Kaj je prepoznavanje obrazov? AI za Big Brother

Ali lahko Big Brother prepozna vaš obraz po nadzoru CCTV na ulici in ugotovi, ali ste srečni, žalostni ali jezni? Ali lahko ta identifikacija privede do vaše aretacije po neporavnanem nalogu? Kakšne so verjetnosti, da je identifikacija napačna in se resnično poveže z nekom drugim? Ali lahko nadzor popolnoma premagate z nekim trikom?

Ali lahko na drugi strani pridete v trezor, zaščiten s kamero in programsko opremo za identifikacijo obraza, tako da pridržite odtis obraza pooblaščene osebe? Kaj pa, če si nadenete tridimenzionalno masko obraza pooblaščene osebe?

Dobrodošli v prepoznavanju obrazov - in podvajanju prepoznavanja obraza.

Kaj je prepoznavanje obrazov?

Prepoznavanje obrazov je metoda za prepoznavanje neznane osebe ali preverjanje identitete določene osebe z njenega obraza. Gre za vejo računalniškega vida, vendar je prepoznavanje obrazov specializirano in ima pri nekaterih aplikacijah socialno prtljago ter nekaj ranljivosti za ponarejanje.

Kako deluje prepoznavanje obrazov?

Algoritmi zgodnjega prepoznavanja obraza (ki se še danes uporabljajo v izboljšani in bolj avtomatizirani obliki) se zanašajo na biometrične podatke (na primer razdaljo med očmi), da izmerjene poteze obraza iz dvodimenzionalne slike spremenijo v nabor števil (značilnost vektor ali predloga), ki opisuje obraz. Nato postopek prepoznavanja te vektorje primerja z bazo podatkov znanih obrazov, ki so bile na enak način preslikane v funkcije. Eden od zapletov v tem postopku je prilagoditev obrazov na normaliziran pogled, da se upoštevajo vrtenje in nagibanje glave pred pridobivanjem meritev. Ta razred algoritmov se imenuje geometrijska.

Drug pristop k prepoznavanju obrazov je normalizacija in stiskanje dvodimenzionalnih slik obraza ter primerjava z bazo podatkov o podobno normaliziranih in stisnjenih slikah. Ta razred algoritmov se imenuje fotometrična.

Tridimenzionalno prepoznavanje obrazov uporablja tridimenzionalne senzorje za zajem podobe obraza ali pa rekonstruira tridimenzionalno sliko iz treh dvodimenzionalnih kamer za sledenje, usmerjenih pod različnimi koti. Tridimenzionalno prepoznavanje obrazov je lahko bistveno bolj natančno kot dvodimenzionalno.

Analiza teksture kože preslika črte, vzorce in pike na obrazu osebe v drug vektor značilnosti. Dodajanje analize teksture kože dvodimenzionalnemu ali tridimenzionalnemu prepoznavanju obrazov lahko izboljša natančnost prepoznavanja za 20 do 25 odstotkov, zlasti v primeru podobnih podob in dvojčkov. Prav tako lahko kombinirate vse metode in dodate večspektralne slike (vidna svetloba in infrardeča) za še večjo natančnost.

Prepoznavanje obrazov se iz leta v leto izboljšuje, odkar se je polje začelo leta 1964. Stopnja napak se v povprečju zmanjša na polovici vsaki dve leti.

Povezani video: Kako deluje prepoznavanje obraza

Preskusi prodajalcev za prepoznavanje obrazov

NIST, ameriški Nacionalni inštitut za standarde in tehnologijo, že od leta 2000 izvaja teste algoritmov za prepoznavanje obraza, Test za prepoznavanje obrazov (FRVT), pri čemer so uporabljeni nizi slikovnih podatkov večinoma posnetki vrhov organov pregona, vključujejo pa divje fotografije, kot so tiste, ki jih najdemo v Wikimediji, in slike z nizke ločljivosti s spletnih kamer.

Algoritme FRVT večinoma oddajajo komercialni prodajalci. Primerjave medletno kažejo večje povečanje učinkovitosti in natančnosti; po navedbah prodajalcev je to predvsem zaradi uporabe globokih konvolucijskih nevronskih mrež.

Sorodni programi za testiranje prepoznavanja obrazov NIST so preučevali demografske učinke, odkrivanje preoblikovanja obrazov, prepoznavanje obrazov, objavljenih na družbenih omrežjih, in prepoznavanje obrazov v videoposnetkih. Prejšnja serija testov je bila izvedena v devetdesetih letih pod drugim imenom, tehnologijo za prepoznavanje obrazov (FERET).

NIST

Aplikacije za prepoznavanje obrazov

Aplikacije za prepoznavanje obrazov večinoma spadajo v tri glavne kategorije: varnost, zdravje in trženje / trgovina na drobno. Varnost vključuje kazenski pregon in ta vrsta uporabe prepoznavanja obrazov je lahko tako benigna, kot je hitrejše in natančnejše ujemanje ljudi s fotografijami iz njihovih potnih listov ter grozljiva kot scenarij "Zanimiva oseba", kjer ljudi spremljajo prek CCTV in primerjajo v zbirke zbirk fotografij. Varnost, ki ni namenjena kazenskemu pregonu, vključuje običajne aplikacije, kot sta odklepanje obraza za mobilne telefone in nadzor dostopa za laboratorije in trezorje.

Zdravstvene aplikacije prepoznavanja obraza vključujejo pacientove prijave, odkrivanje čustev v realnem času, sledenje pacientom znotraj ustanove, ocenjevanje ravni bolečine pri neverbalnih bolnikih, odkrivanje nekaterih bolezni in stanj, identifikacijo osebja in varnost ustanove. Tržne in maloprodajne aplikacije za prepoznavanje obrazov vključujejo identifikacijo članov programa zvestobe, identifikacijo in sledenje znanih trgovcev ter prepoznavanje ljudi in njihovih čustev za ciljne predloge izdelkov.

Prepiri, pristranskosti in prepovedi pri prepoznavanju obrazov

Če bi rekli, da so nekatere od teh vlog kontroverzne, bi bilo podcenjevanje. Kot razpravlja članek iz New York Timesa iz leta 2019, se je prepoznavanje obrazov vrtelo v polemikah, od njegove uporabe za nadzor stadiona do rasistične programske opreme.

Nadzor stadiona? Prepoznavanje obrazov je bilo uporabljeno v Super Bowlu leta 2001: programska oprema je identificirala 19 ljudi, za katere menijo, da so predmet neporavnanih nalog, čeprav nobenega niso aretirali (ne zaradi pomanjkanja poskusov).

Rasistična programska oprema? Pojavilo se je več vprašanj, začenši s programsko opremo za sledenje obrazov iz leta 2009, ki je lahko sledila belcem, ne pa tudi črncem, in nadaljevanjem študije MIT iz leta 2015, ki je pokazala, da je takratna programska oprema za prepoznavanje obrazov na belih obrazih moških delovala veliko bolje kot ženske in / ali Črni obrazi.

Tovrstne težave so povzročile popolne prepovedi programske opreme za prepoznavanje obrazov na določenih mestih ali za določeno uporabo. Leta 2019 je San Francisco postalo prvo večje ameriško mesto, ki je policiji in drugim organom pregona preprečilo uporabo programske opreme za prepoznavanje obrazov; Microsoft je pozval k zveznim predpisom o prepoznavanju obraza; in MIT sta pokazala, da je Amazon Rekogission imel več težav pri določanju ženskega spola kot moškega spola na slikah obraza, pa tudi več težav s črnim ženskim spolom kot belim ženskim spolom.

Junija 2020 je Microsoft sporočil, da ne bo prodal in policiji ni prodal programske opreme za prepoznavanje obrazov; Amazon je policiji eno leto prepovedal uporabo sistema Rekogmination; in IBM je opustil tehnologijo prepoznavanja obrazov. Popolna prepoved prepoznavanja obrazov pa ne bo lahka, glede na njegovo široko uporabo v napravah iPhone (Face ID) in drugih napravah, programski opremi in tehnologijah.

Vsa programska oprema za prepoznavanje obrazov ne trpi zaradi enakih pristranskosti. Študija demografskih učinkov NIST za leto 2019 je nadaljevala delo MIT in pokazala, da se algoritemska demografska pristranskost med razvijalci programske opreme za prepoznavanje obrazov zelo razlikuje. Da, obstajajo demografski učinki na stopnjo lažnih ujemanj in stopnjo lažnih neskladnosti algoritmov za identifikacijo obraza, vendar se lahko od prodajalca do prodajalca razlikujejo za več vrst in se sčasoma zmanjšujejo.

Hacking prepoznavanje obrazov in tehnike preprečevanja ponarejanja

Glede na potencialno grožnjo zasebnosti zaradi prepoznavanja obrazov in privlačnost dostopa do virov z visoko vrednostjo, zaščitenih z avtentikacijo obrazov, je bilo veliko prizadevanj za vdor ali ponarejanje tehnologije. Namesto živega obraza lahko predstavite natisnjeno sliko obraza ali sliko na zaslonu ali tridimenzionalno natisnjeno masko za preverjanje pristnosti. Za CCTV nadzor lahko predvajate video. Da bi se izognili nadzoru, lahko preizkusite tkanine in ličila "CV Dazzle" in / ali IR oddajnike, da zavedete programsko opremo, da ne zazna vašega obraza.

Seveda si prizadevamo razviti tehnike preprečevanja ponarejanja za vse te napade. Za zaznavanje natisnjenih slik prodajalci uporabljajo test oživitve, na primer čakajo, da subjekt utripa, ali opravijo analizo gibanja ali z infrardečo povezavo ločijo živi obraz od natisnjene. Drug pristop je izvedba analize mikro teksture, saj se človeška koža optično razlikuje od odtisov in materialov za maske. Najnovejše tehnike preprečevanja ponarejanja večinoma temeljijo na globokih konvolucijskih nevronskih mrežah.

To se razvija področje. Med napadalci in protipožarno programsko opremo poteka orožna vojna, pa tudi akademske raziskave o učinkovitosti različnih napadalnih in obrambnih tehnik.

Prodajalci prepoznavanja obrazov

Po navedbah Electronic Frontier Foundation je MorphoTrust, hčerinsko podjetje Idemije (prej znano kot OT-Morpho ali Safran), eden največjih prodajalcev prepoznavanja obrazov in druge tehnologije biometrične identifikacije v ZDA. Zasnoval je sisteme za državne DMV, zvezne in državne organe pregona, nadzor meje in letališča (vključno s TSA PreCheck) ter državni oddelek. Drugi pogosti ponudniki so 3M, Cognitec, DataWorks Plus, Dynamic Imaging Systems, FaceFirst in NEC Global.

V preizkusu ponudnika prepoznavanja obrazov NIST so našteti algoritmi številnih drugih ponudnikov z vsega sveta. Obstaja tudi več odprtokodnih algoritmov za prepoznavanje obrazov, različne kakovosti, in nekaj večjih storitev v oblaku, ki ponujajo prepoznavanje obrazov.

Amazon Rekognance je storitev za analizo slik in videov, ki lahko prepozna predmete, ljudi, besedilo, prizore in dejavnosti, vključno z analizo obraza in nalepkami po meri. Google Cloud Vision API je vnaprej pripravljena storitev za analizo slik, ki lahko zazna predmete in obraze, prebere natisnjeno in ročno napisano besedilo ter vgradi metapodatke v vaš katalog slik. Google AutoML Vision vam omogoča, da trenirate modele slik po meri.

API za Azure Face izvaja zaznavanje obrazov, ki zazna obraze in atribute na sliki, izvede identifikacijo osebe, ki ustreza posamezniku v vašem zasebnem skladišču do 1 milijona ljudi, in prepozna prepoznavanje čustev. Face API lahko deluje v oblaku ali na robu v posodah.

Podatkovni nizi obrazov za usposabljanje za prepoznavanje

Na voljo je na desetine podatkovnih nizov obrazov, ki jih lahko uporabite za usposabljanje za prepoznavanje. Vsi nabori podatkov o obrazih niso enaki: ponavadi se razlikujejo po velikosti slike, številu zastopanih ljudi, številu slik na osebo, pogojih slik in osvetlitvi. Organi pregona imajo dostop tudi do nejavnih naborov podatkov o obrazih, kot so trenutni posnetki slik in slike vozniških dovoljenj.

Nekatere večje baze podatkov o obrazih imajo oznako Faces in the Wild, s približno 13 tisoč unikatnimi osebami; FERET, ki se uporablja za zgodnje teste NIST; zbirka podatkov Mugshot, ki se uporablja v tekočem NIST FRVT; baza podatkov nadzornih kamer SCFace, ki je na voljo tudi z obraznimi znamenitostmi; in z oznako Obrazi Wikipedije z okoli 1,5 tisoč edinstvenimi identitetami. Več teh baz podatkov vsebuje več slik na identiteto. Ta seznam raziskovalca Ethana Meyersja ponuja nekaj prepričljivih nasvetov o izbiri nabora obrazov za določen namen.

Če povzamemo, prepoznavanje obraza se izboljšuje in prodajalci se učijo odkrivanja večine prevara, vendar so nekatere aplikacije tehnologije sporne. Po podatkih NIST se stopnja napak pri prepoznavanju obrazov vsaki dve leti prepolovi. Dobavitelji so izboljšali svoje tehnike preprečevanja ponarejanja z vključitvijo konvolucijskih nevronskih mrež.

Medtem obstajajo pobude za prepoved uporabe prepoznavanja obrazov pri nadzoru, zlasti s strani policije. V celoti prepovedati prepoznavanje obrazov bi bilo težko, glede na to, kako razširjeno je postalo.