Распознавание лиц для бизнеса включает в себя использование технологии для повышения безопасности организаций и коммерческих организаций с целью улучшения качества обслуживания клиентов, а также повышения эффективности работы. Технология распознавания лиц использует компьютерные алгоритмы для идентификации уполномоченных лиц по их лицу.
Распознавание лиц для бизнеса помогает следующим образом:
- Обеспечение лучшего контроля доступа
- Улучшение авторизации платежей
- Улучшение безопасности и видеонаблюдения
Если вы являетесь руководителем предприятия и задаетесь вопросом, что это за шумиха и есть ли какая-то польза от этой новой разработки, мы поможем вам. В этой статье мы рассмотрим историю распознавания лиц, его развитие, текущее использование, противоречия, внедрение и многие другие аспекты.
К концу статьи вы будете иметь полное представление о том, что представляет собой технология распознавания лиц и какие последствия она имеет для бизнеса, в том числе:
- Точность распознавания лиц
- Применение распознавания лиц
Давайте начнем!
Эволюция распознавания лиц
При всей шумихе и освещении в СМИ, связанной с распознаванием лиц, эта технология существует уже довольно давно. Первой серьезной алгоритмической работой по распознаванию лиц стал фреймворк Viola-Jones Object Detection Framework, опубликованный в 2001 году. Несмотря на то, что это был универсальный фреймворк для идентификации объектов на изображениях, он был быстро применен для распознавания лиц с очень хорошим успехом. Основной причиной популярности этого алгоритма стала его скорость: в то время как процесс обучения был мучительно медленным, процесс обнаружения был чрезвычайно быстрым.
Уже в 2001/2004 годах средний настольный компьютер с этим алгоритмом мог обработать кадр размером 300px X 300px за 0,07 секунды (подробнее здесь). Показатели точности, хотя и не сравнимые с человеческими, были впечатляющими — 90 %.
Однако настоящий прогресс был достигнут только в 2010-2020 годах, когда конволюционные нейронные сети стали лучшим методом распознавания лиц. Причиной тому стала доступность сырой вычислительной мощности и гигантской системной памяти, которые стали доступны благодаря облачным вычислениям, предоставляемым провайдерами инфраструктуры как услуги (Infrastructure-as-a-Service, IaaS). Впервые в истории компьютеры стабильно побеждали людей в распознавании лиц, особенно когда речь шла о большом количестве случайных лиц.
Источник: medium.com
Как работает распознавание лиц?
Распознавание лиц — это многоступенчатый процесс, в котором участвуют несколько специализированных подсистем.
Вот что означают различные этапы:
Обнаружение / отслеживание: Эта часть этапа предварительной обработки отвечает за идентификацию и отслеживание лиц в данном изображении или видеофайле. Как только этот процесс завершен, мы точно знаем, что в исходном материале есть лицо, и его можно обрабатывать дальше. Этап отслеживания также отвечает за отслеживание определенных частей, особенностей или выражений лица, если это необходимо.
Выравнивание: Проблема распознавания лиц усугубляется тем, что лица на данном изображении или видео не подчиняются никаким правилам. Лицо может быть увеличено или уменьшено, выглядывать из-за дерева или располагаться в боковом профиле, что еще больше усложняет задачу распознавания лиц. Именно здесь на помощь приходит выравнивание лица: оно подсказывает, где на данном изображении/видео находится лицо и каковы контуры его черт.
Источник: csc.kth.se
Извлечение признаков: Как следует из названия, на этом этапе процесса (сейчас мы находимся на этапе распознавания) отдельные черты лица, такие как глаза, нос, подбородок, губы и т. д., извлекаются в форме, которую алгоритмы могут использовать на следующем этапе. На этом этапе компьютер собрал достаточно сложных данных, чтобы однозначно отличить лицо.
Сопоставление/классификация признаков: На этом этапе данные, полученные в результате извлечения признаков, сопоставляются с заданной базой данных, чтобы установить личность человека. Этот этап также известен как классификация, поскольку алгоритм может потребоваться для категоризации лиц, а не для их индивидуальной идентификации.
По окончании этого процесса мы точно знаем, является ли данное лицо частью базы данных, с которой мы сравнивали, или нет. Конечный результат также может содержать метки, как мы привыкли видеть на Facebook.
Источник: towardsdatascience.com
Вопросы развертывания: Серверная сторона и клиентская сторона
Распознавание лиц может работать как на сервере, так и на устройстве, с которым взаимодействует пользователь. Например, когда вы загружаете фотографию в Facebook, алгоритмы работают на стороне сервера; с другой стороны, система идентификации, использующая ваше лицо для разблокировки устройства, должна работать на стороне клиента. Так какой же вариант лучше?
Честно говоря, дело не в том, кто из них лучше. И серверная, и клиентская системы имеют свои преимущества; на практике предприятия используют гибридные системы. Рекомендуется обучать модели на стороне сервера, где учебные данные и вычислительные ресурсы не ограничены. После обучения моделей их можно упаковать и развернуть на стороне клиента, что повышает скорость работы системы, а также сохраняет конфиденциальность пользователя.
Передача всего на сервер влечет за собой задержку, которая в некоторых случаях может быть плохой или неприемлемой. В то же время хранение всего на стороне клиента приведет к созданию более слабых моделей.
Насколько точным является распознавание лиц?
Точность — не совсем точный термин в распознавании лиц. Основная причина заключается в том, что это нечеткая задача со всевозможными искаженными входными данными (плохое освещение, лицо частично закрыто волосами, качество камеры и т. д.) и даже обманчивыми входными данными (подробнее об этом позже!). В результате нейронные сети, используемые для распознавания лиц, должны быть настроены на конкретную задачу, что ограничивает их возможности. Так, если промышленная система распознавания лиц может похвастаться 100-процентной точностью (что часто и происходит), то эта же система может оказаться неточной даже на 20 %, когда ее попросят идентифицировать лица на фотографии в толпе.
В одном из исследований определенный тип алгоритма распознавания лиц смог достичь точности 98,52 %, что выше, чем точность человека в 97,53 %, достигнутая в том же тесте. В другом исследовании, проведенном в области криминалистики, сочетание человеческого мнения и алгоритмов в некоторых случаях давало наилучшие результаты.
В итоге для целенаправленных, четко определенных задач распознавание лиц — лучший инструмент, который у нас есть.
Где используется распознавание лиц?
Даже за тот короткий период, пока были разработаны жизнеспособные алгоритмы, распознавание лиц нашло невероятно полезное и захватывающее применение. Некоторые из них бросаются в глаза, а некоторые настолько тонко и фундаментально вплетены в повседневную жизнь, что мы едва ли задумываемся о том, что скрывается за ними.
Facebook — это, пожалуй, самый распространенный пример работы современных систем распознавания лиц. Как только вы загружаете фотографию, социальная сеть начинает распознавать лица. Если некоторое время назад вас просили отметить друзей, то теперь Facebook способен сделать это самостоятельно.
Источник: labnol.org
Новым классным приложением Facebook стала функция информирования пользователей о том, что кто-то загрузил фотографии с их лицами, даже если они не были отмечены на этих снимках.
Snapchat активно использует функцию распознавания лиц во многих своих функциях, в частности, в забавных фильтрах, которые так популярны.
Источник: gistreel.com
Чтобы эти фильтры работали, контуры и черты лица объекта должны быть распознаны идеально, иначе наложения не будут выглядеть реалистично. То же самое можно сказать и о Face Swap, еще одной популярной функции Snapchat. Если вам интересно узнать больше о возможностях Snapchat в области распознавания лиц, смотрите здесь.
Uber уже некоторое время борется с проблемами конфиденциальности и безопасности, и новейшим оружием в арсенале компании стало распознавание лиц. Компания запустила новую функцию, в которой личность водителей-партнеров проверяется по их лицам. В своем блоге компания сообщает, что после тестирования нескольких поставщиков технологий распознавания лиц, они остановились на Microsoft Face API из-за его высокого качества. Интересно, что эта проверка личности в режиме реального времени хорошо работает в условиях недостаточной освещенности и способна распознавать очки.
Учитывая, что распознавание лиц успешно работает в дикой природе, легко предсказать, что вскоре оно может заменить другие методы идентификации в образовательных учреждениях, больницах, библиотеках и т. д.
Естественным продолжением применения системы распознавания лиц является предотвращение преступлений в розничной торговле. Индустрия розничной торговли ежегодно теряет около 45 миллиардов долларов из-за магазинных воров и других преступлений в сфере розничной торговли, а противостоять этому практически невозможно. Теперь такие компании, как FaceFirst, помогают ритейлерам использовать распознавание лиц для обнаружения предыдущих преступников и оповещения сотрудников службы безопасности.
Полицейское наблюдение начинает использовать распознавание лиц, как и все остальные учреждения. Например, в Великобритании полиция Южного Уэльса использует камеры, установленные на фургонах, чтобы облегчить наблюдение за толпой.
Источник: theconversation.com
Хотя эта новообретенная суперсила в руках полиции вызвала жаркие общественные дебаты по поводу неприкосновенности частной жизни, полицейские считают, что она поможет им лучше пресекать правонарушения. Как сказал Ричард Льюис, заместитель главного констебля полиции Южного Уэльса, в интервью газете Financial Times:
Если вы опознаете человека, совершившего преступление [ранее], вы, по сути, говорите: «мы знаем, что вы здесь, пожалуйста, ведите себя прилично».
В здравоохранении недавно нашлось неожиданное применение: распознавание лиц помогло обнаружить редкое генетическое заболевание под названием синдром Ди Джорджа.
Синдром Ди Джорджа встречается примерно у 1 из 6 000 детей и приводит к деформации нескольких частей тела. Проблема здравоохранения в данном случае более актуальна для бедных стран, у которых нет средств на дорогостоящие методы диагностики. Таким образом, распознавание лиц с поразительной точностью 96,6 % дает новую надежду жертвам синдрома Ди Джорджа.
В авиационной отрасли распознавание лиц набирает обороты, и скоро оно заменит обычные посадочные талоны. В настоящее время получены ограниченные, но многообещающие результаты по идентификации пассажиров при вылете из страны. Администрация транспортной безопасности (TSA) США разработала план широкого использования биометрии на основе распознавания лиц.
Противоречивое использование распознавания лиц
Технологии расширяют наши возможности, но их хорошее или плохое использование зависит только от нас. Нет сомнений в том, что столь мощная и радикальная технология, как распознавание лиц, используется таким образом, что вызывает беспокойство по поводу фундаментальных прав человека и этических норм.
Самым ярким примером спорного использования распознавания лиц является огромная китайская система наблюдения, в которой за 1,4 миллиарда граждан страны следят около 200 миллионов камер.
Источник: sbs.com
Система отслеживает людей и оценивает их действия, постоянно обновляя метрику под названием «оценка гражданина». Хотя в мощной государственной системе наблюдения есть определенная польза (например, отслеживание неплательщиков по долгам), многие видят в ней приход антиутопического будущего, которое представлял себе Джордж Оруэлл. Это будущее, где правительства имеют неограниченную власть над человеком, а частной жизни не существует.
Второй пример спорного использования системы распознавания лиц также происходит (что неудивительно?) из Китая. На этот раз школьная система использует систему распознавания лиц, чтобы убедиться, что ученики «внимательны» во время занятий. Новая система распознавания лиц, хотя пока и не получила широкого распространения, заменяет удостоверения личности, читательские билеты, системы учета посещаемости и т. д., используя для идентификации лицо ученика.
Источник: businessinsider.com
Но самое жуткое заключается в том, что эта система отслеживает уровень внимания учеников, использование мобильных телефонов и т.д. и предупреждает учителя о превышении определенного порога.
Хотя система видеонаблюдения с распознаванием лиц существует не только в Китае — США пытаются использовать ее для борьбы с насилием в школах, — именно Китай, похоже, продвинулся в этом направлении дальше всех остальных стран.
Сравнение популярных API для распознавания лиц
Когда дело доходит до использования распознавания лиц, какие у вас есть варианты? В этом разделе мы рассмотрим, какие из них широко используются и как различные решения соотносятся друг с другом.
Прежде чем мы начнем, напомним, что эти API быстро развиваются, и вы, скорее всего, встретите в блогах сообщения о том, что в этом API отсутствует та или иная функция. Не принимайте решения, основываясь на этом. Сначала проанализируйте потребности своего бизнеса, внимательно изучите предлагаемые возможности, попробуйте и только потом принимайте решение.
OpenCV
Исследования в области ИИ — это воронка без дна. Обучить и довести до совершенства систему распознавания лиц очень сложно, и лучше всего это сделать конгломератам с глубокими карманами и армией исследователей. Однако если ваши потребности просты, и вы хотите иметь полный контроль над системой, и, конечно, готовы к содержанию крошечной/маленькой команды инженеров, OpenCV может вам подойти.
Это библиотека компьютерного зрения с открытым исходным кодом, которая отличается удивительной точностью и доступна для всех платформ программирования. Вот захватывающий пример того, как можно создать систему распознавания лиц с помощью Python и OpenCV всего за 25 строк кода!
В некоторых блогах можно встретить утверждение, что в OpenCV нет функции распознавания лиц. Это полная ложь, и вот вам доказательство. В общем, OpenCV может стать отличным выбором для вашего бизнеса, если потребности просты и специфичны.
Amazon Rekognition
Rekognition — это мощное предложение от одного из крупнейших облачных провайдеров — AWS. Это полностью управляемый, мощный сервис для платформы AWS, и если вы уже используете AWS для развертывания, Rekognition, вероятно, будет лучшим выбором.
Некоторые из потрясающих возможностей, предлагаемых Rekognition, таковы:
- Широкий анализ лица (пол, цвет волос, выражение лица, открыты глаза или нет и т. д.)
- Определение сцены и вида деятельности (в помещении/на улице, «играет в футбол» и т. д.)
Самый большой плюс Rekognition является и самым большим минусом — вам будет очень сложно использовать его с сервисами, не относящимися к AWS, и придется просто отказаться от него.
Kairos
В отличие от Rekognition, Kairos предоставляет вам ИИ через API (рифма непреднамеренная, клянемся!), позволяя вам полностью контролировать свои данные и серверы. Kairos позиционирует себя как сервис, ориентированный на защиту частной жизни, и крайне критично относится к Amazon и другим компаниям, вступающим в сговор с правительством (как и ACLU, кстати).
Kairos работает как с изображениями, так и с видео и обладает всеми приятными функциями, которые можно ожидать от современного API для распознавания лиц. В нем есть и некоторые удивительные функции, которые можно найти в Rekognition, но если они вам не нужны и вы уже управляете своими данными, то зачем беспокоиться?!
Kairos имеет локальное развертывание для тех, кто параноидально относится к конфиденциальности и даже не хочет отправлять данные по проводам для обработки, Kairos имеет локальное развертывание, цена зависит от вашего случая использования и может быть довольно высокой.
Google Cloud Vision
Компания Google решила разграничить свои сервисы распознавания лиц для изображений и видео. API для изображений известен как Cloud Vision, а сервис, ориентированный на видео, называется Video Intelligence.
Если сервис, ориентированный на изображения, довольно похож на то, что предлагает AWS, то видеосервис обладает приятной функцией каталогизации и поиска. Это будет полезно компаниям, у которых есть большие видеоархивы, которые они могут захотеть проанализировать или поискать в них.
При этом в Video Intelligence отсутствуют функции распознавания лиц, они предлагаются только в Cloud Vision. Отслеживание объектов и распознавание текста также находятся в бета-версии, что значительно отстает от предложений Amazon.
Azure Face API
Поскольку Microsoft относится к своим облачным предложениям более серьезно, чем к настольным (наконец-то), Azure Face API — это одно из восхитительных предложений. В нем есть все интересные функции, которые вы ожидаете (обнаружение, идентификация, группировка лиц, поиск похожих лиц, эмоции и т. д.), и он одинаково хорошо работает с видео.
Это не совсем относится к распознаванию лиц, но стоит упомянуть, что Azure также предлагает клиентскую службу компьютерного зрения, которая позволяет использовать ваши исходные данные и обучать модели в соответствии с вашими потребностями.
Как и в случае с сервисом Google, прямо на главной странице доступна игровая площадка, что делает тестирование API очень увлекательным!
Есть ли существенные различия между ведущими управляемыми сервисами распознавания лиц? Не совсем. В настоящее время в этой области наблюдается жесткая конкуренция, и новые функции появляются быстрее, чем пицца. Если вы уже привязаны к определенной экосистеме, имеет смысл воспользоваться их собственной службой распознавания лиц. В противном случае, если ваши потребности специфичны (контроль над собственными данными, необходимость только в распознавании лиц и т. д.), лучше выбрать другого поставщика.
Системы распознавания лиц
В то время как одни исследователи посвятили свою жизнь совершенствованию технологии распознавания лиц, другие заняты разработкой методов, позволяющих ее обмануть. Одна из таких интересных разработок — очки Adversarial Glasses, которые выглядят обычными для человека, но обманывают экспертные системы распознавания лиц.
Источник: digitaltrends.com
Правда, пока эти очки не доступны на рынке, но исследователи утверждают, что их можно легко напечатать в 3D-формате.
Еще одним интересным событием стал запуск очков ekō на Kickstarter. Несмотря на то, что продукт уже отменен, он работал на удивительно простой идее: обычные повседневные солнцезащитные очки за 45 долларов, которые просто отражали свет, заставляя камеры и устройства видеонаблюдения сходить с ума.
Как и в сфере кибербезопасности, «хакеры» и исследователи в области распознавания лиц скрещивают рога в гонке за совершенством. Примерно в 2014 году был популярен камуфляжный макияж, который обеспечивал невидимость при распознавании лиц, но сейчас он уже неактуален. Появится ли AES-шифрование при распознавании лиц? Только время покажет!
Подходит ли вам распознавание лиц?
Распознавание лиц может быть полезно для любого бизнеса, связанного с людьми — да, это значит, для любого бизнеса! Хотя в настоящее время распознавание лиц используется правительствами, крупными компаниями и технологическими стартапами, нет причин, по которым оно не может быть полезно вашему бизнесу.
Возможности поистине безграничны, если приложить немного творческого мышления: приветствие и идентификация клиентов в отеле, определение местонахождения вашего друга в море людей, поиск людей с похожими лицами (возможно, для использования в качестве актеров), определение личностных качеств для собеседований (опять же, мы просто даем волю воображению; возможно, в таком исследовании нет ничего существенного), индивидуализация банковского обслуживания при входе ценного клиента… Существует бесконечное множество способов использовать распознавание лиц на малых и больших уровнях, чтобы сделать ваш бизнес лучше.
Заключение
Очень скоро распознавание лиц станет настолько распространенным и привычным, что мы даже не будем замечать его (как мобильные телефоны?). На самом деле поисковые системы с распознаванием лиц тоже набирают обороты.
Хотя базовая технология уже почти доведена до совершенства, в реальном мире дело не только в распознавании лиц, но и в том, что мы можем делать с этой способностью.
Звучит увлекательно, и вы хотите узнать больше? Посмотрите этот блестящий курс о компьютерном зрении.