בני אדם מיומנים בזיהוי פנים, אך אנו גם מפרשים הבעות ורגשות באופן טבעי למדי. מחקר אומר שאנחנו יכולים לזהות פנים מוכרות באופן אישי 380ms לאחר מצגת ו-460ms עבור פרצופים לא מוכרים. עם זאת, לאיכות האנושית המהותית הזו יש כעת מתחרה בבינה מלאכותית ובראייה ממוחשבת. טכנולוגיות חלוציות אלו מסייעות לפתח פתרונות המזהים פנים אנושיות בצורה מדויקת ויעילה יותר מאי פעם.
הטכנולוגיות החדשניות והלא פולשניות האחרונות הללו הפכו את החיים לפשוטים ומרגשים יותר. טכנולוגיית זיהוי הפנים גדלה לטכנולוגיה המתפתחת במהירות. בשנת 2020 הוערך שוק זיהוי הפנים ב- 3.8 $ מיליארד, והוא אמור להכפיל את גודלו עד 2025 - הצפי הוא מעל 8.5 מיליארד דולר.
מהי זיהוי פנים?
טכנולוגיית זיהוי פנים ממפה תווי פנים ומסייעת לזהות אדם על סמך נתוני טביעת הפנים המאוחסנים. טכנולוגיה ביומטרית זו משתמשת באלגוריתמי למידה עמוקה כדי להשוות את הדפסת הפנים המאוחסנת עם התמונה החיה. תוכנת זיהוי פנים משווה גם תמונות שצולמו עם מסד נתונים של תמונות כדי למצוא התאמה.
זיהוי פנים שימש ביישומים רבים להגברת האבטחה בשדות תעופה, עוזר לרשויות אכיפת החוק באיתור פושעים, ניתוחים משפטיים ומערכות מעקב אחרות.
כיצד פועלת זיהוי פנים?
תוכנת זיהוי פנים מתחילה באיסוף נתונים של זיהוי פנים ועיבוד תמונה באמצעות Computer Vision. התמונות עוברות הקרנה דיגיטלית ברמה גבוהה כך שהמחשב יכול להבדיל בין פנים אנושיות, תמונה, פסל או אפילו פוסטר. באמצעות למידת מכונה, מזוהים דפוסים ודמיון במערך הנתונים. אלגוריתם ML מזהה את הפנים בכל תמונה נתונה על ידי זיהוי דפוסי תווי פנים:
- יחס גובה לרוחב של הפנים
- צבע הפנים
- הרוחב של כל תכונה - עיניים, אף, פה ועוד.
- תכונות ייחודיות
כפי שלפנים שונים יש תכונות שונות, כך גם לתוכנת זיהוי פנים. עם זאת, באופן כללי, כל זיהוי פנים פועל באמצעות ההליך הבא:
זיהוי פנים
מערכות טכנולוגיות פנים מזהות ומזהות תמונת פנים בקהל או בנפרד. ההתקדמות הטכנולוגית הקלה על התוכנה לזהות תמונות פנים גם כאשר ישנה שונות קלה ביציבה - מול המצלמה או מבט ממנה.
ניתוח פנים
המאפיינים המובהקים והניתנים לזיהוי של פנים אנושיים נקראים נקודות צמתים, ולכל פנים אנושי יש כ-80 נקודות צמתים. על ידי מיפוי הפנים, זיהוי גיאומטריה ופוטומטריה, ניתן לנתח ולזהות פרצופים באמצעות מאגרי מידע לזיהוי במדויק.
המרת תמונה
לאחר לכידת תמונת הפנים, המידע האנלוגי מומר לנתונים דיגיטליים על סמך התכונות הביומטריות של האדם. מאז למידת מכונה אלגוריתמים מזהים רק מספרים, המרת מפת הפנים לנוסחה מתמטית הופכת רלוונטית. ייצוג מספרי זה של הפנים, המכונה גם טביעת פנים, מושווה לאחר מכן למאגר של פנים.
למצוא התאמה
השלב האחרון הוא השוואת הדפסת הפנים שלך למספר מסדי נתונים של פרצופים מוכרים. הטכנולוגיה מנסה להתאים את התכונות שלך לאלה שבבסיס הנתונים.
התמונה התואמת מוחזרת בדרך כלל עם השם והכתובת של האדם. אם מידע כזה חסר, נעשה שימוש בנתונים השמורים במסד הנתונים.
היכן משתמשים בזיהוי פנים?
כיום, מערכות זיהוי פנים נכנסות לחיי היומיום, והשימוש בהן יכול לעיתים קרובות להיעלם מעיניו. כדי להקל על החיים ולהוסיף לבטיחות, הנה כמה דוגמאות בולטות לזיהוי פנים שעושה את ההבדל.
- בריאות: רופאים משתמשים בזיהוי פנים כדי לזהות הפרעות גנטיות נדירות מסוימות אצל ילדים על ידי רפרוף בתווי פנים. דוגמה לכך תהיה אפליקציית Face2Gene, אשר משווה את מבנה הפנים של המטופל עם מקרים ידועים כדי לעזור לקבוע אם לילד יש תסמונת נונן או תסמונת אנג'למן.
- בתי מלון: חלק מהמלונות מתקינים זיהוי פנים כדי להאיץ את הצ'ק-אין שלהם. בסין, ה מלון מריוט מאפשר לאורחים להיכנס ללובי קיוסק לסריקת פנים מהירה, הימנעות מתורים ארוכים בדלפק הקבלה והפיכת הכניסה לעניין נעים.
- נגישות: זה מאפשר לאנשים לקויי ראייה לאמת את עצמם בקלות. הם כבר לא דורשים סיסמאות, קוד PIN או כל דבר אחר. עם זיהוי פנים, הם יכולים לגשת לאפליקציות בנקאות או לפתוח מכשירים, מה שהופך את המשימות היומיומיות להרבה יותר מעשיות.
- כיתות לימוד: מלבד ההיבט הביטחוני, בתי ספר בדרכים משתמשים בזיהוי פנים כדי לפקח על מעורבות התלמידים. לדוגמה, המערכות יכולות להתריע אם התלמידים שמים לב ללמידה המתרחשת בכיתה, ומאפשרות למורים לשנות את השיטות שלהם באופן מיידי.
- אבטחת אירועים: טכנולוגיית זיהוי פנים מצאה יישום בניהול המונים ובשיפור הבטיחות באירועים גדולים כמו קונצרטים ומשחקי ספורט. דוגמה אחת תהיה פריסתו בשערי האצטדיון כדי לאמת בעלי כרטיס ולאסור כניסה בלתי מורשית.
- מכוניות: יצרניות רכב משלבות כעת זיהוי פנים במכוניותיהן לחוויית נהיגה טובה יותר. רכבים מסוימים יכולים לזהות את פניו של הנהג לבצע התאמות אוטומטיות של מיקומי המושבים והמראות ואפילו להפעיל רשימות השמעה ספציפיות.
[קרא גם: מהו זיהוי תמונה בינה מלאכותית? איך זה עובד ודוגמאות]
מהם היתרונות של זיהוי פנים
זיהוי פנים הוא טכנולוגיה חדשה יחסית ומציעה יתרונות רבים. הנה כמה יתרונות בשימוש בזיהוי פנים:
- בטיחות הציבור מוגברת: מחלקות המשטרה משתמשות בזיהוי פנים לזיהוי נעדרים ופושעים מבוקשים. לדוגמה, מחלקות המשטרה ב הודו החזירה בהצלחה ילדים אבודים למשפחותיהם לאחר התאמת התמונות שלהם למאגרי מידע של נעדרים.
- עסקאות מאובטחות: בנקים ומערכות תשלום רבים משתמשים בזיהוי פנים כדי להפוך את העסקאות שלהם לבטוחות יותר. לְדוּגמָה, ב-Alipay, סין, משתמש יכול לאשר תשלום פשוט על ידי מתן אפשרות לסרוק את פניו, ומכאן צמצום אירוע ההונאה ומתן נוחות בתשלומים ללא מזומן.
- שירותי בריאות טובים יותר: בתי חולים הניעו מערכות זיהוי פנים לגשת בצורה חלקה למדריכי המטופלים ולהאיץ את תהליך הרישום. חלק מהמערכות אפילו מזהות כאב פיזי או הפרעות רגשיות בחולים, ובכך מאפשרות לרופאים לספק טיפול טוב יותר.
- אבטחה: טכנולוגיית זיהוי הפנים שינתה את אבטחת הסמארטפונים לנצח. בעוד ש-Face ID של אפל לא רק פותח טלפון, הוא גם מאפשר הגנה על אפליקציות רגישות, כגון ארנקים דיגיטליים ואפליקציות בנקאות.
חסרונות של זיהוי פנים
יש לזה יתרונות מסוימים; עם זאת, באופן משמעותי יותר, הוא מעלה בעיות אתיות, פרטיות ודיוק. להלן כמה מהחסרונות:
- האשמה שגויה: מערכות זיהוי פנים עשויות להביא להאשמות לא נכונות. הדוגמה של רנדל ריד, שנעצר ב-2022 על סמך זיהוי שגוי עם DNA באמצעות תוכנת זיהוי פנים בגין עבירה בלואיזיאנה, הוא למעשה מקום שכף רגלו מעולם לא דרכה בו.
- הטיה תרבותית ומגדרית: מחקרים הראו שמערכות זיהוי פנים פחות מדויקות בזיהוי אנשים צבעוניים ונשים. בדוח מפורט שהוכן עבור ממשלת ארה"ב לגבי ביצועי המערכות הללו, נמצא כי הם טעו בזיהוי אנשים מרקע מיעוטים, מה שמוביל למעצרים לא חוקיים או אפליה פוטנציאלית באכיפת החוק.
- חדירה לפרטיות: המקום של זיהוי הפנים מעלה כעת חששות אתיים מכיוון שהוא אוסף ומאחסן נתונים ביומטריים, לפעמים ללא הסכמה. כדוגמה, כמה חנויות קמעונאיות משתמשות בטכנולוגיית זיהוי פנים כדי לעקוב אחר התנהגות לקוחות, מה שמוביל לחששות לגבי מעקב וחירויות אישיות.
- הפגיעות של אבטחת מידע: עצם אחסון נתוני הפנים חושף אדם לפריצה; מכיוון שהאקרים פיצחו מידע ביומטרי רגיש, האקרים של Black Hat תוך שתי דקות בלבד הוכיחו זאת זיהוי הפנים של אפל עלול להיפרץ.
[קרא גם: 27 ערכות נתונים בחינם לראייה ממוחשבת]
דוגמאות לזיהוי פנים
- זיהוי אמזון: תוכנת זיהוי הפנים מבוססת הענן של אמזון ערכה חיפושים של אכיפת החוק תוך שימוש בצילומי וידאו למקור אנשים בתוך גופו של תיק. עם זאת, החברה הודיעה שהמשטרה לא תשתמש בו יותר עד 2020 בזמן שהמתינה לחקיקת חוקים פדרליים המגנים על אנשים אזרחיים.
- Apple Face ID: אפל מיישמת מערכות זיהוי פנים במכשיריה המאפשרות למשתמשים לפתוח את הנעילה של הטלפונים שלהם, להיכנס לאפליקציות שלהם ולבצע רכישות בבטחה; תקן שלם לנוחות ואבטחה במוצרי אלקטרוניקה.
- פייסבוק (Meta): בשנת 2010 השיקה פייסבוק טכנולוגיית זיהוי פנים לתיוג תמונות. האפשרות להשתמש בטכנולוגיה כזו היא אופציונלית, והיא מאפשרת תיוג אוטומטי של חברים לאחר העלאת תמונות, שכן זוהו בתמונות עצמן.
- תמונות גוגל: גוגל משתמשת בזיהוי פנים לארגון ותיוג אוטומטי של תמונות, מה שמקל על המשתמשים לעקוב ולמצוא תמונות עם פנים מזוהות.
- Snapchat: חלוצה של תוכנת זיהוי פנים, Snapchat משתמשת בטכנולוגיה כזו עבור מסננים יוצאי דופן פופולריים עבור חפצים ואישים ספורטיביים שונים.
האם זיהוי פנים מדויק?
הדיוק של זיהוי הפנים יכול להיות מופחת במצבים אמיתיים, מכיוון שמערכות אלו חוטפות מכה בהגדרות אלו. כמה מהמניעים העיקריים להטיה סוכמו כאן:
- סביבה מבוקרת: אלגוריתמים מסוגלים לזהות ולהתאים בהצלחה פרצופים עם תמונות התייחסות שצולמו בתנאי תאורה מבוקרים עם מצלמות איכותיות, מה שמעניק דיוק של כמעט 99.97%.
- הְזדַקְנוּת: הדיוק סובל מהשינוי הטבעי של התכונות המתרחש עם השנים, במיוחד בתמונות שצולמו עם שנות הפער.
- עיוותים דמוגרפיים: המערכת נוטה לפעמים לתפקד טוב יותר עבור עור בהיר יותר ומגדרים גברים ושיעורי השגיאות גבוהים יותר עבור נשים ואנשים בצבע.
- גורמים חיצוניים: מצלמות ברזולוציה נמוכה, רעש דיגיטלי וביטויים משתנים משפיעים לרעה על הביצועים.
האם זיהוי פנים בטוח?
בהיותן מבוססות על דפוסים ביומטריים ייחודיים, מערכות זיהוי פנים הן אולי אחד מאופני הזיהוי הבטוחים ביותר בין המצבים הקיימים בטכנולוגיה הביומטרית. זיהוי חיים, בתורו, מבטיח שהמערכת מקיימת אינטראקציה רק עם משתמשים חיים, ומקימה אמצעי נגד נגד התקפות זיוף באמצעות תמונות או סרטונים.
עם זאת, ישנם חששות לגבי פרטיות ושימוש לרעה, כגון מעקב המוני המדגיש את הצורך במנגנוני רגולציה קפדניים, המנוהלים במסגרת אתית.
איסוף נתונים למודל זיהוי פנים
כדי שמודל זיהוי הפנים יבצע את היעילות המקסימלית שלו, עליך לאמן אותו על מערכי נתונים הטרוגניים שונים.
היות והביומטריה של הפנים שונה מאדם לאדם, תוכנת זיהוי הפנים צריכה להיות מוכשרת בקריאה, זיהוי וזיהוי כל פנים. יתרה מכך, כאשר האדם מראה רגשות, קווי המתאר שלו משתנים. תוכנת הזיהוי צריכה להיות מתוכננת כך שתוכל להכיל שינויים אלו.
פתרון אחד הוא קבלת תמונות של מספר אנשים ממקומות שונים בעולם ויצירת מאגר מידע הטרוגני של פרצופים מוכרים. כדאי לצלם תמונות ממספר זוויות, נקודות מבט ועם מגוון הבעות פנים.
כאשר התמונות הללו מועלות לפלטפורמה מרכזית, תוך אזכור ברור של הביטוי והפרספקטיבה, זה יוצר מסד נתונים יעיל. לאחר מכן, צוות בקרת האיכות יכול לנפות את התמונות הללו לבדיקות איכות מהירות. שיטה זו של איסוף תמונות של אנשים שונים יכולה להביא למסד נתונים של תמונות איכותיות ויעילות במיוחד.
האם לא תסכימו שתוכנת זיהוי פנים לא תעבוד בצורה מיטבית ללא מערכת אמינה לאיסוף נתוני פנים?
איסוף נתוני פנים הוא הבסיס לביצועים של כל תוכנת זיהוי פנים. הוא מספק מידע רב ערך כמו אורך האף, רוחב המצח, צורת הפה, האוזניים, הפנים ועוד. באמצעות נתוני אימון בינה מלאכותית, מערכות זיהוי פנים אוטומטיות יכולות לזהות במדויק פנים בתוך קהל גדול בסביבה משתנה דינמית בהתבסס על תווי הפנים שלהן.
אם יש לך פרויקט שדורש מערך נתונים אמין ביותר שיכול לעזור לך לפתח תוכנת זיהוי פנים מתוחכמת, Shaip היא הבחירה הנכונה. יש לנו אוסף נרחב של מערכי נתונים לפנים המותאמים להכשרת פתרונות מיוחדים לפרויקטים שונים.
כדי לדעת יותר על שיטות האיסוף שלנו, מערכות בקרת האיכות וטכניקות ההתאמה האישית שלנו, להתקשר איתנו היום.