Присоединяйтесь к нам на предстоящем веб-семинаре Проблемы, возникающие при разработке технологии распознавания лиц

Распознавание лиц всегда было одной из самых захватывающих и интригующих технологий, поскольку она имеет дело с человеческими лицами. Вспышка COVID-19 подтолкнула мир к переходу на технологию бесконтактного распознавания лиц. Благодаря своим бесконтактным биометрическим функциям он набирает огромную популярность во всем мире. Компании избавляются от традиционных сканеров отпечатков пальцев и создают огромные возможности для бизнеса, внедряя технологию распознавания лиц на основе искусственного интеллекта. Некоторые из приложений, где его использование стало решающим, — это безопасность и наблюдение, системы аутентификации / контроля доступа, цифровое здравоохранение, поиск фотографий и т. Д.

Как говорится, возможности и проблемы идут рука об руку. Растущий коммерческий интерес к распознаванию лиц обнадеживает, но он также оказывается сложной задачей, когда речь идет о проблемах, которые постоянно влияют на качество доставки. Эти проблемы возникают, когда ситуации несовместимы и вызывают различное выражение лица.

Ниже перечислены проблемы, которые ограничивают возможности системы распознавания лиц.

Освещение

Освещение обозначает световые вариации. Небольшое изменение условий освещения создает серьезную проблему для автоматического распознавания лиц и может существенно повлиять на его результаты. Если освещение имеет тенденцию меняться, один и тот же человек снимается одним и тем же датчиком с почти одинаковым выражением лица и позой, результаты могут оказаться совершенно разными.

Освещение кардинально меняет внешний вид лица. Было обнаружено, что разница между двумя одинаковыми лицами при разном освещении больше, чем между двумя разными лицами, снятыми при одном и том же освещении.

Поза

Системы распознавания лиц очень чувствительны к изменениям позы. Поза лица меняется при изменении движения головы и угла обзора человека. Движения головы или разные точки зрения камеры могут неизменно вызывать изменения во внешности и создавать различия внутри класса, что приводит к резкому падению скорости автоматического распознавания лиц. Когда угол поворота увеличивается, становится сложно идентифицировать настоящее лицо. Это может привести к ошибочному распознаванию или отсутствию распознавания, если в базе данных имеется только фронтальный вид лица.

Окклюзия

Окклюзия означает блокировку, и это происходит, когда те или иные части лица заблокированы, а все лицо недоступно в качестве входного изображения. Окклюзия считается одной из самых важных проблем в системе распознавания лиц.

Это происходит из-за бороды, усов, аксессуаров (очки, кепка, маска и т. д.) и распространено в реальных сценариях. Наличие таких компонентов делает объект разнообразным и, следовательно, делает автоматизированный процесс распознавания лиц крепким орешком.

Страница по темеРаспознавание лиц и аналитика

Выражения

Лицо является одним из наиболее важных биометрических параметров, поскольку его уникальные особенности играют решающую роль в определении личности и эмоций человека. Различные ситуации вызывают разное настроение, что приводит к проявлению различных эмоций и, в конечном итоге, к изменению выражения лица.

Различные проявления одного и того же человека являются еще одним важным фактором, который необходимо учитывать. Человеческие выражения — это, в частности, макровыражения, такие как счастье, печаль, гнев, отвращение, страх, удивление. Микровыражения — это те, которые показывают быстрые мимические паттерны и происходят непроизвольно.

Макро- и микровыражения находят свое место на чьем-либо лице в связи с изменением его эмоционального состояния, и на волне таких эмоций, которых много, эффективное распознавание становится затруднительным.

Низкое разрешение

Минимальное разрешение для любого стандартного изображения должно быть 16*16. Картинка с разрешением менее 16*16 называется изображением низкого разрешения. Эти изображения с низким разрешением можно получить с помощью небольших автономных камер, таких как камеры видеонаблюдения на улицах, камеры банкоматов, камеры безопасности супермаркетов. Эти камеры могут захватывать небольшую часть области человеческого лица, и, поскольку камера не очень близко к лицу, они могут захватывать только область лица размером менее 16 * 16. Изображение с таким низким разрешением не дает много информации, так как большая часть из них потеряна. Это может быть большой проблемой в процессе распознавания лиц.

Старение

Внешний вид/текстура лица меняется с течением времени и отражает старение, что является еще одной проблемой в системе распознавания лиц. С возрастом черты человеческого лица, формы/линии и другие аспекты также меняются. Это делается для визуального наблюдения и поиска изображений после длительного периода времени.

Для проверки точности вычисляется набор данных для другой возрастной группы людей за определенный период времени. Здесь процесс распознавания зависит от выделения признаков, основных признаков, таких как морщины, отметины, брови, прически и т. д.

Сложность модели

Существующие современные методы распознавания лиц основаны на «слишком глубокой» архитектуре сверточной нейронной сети (CNN), которая очень сложна и не подходит для работы в режиме реального времени на встроенных устройствах.

Идеальная система распознавания лиц должна быть терпима к изменениям освещения, выражения, позы и окклюзии. Он должен быть масштабируемым для большого числа пользователей с необходимостью захвата минимального количества изображений во время регистрации, в то же время избавляясь от сложной архитектуры.

Вывод

Лицо — самая важная часть человеческого тела, и его уникальные особенности делают его еще более важным при идентификации человека. Во всем мире используются различные алгоритмы и технологии, чтобы сделать процесс распознавания лиц более точным и надежным. Применение этой постоянно растущей технологии также расширяется в здравоохранении, безопасности, обороне, криминалистике и транспорте, что требует большей точности. Тем не менее, при разработке технологии распознавания лиц повсеместно встречаются некоторые проблемы, такие как поза, окклюзия, выражения, старение и т. д., которые обсуждались выше в статье.

Если вы заинтересованы в том, чтобы узнать, как можно использовать несложную, удобную встроенную архитектуру CNN для распознавания лиц, модели FR, которая не зависит от изменений изображения и работает в режиме реального времени на встроенных устройствах, напишите нам по адресу marcom@. pathpartnertech.com».

Примечание. PathPartner проводит вебинар, посвященный проблемам, возникающим при разработке технологии распознавания лиц, и поиску возможных решений с помощью хорошо обученной и точной модели FR. Зарегистрируйтесь на вебинар здесь