Что такое распознавание лиц?

Распознавание лиц - это биометрическая идентификация человека путем сравнения живого изображения лица с сохраненным или «зарегистрированным» изображением этого человека. Любая система биометрической идентификации состоит из двух этапов.

Первый - это регистрация, когда человек отправляет изображение и подтверждающую информацию для подтверждения личности. (Я Мэри. Это моя фотография.) Изображение обрабатывается и преобразуется в математический шаблон, который представляет собой уникальное числовое представление изображения. Что важно знать о шаблонах, так это то, что все изображения лиц определенного человека всегда будут преобразованы в один и тот же шаблон, но шаблон не может быть преобразован обратно в изображение.

Второй шаг - сопоставление. Человек отправляет изображение, и оно преобразуется в шаблон и сравнивается с сохраненными шаблонами. Это позволяет программному обеспечению делать уверенное определение «совпадения» или «несоответствия».

Идентификация против проверки

Большинство людей привыкли использовать свое лицо для разблокировки телефона. Это процесс, называемый проверкой. Более крупные системы выполняют идентификацию, что на самом деле является гораздо более сложной технической проблемой.

Подтверждение - это когда вы подтверждаете, что человек является тем, кем он себя называет. (Я Мэри. Сравните это изображение с вашим сохраненным изображением Марии и убедитесь, что я говорю правду.) Это также называется сопоставлением 1: 1, и с точки зрения вычислений это простой процесс.

Идентификация - это когда система должна идентифицировать неизвестного человека. (Вот моя фотография. Кто я?) В этом процессе система сравнивает изображение со всеми зарегистрированными изображениями (галерея), что приводит к совпадению или несоответствию решения на основе списка возможных подходящих кандидатов. Это также называется соответствием 1: N. Это гораздо более сложный процесс, чем проверка.

Мы постоянно используем термин «распознавание лиц», потому что он знаком, но технически это называется «идентификация лица».

Ошибки в биометрии и пороговых значениях

Биометрическая идентификация вероятностная. Когда фотографию сравнивают с человеком, никакая система биометрической идентификации никогда не может быть на 100% уверенной в совпадении. Для этого есть действительно сложные математические причины, и я могу написать о них позже, потому что считаю математику действительно интересной, но, вероятно, не потому, что большинству людей математика не нравится. Но подумайте об этом: когда вы смотрите на человека и фотографию, вы не можете быть на 100% уверены, что это один и тот же человек. Люди действительно хорошо узнают знакомые лица, но мы не очень хорошо узнаем незнакомцев. Системы биометрической идентификации на самом деле лучше людей распознают лица незнакомых людей.

Так что это не 100%. При сравнении двух изображений система присваивает им показатель сходства. Таким образом, если система присваивает 12% -ную оценку сходства, мы вполне уверены, что это не совпадение. И если система присваивает показатель сходства 99,6%, то мы вполне уверены, что это совпадение. Разделительная линия между совпадениями и несовпадениями называется порогом. Вы должны где-то провести черту, и она никогда не будет идеальной.

В любой системе классификации есть два вида ошибок. Ошибка ложного несоответствия - это невозможность найти человека, зарегистрированного в системе. Неверное совпадение означает, что одному человеку в галерее неверно соответствует другой человек. Эти два типа ошибок обратно пропорциональны, что означает, что, уменьшая один вид ошибки, вы увеличиваете другой. Так работает математика.

Обычно порог регулируется в зависимости от приложения. Если система должна быть очень безопасной, вы можете увеличить порог. Вы будете более уверены в правильности каждого совпадения, но получите больше ложных несовпадений. Это означает, что некоторым людям придется попробовать несколько раз, чтобы пройти через систему, что раздражает. Для приложения, где безопасность не так важна, вы можете снизить порог. Это означает, что у вас разный уровень уверенности для каждого совпадения, но вы вряд ли пропустите настоящее совпадение и создадите неудобства для клиента.

Другие факторы точности

С современными системами биометрической идентификации все алгоритмы сопоставления от различных поставщиков очень хороши. Десять лет назад эффективность алгоритмов сопоставления лиц была повсеместной, и поставщики потратили много времени на продвижение своих алгоритмов на X% лучше, чем у конкурирующих алгоритмов. В наши дни алгоритм стал обычным явлением, и ложные несоответствия в основном вызваны человеческим фактором. Если вы смотрите на свой телефон, проходя мимо нашей системы, он не может получить изображение вашего лица. Согласование лиц не будет работать без изображения лица. Поза, освещение и выражение (ПИРОГ, мило, да?) - три основных фактора точности распознавания лиц. Ложные совпадения в современных системах крайне редки.

Идентификационные документы, выдаваемые правительствами, такие как паспорта, визы и водительские права, обычно требуют простого фона и запрещают улыбаться, носить шляпы или солнцезащитные очки. Это связано с тем, что в более ранних системах распознавания лиц с этими вещами были проблемы. Но достижения в этой области сделали технологию более надежной, и эти факторы уже не так важны, как раньше. Людей можно легко обмануть, изменив прическу, макияж или шляпу, но компьютеры видят принципиально иначе, чем люди, и, как правило, эти вещи их не обманывают. Этот прогресс и почти все достижения в области распознавания лиц - результат «нейронной» технологии »и адаптивных возможностей, задействованных в машинном обучении.

Надежность

Это может вас удивить, но компьютеры почти всегда лучше людей распознают лица. Отчасти это связано с тем, что люди не очень хорошо умеют определять незнакомцев. Компьютеры видят принципиально иначе, чем люди. Также подумайте о том, что вышибала проверяет водительские права каждого человека, входящего в бар. Это повторяющийся и утомительный процесс, обычно выполняемый при плохом освещении. Люди ужасно справляются с задачами такого рода. Нам быстро становится скучно, и нам трудно сосредоточиться на длительное время. В масштабе компьютер всегда будет превосходить человека по производительности, потому что компьютеры действительно хороши в выполнении большого количества скучных, повторяющихся задач. Однако компьютеры не всегда побеждают. По мере ухудшения качества изображения люди начинают иметь преимущество перед компьютерами - биологически мы преуспеваем в работе с очень ограниченными данными и в выводах. Но это преимущество распространяется только на лица, которые мы действительно хорошо знаем - супруга, близкие друзья, знаменитости и т. Д.

Первоначально опубликовано на www.blinkidentity.com.