211service.com
Labāka sejas atpazīšanas programmatūra
Zinātniekiem un inženieriem, kas nodarbojas ar sejas atpazīšanas tehnoloģijām, nesen publiskotie Sejas atpazīšanas Lielā izaicinājuma rezultāti — pilnīgāk, 2006. gada sejas atpazīšanas pārdevēja tests (FRVT) un 2006. gada Iris izaicinājuma novērtējums (ICE) — ir bijis kluss triumfs. Sponsorē Nacionālais standartu un tehnoloģiju institūts (NIST), sejas atpazīšanas algoritmu saskaņošana parādīja, ka cilvēku mašīnpazīšana ir uzlabojusies desmitkārtīgi kopš 2002. gada un simtkārtīgi kopš 1995. gada. Patiešām, labākie sejas atpazīšanas algoritmi tagad darbojas precīzāk, nekā vairums cilvēku spēj pārvaldīt. Kopumā sejas atpazīšanas tehnoloģija strauji attīstās.
Sejas fakti: Augšējais 3-D attēls parāda tikai informāciju, kas saistīta ar vīrieša sejas formu. Apakšējā attēlā ir redzama tekstūra, kā arī forma.
Džonatons Filipss, NIST testu programmas vadītājs un galvenais autors aģentūras ziņojums , teikts, ka Sejas atpazīšanas Lielā izaicinājuma paredzētais mērķis vienmēr bija ievērojami uzlabot atpazīšanas veiktspēju salīdzinājumā ar 2002. gada rezultātiem. Filipss uzskata, ka nepieciešamais kļūdu īpatsvara samazinājums, lai sasniegtu šo mērķi, lielā mērā bija saistīts ar augstas izšķirtspējas nekustīgu attēlu un 3-D sejas atpazīšanas algoritmu izstrāde. FRVT 2006 un ICE 2006 augstas izšķirtspējas sejas attēlu kopas, 3-D sejas skenēšana un varavīksnenes attēli tika savākti no tiem pašiem cilvēkiem, saka Filipss. FRVT 2006 pirmo reizi mērīja sešu 3-D algoritmu veiktspēju trīsdimensiju sejas skenēšanas komplektā. ICE 2006 mērīja desmit algoritmu veiktspēju varavīksnenes attēlu komplektā. 3-D sejas atpazīšana ir kļuvusi par savu pēdējo dažu gadu laikā, jo 3-D sensori sejas atpazīšanai ir kļuvuši pieejami tikai nesen. Trīsdimensiju sejas atpazīšanas funkcija ir tāda, ka tā tieši uztver informāciju par seju formām.
Citu priekšrocību starpā 3-D sejas atpazīšana identificē personas, izmantojot cilvēka sejas virsmas atšķirīgās iezīmes, piemēram, acu dobumu, deguna un zoda izliekumus, kur audi un kauli ir visvairāk redzami un kas nav redzami. laika gaitā mainīties. Turklāt Phillips saka, ka apgaismojuma izmaiņas ir negatīvi ietekmējušas sejas atpazīšanas veiktspēju no nekustīgiem attēliem. Taču apgaismojuma izmaiņas neietekmē sejas formu. Tādējādi 3-D sejas atpazīšanu var izmantot pat gandrīz tumšos apstākļos.
Pēc Pitsburgas Kārnegija Melona Robotikas institūta pētnieka Ralfa Grosa teiktā, 3-D sejas atpazīšana var atpazīt arī objektus dažādos skata leņķos līdz pat 90 grādiem, citiem vārdiem sakot, sejas profilā. Seju atpazīšanas funkcija ir kļuvusi diezgan laba, ja sejas ir pilnībā nosegtas un atrodas 20 grādos, taču, tiklīdz jūs ejat uz profilu, ir radušās problēmas. Gross saka, ka skaidrojums sejas atpazīšanas programmatūras grūtībām ar profiliem var nebūt sarežģītāks par to, ka neviens nekoncentrējās uz problēmu. Galvenie sejas atpazīšanas lietojumi ir bijuši tādos kontekstos kā ID kartes un sejas skeneri, kuru mērķis ir bijis kooperatīvo subjektu priekšējo seju atpazīšana kontrolētā apgaismojumā.
Augstas izšķirtspējas nekustīgi attēli ir bijis vēl viens faktors sejas atpazīšanas tehnoloģijas uzlabošanā, daļēji tāpēc, ka ir kļuvusi iespējama arī ļoti detalizēta ādas tekstūras analīze. Izmantojot šādu analīzi, jebkuru ādas plankumu, ko sauc par ādas nospiedumu, var uzņemt kā attēlu, pēc tam sadalīt mazākos blokos, ko algoritmi pārvērš matemātiskās, izmērāmās telpās, kurās tiek reģistrētas līnijas, poras un faktiskā ādas tekstūra. Tas var identificēt atšķirības starp identiskiem dvīņiem, kas vēl nav iespējams, izmantojot tikai sejas atpazīšanas programmatūru, skaidro Gross. Apvienojot sejas atpazīšanu ar virsmas tekstūras analīzi, precīza identifikācija var palielināties par 20 līdz 25 procentiem.
Kā ir ar FRVT ziņojuma apgalvojumu, ka daži sejas atpazīšanas algoritmi ir vienādi vai pārsniedz cilvēku atpazīšanas iespējas? Filips skaidro: Cilvēki ļoti labi atpazīst pazīstamu cilvēku sejas. Tomēr viņi tik labi nespēj atpazīt nepazīstamus cilvēkus. Tā kā daudzas ierosinātās sejas atpazīšanas sistēmas papildinātu vai aizstātu cilvēkus, FRVT salīdzinošie cilvēku un programmatūras sejas atpazīšanas spēju testi - pirmā šāda pārbaude - bija svarīgi, lai novērtētu lietojumprogrammu iespējamo efektivitāti. Filips saka, ka pie zemiem viltus akceptēšanas rādītājiem (viltus pieņemšanas rādītājs ir iespējamības mērs, ka biometriskā drošības sistēma nepareizi pieņems neautorizētas personas piekļuves mēģinājumu), seši no septiņiem automātiskās sejas atpazīšanas algoritmiem bija salīdzināmi ar vai labāki. nekā cilvēka atpazīšana. Tie bija algoritmi no Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology un Tsinghua University. Diemžēl Filips piebilst, jo lielākā daļa FRVT 2006 dalībnieku nav atklājuši sīkāku informāciju par savām metodēm, tāpēc vēl nav iespējams novērtēt šo algoritmu īpatnības.
Kā izskatās sejas atpazīšanas komerciālā atdeve? Diezgan daudzsološi, jo desmitiem uzņēmumu cenšas izmantot sejas atpazīšanas iespējas kā biometriskos datus akreditācijas un pārbaudes nolūkos. Par FRVT cienījamas korporācijas, piemēram, Toshiba un Samsung, sacentās kopā ar tādiem uzņēmumiem kā Neven Vision – tikko iegādājās Google – un Visa un Identix (kas tikko ir apvienoti L1 Identity Solutions), kā arī kopā ar pētniekiem no tik dažādām universitātēm kā Pekina, Kembridža un Kārnegijs Melons. Kādas lietojumprogrammas uzņēmums, piemēram, Google, paredz tehnoloģijai, kas izstrādāta, nesen iegādājoties Neven Vision? Saskaņā ar Google PR darbinieka teikto, mēs uzskatām, ka tas piedāvā daudzsološas integrācijas iespējas ar Google pakalpojumiem, piemēram, Picasa un Picasa tīmekļa albumiem, jo īpaši attiecībā uz palīdzību lietotājiem sakārtot un meklēt savus fotoattēlus.
Uzņēmumā Carnegie Mellon Ralfs Gross saka, ka, cita starpā, viņš un viņa kolēģi ir bijuši saistīti ar vietējiem DMV, lai skenētu attēlus, lai iegūtu autovadītāja apliecības. Esmu saņēmis ziņojumus no valsts līmeņa, kurā teikts, ka, izmantojot sejas atpazīšanas tehnoloģiju, viņi pieķēra diezgan daudz cilvēku, kuri pieteicās licencēm dažādos štatos vai vienā un tajā pašā štatā ar citu nosaukumu, jo viņu iepriekšējā licence tika apturēta. Tā ir augoša tendence. Valstis, kas izmanto šādas tehnoloģijas, ir Masačūsetsa, Ilinoisa, Rietumvirdžīnija, Viskonsina, Kolorādo, Ziemeļkarolīna un Dienvidkarolīna, Oklahoma, Ziemeļdakota, Arkanzasa un Misisipi. Tomēr Gross uzsver, ka sejas atpazīšanas tehnoloģijas izmantošana ID fotoattēliem ir ļoti tālu no iespējas, kas ļautu tiesībaizsardzības iestādēm meklēt pilsētas tīmekļa kameru tīklus, meklējot konkrētas personas. Izmantojot autovadītāja apliecības fotoattēlus, jums ir kontrolēts fons, operators norāda, kā precīzi novietot jūsu seju; attēli tiek savākti salīdzināmos apstākļos. Tas ir daudz ierobežotāks nekā nejaušas sejas pūļa problēma, kad jūs pielīmējat kameru pie ēkas.
Tomēr Gross saka, ka jau tagad var redzēt celiņu būvi. Vēl nesen videonovērošanas nozare joprojām galvenokārt paļāvās uz analogajām kamerām, tāpēc bija nepieciešams izveidot kabeli lielos attālumos, lai šīs kameras savienotu ar uzraudzības aprīkojumu. Tagad nozare pāriet uz IP kamerām, ar kurām jūs varat diezgan viegli piekļūt jau esošajiem Ethernet tīkliem, saka Gross. Tātad jums ir bezvadu kameras un kameras, kas izmanto POE [Power over Ethernet tehnoloģija ļauj IP tālruņiem, bezvadu LAN piekļuves punktiem un citām ierīcēm saņemt strāvu, kā arī datus, izmantojot esošo LAN kabeļu], kur jums nav nepieciešams atsevišķs strāvas spraudnis. Varat iegādāties komerciālus risinājumus, kas būtībā ir TiVo šīm kamerām ar iebūvētiem kustības sensoriem, lai tie ierakstītu tikai tad, kad notiek kustība. Izmantojot digitālo krātuvi, varat glabāt datus uz nenoteiktu laiku un uzlabot tos tā, kā to nevar izdarīt ar analogajiem attēliem. Tātad visas šīs lietas apvienojas.
Tāpēc principā, tā kā sejas atpazīšanas programmatūra turpina strauji attīstīties, visticamāk, būs iespējams meklēt konkrētas sejas tīmekļa kameru tīklā. Attiecīgi Grosa nesenais darbs Carnegie Mellon kopā ar kolēģiem Datu privātuma laboratorija tur ir izstrādāti algoritmi aizsargāt personu privātumu videonovērošanas laikā. Parastās metodes, kas traucē cilvēkiem atpazīt indivīda iezīmes video, piemēram, tie pikseļu lauki, kas dažkārt aizsedz sejas un ķermeņa daļas televīzijas realitātes šovos, jau tagad nepievils sejas atpazīšanas programmatūru. Pilnīgi aptumšojot katru seju videoklipā būtu darīt darbu, bet tas būtu ierobežoti noderīgs, ja tiesībaizsardzības iestādes pēc tiesas ordera saņemšanas vēlētos pārbaudīt pierādījumus par aizdomīgu rīcību. Viņš skaidro, ka privātuma saglabāšanas algoritmu funkcija, ko Gross palīdz izveidot, ir automātiski ņemt personu seju vidējās vērtības un no tām sintezēt jaunus sejas attēlus, pēc tam uzlikt šos jaunos attēlus virs oriģināliem. Gross saka, ka tā var šķist pretēja tehnoloģija, taču patiesībā tā ir tikai sejas atpazīšanas otra puse.