זיהוי פנים לראייה ממוחשבת

כיצד איסוף נתונים ממלא תפקיד מכריע בפיתוח מודלים לזיהוי פנים

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 ב איסוף 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:

  1. 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.

  2. ניתוח פנים

    ניתוח פנים לזיהוי פנים הבא הוא ניתוח התמונה שצולמה. א מערכת זיהוי פנים משמש לזיהוי מדויק של תווי פנים ייחודיים כגון המרחק בין העיניים, אורך האף, המרווח בין הפה והאף, רוחב המצח, צורת הגבות ותכונות ביומטריות אחרות.

    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.

  3. 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.

  4. למצוא התאמה

    השלב האחרון הוא השוואת הדפסת הפנים שלך למספר מסדי נתונים של פרצופים מוכרים. הטכנולוגיה מנסה להתאים את התכונות שלך לאלה שבבסיס הנתונים.

בואו נדון היום בדרישת נתוני ההכשרה שלך ב- AI.

התמונה התואמת מוחזרת בדרך כלל עם השם והכתובת של האדם. אם מידע כזה חסר, נעשה שימוש בנתונים השמורים במסד הנתונים. 

יישומי תעשיית טכנולוגיית זיהוי פנים

יישומי תעשיית זיהוי פנים

  • כולנו מכירים את ה-Face ID של אפל שעוזר למשתמשים שלה לנעול ולפתוח במהירות את הטלפונים שלהם ולהיכנס לאפליקציות.
  • מקדונלד'ס משתמשת בזיהוי פנים בחנות היפנית שלה כדי להעריך את איכות שירות הלקוחות. היא משתמשת בטכנולוגיה זו כדי לקבוע אם השרתים שלה מסייעים ללקוחותיה בחיוך.
  • Covergirl משתמש תוכנת זיהוי פנים לעזור ללקוחותיה לבחור את הגוון הנכון של הבסיס. 
  • MAC משתמשת גם בזיהוי פנים מתוחכם כדי לספק חווית קנייה בסגנון לבנים וטיט ללקוחות בכך שהיא מאפשרת להם למעשה "לנסות" את האיפור שלהם באמצעות מראות מוגדלות. 
  • ענקית המזון המהיר, CaliBurger, משתמשת בתוכנת זיהוי פנים כדי לאפשר ללקוחותיה לצפות ברכישות הקודמות שלהם, ליהנות מהנחות מיוחדות, לצפות בהמלצות מותאמות אישית ולהשתמש בתוכניות הנאמנות שלהם. 
  • ענקית שירותי הבריאות האמריקאית Cigna מאפשרת ללקוחותיהם בסין להגיש את תביעות ביטוח הבריאות שלהם באמצעות חתימות תמונות במקום שלטים כתובים. 

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.

שתף חברתי

אולי גם תאהב