Apa yang perlu Anda ketahui tentang teknologi pengenalan wajah

2024 Pengarang: Malcolm Clapton | [email protected]. Terakhir diubah: 2023-12-17 04:00

Bagaimana teknologi ini digunakan oleh pemerintah dan bisnis, mungkinkah menipu kamera dengan sistem identifikasi wajah dan mungkinkah menemukan seseorang di Internet menggunakan foto.

Elena Glazkova Ivideon Pemasar.

Bagi negara, pengenalan wajah adalah bagian penting dari sistem keamanan dan item anggaran yang mengesankan. Bagi jurnalis, ini adalah obat mujarab atau instrumen konspirasi dunia. Untuk bisnis, alat atau produk. Sisi mana pun yang Anda ambil, pertanyaan dasar masih tetap ada. Pengguna biasanya mencari jawaban atas pertanyaan tersebut di Internet (rata-rata 28.704 kueri pengenalan wajah per bulan), tetapi mereka tidak selalu menemukannya. Memperbaiki situasi.

Apa itu pengenalan wajah?

Mari kita pisahkan lalat dari irisan daging. Pengguna lebih cenderung menggunakan pengenalan wajah di smartphone mereka sendiri, di mana identifikasi biometrik digunakan untuk membuka kunci perangkat dan hanya pemiliknya yang dapat mengakses data. Kamera 3D tentu terlibat dalam proses pengenalan sehingga tidak mungkin menipu gadget dengan foto.

Ada juga identifikasi wajah secara real time dan dalam kondisi nyata: dalam hal ini, ini terkait erat dengan sistem pengawasan video, di mana wajah secara harfiah "diambil" dari aliran video yang difilmkan oleh kamera.

Bayangkan sebuah kamera CCTV modern berkualitas tinggi ditempatkan tepat di atas ketinggian rata-rata manusia di tempat yang cukup terang. Kira-kira jumlah yang sama kira-kira orang yang sama lewat di depannya setiap hari. Mereka tidak bergerak sangat cepat.

Video yang diambil dapat disimpan di arsip cloud. Modul analitik terhubung ke kamera: kombinasi algoritma yang kompleks (kecerdasan buatan, jaringan saraf, itu saja) ditambah antarmuka pengguna. Modul "mengambil" wajah dari aliran video, menentukan jenis kelamin dan usia, dan memasukkan data ke dalam database.

Secara bertahap ada lebih banyak gambar. Sistem mengingat semua wajah yang dikenali secara otomatis dan mencatatnya dalam arsip, dan pengguna yang masuk menunjukkan data tambahan: nama, posisi, status, tanda lain ("tamu VIP" atau "pencuri"). Anda dapat mengunggah foto orang yang diperlukan, dan modul akan menemukan semua deteksi orang ini di arsip.

Segera setelah seseorang dengan tanda lewat di depan kamera lagi, sistem mencatat ini sebagai peristiwa penting dan mengirimkan pemberitahuan push ke pengguna yang tertarik.

Deteksi dalam konteks pengenalan wajah adalah situasi ketika algoritme, pada prinsipnya, memahami bahwa itu adalah wajah, dan bukan apel atau putri duyung dari cangkir Starbucks. Dia pertama-tama membutuhkan daya komputasi untuk ini, dan baru setelah itu dia dapat mencocokkan wajah dengan dasar atau mengingatnya.

Jika Anda telah membaca beberapa paragraf sebelumnya sampai akhir, selamat, Anda sekarang tahu bagaimana pengenalan wajah bekerja dalam situasi yang ideal. Deskripsi ini cocok untuk sistem apa pun: mulai dari yang digunakan di metro Moskow hingga solusi untuk bisnis kecil.

Hal utama yang harus dipahami adalah sulit untuk menciptakan situasi ideal dalam kehidupan nyata, terutama jika menyangkut seluruh kota, dan bukan kantor atau toko. Misalnya, ada banyak orang di kereta bawah tanah, setiap orang berbeda, mereka berjalan cepat. Anda membutuhkan banyak kamera, harganya mahal, dan spesialis yang kompeten harus menempatkannya.

Apakah mungkin untuk mengelabui algoritma pengenalan wajah

Meskipun terkadang terjadi kesalahan, akurasi pengenalan mesin seringkali lebih unggul daripada yang digunakan orang untuk menentukan wajah. China untuk membangun basis data pengenalan wajah raksasa untuk mengidentifikasi warga mana pun dalam hitungan detik akan segera muncul di China, sebuah sistem yang mampu menemukan orang tertentu di antara 1,3 miliar penduduk lainnya dalam 3 detik dengan akurasi 90%.

Namun sulit untuk menjawab pertanyaan ini dengan tegas, karena tidak ada algoritma tunggal yang ideal untuk pengenalan wajah. Kacamata besar, jenggot yang ditempel, topi, gerakan kecepatan tinggi, riasan khusus (misalnya, kisi "Black Swan" yang dilukis di wajah, kucing, lingkaran, dan tongkat. Cara melarikan diri dari sistem pengenalan wajah menggunakan riasan) - semua ini dapat membingungkan algoritma. Terutama secara agregat, karena untuk pengenalan itu sudah cukup Cara mencurangi sistem pengenalan apakah 70% dari wajah terbuka. Sekarang bayangkan bahwa perlu menggunakan trik di atas di kota nyata. Tidak terdengar begitu mudah, bukan?

Kacamata "Anti-pengenalan" dari Jepang, yang kembali pada tahun 2015

Dan inilah topeng 3D di tahun 2014

Apakah mungkin untuk mengenali wajah secara online

Internet adalah tempat yang paradoks: orang-orang di sini dapat secara bersamaan khawatir tentang apakah setiap detik kamera di jalan mendeteksi kepribadian mereka, dan dengan tulus ingin "mengenali wajah orang lain dari foto mereka secara online." Mari kita pertimbangkan tren pengenalan wajah ini secara terpisah.

Program pengenalan wajah adalah modul analitik yang dijelaskan di atas (kamera CCTV + perangkat lunak + penyimpanan cloud), atau perangkat lunak yang mirip dengan layanan FindFace yang terkenal (sedikit memalukan). Saat ini, tentu saja, tidak mungkin mengunduh program pengenalan wajah "gratis dan tanpa registrasi" di sebagian besar kasus.

Layanan web FindFace.ru, yang membantu menemukan orang-orang di jejaring sosial VKontakte dengan foto-foto mereka, didirikan pada 18 Februari 2016. Antara lain, berkat dia, semua orang bisa menemukan profil gadis-gadis yang membintangi film porno. Segera, layanan mulai digunakan untuk banyak flash mob untuk mendeteksi wajah, yang memiliki hak untuk tidak pernah terdeteksi oleh siapa pun. Sebuah skandal meletus, yang bekerja seperti iklan viral: teknologi yang menjadi dasar layanan menerima sejumlah penghargaan bergengsi dan membangkitkan minat pelanggan dari negara dan bisnis. Sejak 1 September 2018, layanan yang tidak lagi menyediakan Layanan FindFace, yang digunakan untuk mengenali pengunjuk rasa, mengumumkan penutupan pencarian orang melalui layanan foto, karena diubah oleh NtechLab menjadi serangkaian solusi untuk berbagai sektor bisnis.

Mimpi pengguna yang memasukkan permintaan, jelas, terlihat seperti ini: Anda pergi ke situs, mengunggah foto seseorang yang diambil secara diam-diam di kereta bawah tanah, program mengenali wajah dan memberikan tautan ke profil di jejaring sosial. Ya, tertangkap! Atau seperti ini: Anda mengunduh program ke komputer Anda, hubungkan webcam Anda ke sana dan kenali wajah kucing Anda. Berhasil - sekarang Anda akan menerima pemberitahuan setiap kali kucing mencuri sosis.

Realitas itu kejam. Situs pertama yang menawarkan sesuatu seperti itu menolak untuk bekerja, dan yang kedua membutuhkan keterampilan pemrograman dengan Python. Kurang lebih aplikasi seperti mimpi bernama SearchFace, yang baru saja dimulai ulang Searchface dimulai ulang dengan otorisasi melalui VKontakte. Namun jejaring sosial tersebut telah menutup fitur bernama FindClone ini. Anda mengunggah foto, dan algoritme mencoba mengenali wajah yang sama di basis data jejaring sosial VKontakte. Aplikasi tidak memberikan tautan ke profil, hanya gambar itu sendiri - dan tidak masalah siapa yang mengunggahnya. Jika pengguna telah aktif di jejaring sosial untuk waktu yang lama, penerbitan foto menciptakan efek "biografis" yang menakutkan, tetapi jika tidak, gambar yang dikenali dapat membuat mereka tertawa.

Sebenarnya, contoh SearchFace dengan jelas menjawab pertanyaan "Bagaimana jejaring sosial menggunakan pengenalan wajah?" Akan lebih akurat untuk merumuskannya seperti ini: "Bagaimana jejaring sosial digunakan untuk pengenalan wajah?" Jawabannya sederhana: seperti database. Kombinasi angka unik yang tak terhitung banyaknya (ini adalah bagaimana wajah dalam foto mencari algoritme Facebook, VKontakte, dan lainnya) membentuk dasar untuk melatih jaringan saraf yang membentuk dasar dari satu atau lain solusi pengenalan wajah.

Semua solusinya berbeda, dan jaringan saraf juga berbeda, dan pelanggan dan penyedia layanan, sebagai suatu peraturan, tidak mengungkapkan detail dan fitur teknis. Secara khusus, modul pengenalan jenis kelamin dan usia dapat menentukan karena dapat belajar dari informasi yang terkandung di Odnoklassniki, VKontakte, Instagram, dan Facebook.

Bagaimana pengenalan wajah diprogram

Anda tidak perlu menjawab pertanyaan pengembang dan pengembang jika Anda bukan pengembang. Karena itu, kami meminta bantuan spesialis.

Dmitry Soshnikov Anggota Asosiasi Rusia untuk Kecerdasan Buatan dan pakar senior dalam pengembangan AI dan sistem pembelajaran mesin di Microsoft.

Pengenalan wajah (serta operasi terkait lainnya) adalah tugas yang cukup umum. Oleh karena itu, banyak perusahaan menyediakan layanan siap pakai dalam bentuk cloud API (perantara perangkat lunak antar aplikasi) untuk solusi berkualitas tinggi dari tugas-tugas ini. Selain raksasa TI seperti Microsoft dan Google, perusahaan khusus, termasuk Rusia, juga terlibat dalam pengenalan wajah. Produk mereka berkembang pesat dan memberikan fitur yang lebih menarik seperti mengidentifikasi wajah dan siluet di keramaian.

Jauh lebih sulit untuk melatih jaringan saraf dari awal. Kita membutuhkan kumpulan data awal yang besar dan berkualitas tinggi, yaitu puluhan dan ratusan ribu (atau bahkan lebih!) Foto orang. Selain itu, sumber daya komputasi yang signifikan dan pengetahuan tentang AI dan pembelajaran mesin akan diperlukan. Perusahaan besar memiliki semua alat ini, jadi mereka memecahkan masalah dengan lebih baik.

Ada juga solusi perantara - untuk menggunakan jaringan saraf yang sudah terlatih, misalnya. Opsi ini, kemungkinan besar, akan bekerja sedikit lebih buruk daripada layanan cloud yang sudah jadi, tetapi ini akan memungkinkan Anda untuk memiliki kontrol penuh atas sistem. Ini akan membutuhkan tingkat pemahaman tertentu tentang pengoperasian jaringan saraf dan kerangka kerja jaringan saraf dan, kemungkinan besar, beberapa pengetahuan tentang bahasa Python, yang telah mendapatkan popularitas sebagai bahasa pemrograman utama di antara spesialis Ilmu Data.

Memang, akan lebih mudah untuk melakukan berbagai eksperimen, memvisualisasikan data, dan melakukan perhitungan matriks yang efisien berkat paket NumPy yang luar biasa. Ini bukan bahasa terbaik untuk pengembangan industri, karena tidak berisi alat yang efektif untuk membuat sistem perangkat lunak besar yang aman, tetapi belum ada alternatif untuk itu di bidang pelatihan jaringan saraf dalam.

Cara kerja pengenalan wajah dalam bisnis

Permintaan pengenalan wajah di fintech, ritel, dan jenis bisnis lainnya terkait langsung dengan ketersediaan teknologi yang semakin meningkat. Mekanismenya sederhana: semua perusahaan dan semua organisasi memiliki kamera CCTV, yang digunakan sebagai alat untuk pengumpulan data dan analisis selanjutnya. Di dunia, sistem pengawasan merekam terabyte video dalam Full HD per bulan, yaitu, benar-benar ada banyak informasi untuk diproses.

Perangkat lunak yang diperlukan untuk analisis data dapat "di-flash" ke perangkat oleh pabrikan. Kamera analitik video on-board biasanya cukup mahal.

Opsi alternatif adalah analitik di cloud, yaitu pusat data jarak jauh yang terhubung ke kamera murah apa pun. Ini adalah urutan besarnya lebih murah, ditambah lagi memberikan fleksibilitas - Anda dapat menyesuaikan solusi untuk bisnis tertentu.

Popularitas teknologi pengenalan wajah di berbagai bidang kegiatan semakin meningkat. Misalnya, Sberbank adalah salah satu pemimpin dalam hal mengumumkan berbagai proyek pengenalan wajah profil tinggi, dan dapat berargumen bahwa Dia mengenali Anda dari seribu: ATM akan mengidentifikasi klien dengan matanya dalam hal ini, mungkin hanya Tinkoff. Pada tahun 2017, Sberbank mengakuisisi Sberbank dan menginvestasikan 25,07% VisionLabs dalam teknologi pengenalan wajah, yang menciptakan perangkat lunak untuk pengenalan wajah. Pada tahun 2018, sebuah lembaga keuangan berhasil menguji pengenalan wajah di metro Moskow dan bahkan menangkap 42 penjahat 42 penjahat ditangkap berkat sistem pengenalan wajah Sberbank, untuk menguji Ini akan mengenali Anda dari seribu: ATM akan mengidentifikasi klien oleh mata ATM dengan identifikasi wajah sehingga penyerang tidak dapat menarik uang dari kartu orang lain, serta mengumumkan pengumpulan data biometrik (rekaman audio suara,video wajah) klien. Pada bulan April tahun ini, Sberbank mengendalikan pengembang sistem pengenalan suara dan wajah - "Pusat Teknologi Pidato" (MDT).

Hal lain adalah bahwa mengumumkan, menguji, menguji coba, dan membeli solusi tidak berarti benar-benar mengimplementasikannya. Apa sebenarnya yang sekarang digunakan di Sberbank (dan apakah itu digunakan), pada kenyataannya, hanya dapat dikatakan dengan pasti oleh Gref Jerman.

Dengan ritel, semuanya lebih transparan. Pada dasarnya, ada tiga masalah di sini yang diselesaikan dengan pengenalan wajah.

Pertama, pencurian. Toko-toko dijalankan oleh scammers, dan seringkali orang yang sama di jaringan yang sama. Pengenalan wajah memungkinkan Anda mengidentifikasi "pencuri yang hanyut" dan orang lain yang sebelumnya melanggar perintah. Segera setelah penyusup memasuki database setelah memasuki toko, keamanan akan menerima pemberitahuan di messenger atau dengan cara lain yang nyaman.

Kedua, kesulitan bekerja dengan pelanggan tetap. Tidak ada cukup data tentang pembelian dan ulang tahun untuk mempersonalisasi penawaran untuk VIP dan penggemar merek. Pengenalan wajah dapat diintegrasikan dengan CRM - yaitu, perangkat lunak di mana manajer memasukkan semua informasi tentang semua transaksi organisasi. Dalam kasus pencuri dan VIP, pengenalan wajah bekerja dengan cara yang hampir sama: wajah dimasukkan ke dalam daftar hitam atau putih, dan ketika muncul kembali, sistem akan berbunyi bip kepada orang yang memiliki akses. Jenis kelamin dan usia ditentukan secara otomatis, dan informasi tambahan akan ditambahkan oleh karyawan yang bertanggung jawab.

Ketiga, identifikasi ritel digunakan untuk iklan bertarget. Misalnya, di beberapa toko, X5 Retail Group yang memasang X5 akan menyertakan kamera penglihatan komputer untuk mengenali ekspresi wajah dan usia pelanggan. Dengan menganalisis data ini, sistem menampilkan barang yang mungkin disukai seseorang di layar monitor di lantai perdagangan. Ilustrasi nyata lainnya adalah kasus Lolli & Pops, sebuah toko kembang gula besar di Amerika Serikat. Sistem pengenalan wajah menentukan program loyalitas di dalam toko Anda di masa depan akan diberi makan oleh pengenalan wajah pelanggan reguler dan mengirimkan pemberitahuan ke ponsel cerdas mereka dengan produk yang mungkin mereka sukai (dengan mempertimbangkan preferensi individu dan bahkan alergi makanan).

Contoh mencolok lainnya dari penggunaan teknologi di ritel adalah toko tanpa penjual dan mesin kasir. Misalnya, Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown adalah kafe dan toko swalayan yang berlokasi di Hangzhou. Ini menjual minuman, makanan ringan, bahan makanan, mainan, ransel dan sejenisnya. Tao Cafe hanya terbuka untuk pengguna situs web Taobao.

Saat membeli minuman, sistem kamera dengan dukungan pengenalan wajah secara otomatis mengidentifikasi pelanggan, menghubungkan ke akunnya di toko online, dan memproses pembayaran. Pembeli keluar melalui ruang yang dilengkapi dengan beberapa sensor yang mengidentifikasi pelanggan dan barang. Pemindaian berfungsi bahkan jika orang tersebut memasukkan pembelian ke dalam saku atau tas.

Bagaimana teknologi pengenalan wajah berkembang

Sistem CCTV ID Wajah benar-benar mengambil alih dunia. Di Moskow, jumlah kamera pada 2019 akan mencapai Teknologi dan keamanan tinggi: berapa banyak kamera CCTV akan muncul tahun ini 174 ribu. Ini tidak berarti bahwa semua perangkat ini secara default dapat mengenali seseorang: paling sering dilaporkan bahwa sistem untuk mengenali penjahat yang dicari melalui kamera video akan mulai bekerja di Moskow pada tahun 2019 sekitar 160 ribu kamera dengan fungsi ini. Namun demikian, pada akhir 2018, kantor walikota Moskow mengumumkan niat otoritas Moskow pada 2019, mereka akan mengganti kamera video dan meluncurkan sistem pengenalan wajah untuk menggantikan semua perangkat pengawasan video dan membentuk sistem yang sepenuhnya inovatif tahun depan.

Paradoksnya adalah 160 ribu tidak sebanyak itu. Terutama jika dibandingkan dengan pemimpin lain dalam permintaan mesin pencari tentang pengenalan wajah - Cina. Pada akhir tahun 2017 ada In Your Face: China's all-seeking state lebih dari 170 juta kamera CCTV dan selama tiga tahun ke depan teknologi pengawasan 'Big Brother' China hampir tidak terlihat seperti yang pemerintah ingin Anda pikirkan. terhubung ke jaringan masih sekitar 400 juta.

Penggunaan pengenalan wajah yang kompeten dan benar berfungsi terutama untuk meningkatkan keamanan dan kenyamanan. Orang biasanya dengan cepat mendapatkan kepercayaan diri dalam teknologi yang menyelamatkan mereka dari antrian untuk pertandingan sepak bola (tersenyum ke kamera - lewat), mencegah pencurian dan hooliganisme, atau membantu mereka menghabiskan lebih sedikit untuk pembelian (program loyalitas). Semua ini, tentu saja, memerlukan peraturan tertentu - inilah mengapa undang-undang tentang perlindungan data pribadi diadopsi.

Di masa depan, kemungkinan bidang pengenalan wajah dalam sistem pengawasan video akan diatur serupa dengan praktik saat ini bekerja dengan identifikasi wajah di Internet. Orang yang berpikiran privasi tidak mengunggah terlalu banyak di Web - kegagalan sebagian dari SearchFace membuktikan bahwa strategi semacam itu efektif.

Tentu saja, seseorang tidak dapat terus-menerus membatasi diri untuk berjalan di sepanjang jalan di mana kamera dipasang di setiap persimpangan, tetapi kemungkinan mempertahankan anonimitas akan terbentuk jika ada permintaan yang sesuai dari masyarakat.