Мнение
Распознавание лиц - неприятно или удобно?
Что вы думаете?
Face ID от Apple превратил распознавание лиц в самую популярную функцию. Вы заинтригованы тем, как это работает?
Давайте демистифицируем науку, лежащую в основе этого.
Системы распознавания лиц использовались для биометрической аутентификации, контроля доступа, посещаемости занятий, домашней безопасности, поиска данных на основе контента, социальных сетей и многих других приложений.
Концепция распознавания лиц не нова, как и ее реализация. Использование компьютеров для распознавания лиц появилось еще в 1960-х годах.
Посмотрите мой предыдущий пост на тему Эволюция распознавания лиц.
Распознавание лиц можно подразделить на проверку лица и идентификацию лица.
Подтверждение лица отвечает на вопрос «является ли этот человек тем, кем он / она себя называет?»
Например, биометрическая аутентификация на вашем смартфоне - это Face Verification. Во время регистрации вы можете настроить систему аутентификации для проверки вашего лица. Затем, когда вы разблокируете свой телефон, используя свое лицо, он сравнивает эту новую черту лица с той, которая использовалась в процессе настройки. Если он совпадает, он разблокирует ваш телефон. Однако, если ваш друг попытается использовать свое лицо, чтобы разблокировать ваш телефон, он потерпит неудачу, потому что он не соответствует сохраненным чертам лица.
Распознавание лиц отвечает на вопрос «кто этот человек?»
Пример идентификации лица используется для посещения занятий. Система извлекает черты лица каждого ученика в классе и сравнивает черты лица всех учеников, сохраненные в базе данных, чтобы найти наилучшее соответствие.
Типичная система распознавания лиц состоит из двух модулей:
- модуль детектора лица для определения лица на изображении или видео,
2. модуль распознавания лиц.
Модуль распознавания лиц дополнительно состоит из компонентов извлечения признаков и сопоставления лиц.
Извлечение признаков. Сеть внедрения признаков на основе глубокой сверточной нейронной сети (CNN) используется для извлечения репрезентативных особенностей лица. Результатом этого модуля является вектор признаков.
Эту модель экстрактора функций можно обучить с нуля или перенести обучение с помощью тонкой настройки предварительно обученных моделей, таких как AlexNet, VGG, Squeeznet и ResNet, на новом наборе данных.
Соответствие лиц. Элементы, извлеченные из тестовых изображений лиц, сравниваются с теми, которые уже сохранены в базе данных во время процесса регистрации лиц.
Для проверки лица извлеченная функция сравнивается с одной сохраненной чертой лица.
Для идентификации лица извлеченная функция сравнивается с несколькими чертами лица. Для идентификации лица часто используется классификационная модель.
Дополнительные компоненты. Дополнительный компонент распознавания лиц включает в себя анти-спуфинг, чтобы определить, является ли лицо живым или подделанным. Антиспуфинг используется для предотвращения различных типов атак на систему и используется перед прохождением через сеть извлечения функций.
В этом посте мы рассмотрели различные подкатегории распознавания лиц: проверка лица и идентификация лица. Мы также изучили основные компоненты типичной системы распознавания лиц, которая включает в себя обнаружение лиц, извлечение функций и сопоставление лиц.
Так что ты думаешь? Распознавание лиц - это жутко? Или это удобно? Оставьте свои мысли в комментариях ниже.
Первоначально опубликовано в www.xailient.com/blog.
Об авторе
Сабина Похрель работает в Xailient, стартапе в области компьютерного зрения, который создал самый быстрый в мире детектор объектов, оптимизированный для Edge.
Ссылки
[1] Мэй, Ван и Вэйхун Дэн. «Глубокое распознавание лиц: исследование». Препринт arXiv arXiv: 1804.06655 1 (2018).
[2] Зульфикар, Махин и др. «Глубокое распознавание лиц для биометрической аутентификации». Международная конференция по электротехнике, связи и вычислительной технике (ICECCE), 2019 г.. IEEE, 2019.
[3] Гао, Юн и др. «Распознавание лиц с использованием самых отличительных локальных и глобальных функций». 18-я Международная конференция по распознаванию образов (ICPR’06). Vol. 1. IEEE, 2006.
[4] https://www.historyofinformation.com/detail.php?id=2126
[5] https://mikedusenberry.com/on-eigenfaces
[7] https://www.electronicid.eu/en/blog/post/face-recognition/en
[8] https://techcrunch.com/2014/03/18/faceook-deepface-facial-recognition/?guccounter=1
