Het vermogen om gezichten te zien en snel te herkennen is een superkracht. U hoeft geen tijd te verspillen aan analyse en het bestuderen van rimpels, plooien en ovalen. Gezichtsherkenning is direct en moeiteloos. Het is zo eenvoudig dat we niet eens doorhebben hoe we het doen.
Denk eens na over hoe verschillende gezichten op elkaar lijken: twee ogen, een mond, een neus, oren die aan de zijkanten uitsteken, elke keer in dezelfde volgorde (meestal). Het is ongelooflijk dat we een object zo gemakkelijk kunnen analyseren.
We zijn vanaf onze geboorte ‘geprogrammeerd’ om gezichten te herkennen, maar inmiddels hebben mensen meer bereikt: ze hebben een machine deze vaardigheid geleerd. Welke invloed zal de wijdverbreide invoering van persoonlijke herkennings- en identificatiesystemen hebben op het maatschappelijke leven?
Pareidolie: Automatische gezichtsherkenning
Mensen in de "automatische" modus kunnen bekende afbeeldingen op elk oppervlak onderscheiden. Slechts drie architectonische elementen van het gebouw worden waargenomen als het gezicht van een verbaasde eend. Dit is een voorbeeld van pareidolie.
Het woord pareidolia komt van de Griekse woorden para (para – dichtbij, rondom, afwijking van iets) en eidolon – beeld. Dit is de benaming voor een optische illusie: de waarneming van een beeld of betekenis terwijl dat er niet is. Een gezicht op een boomstam of dierfiguren in de wolken zijn bijvoorbeeld pareidolie.
Meer foto's zoals deze zijn te vinden op thingswithfaces.com
We zien de gezichten van mensen en de snuiten van dieren in geometrische figuur. De hele emoji-cultuur is op dit principe gebaseerd. 🙂
Het fenomeen pareidolie kan eenvoudig worden vertaald naar de taal van algoritmen. Kunstenaars gefotografeerde wolken die even samensmolten tot menselijke gezichten met behulp van een script uit de OpenCV-bibliotheek.
De Thatcher-waanzin: systematische biologische fouten
Er is een biologische bacterie die zich manifesteert het grote belang van de vaardigheid van herkenning. De meeste objecten om u heen - een stoel, een tafel, een computer - zijn vanuit elke hoek gemakkelijk te zien en correct te identificeren. Maar de gezichten niet.
Het omgekeerde gezicht veroorzaakt een storing in de hersenen die het Thatcher-effect (illusie) wordt genoemd. Het verschijnsel beschrijft een situatie waarin het moeilijk is om lokale veranderingen in een omgekeerde portretfoto waar te nemen.
Laten we de foto van Margaret Thatcher omdraaien en naar het resultaat kijken.
De eerste foto lijkt normaal, maar als je hem omdraait, zie je meteen dat de ogen en de mond niet goed staan. Mensen en kunstmatige neurale netwerken nemen beelden anders waar. Het is verbazingwekkend dat het ‘neurale netwerk’ tussen onze oren zo gemakkelijk te misleiden is.
De Thatcher-illusie laat een aantal basismechanismen zien waarmee onze hersenen informatie verwerken. De hersenen lezen een reeks individuele elementen: een paar ogen, een neus, een mond, oren. Naast de individuele kenmerken van gezichtskenmerken wordt ook rekening gehouden met hun onderlinge relaties en de locatie. Dat wil zeggen dat het gezicht als een geheel wordt waargenomen.
Daarom is het voor de hersenen moeilijker om het beeld als geheel te beoordelen wanneer ons een omgekeerd gezicht wordt getoond - informatie wordt voor elk element afzonderlijk 'verzameld': de ogen staan op hun plaats, de mond ziet eruit als een mond. Zodra we echter het juiste gezicht te zien krijgen, verandert de perceptie van een bepaald systeem plotseling en beginnen de problemen: het wordt duidelijk dat bekende kenmerken op een ongewone manier met elkaar verbonden zijn.
Waarom is dit belangrijk? Het menselijk brein is in staat de kleinste verschillen in gezichtskenmerken te herkennen dankzij de holistische aard van de waarneming. Een deel van de hersenschors herkent het gezicht en bepaalt de richting waarin wordt gekeken, de amygdala en de insula analyseren gezichtsuitdrukkingen en een deel van de prefrontale zone van de frontale kwab en het genotsysteem van de hersenen beoordelen de schoonheid ervan.
Bug als feature: Chernovs gezichten
()
De eigenaardigheid van de menselijke waarneming wordt gebruikt om geaggregeerde multidimensionale data te analyseren met behulp van ‘gezichten’. In 1973 introduceerde de Amerikaanse wiskundige Herman Chernov het concept om 'gezichten' te gebruiken om patronen te identificeren en complexe relaties tussen meerdere variabelen te onderzoeken.
De gegevens van Chernov worden weergegeven in de vorm van pictogramgezichten, waarbij de relatieve waarden van de geselecteerde variabelen worden gepresenteerd als de vormen en maten van individuele kenmerken: neuslengte, wenkbrauwhoek, gezichtsbreedte – in totaal maximaal 36 variabelen. Op deze manier kan de waarnemer visuele kenmerken van objecten identificeren die uniek zijn voor elke configuratie van waarden.
Met een snelle blik op het gezichtsdiagram kunt u vaststellen of de profielkenmerken aanzienlijk van elkaar verschillen (overeenkomen). Een gedetailleerd overzicht van gezichtskenmerken maakt duidelijk welke kenmerken (elk gezichtskenmerk is een afzonderlijk kenmerk van de oorspronkelijke dataset) vergelijkbaar zijn en waar ze verschillen. In de bovenstaande illustratie is bijvoorbeeld het verschil tussen landen goed te zien aan de hand van de verdrietige en blije emoticons.
Waarom heeft een auto jouw gezicht nodig?
Dankzij de vaardigheid om snel gezichten te herkennen, kunt u uw kind op de kleuterschool ophalen, een partner kiezen en emoties op de juiste en gepaste manier uiten. Maar wat gebeurt er als iemand dit vermogen overdraagt aan een kunstmatig neuraal netwerk?
Het idee kan weerzinwekkend zijn. Niet iedereen is bereid om technologie die gegevens opslaat, bewegingen bijhoudt en aankopen en emoties analyseert, zomaar te accepteren. De overgang van eenvoudige videobewaking naar gepersonaliseerde videoanalyse brengt een aanzienlijke toename aan verantwoordelijkheid met zich mee.
Tegenwoordig worden algoritmen zoals gezichtsgelijkenissen nauwkeuriger kunnen bepalen dan mensen. Het algoritme van Nvidia creëert binnen enkele seconden gezichten van niet-bestaande mensen. Gezichten in de collage hierboven het StyleGAN neurale netwerk, getraind op een dataset van 70 afbeeldingen. Ze zien er angstaanjagend realistisch uit.
Demonstratie van het SearchFace-algoritme
In eerste instantie zorgde het gezichtsherkenningsalgoritme van Facebook voor extra bezorgdheid, maar daarna raakte iedereen eraan gewend (of verliet het sociale netwerk). De FindFace-service voor het zoeken naar personen op foto op VKontakte kreeg gemengde recensies en werd gebruikt voor pesten, maar de sluiting van een soortgelijk project, SearchFace, heeft al een negatieve reactie onder gebruikers veroorzaakt - als de gegevens immers beschikbaar zijn, moeten ze voor iedereen toegankelijk zijn.
Winkelketens installeren gezichtsherkenningstechnologie om diefstal te voorkomen. Daarbij verzamelen ze gegevens over de leeftijd, het geslacht en zelfs de emoties van klanten. Het uiteindelijke doel is om de klantenservice te verbeteren en daarmee geld te verdienen. Wanneer klanten merken dat het systeem voor hen persoonlijk voordelen oplevert, zullen velen instemmen met de implementatie van nieuwe technologieën.
Gezien de toenemende incidentie van ‘identiteitsdiefstal’ – fraude met creditcards en persoonlijke gegevens – zullen consumenten de voorkeur geven aan een systeem dat er is wanneer zij het nodig hebben. identificeert ze correct.
Algoritmes helpen tegenwoordig om problemen als slechte belichting, lage resolutie en camouflage, zoals brillen, pruiken en een stoppelbaardje, te overwinnen. De systemen werken razendsnel en vergelijken een gezicht binnen een seconde met een database met daarin miljoenen mensen.
Sommige winkels in de VS Verdachten van diefstal krijgen de keuze: ze laten zich fotograferen of ze worden formeel aangeklaagd voor het misdrijf. De dief krijgt zijn vrijheid terug, krijgt een winkelverbod en zijn foto wordt officieel opgenomen in de database. Bestanden met afbeeldingen van mensen zijn versleuteld en alleen toegankelijk voor de eigenaar van het systeem.
Wie profiteert van erkenning?
De meeste winkels hebben al CCTV-camera's geïnstalleerd. Voor videoanalyse is geen hardware-update nodig: maak gewoon verbinding met een cloudservice. En met de videoanalyseservice van Ivideon is de instapdrempel vrijwel nihil. vanaf 1 roebel per camera krijgt iedere ondernemer toegang tot de software.
De belangrijkste reden voor retailers om gezichtsherkenningstechnologie te gebruiken, is het voorkomen van diefstal. Volgens Volgens de National Retail Foundation ging in 1,33 alleen al in de Verenigde Staten ongeveer 2017% van alle goederen verloren door diefstal. Dit is een geschat verlies van 46,8 miljard dollar.
Gezichtsherkenningstechnologie vermindert winkeldiefstal met ruim 30%.
Vaak wordt de omvang van de schade beïnvloed door secundaire factoren: nalatigheid van werknemers, slechte training van beveiligingsdiensten, de wens om geld te besparen. Deze en andere problemen moeten worden opgelost met behulp van camera's en cloudtechnologieën.
Dankzij het gezichtsherkenningssysteem is het makkelijker om snel met ‘zwarte’ lijsten te werken: het vergelijkt de foto van de klant met een database van onbetrouwbare personen en stuurt, indien er een match is, een overeenkomstige waarschuwing naar de beveiligers.
Analytische software verbetert de beveiliging van de winkel aanzienlijk. Een ervaren dief kan de ‘blinde hoeken’ van camera’s opmerken. In dat geval kan de beveiliger met zijn telefoon een foto van de verdachte maken en vervolgens controleren of deze persoon in de database voorkomt.
Merken maken al langer gebruik van mobiele marketing: ze versturen sms-berichten, pushmeldingen en tonen gerichte advertenties. Voor de traditionele detailhandel bieden herkenningssystemen dezelfde mogelijkheden als die online retailers kregen met cookies.
Hetzelfde platform dat wordt gebruikt om dieven op te sporen, helpt retailers bepalen welke displays het beste zijn om klanten te trekken. Dankzij het herkenningssysteem kunnen VIP-klanten al bij de ingang van de winkel worden herkend. Met behulp van gegevens uit het CRM kan een verkoper snel een winstgevend aanbod doen aan een klant.
In het Seoul International Finance Center staan camera's op informatieborden in realtime leeftijd en geslacht van de persoon, en bied reclame aan op basis van de geïdentificeerde parameters
Klantinformatie vormt een krachtig hulpmiddel voor het verhogen van de omzet en het inschatten van de behoeften van het publiek. Met camera's kunt u de weergave van videoadvertenties aanpassen aan specifieke bezoekers, afhankelijk van geslacht, leeftijd en emotionele toestand. Daarnaast worden camera's gegevensleveranciers voor het berekenen van de effectiviteit van advertenties.
De hierboven genoemde kansen voor retailers klinken vaak als vervelende reclameruis. Stellingen over ‘winstgroei’ en ‘behoeften van het publiek’ komen bij elk IT-hulpmiddel op de markt voor – van ERP tot elektronische prijskaartjes. Is gezichtsherkenningssystemen meer dan alleen pure marketing over kunstmatige intelligentie en toekomstige technologieën? Laten we deze vraag beantwoorden aan de hand van voorbeelden van het gebruik van echte systemen in bestaande winkels.
"Werk in het veld": wie herkent gezichten in reële omstandigheden
7-Eleven is de grootste winkelketen ter wereld en verenigt meer dan 36 kleine winkels in 000 landen onder het beheer van Seven-Eleven Japan. Onlangs heeft het bedrijf software in 11 van haar winkels. Gezichtsherkenning en gedragsanalysetechnologie worden in winkelketens gebruikt om houders van loyaliteitskaarten te identificeren, het klantverkeer te monitoren en voorraadniveaus in magazijnen te bepalen.
Saks is een eeuwenoude keten van premiumwinkels, die momenteel eigendom is van een van de oudste bedrijven ter wereld (opgericht in 1670): Hudson's Bay Company. Videoanalyse Bij Saks vooral om diefstal te voorkomen. De software vergelijkt foto's van vermoedelijke winkeldieven met een database van bekende winkeldieven. De camera's zijn met elkaar verbonden, zodat de resultaten op het hoofdkantoor van Saks in New York kunnen worden bekeken.
Volgens de Guardian maken luxe winkels en hotels in Europa regelmatig gebruik van gezichtsherkenningstechnologie om VIP's en beroemdheden te volgen en ervoor te zorgen dat ze de best mogelijke ervaring hebben.
In de VS is de burgerketen CaliBurger gezichtsherkenningstechnologie in het loyaliteitsprogramma. De interactieve kiosk ‘herkent’ klanten, onthoudt bestellingen en biedt favoriete gerechten aan, en accepteert betalingen via gezichtsherkenning.
Het systeem verwijdert de drempel voor deelname aan het beloningsprogramma voor senioren die moeite hebben met het gebruik van mobiele apps, beloningspunten en creditcards.
Gezichtsherkenningssystemen worden veel gebruikt in Azië, met name in China. Daar worden ze gebruikt om boodschappen te betalen, geld op te nemen bij een geldautomaat of zelfs om leningen af te sluiten. De nauwkeurigheid van gezichtsherkenning in China overtreft de mogelijkheden van het menselijk oog. Dit hangt ook samen met de grootschalige overgang van 2D- naar 3D-herkenning in China.
In het eerste geval gebruiken algoritmen tweedimensionale afbeeldingen die zijn verzameld in databases voor analyse. 3D-herkenning analyseert gereconstrueerde driedimensionale beelden en is veel nauwkeuriger. In China kan gezichtsscanning worden gebruikt om aankopen te doen (zoals het afrekenen van bestellingen bij KFC), betalingen te doen en gebouwen te betreden.
In Alipay zodat het betalingsherkenningssysteem begrijpt dat het niet om een foto gaat, maar om een levend persoon. Er wordt beweerd dat het onmogelijk is om Alipay te frauderen: het veranderen van haarkleur, make-up of het dragen van een pruik verandert niets. Het systeem maakt gebruik van een reeks onderscheidende kenmerken die rekening houden met de geometrie van het gezicht en de locatie van bepaalde punten daarop.
Bevindingen
De omvang van de directe investeringen van westerse bedrijven en China in gezichtsherkenningstechnologieën is enorm. In Rusland is de uitvoering van dergelijke projecten echter een kwestie van tijd. Grote commerciële bedrijven zijn zich al bewust van de voordelen en de economische impact. Als we gezichtsherkenning als product beschouwen, is het belangrijk om te begrijpen dat elk bedrijfssegment zijn eigen specifieke kenmerken heeft, waaronder ook de prijs. Hoe groter de onderneming, hoe meer camera's en analysemodules er nodig kunnen zijn. Oplossingen voor grote bedrijven zijn altijd complexe, op maat gemaakte projecten. Voor maatwerk zijn extra middelen nodig. Kleine en middelgrote bedrijven kunnen prima toe met slechts één camera met daaraan gekoppeld een gezichtsherkenningsmodule. In dit geval zijn de kosten van de oplossing vergelijkbaar met die van cloudvideobewaking.
Bron: www.habr.com
