Tutto sul riconoscimento facciale per le imprese

Il riconoscimento facciale non si limita ai regni dell’informatica. Ha solide applicazioni aziendali.


Una delle parole d’ordine più alla moda di questo decennio è il riconoscimento facciale.

È la parte dell’apprendimento automatico applicato che può rilevare e identificare i volti umani, un problema che fino ad ora è stato notoriamente difficile per i computer. E con ciò si è aperto un nuovo mondo di entusiasmanti possibilità e sfide per aziende, governi e individui.

Se sei un dirigente d’azienda e ti stai chiedendo di cosa si tratta e se c’è qualche utilità in questo nuovo sviluppo, ti abbiamo coperto. In questo articolo, esamineremo la storia del riconoscimento facciale, il suo sviluppo, gli usi attuali, le controversie, la distribuzione e molte altre sfaccettature.

Alla fine, avrai una solida comprensione di ciò che riguarda la tecnologia di riconoscimento facciale e quali sono le sue implicazioni per le aziende.

Iniziamo!

Evoluzione del riconoscimento facciale

Per tutta la campagna pubblicitaria e la copertura mediatica che circondano il riconoscimento facciale, la tecnologia è in circolazione da un po ‘di tempo. Il primo serio lavoro algoritmico nel rilevare i volti fu il Quadro di rilevamento oggetti Viola-Jones pubblicato nel 2001. Sebbene sia un framework generico per l’identificazione di oggetti all’interno di immagini, è stato rapidamente applicato alla rilevazione del volto con un ottimo successo. Il motivo principale della popolarità di questo algoritmo è stata la sua velocità; mentre il processo di allenamento era estremamente lento, il processo di rilevamento era estremamente veloce.

Già nel 2001/2004, il computer desktop medio che eseguiva questo algoritmo era in grado di elaborare un frame 300px X 300px in 0,07 secondi (altro Qui). Il tassi di precisione, sebbene non paragonabile a ciò che gli umani possono raggiungere, erano impressionanti al 90%.

Tuttavia, non sono stati compiuti progressi reali fino al decennio 2010-2020, quando Reti neurali convoluzionali è emerso come il metodo migliore per eseguire il rilevamento facciale. Il motivo era la disponibilità di potenza di elaborazione grezza e memorie di sistema gigantesche rese disponibili attraverso il cloud computing dai provider di Inafrastructure-as-a-Service (IaaS). Per la prima volta nella storia, i computer picchiavano costantemente gli umani nel riconoscere i volti, specialmente quando erano coinvolti un gran numero di volti casuali.

Fonte: medium.com

Come funziona il riconoscimento facciale?

Il riconoscimento facciale è un processo in più fasi, con diversi sottosistemi specializzati coinvolti.

Ecco cosa significano le varie fasi:

Rilevamento / monitoraggio: Questa parte della fase di preelaborazione è responsabile dell’identificazione e del tracciamento dei volti nell’immagine o nel file video indicato. Una volta completato questo processo, sappiamo per certo che c’è un volto nell’input dato e che può essere elaborato ulteriormente. La fase di tracciamento è anche responsabile del tracciamento di alcune parti, caratteristiche particolari o espressioni in una faccia, qualora fosse necessario.

Allineamento: Il problema del riconoscimento facciale è aggravato perché i volti in una determinata immagine o video non seguono alcuna linea guida. La persona può essere ingrandita o ridotta, sbirciando da dietro un albero o presente in un profilo laterale, rendendo ancora più difficile il problema del rilevamento del volto. È qui che arriva l’allineamento del viso: ci dice dove nell’immagine / video dati le linee del viso e quali sono i contorni per le caratteristiche del viso.

Fonte: csc.kth.se

Estrazione delle caratteristiche: Come suggerisce il nome, durante questa fase del processo (siamo ora nella fase di riconoscimento), le singole caratteristiche del viso, come occhi, naso, mento, labbra, ecc., Vengono estratte nella forma che può essere utilizzato dagli algoritmi nella fase successiva. In questa fase, il computer ha raccolto abbastanza dati concreti per distinguere un volto in modo univoco.

Corrispondenza / classificazione delle caratteristiche: In questa fase, gli input ricevuti dall’estrazione della funzione vengono confrontati con il database dato per dedurre l’identità della persona. Questa fase è anche conosciuta come classificazione, perché potrebbe essere necessario l’algoritmo per classificare le facce invece di identificarle individualmente.

Una volta terminato questo processo, sappiamo con certezza se la determinata faccia fa parte del database con cui abbiamo confrontato o meno. L’output finale può contenere anche tag, come siamo abituati a vedere su Facebook.

Fonte: towardsdatascience.com

Considerazioni sulla distribuzione: lato server e lato client

Il riconoscimento facciale può funzionare sia sul server che sul dispositivo con cui l’utente interagisce. Ad esempio, quando carichi una foto su Facebook, gli algoritmi vengono eseguiti sul lato server; d’altra parte, un sistema ID che utilizza il tuo viso per sbloccare il dispositivo deve essere eseguito sul lato client. Quindi qual è il migliore?

Onestamente, non si tratta di quale sia meglio. Le implementazioni sia lato server che lato client hanno i loro punti di forza e, in pratica, le aziende implementano un sistema ibrido. La pratica consigliata è quella di formare i tuoi modelli sul lato server, dove i dati di formazione e le risorse di elaborazione sono illimitati. Una volta che i modelli sono stati addestrati, questi possono essere impacchettati e distribuiti sul lato client, il che migliora la velocità del sistema e mantiene la privacy dell’utente.

L’invio di tutto al server comporta un ritardo, che in alcuni casi può essere errato o inaccettabile. Allo stesso tempo, mantenere tutto sul lato client comporterà modelli più deboli.

Quanto è accurato il riconoscimento facciale?

La precisione non è un termine molto ben definito nel riconoscimento facciale. Il motivo principale è che si tratta di un problema confuso con tutti i tipi di input incasinati (scarsa luminosità, viso parzialmente coperto da capelli, qualità della fotocamera, ecc.) E persino input ingannevoli (ne parleremo più avanti!). Di conseguenza, le reti neurali coinvolte nel riconoscimento facciale devono essere modificate per il problema in questione, limitandone la portata. Quindi, mentre un sistema di riconoscimento facciale industriale può vantare una precisione del 100% (che è spesso il caso), lo stesso sistema potrebbe non essere preciso nemmeno del 20% quando viene chiesto di identificare i volti in una foto affollata.

In uno ricerca, un particolare tipo di algoritmo di riconoscimento facciale è stato in grado di raggiungere una precisione del 98,52%, superiore all’accuratezza umana del 97,53% ottenuta nello stesso test. In un altro studia condotta in medicina legale, la combinazione di giudizio umano e algoritmi ha prodotto i migliori risultati in alcuni casi.

In conclusione: per applicazioni mirate e ben definite, il riconoscimento facciale è lo strumento migliore che abbiamo.

Dove viene utilizzato il riconoscimento facciale?

Anche nel breve periodo in cui sono stati sviluppati algoritmi praticabili, il riconoscimento facciale ha trovato applicazioni incredibilmente utili ed entusiasmanti. Alcuni di questi sono cospicui, ma alcuni sono così delicatamente e fondamentalmente intrecciati nella vita di tutti i giorni che difficilmente ci fermiamo a pensare a cosa c’è sotto.

Facebook è forse l’esempio più comune dei moderni sistemi di riconoscimento facciale al lavoro. Non appena carichi una foto, il social network è in grado di rilevare i volti. Mentre qualche tempo fa ti veniva chiesto di taggare gli amici, ora Facebook è in grado di farlo da solo.

Fonte: labnol.org

Una nuova fantastica applicazione di Facebook è la caratteristica di informando utenti quando le foto che contengono il loro volto vengono caricate da qualcuno, anche se non sono state taggate in quelle foto.

Snapchat fa un uso pesante del rilevamento e del riconoscimento del volto per molte delle sue caratteristiche, in particolare i filtri divertenti che sono così furiosi.

Fonte: gistreel.com

Perché questi filtri funzionino, i contorni e le caratteristiche del viso del soggetto devono essere rilevati perfettamente, altrimenti gli overlay non sembreranno realistici. Lo stesso vale per Face Swap, un’altra caratteristica popolare in Snapchat. Se sei interessato ad approfondire le capacità di Snapchat nel riconoscimento facciale, vedi Qui.

Uber combatte da un po ‘di tempo i problemi di privacy e sicurezza e l’arma più recente nell’arsenale dell’azienda è il riconoscimento facciale. La società ha implementato una nuova funzionalità in cui viene verificata l’identità dei suoi partner di guida usando i loro volti. La società afferma sul suo blog che dopo aver testato diversi fornitori di tecnologia di riconoscimento facciale, si sono affidati a Microsoft Face API per la sua alta qualità. È interessante notare che questo controllo ID in tempo reale funziona bene in condizioni di scarsa illuminazione ed è in grado di rilevare gli occhiali.

Con il riconoscimento facciale che ha avuto successo in natura, è facile prevedere che potrebbe presto sostituire altri metodi di identificazione presso istituti scolastici, ospedali, biblioteche, ecc..

Prevenzione della criminalità al dettaglio è un’estensione naturale dell’applicazione del riconoscimento facciale. Il settore della vendita al dettaglio perde una stima $ 45 miliardi ogni anno ai taccheggiatori e altri crimini al dettaglio, con ben poco per contrastarlo. Adesso piace alle aziende FaceFirst stanno aiutando i rivenditori a utilizzare il riconoscimento facciale per rilevare i trasgressori precedenti e avvisare i responsabili della sicurezza.

Sorveglianza della polizia sta cominciando a sfruttare il riconoscimento facciale come tutte le altre istituzioni là fuori. Ad esempio, nel Regno Unito, la polizia del Galles del Sud sta utilizzando telecamere montate sui furgoni sorveglianza di folla più facile.

Fonte: theconversation.com

Mentre questa nuova superpotenza nelle mani della polizia ha scatenato accesi dibattiti pubblici sulla privacy individuale, la polizia crede che li aiuterà a limitare meglio i trasgressori. Come ha detto Richard Lewis, vicecapo della polizia del Galles del Sud Financial Times:

Se identifichi qualcuno che ha commesso un reato [in precedenza], in pratica dici: sappiamo che sei qui, per favore comportati bene.

Assistenza sanitaria recentemente ha avuto un’applicazione inaspettata, in cui il riconoscimento facciale ha contribuito a rilevare un raro disturbo genetico chiamato sindrome di Di George.

La sindrome di Di George appare in circa 1 su 6.000 bambini e provoca deformità in diverse parti del corpo. Il problema sanitario, in questo caso, è più grave per i paesi più poveri, che non hanno le risorse per cercare metodi di diagnosi costosi. Come tale, il riconoscimento facciale, con una stupefacente precisione del 96,6%, offre nuove speranze per le vittime della sindrome di Di George.

Nel Airlines industria, l’adozione del riconoscimento facciale sta riprendendo e presto sostituirà le carte d’imbarco convenzionali. Attualmente, ci sono risultati limitati ma promettenti nell’aiutare identificare i passeggeri mentre lasciano il paese. In effetti, la Transport Security Administration (TSA) degli Stati Uniti ha stabilito a Piano per un uso diffuso della biometria basata sul riconoscimento facciale.

Usi controversi del riconoscimento facciale

La tecnologia ci dà potere, anche se il suo uso buono o cattivo dipende da noi. Non c’è dubbio, quindi, che qualcosa di così potente e radicale come il riconoscimento facciale venga utilizzato in un modo che solleva preoccupazioni sui diritti umani e sull’etica fondamentali.

L’esempio più importante di usi controversi del riconoscimento facciale è l’enorme Cina sistema di sorveglianza che impiega circa 200 milioni di telecamere per tenere d’occhio i suoi 1,4 miliardi di cittadini.

Fonte: sbs.com

Il sistema tiene traccia delle persone e valuta le loro azioni, aggiornando costantemente una metrica chiamata punteggio dei cittadini. Sebbene ci sia un certo valore nell’avere un potente sistema di sorveglianza controllato dallo stato (ad esempio, per rintracciare i debitori insolventi), molti lo vedono come l’arrivo del futuro distopico immaginato da George Orwell. È un futuro in cui i governi hanno un potere illimitato sull’individuo e la privacy è inesistente.

Il secondo esempio di uso discutibile del riconoscimento facciale proviene (non sorprende?) Dalla Cina. Questa volta è il sistema scolastico che adotta il riconoscimento facciale per assicurarsi che gli studenti siano “attenti” durante le lezioni. Il nuovo sistema di riconoscimento facciale, sebbene non ancora diffuso, sostituisce le carte d’identità, le tessere della biblioteca, i sistemi di presenza, ecc., Usando il volto dello studente per l’identificazione.

Fonte: businessinsider.com

Ma la parte inquietante è che questo sistema monitora i livelli di attenzione degli studenti, l’uso del telefono cellulare, ecc. E avvisa l’insegnante quando viene superata una determinata soglia.

Mentre la videosorveglianza alimentata dal riconoscimento facciale non è esclusiva della Cina, lo sono stati gli Stati Uniti fare sforzi per usarlo per frenare la violenza armata nelle scuole – è la Cina che sembra andare oltre rispetto a qualsiasi altro paese.

Confronto tra le API di riconoscimento facciale più diffuse

Quando si tratta di utilizzare il riconoscimento facciale, quali opzioni hai? In questa sezione, daremo uno sguardo a ciò che è di uso comune e al modo in cui le varie soluzioni si sovrappongono.

Prima di iniziare, però: un promemoria. Queste API si stanno evolvendo molto rapidamente e probabilmente ti imbatterai in post di blog che affermano che questa API non ha questa funzione o quella funzionalità. Non prendere le tue decisioni basandoti su quello. Analizza prima le esigenze della tua azienda, controlla attentamente le funzionalità offerte, segui una traccia e solo allora decidi.

OpenCV

La ricerca sull’intelligenza artificiale è una dolina senza fondo. Addestrare e perfezionare un sistema di riconoscimento facciale è difficile, ed è meglio lasciarlo ai conglomerati con tasche profonde e un esercito di ricercatori a portata di mano. Tuttavia, se le tue esigenze sono semplici e ti piace avere il pieno controllo — e, naturalmente, sono pronti per la manutenzione di un piccolo / piccolo team di ingegneri —OpenCV potrebbe funzionare solo per te.

È una libreria di Computer Vision open source che è straordinariamente accurata ed è disponibile per tutte le piattaforme di programmazione. Ecco un aumento di capelli esempio di come è possibile creare un sistema di rilevamento dei volti con Python e OpenCV in 25 righe di codice!

Ora, potresti trovare alcuni blog che dicono che OpenCV non ha il riconoscimento facciale. Bene, è una bugia completa, ed eccola qui prova. Tutto sommato, OpenCV può essere un’ottima scelta per la tua azienda se le esigenze sono semplici e specifiche.

Amazon Rekognition

Rekognition è un’offerta pesante da parte di uno dei maggiori fornitori di servizi cloud, AWS. È un servizio completamente gestito e potente per la piattaforma AWS e se stai già utilizzando AWS per l’implementazione, Rekognition è probabilmente la scelta migliore.

Alcune delle caratteristiche strabilianti offerte da Rekognition sono:

  • Analisi in tempo reale (mentre carichi un’immagine o un video su S3)
  • Ampia analisi facciale (genere, colore dei capelli, espressione facciale, occhi aperti o no, ecc.)
  • Pathing (acquisizione di percorsi di oggetti identificati nei video)
  • Rilevamento di scene e attività (interni / esterni, “giocare a calcio”, ecc.)
  • Moderare contenuti non sicuri (nudità, ad esempio)

Il più grande vantaggio con Rekognition è anche il meno grande: farai davvero fatica ad usarlo con servizi non AWS al punto in cui dovrai semplicemente rinunciare.

Kairos

In netto contrasto con Rekognition, Kairos ti fornisce l’IA su un’API (la rima non è intenzionale, lo giuro!), permettendoti di assumere il controllo completo dei tuoi dati e server. Kairos si propone come primo servizio per la privacy, e lo è estremamente critico di Amazon e altre società che colludono con il governo (così è ACLU, a proposito).

Kairos funziona sia su immagini che su video e ha tutte le belle funzionalità che ti aspetteresti da una moderna API di riconoscimento facciale. Fa alcune delle caratteristiche sorprendenti che si trovano in Rekognition, ma se non ne hai bisogno e stai già gestendo i tuoi dati, perché preoccuparsi?!

Per coloro che sono estremamente paranoici sulla privacy e non vogliono nemmeno inviare dati via cavo per l’elaborazione, Kairos ha una distribuzione on-premise, ma i prezzi dipendono dal tuo caso d’uso e possono essere piuttosto ripidi.

Google Cloud Vision

Google ha scelto di distinguere tra i suoi servizi di riconoscimento facciale per immagini e video. L’API immagine è nota come Cloud Vision, mentre viene chiamato il servizio incentrato sul video Video Intelligence.

Mentre il servizio incentrato sull’immagine è abbastanza simile a quello che AWS ha da offrire, il servizio video ha una bella funzione di catalogazione e ricerca. Ciò sarà utile per le aziende che dispongono di archivi video di grandi dimensioni che potrebbero voler analizzare o cercare.

Detto questo, la Video Intelligence manca di funzionalità di riconoscimento facciale al momento della scrittura e queste sembrano essere offerte solo in Cloud Vision. Anche il tracciamento degli oggetti e il rilevamento del testo sono in versione beta, il che lo rende molto più indietro rispetto alle offerte di Amazon.

API di Azure Face

Con Microsoft che prende le loro offerte cloud più seriamente di quelle desktop (finalmente), il API di Azure Face è un’offerta deliziosa. Ha tutte le caratteristiche interessanti che ti aspetteresti (rilevamento, identificazione, raggruppamento di volti, ricerca di volti simili, emozioni, ecc.) E funziona ugualmente bene con i video.

Ora, questo non è strettamente correlato al riconoscimento facciale, ma vale la pena ricordare che Azure offre anche una visione computerizzata del cliente servizio, che ti consente di utilizzare i tuoi input e formare i modelli secondo le tue esigenze.

Proprio come il servizio di Google, nella home page è disponibile un parco giochi che rende molto divertente il test dell’API!

Esistono differenze significative tra i principali servizi di riconoscimento facciale gestiti? Non proprio. Al momento c’è un’intensa competizione sul campo e le nuove funzionalità vengono implementate più rapidamente delle pizze. Se sei già legato a un particolare ecosistema, ha senso utilizzare il proprio servizio di riconoscimento facciale. Altrimenti, potresti voler scegliere un fornitore diverso se le tue esigenze sono specifiche (controllo dei propri dati, necessità di solo rilevamento chiaro, ecc.).

Sistemi di riconoscimento anti-facciale

Proprio come alcuni ricercatori hanno dedicato la propria vita a perfezionare la tecnologia di riconoscimento facciale, altri sono impegnati a sviluppare tecniche per ingannarli. Uno di questi sviluppi interessanti è Occhiali da avversario, che sembrano altrimenti normali agli esseri umani ma hanno ingannato i sistemi esperti di riconoscimento facciale.

Fonte: digitaltrends.com

Detto questo, questi occhiali non sono ancora disponibili sul mercato, anche se i ricercatori affermano che possono essere facilmente stampati in 3D.

Un altro sviluppo interessante è stato il lancio di occhiali ekō su Kickstarter. Anche se il prodotto ora è stato cancellato, ha funzionato su un’idea notevolmente semplice: occhiali da sole semplici, di tutti i giorni per $ 45 che semplicemente riflettevano la luce, facendo diventare le fotocamere e i dispositivi di videosorveglianza impazziti.

Proprio come il dominio della sicurezza informatica, “hacker” e ricercatori stanno bloccando le corna nel riconoscimento facciale per la corsa alla perfezione. Intorno al 2014, abbiamo visto la popolarità di trucco mimetico quella conferiva invisibilità al riconoscimento facciale, ma non sono più praticabili. Ci sarà una crittografia AES del riconoscimento facciale? Solo il tempo lo dirà!

È il riconoscimento facciale per te?

Il tipo di attività che può beneficiare del riconoscimento facciale è quello che coinvolge le persone: sì, il che significa che tutte le attività commerciali là fuori! Mentre gli attuali usi del riconoscimento facciale sembrano essere sostenuti da governi, grandi aziende o start-up tecnologiche, non c’è motivo per cui la tua azienda non possa trarne vantaggio.

Le possibilità sono davvero infinite quando uniamo un po ‘di pensiero creativo: salutare e identificare i clienti in un hotel, localizzare il tuo amico in un mare di persone, trovare persone con volti simili (forse da usare come attori), rilevare personalità per lavoro interviste (di nuovo, stiamo solo facendo scatenare l’immaginazione qui; potrebbe non esserci nulla di sostanziale in tale studio), personalizzando l’esperienza bancaria quando entra un cliente di alto valore. . . Esistono infiniti modi per utilizzare il riconoscimento facciale a livelli piccoli e grandi per migliorare la tua attività.

Conclusione

Presto il riconoscimento facciale diventerà così diffuso e così comune che non lo noteremo nemmeno (come i telefoni cellulari?). La tecnologia di base è stata quasi perfezionata, ma nel mondo reale non si tratta solo di rilevare i volti, ma di cosa possiamo fare con quella capacità.

Sembra affascinante e interessato a saperne di più? Controlla questo corso brillante su Computer Vision.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map