Tot sobre Reconeixement facial per a empreses

El reconeixement facial no es limita als regnes de la informàtica. Té aplicacions comercials sòlides.


Una de les paraules clau més recents d’aquesta dècada és Reconeixement facial.

És la part de l’aprenentatge de màquines aplicades que pot detectar i identificar les cares humanes, un problema que fins ara és notòriament difícil als ordinadors. I amb això ha obert tot un món nou de possibilitats i reptes apassionants tant per a empreses, governs i persones.

Si sou un líder empresarial i us heu preguntat de què es tracta el desgavell i si hi ha alguna utilitat en aquest nou desenvolupament, us haurem cobert. En aquest article, veurem l’historial del reconeixement facial, el seu desenvolupament, els usos actuals, les controvèrsies, el desplegament i moltes més facetes..

Al final, tindreu una bona comprensió del que es refereix a la tecnologia de reconeixement facial i quines són les seves implicacions per a les empreses.

Comencem!

Evolució del reconeixement facial

Per a tot el bombo i la cobertura multimèdia entorn del reconeixement facial, la tecnologia ha estat des de fa temps. El primer treball algorítmic seriós en la detecció de cares va ser el Viola-Jones Framework Detection Framework publicat el 2001. Tot i que un marc de propòsit general per identificar objectes dins de les imatges, es va aplicar ràpidament a la detecció de rostres amb molt bon èxit. El motiu principal de la popularitat d’aquest algorisme va ser la seva velocitat; mentre que el procés d’entrenament va ser extremadament lent, el procés de detecció va ser extremadament ràpid.

Ja des del 2001/2004, l’ordinador d’escriptori mitjà que utilitzava aquest algoritme va poder processar un fotograma de 300px X 300px en 0,07 segons (més aquí). El taxes de precisió, tot i que no és comparable al que els humans poden aconseguir, van ser impressionants en un 90%.

Tanmateix, no es va avançar realment fins a la dècada del 2010-2020, quan Xarxes neuronals revolucionàries va sorgir com el millor mètode per a la detecció facial. El motiu era la disponibilitat de potència de processament en brut i memòries de sistema gegantines posades a disposició mitjançant la computació en núvol per part dels proveïdors d’Infraestructura com a servei (IaaS). Per primera vegada a la història, els ordinadors van batre els humans de manera constant en el reconeixement de les cares, sobretot quan hi havia un gran nombre de cares aleatòries..

Font: mitjà.com

Com funciona el Reconeixement facial?

El reconeixement facial és un procés de diversos passos, amb diversos sub-sistemes especialitzats involucrats.

Aquí teniu el significat de les diverses etapes:

Detecció / seguiment: Aquesta part de l’etapa de preprocessament s’encarrega d’identificar i fer el seguiment de cares a la imatge o al fitxer de vídeo donat. Un cop finalitzat aquest procés, sabem amb certesa que hi ha una cara a l’entrada donada i que es pot processar més. La fase de seguiment també és responsable del seguiment de determinades parts, funcions o expressions particulars en una cara, en cas que calgui.

Alineació: El problema del reconeixement facial s’agreuja perquè les cares d’una determinada imatge o vídeo no segueixen cap guia. Pot ser que la persona s’acosti o s’allunyi, mirant per darrere un arbre o present en un perfil lateral, cosa que dificulta encara més el problema de la detecció de la cara. Aquí és on arriba l’alineació de les cares: ens indica on a la imatge / vídeo donada les línies de cara i quins són els contorns de les característiques facials.

Font: csc.kth.se

Extracció de funcions: Com el seu nom indica, durant aquesta fase del procés (ara estem en fase de Reconeixement), les característiques individuals de la cara, com els ulls, el nas, la barbeta, els llavis, etc., s’extreuen de la forma que pot ser usats per algoritmes a la següent etapa. En aquesta fase, l’ordinador ha recopilat prou dades dures com per distingir-ne de forma única una cara.

Concordança i classificació de funcions: En aquesta etapa, les entrades rebudes de l’extracció de funcions es corresponen amb la base de dades donada per deduir la identitat de la persona. Aquesta fase també es coneix com a classificació, perquè es pot necessitar l’algorisme per classificar les cares en lloc d’identificar-les individualment.

Un cop finalitzat aquest procés, sabem amb certesa si la cara donada forma part de la base de dades amb la qual comparem o no. La sortida final també pot contenir l’etiquetatge, com estàvem acostumats a veure a Facebook.

Font: cap a datadatascience.com

Consideracions de desplegament: costat del servidor i costat del client

El reconeixement facial pot funcionar tant en el servidor com en el dispositiu amb el qual l’usuari interactua. Per exemple, quan pengeu una foto a Facebook, els algoritmes s’executen al costat del servidor; d’altra banda, un sistema d’identificació que utilitza la cara per desbloquejar el dispositiu necessita funcionar al client. Per tant, quin és millor?

Sincerament, no es tracta de quin és millor. Tant els desplegaments del costat del servidor com del client tenen els seus punts forts i, a la pràctica, les empreses despleguen un sistema híbrid. La pràctica recomanada és formar els vostres models des del servidor, on les dades d’entrenament i recursos de processament són sense límit. Un cop formats els models, es poden empaquetar i desplegar al costat del client, la qual cosa millora la velocitat del sistema i manté la privadesa de l’usuari.

L’enviament de tot al servidor introdueix un retard, que pot ser dolent o inacceptable en determinats casos. Al mateix temps, el fet de mantenir tot el costat del client derivarà en models més febles.

La precisió del reconeixement facial?

La precisió no és un terme molt ben definit en el reconeixement facial. El principal motiu és que es tracta d’un problema difús amb tot tipus d’entrades desordenades (poca llum, cara parcialment coberta de pèl, qualitat de la càmera, etc.) i fins i tot entrades enganyoses (més informació sobre això més endavant!). Com a resultat, cal modificar les xarxes neuronals implicades en el reconeixement facial, limitant el seu abast. Així doncs, si bé un sistema de reconeixement facial industrial pot tenir un 100% d’exactitud (que sol ser el cas), pot ser que el mateix sistema no sigui ni tan sols un 20% exacte quan se’ls demana que identifiquin cares en una foto concorreguda..

En una recerca, un determinat tipus d’algoritme de reconeixement facial va aconseguir un 98,52% de precisió, superior a la precisió humana del 97,53% aconseguida en el mateix test. En un altre estudiar realitzat en forenses, la combinació de judici humà i algorismes va donar els millors resultats en alguns casos.

Línia inferior: per a aplicacions ben definides i enfocades, el reconeixement facial és la millor eina que tenim.

On s’utilitza el reconeixement facial?

Fins i tot en el curt període que s’han desenvolupat algoritmes viables, el Reconeixement facial ha trobat aplicacions increïblement útils i emocionants. Alguns d’aquests són evidents, però d’altres són tan subtilment i fonamentalment teixits a la vida quotidiana que gairebé no ens aturem per pensar què hi ha a sota.

Facebook És potser l’exemple més comú de sistemes de reconeixement facial moderns en el treball. Tan aviat com pugeu una foto, la xarxa social és capaç de detectar cares. Tot i que fa un temps se us demanava que etiquetessin amics, ara Facebook és capaç de fer-ho pel seu compte.

Font: labnol.org

Una nova aplicació nova de Facebook és la característica de informant els usuaris quan algú els penja les fotos que continguin la cara, encara que no les hagi etiquetat.

Snapchat fa un gran ús de la detecció i el reconeixement de la cara per a moltes de les seves funcions, sobretot, els filtres divertits que fan tanta ràbia.

Font: gistreel.com

Perquè aquests filtres funcionin, cal detectar perfectament els contorns i les funcions de la cara del subjecte, en cas contrari, les superposicions no seran realistes. El mateix passa amb Face Swap, una altra característica popular a Snapchat. Si us interessa aprofundir en les capacitats de Snapchat en el reconeixement facial, consulteu aquí.

Uber porta lluitant des de fa temps amb la privacitat i la seguretat i la nova arma de l’arsenal de la companyia és el reconeixement facial. La companyia ha desenvolupat una nova característica on es verifica la identitat dels seus conductors-socis fent servir les seves cares. L’empresa diu al seu blog que després de provar diversos venedors de tecnologia de reconeixement facial, es van instal·lar a l’API Microsoft Face per la seva alta qualitat. Curiosament, aquesta verificació d’identificació en temps real funciona bé en condicions de poca llum i és capaç de detectar ulleres.

Si el reconeixement facial s’ha demostrat reeixit en la naturalesa, és fàcil predir que aviat podria substituir altres mètodes d’identificació a institucions educatives, hospitals, biblioteques, etc..

Prevenció de delictes al detall és una extensió natural de l’aplicació del reconeixement facial. La indústria al detall perd estimada 45 mil milions de dòlars cada any a botiguers i altres delictes al detall, amb molt poc per contrarestar-ho. Ara, a empreses els agrada Primer Face estan ajudant els comerciants a utilitzar el reconeixement facial per detectar els delinqüents anteriors i alertar els agents de seguretat.

Vigilància policial està començant a emprar el reconeixement facial com totes les altres institucions que hi ha. Per exemple, al Regne Unit, la policia de Gal·les del Sud està utilitzant càmeres instal·lades en furgonetes per fabricar-les vigilància de multituds més fàcil.

Font: theconversation.com

Si bé aquest nou superpoderisme en mans de la policia ha suscitat acalorats debats públics sobre la privadesa individual, la policia creu que els ajudarà a restringir millor els infractors. Segons va dir Richard Lewis, subcap de cap de la policia del sud de Gal·les Temps financers:

Si identifiqueu algú que ha comès un delicte [anteriorment], bàsicament dius: sabem que hi esteu, porteu-vos.

Atenció sanitària recentment va tenir una aplicació inesperada, on el reconeixement facial va ajudar a detectar un rar trastorn genètic anomenat Síndrome de DiGeorge.

La síndrome de DiGeorge apareix en aproximadament 1 de cada 6.000 nens i provoca deformitats en diverses parts del cos. El problema sanitari, en aquest cas, és més greu per als països més pobres, que no disposen de recursos per buscar mètodes de diagnòstic costosos. Com a tal, el reconeixement facial, amb una sorprenent precisió del 96,6%, ofereix una nova esperança per a les víctimes de la síndrome de DiGeorge.

A la Companyies aèries la indústria, l’adopció del reconeixement facial s’aconsegueix i ben aviat substituiran les targetes d’embarcament convencionals. Actualment, hi ha resultats limitats però prometedors per ajudar-vos identificar passatgers mentre marxen del país. De fet, l’Administració de Seguretat del Transport (TSA) dels EUA ha establert un pla per a un ús generalitzat de la biometria basada en el reconeixement facial.

Usos controvertits del reconeixement facial

La tecnologia ens capacita, tot i que el seu bon o mal ús depèn de nosaltres. No hi ha dubte, doncs, que s’està utilitzant quelcom tan potent i radical com el reconeixement facial d’una manera que susciti la preocupació pels drets i l’ètica fonamentals de l’ésser humà..

L’exemple més destacat d’usos controvertits del reconeixement facial és l’enorme xina sistema de vigilància que utilitza aproximadament 200 milions de càmeres per vigilar els seus 1.400 milions de ciutadans.

Font: sbs.com

El sistema rastreja les persones i avalua les seves accions, actualitzant constantment una mètrica anomenada puntuació ciutadana. Tot i que té algun valor en tenir un potent sistema de vigilància controlat per l’estat (per exemple, fer el seguiment de les incidents de deute, per exemple), la majoria ho veu com l’arribada del futur distòpic que George Orwell va imaginar. És un futur en què els governs tenen un poder il·limitat sobre la persona i la privadesa inexistent.

El segon exemple d’ús discutible del reconeixement facial també prové (no és sorprenent?) De la Xina. Aquesta vegada, el sistema escolar adopta el reconeixement facial per assegurar-se que els estudiants estiguin “atents” durant les classes. El nou sistema de reconeixement facial, encara que no està estès encara, substitueix les targetes d’identificació, les biblioteques, els sistemes d’assistència, etc., utilitzant la cara de l’alumne per a la identificació.

Font: businessinsider.com

Però la part esgarrifosa és que aquest sistema supervisa els nivells d’atenció dels estudiants, l’ús del telèfon mòbil, etc., i alerta el professor quan se supera un llindar..

Si bé la vigilància de vídeo impulsada pel reconeixement facial no és exclusiva de la Xina, els Estats Units ho han estat fent esforços per utilitzar-la per frenar la violència de les pistoles a les escoles, però la Xina sembla que va més lluny que qualsevol altre país.

Comparació d’API populars de reconeixement facial

A l’hora de fer ús del Reconeixement facial, quines opcions teniu? En aquesta secció, veurem què hi ha en ús comú i com es combinen les diferents solucions les unes contra les altres.

Abans de començar, però: un recordatori. Aquestes API estan evolucionant molt ràpidament i és probable que trobareu publicacions de bloc que diuen que aquesta API no té aquesta característica o aquesta funció. No prengueu les vostres decisions a partir d’això. Analitzeu primer les vostres necessitats empresarials, comproveu detingudament les funcions que s’ofereixen, busqueu un rastre i només aleshores penseu-vos.

OpenCV

La investigació de l’AI és un forat sense fons. L’entrenament i la perfecció d’un sistema de reconeixement facial és difícil, i es deixa millor els conglomerats amb butxaques profundes i un exèrcit d’investigadors a l’abast. Tanmateix, si les vostres necessitats són senzilles i voleu tenir un control complet –i per descomptat, esteu preparats per al manteniment d’un petit / petit equip d’enginyeria–OpenCV potser només funciona per tu.

És una biblioteca de visió informàtica de codi obert que és molt precisa i està disponible per a totes les plataformes de programació. Aquí hi ha un aixecament de cabells exemple de com podeu fer volar un sistema de detecció de cara amb Python i OpenCV en 25 línies de codi!

Ara, podreu trobar alguns blocs que diuen que OpenCV no té reconeixement facial. Bé, és una mentida completa, i aquí ho teniu prova. En definitiva, OpenCV pot ser una excel·lent opció per al vostre negoci si les necessitats són senzilles i específiques.

Rekognició d’Amazon

Rekognició és una oferta intensa d’un dels majors proveïdors de núvols que hi ha a fora, AWS. És un servei potent i completament gestionat per a la plataforma AWS, i, si ja utilitzeu AWS per a la seva implementació, probablement la nova opció és que es faci un nou diagnòstic.

Algunes de les funcions que emocionen i ofereixen Rekognition són:

  • Anàlisi en temps real (mentre carregueu una imatge o vídeo a S3)
  • Anàlisi facial extensiva (gènere, color del cabell, expressió facial, ulls oberts o no, etc.)
  • Ruta (captura de camins d’objectes identificats en vídeos)
  • Detecció d’escena i activitat (interiors / exteriors, “jugar a futbol”, etc.)
  • Moderació del contingut no segur (nu, per exemple)

El major avantatge amb Rekognition és també el menys important: realment haurà de lluitar per utilitzar-lo amb serveis que no siguin de l’AWS fins al punt que només haureu de renunciar.

Kairos

En fort contrast amb el Rekognici, Kairos us proporciona la IA mitjançant una API (la rima no és intencionada, jurem!), que us permetrà controlar completament les vostres dades i servidors. Kairos es presenta com a primer servei de privadesa i ho és extremadament crític d’Amazon i d’altres empreses en col·lusió amb el govern (també ho és ACLU, a propòsit).

Kairos funciona tant en imatges com en vídeos i té totes les boniques funcions que esperaves d’una moderna API de reconeixement facial. Fa algunes de les funcions sorprenents que es troben a Rekognition, però si no els necessiteu i ja els gestoreu les dades, per què molestar?!

Per a aquells que tinguin una paranoia sobre la privadesa i no vulguin ni enviar dades per processar-los, Kairos té un desplegament a la premissa, però el preu depèn del cas d’ús i pot ser força pronunciat..

Google Cloud Vision

Google ha decidit diferenciar entre els serveis de reconeixement facial d’imatges i vídeos. La API d’imatge es coneix com a Visió al núvol, mentre que es diu el servei centrat en vídeo Video Intelligence.

Si bé el servei centrat en la imatge és bastant similar al que ofereix AWS, el servei de vídeo té una bona característica de catalogació i cerca. Això serà útil per a empreses que tinguin arxius de vídeo grans que puguin analitzar o cercar.

Dit això, Video Intelligence no té funcions de reconeixement facial a nivell d’escriptura i sembla que només s’ofereixen a Cloud Vision. El seguiment d’objectes i la detecció de text també estan en versió beta, cosa que se situa molt darrere de les ofertes d’Amazon.

API de Azure Face

Amb què Microsoft es prenia més seriosament les seves ofertes de núvol que les d’escriptori (finalment), el API de Azure Face és una deliciosa oferta. Té totes les funcions interessants que esperaves (detecció, identificació, agrupació de rostres, cerca de cares similars, emoció, etc.) i funciona igualment bé amb els vídeos.

Ara, això no està estrictament relacionat amb el reconeixement facial, però val la pena esmentar que Azure també ofereix una visió informàtica del client servei, cosa que us permet utilitzar les vostres entrades i models de tren segons les vostres necessitats.

Igual que el servei de Google, hi ha un parc infantil disponible a la pàgina principal, cosa que fa que es pugui divertir la prova de l’API!

Hi ha diferències importants entre els serveis de reconeixement de rostres més gestionats? No realment. Ara mateix hi ha una intensa competència al camp i s’estan desenvolupant noves funcions més ràpidament que les pizzes. Si ja esteu vinculats a un ecosistema en concret, fer servir el servei de reconeixement facial propi En cas contrari, és possible que vulgueu escollir un proveïdor diferent si les vostres necessitats són específiques (controlar les dades pròpies, només cal que es detecti un pla, etc..

Sistemes de reconeixement anti-facial

De la mateixa manera que alguns investigadors han dedicat la seva vida a perfeccionar la tecnologia de reconeixement facial, d’altres estan ocupats a desenvolupar tècniques per enganyar-los. Un dels desenvolupaments tan interessants és Ulleres adversàries, que semblen normals als éssers humans, però han enganyat sistemes experts de reconeixement facial.

Font: digitaltrends.com

Dit això, aquestes ulleres encara no estan disponibles al mercat, tot i que els investigadors diuen que es poden imprimir fàcilment en 3D.

Un altre desenvolupament interessant va ser el llançament de ulleres ekō a Kickstarter. Tot i que el producte ara està cancel·lat, va funcionar amb una idea molt senzilla: unes ulleres de sol planes i quotidianes per 45 dòlars, que simplement reflectien la llum, provocant càmeres i dispositius de vigilància de vídeo..

Igual que el domini de la ciberseguretat, els “pirates informàtics” i els investigadors estan bloquejant les banyes en reconeixement facial per la carrera a la perfecció. Al voltant del 2014, vam veure la popularitat de maquillatge de camuflatge que atorgava la invisibilitat davant el reconeixement facial, però ja no és viable. Hi haurà un xifratge AES del reconeixement facial? Només el temps dirà!

Reconeixement facial per a vostè?

El tipus de negoci que pot beneficiar-se del reconeixement facial és aquell que implica persones, sí, cosa que significa que cada negoci hi ha. Si bé els usos actuals del reconeixement facial semblen que els governs, les grans empreses o les empreses tecnològiques no els defensen, no hi ha cap raó per la qual la vostra empresa no en pugui beneficiar-se’n.

Les possibilitats són realment infinites quan combinem una mica el pensament creatiu: saludar i identificar els clients en un hotel, situar el teu amic en un mar de gent, trobar gent amb rostres semblants (potser per ser utilitzats com a actors), detectar personalitats per a la feina. entrevistes (de nou, simplement deixem que la imaginació es converteixi en salvatge; potser no hi ha res substancial en aquest estudi), personalitzant l’experiència bancària quan entra un client d’alt valor. . . Hi ha infinites maneres d’utilitzar el reconeixement facial a nivells petits i grans per millorar la vostra empresa.

Conclusió

Molt aviat el reconeixement facial es farà tan estès i tan habitual que ni tan sols ho notarem (com els telèfons mòbils?). La tecnologia subjacent s’ha perfeccionat gairebé, però en el món real no es tracta només de detectar cares, sinó de què podem fer amb aquesta capacitat.

Sembla fascinant i està interessat en aprendre més? Consulteu-ho brillant curs sobre 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