سیستم تشخیص چهره

تحلیلگر چهره[1] نرم افزاری است که با استفاده از چهره افراد، هویت افراد را شناسایی یا تایید می­کند. این برنامه با شناسایی و اندازه گیری ویژگی های صورت در یک تصویر کار می کند. تشخیص چهره می تواند چهره انسان را در تصاویر یا ویدیوها شناسایی کند، تعیین کند که آیا چهره در دو تصویر متعلق به یک شخص است یا خیر، یا یک چهره را در میان مجموعه بزرگی از تصاویر موجود جستجو کند. سیستم‌های امنیتی بیومتریک از تشخیص چهره برای شناسایی منحصربه‌فرد افراد در هنگام ورود کاربر یا ورود به سیستم و همچنین تقویت فعالیت احراز هویت کاربر استفاده می‌کنند. دستگاه های موبایل و شخصی نیز معمولاً از فناوری تحلیلگر چهره برای امنیت دستگاه استفاده می کنند[1].توسعه بر روی سیستم های مشابه در دهه 1960 آغاز شد و به عنوان نوعی برنامه کاربردی کامپیوتری شروع شد. از زمان پیدایش، سیستم‌های تشخیص چهره در زمان‌های اخیر در گوشی‌های هوشمند و سایر اشکال فناوری مانند: رباتیک، کاربردهای گسترده‌تری داشته‌اند. از آنجایی که تشخیص چهره کامپیوتری شامل اندازه گیری ویژگی های فیزیولوژیکی انسان است، سیستم های تشخیص چهره به عنوان بیومتریک طبقه بندی می شوند. اگرچه دقت سیستم های تشخیص چهره به عنوان یک فناوری بیومتریک کمتر از تشخیص عنبیه چشم و تشخیص اثر انگشت است، اما به دلیل فرآیند بدون تماس آن به طور گسترده مورد استفاده قرار می گیرد. [2]سیستم های تشخیص چهره امروزه در سراسر جهان توسط دولت ها و شرکت های خصوصی به کار گرفته می شوند.[3] اگرچه اثربخشی آن­ها متفاوت است و برخی از سیستم ها قبلاً به دلیل ناکارآمدی آنها کنار گذاشته شدند. استفاده از سیستم‌های تشخیص چهره با ادعاهایی مبنی بر اینکه این سیستم‌ها حریم خصوصی شهروندان را نقض می‌کنند، معمولاً شناسایی‌های نادرست انجام می‌دهند، هنجارهای جنسیتی و پروفایل‌های نژادی را تشویق می‌کنند و از داده‌های بیومتریک مهم محافظت نمی‌کنند، بحث‌هایی را ایجاد کرده است. ظهور رسانه های مصنوعی مانند دیپ فیک نیز نگرانی هایی را در مورد امنیت آن ایجاد کرده است.[4] این ادعاها منجر به ممنوعیت سیستم های تشخیص چهره در چندین شهر ایالات متحده شده است.[5] در نتیجه نگرانی‌های اجتماعی فزاینده، متا اعلام کرد[6] که قصد دارد سیستم تشخیص چهره فیس بوک را خاموش کند و داده‌های اسکن چهره بیش از یک میلیارد کاربر را حذف کند.[7] این تغییر نشان دهنده یکی از بزرگترین تغییرات در استفاده از تشخیص چهره در تاریخ این فناوری خواهد بود.

سیستم­های تشخیص چهره با بررسی ویژگی های چهره[15]

 روش سیستم های تشخیص چهره

در حالی که انسان ها می توانند چهره ها را بدون تلاش زیاد تشخیص دهند، [8] تشخیص چهره یک مشکل چالش برانگیز تشخیص الگو در محاسبات است. سیستم های تشخیص چهره سعی می کنند چهره انسان که به صورت سه بعدی است و  با نور و حالت چهره تغییر می کند، بر اساس تصویر دو بعدی آن شناسایی کنند. برای انجام این کار محاسباتی، سیستم های تشخیص چهره چهار مرحله را انجام می دهند. اولین تشخیص چهره برای جداسازی صورت از پس زمینه تصویر استفاده می شود. در مرحله دوم، تصویر صورت قطعه‌بندی شده و برای در نظر گرفتن حالت چهره، اندازه ی تصویر و ویژگی‌های عکاسی، مانند روشنایی و مقیاس خاکستری، تراز می‌شود. هدف از فرآیند هم‌ترازی، امکان محلی‌سازی دقیق ویژگی‌های صورت می باشد. مرحله سوم، استخراج ویژگی‌های صورت است. ویژگی هایی مانند چشم، بینی و دهان در تصویر مشخص شده و اندازه گیری می شود تا چهره را نشان دهد. سپس، بردار مشخصه چهره، در مرحله چهارم، با پایگاه داده ای از چهره ها مطابقت داده می شود.[9]برای فعال کردن شناسایی انسان از راه دور (HID[2]) تصاویر با وضوح کم از چهره ها باید بهبود پیدا کنند. به عنوان مثال، در تصاویر دوربین مداربسته چهره ها اغلب بسیار کوچک هستند. اما از آنجایی که الگوریتم‌های تشخیص چهره که ویژگی‌های چهره را شناسایی و ترسیم می‌کنند، به تصاویری با وضوح بالا نیاز دارند، تکنیک‌های افزایش وضوح برای فعال کردن سیستم‌های تشخیص چهره با تصاویری که در محیط‌هایی با نسبت سیگنال به نویز بالا گرفته شده‌اند، ایجاد شده‌اند. الگوریتم‌هایی قبل از ارسال  تصاویر به سیستم تشخیص چهره بر روی تصاویر اعمال می‌شوند، از یادگیری ماشینی مبتنی بر مثال با جایگزینی پیکسل یا شاخص‌های توزیع نزدیک‌ترین همسایه استفاده می‌کنند که ممکن است ویژگی‌های چهره مرتبط با جمعیت و سن را نیز در بر بگیرد.در سال 2006، عملکرد جدیدترین الگوریتم‌های تشخیص چهره در چالش بزرگ تشخیص چهره (FRGC) مورد ارزیابی قرار گرفت. در این آزمایش ها از تصاویر چهره با وضوح بالا، اسکن سه بعدی صورت و تصاویر عنبیه استفاده شد. نتایج نشان داد که الگوریتم‌های جدید 10 برابر دقیق‌تر از الگوریتم‌های تشخیص چهره در سال 2002 و 100 برابر دقیق‌تر از الگوریتم‌های سال 1995 هستند[11,12].

 

استفاده از سیستم تشخیص چهره در فرودگاه ها

تشخیص چهره در بسیاری از فرودگاه های جهان به یک منظره آشنا تبدیل شده است. تعداد فزاینده‌ای از مسافران دارای پاسپورت‌های بیومتریک هستند که به آنها اجازه می‌دهد از صف‌های معمولی طولانی عبور کنند و در عوض از طریق کنترل خودکار ePassport عبور کنند تا سریع‌تر به دروازه برسند. تشخیص چهره نه تنها زمان انتظار را کاهش می دهد، بلکه به فرودگاه ها اجازه می دهد تا امنیت را بهبود بخشند. وزارت امنیت داخلی ایالات متحده پیش بینی می کند که تا سال 2023 از تشخیص چهره در 97 درصد مسافران استفاده می شود. همچنین در فرودگاه ها و گذرگاه های مرزی، از این فناوری برای افزایش امنیت در رویدادهای بزرگ مانند بازی های المپیک استفاده می شود[15].

مزایا و معایب سیستم های تشخیص چهره

یکی از مزیت‌های کلیدی سیستم تشخیص چهره این است که می‌تواند شناسایی انبوه را انجام دهد. سیستم‌های با طراحی مناسب نصب شده در فرودگاه‌ها، مالتی پلکس‌ها و سایر مکان‌های عمومی می‌توانند افراد را در میان جمعیت شناسایی کنند، بدون اینکه رهگذران حتی از سیستم آگاه باشند.[13] با این حال، در مقایسه با سایر تکنیک های بیومتریک، تشخیص چهره ممکن است قابل اعتماد و کارآمد نباشد. معیارهای کیفیت در سیستم‌های تشخیص چهره بسیار مهم هستند، زیرا درجات زیادی از تغییرات در تصاویر چهره امکان‌پذیر است. عواملی مانند روشنایی، حالت چهره و نویز در حین گرفتن چهره می توانند بر عملکرد سیستم های تشخیص چهره تأثیر بگذارند.[13] به عبارتی اگر حالات چهره متفاوت باشد، تشخیص چهره کمتر موثر است. حتی یک لبخند عمیق می تواند سیستم را کمتر موثر کند. به عنوان مثال: کانادا، در سال 2009، فقط حالت خنثی صورت را در عکس های گذرنامه مجاز دانست.[14]

در دهه های اخیر، کاربرد های شناسایی چهره فراتر از تصورات انسان­ها رفته و طیف بسیاری از تقاضاها با این سیستم برطرف می­گردد، زیرا که چهره‌ها همیشه در معرض دید عموم هستند و برخلاف رمز عبور، به راحتی افراد نمیتوانند در هر شرایطی چهره خود را تغییر دهند افراد نمی‌توانند به راحتی چهره خود را تغییر دهند بنابراین علی رغم معایب ذکر شده می تواند یک روش تشخیصی قدرتمند باشد.

 

منابع:

[1] https://aws.amazon.com/what-is/facial-recognition/

[2] Bramer, Max (2006). Artificial Intelligence in Theory and Practice: IFIP 19th World Computer Congress, TC 12: IFIP AI 2006 Stream, August 21–24, 2006, Santiago, Chile. Berlin: Springer Science+Business Media. p. 395. ISBN 9780387346540.

[3] “Facial Recognition Technology: Federal Law Enforcement Agencies Should Have Better Awareness of Systems Used By Employees”. www.gao.gov. Retrieved September 5, 2021.

[4] Wiggers, Kyle (March 5, 2022). “Study warns deepfakes can fool facial recognition”. VentureBeat. Retrieved June 4, 2022.

[5]“IBM bows out of facial recognition market -“. GCN. June 10, 2020. Retrieved October 7, 2021.

[6] Rachel Metz (November 2, 2021). “Facebook is shutting down its facial recognition software”. CNN. Retrieved November 5, 2021.

[7]Hill, Kashmir; Mac, Ryan (November 2, 2021). “Facebook, Citing Societal Concerns, Plans to Shut Down Facial Recognition System”. The New York Times. ISSN 0362-4331. Retrieved November 5, 2021.

[8] Li, Stan Z.; Jain, Anil K. (2005). Handbook of Face Recognition. Springer Science & Business Media. p. 1. ISBN 9780387405957.

[9]Li, Stan Z.; Jain, Anil K. (2005). Handbook of Face Recognition. Springer Science & Business Media. p. 2. ISBN 9780387405957.

[10] Harry Wechsler (2009). Reliable Face Recognition Methods: System Design, Implementation and Evaluation. Springer Science & Business Media. p. 196. ISBN 9780387384641.

[11] Williams, Mark. “Better Face-Recognition Software”. Archived from the original on June 8, 2011. Retrieved June 2, 2008.

[12]R. Kimmel and G. Sapiro (April 30, 2003). “The Mathematics of Face Recognition”. SIAM News. Archived from the original on July 15, 2007. Retrieved April 30, 2003.

[13] “Top Five Biometrics: Face, Fingerprint, Iris, Palm and Voice”. Bayometric. January 23, 2017. Retrieved April 10, 2018.

[14] “Passport Canada – Photos”. passportcanada.gc.ca. Archived from the original on March 1, 2009.

[15] https://www.kaspersky.com/resource-center/definitions/what-is-facial-recognition

[16]https://www.google.com/url?sa=i&url=https%3A%2F%2Fanalyticsindiamag.com%2Fai-facial-recognition-vs-contact-biometric-systems-amid-covid-19%2F&psig=AOvVaw2z_X4pKA6d3FJP0Keg6rXP&ust=1670839497138000&source=images&cd=vfe&ved=0CBAQjRxqFwoTCMidrKio8fsCFQAAAAAdAAAAABAQ

 

[1]  Facial recognition system

[2] human identification at a distance