali svoje tehnike protiv lažnog predstavljanja ugrađivanjem konvolucijskih neuronskih mreža.

U međuvremenu postoje inicijative za zabranu upotrebe prepoznavanja lica u nadzoru, posebno od strane policije. Potpuno zabraniti prepoznavanje lica bilo bi teško, s obzirom na to koliko je ono rašireno.

Pročitajte više o strojnom učenju i dubokom učenju:

  • Dubinsko učenje nasuprot strojnom učenju: shvatite razlike
  • Što je strojno učenje? Inteligencija izvedena iz podataka
  • Što je duboko učenje? Algoritmi koji oponašaju ljudski mozak
  • Objašnjeni algoritmi strojnog učenja
  • Objašnjeno automatizirano strojno učenje ili AutoML
  • Objašnjeno nadzirano učenje
  • Objašnjeno polunadgledano učenje
  • Objašnjeno učenje bez nadzora
  • Objašnjeno učenje pojačanja
  • Što je računalni vid? AI za slike i video
  • Što je prepoznavanje lica? AI za Velikog Brata
  • Što je obrada prirodnog jezika? AI za govor i tekst
  • Kaggle: Gdje znanstvenici podataka uče i natječu se
  • Što je CUDA? Paralelna obrada za GPU