211service.com
Geresnė veido atpažinimo programinė įranga
Mokslininkams ir inžinieriams, susijusiems su veido atpažinimo technologijomis, neseniai paskelbti „Face Recognition Grand Challenge“ rezultatai, tiksliau, „Face Recognition Vendor Test“ (FRVT) 2006 ir „Iris Challenge Evaluation“ (ICE) 2006, buvo ramus triumfas. Rėmėja Nacionalinis standartų ir technologijos institutas (NIST), veido atpažinimo algoritmų suderinimas parodė, kad mašininis žmonių atpažinimas nuo 2002 m. pagerėjo dešimteriopai, o nuo 1995 m. – šimtą kartų. Iš tiesų, geriausi veido atpažinimo algoritmai dabar veikia tiksliau, nei gali valdyti dauguma žmonių. Apskritai, veido atpažinimo technologija sparčiai tobulėja.
Faktai: Viršutiniame 3D vaizde rodoma tik informacija, susijusi su vyro veido forma. Apatiniame paveikslėlyje parodyta tekstūra ir forma.
Jonathon Phillips, NIST testų programos vadovas ir pagrindinis autorius agentūros ataskaita , teigia, kad numatytas Veido atpažinimo didžiojo iššūkio tikslas visada buvo žymiai pagerinti atpažinimo našumą, palyginti su 2002 m. rezultatais. Phillipsas mano, kad tam tikslui pasiekti būtiną klaidų lygio sumažėjimą daugiausia lėmė didelės raiškos nejudančių vaizdų ir 3D veido atpažinimo algoritmų kūrimas. FRVT 2006 ir ICE 2006 buvo surinkti tų pačių žmonių didelės raiškos veido vaizdų rinkiniai, 3D veido nuskaitymai ir rainelės vaizdai, sako Phillipsas. FRVT 2006 pirmą kartą išmatavo šešių 3-D algoritmų našumą 3-D veido nuskaitymo rinkinyje. ICE 2006 išmatavo dešimties algoritmų veikimą rainelės vaizdų rinkinyje. 3D veido atpažinimas per pastaruosius kelerius metus tapo savarankiškas, nes 3D veido atpažinimo jutikliai tapo prieinami tik neseniai. 3D veido atpažinimo funkcija yra ta, kad ji tiesiogiai fiksuoja informaciją apie veidų formas.
Be kitų pranašumų, 3D veido atpažinimas identifikuoja asmenis, pasinaudodamas išskirtiniais žmogaus veido paviršiaus bruožais, pavyzdžiui, akiduobių, nosies ir smakro išlinkimais, kur audiniai ir kaulai yra ryškiausi, o ne. keisti laikui bėgant. Be to, Phillipsas teigia, kad apšvietimo pokyčiai neigiamai paveikė veido atpažinimą iš nejudančių vaizdų. Tačiau apšvietimo pokyčiai neturi įtakos veido formai. Taigi 3D veido atpažinimas gali būti naudojamas net beveik tamsoje.
Pasak Carnegie Mellon Robotikos instituto Pitsburge mokslininko Ralpho Grossas, 3-D veido atpažinimas taip pat gali atpažinti objektus skirtingais žiūrėjimo kampais iki 90 laipsnių, kitaip tariant, veidus profilyje. Veido atpažinimas buvo gana geras, kai priekiniai veidai yra visiškai ir 20 laipsnių kampu, bet kai tik einate link profilio, atsirado problemų. Grossas teigia, kad veido atpažinimo programinės įrangos sunkumų, susijusių su profiliais, paaiškinimas gali būti ne sudėtingesnis nei tai, kad niekas nekreipia dėmesio į problemą. Pagrindiniai veidų atpažinimo taikymai buvo naudojami tokiuose kontekstuose kaip asmens tapatybės kortelės ir veido skaitytuvai, kurių tikslas buvo atpažinti visus bendradarbiaujančių subjektų priekinius veidus esant kontroliuojamam apšvietimui.
Didelės raiškos nejudantys vaizdai buvo dar vienas veiksnys tobulinant veido atpažinimo technologiją, iš dalies todėl, kad tapo įmanoma atlikti labai išsamią odos tekstūros analizę. Atlikus tokią analizę, bet koks odos lopinėlis, vadinamas odos atspaudu, gali būti užfiksuotas kaip vaizdas, tada suskaidomas į mažesnius blokus, kuriuos algoritmai paverčia matematinėmis, išmatuojamomis erdvėmis, kuriose įrašomos linijos, poros ir tikroji odos tekstūra. Jis gali nustatyti skirtumus tarp identiškų dvynių, o tai dar neįmanoma naudojant vien veido atpažinimo programinę įrangą, aiškina Grossas. Derinant veido atpažinimą su paviršiaus tekstūros analize, tikslus identifikavimas gali padidėti 20–25 procentais.
O kaip FRVT ataskaitos teiginys, kad kai kurie veido atpažinimo algoritmai prilygsta arba viršija žmonių atpažinimo galimybes? Phillipsas paaiškina: Žmonės labai gerai atpažįsta pažįstamų žmonių veidus. Tačiau jie ne taip gerai atpažįsta nepažįstamus žmones. Kadangi daugelis siūlomų veido atpažinimo sistemų papildytų arba pakeistų žmones, FRVT lyginamieji žmonių ir programinės įrangos veido atpažinimo galimybių testai – pirmasis toks bandymas – buvo svarbūs norint įvertinti galimą programų efektyvumą. Phillipsas teigia, kad esant žemam klaidingo priėmimo dažniui (klaidingo priėmimo rodiklis yra tikimybės, kad biometrinė apsaugos sistema neteisingai priims neteisėto asmens bandymą prisijungti), šeši iš septynių automatinio veido atpažinimo algoritmų buvo panašūs arba geresni. nei žmogaus pripažinimas. Tai buvo Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology ir Tsinghua universiteto algoritmai. Deja, Phillipsas priduria, kad kadangi dauguma FRVT 2006 dalyvių neatskleidė savo metodų detalių, kol kas neįmanoma įvertinti, kuo šie algoritmai skiriasi.
Kaip atrodo komercinis pelnas už veido atpažinimą? Gana daug žadanti, nes dešimtys įmonių siekia išnaudoti veido atpažinimo, kaip biometrinės informacijos, potencialą kredencialų suteikimo ir tikrinimo tikslais. Dėl FRVT garbingos korporacijos, tokios kaip Toshiba ir Samsung, varžėsi kartu su tokiomis įmonėmis kaip Neven Vizija – ką tik įsigijo Google – ir Visa ir Identix (kurie ką tik susijungė į L1 Identity Solutions), taip pat kartu su mokslininkais iš tokių įvairių universitetų kaip Pekinas, Kembridžas ir Carnegie Mellon. Kokias programas tokia įmonė kaip „Google“ numato technologijai, sukurtai neseniai įsigijus „Neven Vision“? Pasak „Google“ viešųjų ryšių specialisto, manome, kad tai suteikia daug žadančių integravimo galimybių su „Google“ paslaugomis, pvz., „Picasa“ ir „Picasa“ žiniatinklio albumais, ypač padedant vartotojams tvarkyti ir ieškoti savo nuotraukų.
„Carnegie Mellon“ Ralphas Grossas sako, kad, be kitų pastangų, jis ir jo kolegos bendradarbiavo su vietiniais DMV, siekdami nuskaityti vaizdus vairuotojo pažymėjimams gauti. Gavau pranešimus iš valstijos, kad naudojant veido atpažinimo technologiją jie sugavo nemažai žmonių, kurie kreipėsi dėl licencijų skirtingose valstijose arba toje pačioje valstijoje kitu pavadinimu, nes jų ankstesnė licencija buvo sustabdyta. Tai auganti tendencija. Tokias technologijas naudojančios valstybės yra Masačusetsas, Ilinojus, Vakarų Virdžinija, Viskonsinas, Koloradas, Šiaurės ir Pietų Karolina, Oklahoma, Šiaurės Dakota, Arkanzasas ir Misisipė. Nepaisant to, Grossas pabrėžia, kad veido atpažinimo technologijos taikymas asmens tapatybės nuotraukoms yra toli nuo galimybės, kuri leistų teisėsaugai ieškoti konkrečių asmenų miesto internetinių kamerų tinkluose. Su vairuotojo pažymėjimo nuotraukomis turite valdomą foną, operatorius tiksliai pasako, kaip padėti jūsų veidą; vaizdai renkami panašiomis sąlygomis. Tai daug labiau apribota nei atsitiktinio veido minioje problema, kai klijuojate kamerą ant pastato.
Vis dėlto, sako Grossas, jau matosi tako pastatymas. Iki šiol vaizdo stebėjimo pramonė vis dar daugiausia rėmėsi analoginėmis kameromis, todėl reikėjo nutiesti kabelį dideliems atstumams, kad šios kameros būtų prijungtos prie stebėjimo įrangos. Dabar pramonė pereina prie IP kamerų, su kuriomis galite lengvai prisijungti prie jau esamų Ethernet tinklų, sako Grossas. Taigi turite belaidžių kamerų ir fotoaparatų, naudojančių POE [Power over Ethernet technologija leidžia IP telefonams, belaidžiams LAN prieigos taškams ir kitiems prietaisams gauti maitinimą ir duomenis esamais LAN kabeliais], kur jums nereikia atskiro maitinimo kištuko. Galite nusipirkti komercinių sprendimų, kurie iš esmės yra „TiVo“, skirti šioms kameroms, su įmontuotais judesio jutikliais, todėl jie įrašo tik tada, kai vyksta judesys. Naudodami skaitmeninę saugyklą galite saugoti duomenis neribotą laiką ir pagerinti juos taip, kaip negalite naudodami analoginius vaizdus. Taigi visi šie dalykai susijungia.
Todėl iš esmės, kadangi veido atpažinimo programinė įranga ir toliau sparčiai vystosi, greičiausiai bus galima ieškoti konkrečių veidų internetinių kamerų tinkle. Atitinkamai, naujausias Grossas darbas Carnegie Mellon kartu su kolegomis iš Duomenų privatumo laboratorija ten buvo sukurti algoritmai apsaugoti asmenų privatumą stebint vaizdo kameromis. Įprasti metodai, trukdantys žmogui atpažinti asmens ypatybes vaizdo įraše, pavyzdžiui, tie pikselių laukai, kartais dengiantys veidus ir kūno dalis televizijos realybės laidose, jau neapgaus veido atpažinimo programinės įrangos. Visiškai užtemdykite kiekvieną vaizdo klipe esantį veidą būtų atlikti darbą, tačiau tai būtų ribota nauda, jei teisėsaugos institucijos norėtų sekti įtartino elgesio įrodymus, kai tik gautų teismo orderį. Jis aiškina, kad privatumą išsaugančių algoritmų, kuriuos padeda sukurti Grossas, funkcija yra automatiškai paimti vidutines asmenų veidų vertes ir iš jų susintetinti naujus veido atvaizdus, o tada tuos naujus vaizdus uždėti ant originalų. Grossas sako, kad tai gali atrodyti kaip priešinga technologija, bet iš tikrųjų tai tik kita veido atpažinimo pusė.