Mae bodau dynol yn fedrus wrth adnabod wynebau, ond rydym hefyd yn dehongli ymadroddion ac emosiynau yn gwbl naturiol. Mae ymchwil yn dweud y gallwn adnabod wynebau cyfarwydd yn bersonol oddi mewn 380ms ar ôl cyflwyniad a 460ms ar gyfer wynebau anghyfarwydd. Fodd bynnag, mae gan yr ansawdd dynol cynhenid hwn bellach gystadleuydd mewn deallusrwydd artiffisial a Gweledigaeth Gyfrifiadurol. Mae'r technolegau arloesol hyn yn helpu i ddatblygu atebion sy'n adnabod wynebau dynol yn fwy cywir ac effeithlon nag erioed.
Mae'r technolegau arloesol ac anymwthiol diweddaraf hyn wedi gwneud bywyd yn symlach ac yn gyffrous. Mae technoleg adnabod wynebau wedi tyfu i fod yn dechnoleg sy'n datblygu'n gyflym. Yn 2020, prisiwyd y farchnad adnabod wynebau $ 3.8 biliwn, a disgwylir i'r un peth ddyblu mewn maint erbyn 2025 – rhagwelir y bydd dros $8.5 biliwn.
Beth yw Cydnabod Wyneb?
Mae technoleg adnabod wynebau yn mapio nodweddion wyneb ac yn helpu i adnabod person yn seiliedig ar y data print wyneb sydd wedi'i storio. Mae'r dechnoleg biometrig hon yn defnyddio algorithmau dysgu dwfn i gymharu'r print wyneb sydd wedi'i storio â'r ddelwedd fyw. Mae meddalwedd canfod wynebau hefyd yn cymharu delweddau wedi'u dal â chronfa ddata o ddelweddau i ddod o hyd i gyfatebiaeth.
Mae cydnabyddiaeth wyneb wedi'i defnyddio mewn llawer o gymwysiadau ar gyfer gwella diogelwch mewn meysydd awyr, yn helpu asiantaethau gorfodi'r gyfraith i ganfod troseddwyr, dadansoddi fforensig, a systemau gwyliadwriaeth eraill.
Sut mae cydnabyddiaeth wyneb yn gweithio?
Mae meddalwedd adnabod wynebau yn dechrau gyda chasglu data adnabod wynebau a phrosesu delweddau gan ddefnyddio Computer Vision. Mae'r delweddau'n cael eu sgrinio'n ddigidol ar lefel uchel fel bod y cyfrifiadur yn gallu gwahaniaethu rhwng wyneb dynol, llun, cerflun, neu hyd yn oed poster. Trwy ddefnyddio dysgu peirianyddol, nodir patrymau a thebygrwydd yn y set ddata. Mae'r algorithm ML yn nodi'r wyneb mewn unrhyw ddelwedd benodol trwy adnabod patrymau nodweddion wyneb:
- Cymhareb uchder i led yr wyneb
- Lliw yr wyneb
- Lled pob nodwedd - llygaid, trwyn, ceg, a mwy.
- Nodweddion nodedig
Gan fod gan wahanol wynebau nodweddion gwahanol, felly hefyd feddalwedd adnabod wynebau. Fodd bynnag, yn gyffredinol, mae unrhyw adnabyddiaeth wyneb yn gweithio gan ddefnyddio'r weithdrefn ganlynol:
Canfod wyneb
Mae systemau technoleg wyneb yn adnabod ac yn adnabod delwedd wyneb mewn tyrfa neu'n unigol. Mae datblygiadau technolegol wedi ei gwneud hi'n haws i'r feddalwedd ganfod delweddau wyneb hyd yn oed pan fo amrywiad bach mewn ystum - yn wynebu'r camera neu'n edrych i ffwrdd ohono.
Dadansoddiad wyneb
Nesaf yw'r dadansoddiad o'r ddelwedd a ddaliwyd. A system adnabod wynebau yn cael ei ddefnyddio i nodi nodweddion wyneb unigryw yn gywir megis y pellter rhwng llygaid, hyd y trwyn, y gofod rhwng y geg a'r trwyn, lled y talcen, siâp yr aeliau, a phriodoleddau biometrig eraill.
Gelwir nodweddion unigryw ac adnabyddadwy wyneb dynol yn bwyntiau nodol, ac mae gan bob wyneb dynol tua 80 pwynt nodal. Trwy fapio'r wyneb, adnabod geometreg, a ffotometreg, mae'n bosibl dadansoddi ac adnabod wynebau gan ddefnyddio'r cronfeydd data adnabod yn gywir.
Trosi Delwedd
Ar ôl dal delwedd wyneb, caiff y wybodaeth analog ei throsi'n ddata digidol yn seiliedig ar nodweddion biometreg y person. Ers dysgu peiriant mae algorithmau yn adnabod rhifau yn unig, ac mae trosi'r map wyneb yn fformiwla fathemategol yn dod yn berthnasol. Yna mae'r cynrychioliad rhifiadol hwn o'r wyneb, a elwir hefyd yn wynebprint, yn cael ei gymharu â chronfa ddata o wynebau.
Dod o hyd i ornest
Y cam olaf yw cymharu eich print wyneb â sawl cronfa ddata o wynebau hysbys. Mae'r dechnoleg yn ceisio paru'ch nodweddion â'r rhai yn y gronfa ddata.
Fel arfer dychwelir y ddelwedd gyfatebol gydag enw a chyfeiriad y person. Os oes gwybodaeth o'r fath ar goll, defnyddir y data sydd wedi'i gadw yn y gronfa ddata.
Ble mae Adnabyddiaeth Wyneb yn cael ei Ddefnyddio?
Heddiw, mae systemau adnabod wynebau yn dod i mewn i fywyd bob dydd, a gall eu defnydd fynd yn aml heb i neb sylwi. I wneud bywyd yn haws ac ychwanegu at ddiogelwch, dyma sawl enghraifft amlwg o adnabod wynebau yn gwneud gwahaniaeth.
- Gofal Iechyd: Mae meddygon yn defnyddio adnabyddiaeth wyneb i nodi rhai anhwylderau genetig prin mewn plant trwy sgimio trwy nodweddion wyneb. Enghraifft o hynny fyddai'r Ap Face2Gene, sy'n cymharu strwythur wyneb claf ag achosion hysbys i helpu i benderfynu a oes gan y plentyn syndrom Noonan neu syndrom Angelman.
- Gwestai: Mae rhai gwestai yn gosod adnabyddiaeth wyneb er mwyn cyflymu eu cofrestriadau. Yn Tsieina, mae'r Mae gwesty Marriott yn gadael i westeion fynd i mewn i lobi ciosg ar gyfer sgan cyflym ar yr wyneb, gan osgoi llinellau hir wrth y ddesg flaen a gwneud y fynedfa yn rhywbeth pleserus.
- Hygyrchedd: Mae'n caniatáu i bobl â nam ar eu golwg ddilysu eu hunain yn hawdd. Nid oes angen cyfrineiriau, PINs, neu beth bynnag arall arnynt mwyach. Gydag adnabyddiaeth wyneb, gallant gyrchu apiau bancio neu ddatgloi dyfeisiau, gan wneud tasgau dyddiol yn llawer mwy ymarferol.
- Dosbarthiadau: Ar wahân i'r agwedd diogelwch, mae ysgolion ffyrdd yn defnyddio adnabyddiaeth wyneb i fonitro ymgysylltiad myfyrwyr. Er enghraifft, gall y systemau eich rhybuddio a yw myfyrwyr yn talu sylw i'r dysgu sy'n digwydd yn y dosbarth, gan ganiatáu i athrawon newid eu dulliau ar unwaith.
- Diogelwch digwyddiad: Mae technoleg adnabod wynebau wedi dod o hyd i gymhwysiad mewn rheoli torfeydd a gwella diogelwch mewn digwyddiadau mawr fel cyngherddau a gemau chwaraeon. Un enghraifft fyddai ei ddefnyddio wrth gatiau'r stadiwm i wirio deiliaid tocynnau a gwahardd mynediad heb awdurdod.
- Ceir: Mae Automakers bellach yn integreiddio adnabyddiaeth wyneb yn eu ceir i gael profiad gyrru gwell. Gall rhai cerbydau adnabod wyneb y gyrrwr wneud addasiadau awtomatig o safleoedd seddi a drychau a hyd yn oed chwarae rhestri chwarae penodol.
[Darllenwch hefyd: Beth yw Cydnabod Delwedd AI? Sut Mae'n Gweithio ac Enghreifftiau]
Beth yw Manteision Cydnabod Wyneb
Mae cydnabyddiaeth wyneb yn dechnoleg gymharol newydd ac mae'n cynnig nifer o bethau cadarnhaol. Dyma rai manteision o ddefnyddio adnabod wynebau:
- Mwy o ddiogelwch cyhoeddus: Mae adrannau heddlu'n defnyddio adnabyddiaeth wyneb i adnabod unigolion coll ac eisiau troseddwyr. Er enghraifft, mae adrannau heddlu yn Mae India wedi llwyddo i ddod â phlant coll yn ôl i'w teuluoedd ar ôl cyfateb eu lluniau i gronfeydd data pobl ar goll.
- Trafodion wedi'u gwarantu: Mae llawer o fanciau a systemau talu yn defnyddio adnabyddiaeth wyneb i wneud eu trafodion yn fwy diogel. Er enghraifft, yn Alipay, Tsieina, gall defnyddiwr awdurdodi taliad yn syml trwy ganiatáu i'w wyneb gael ei sganio, gan leihau'r digwyddiad o dwyll a darparu cyfleustra mewn taliadau heb arian parod.
- Gwell gofal iechyd: Mae ysbytai wedi gyrru systemau adnabod wynebau i gael mynediad di-dor i gyfeiriaduron cleifion a chyflymu'r broses gofrestru. Mae rhai systemau hyd yn oed yn canfod poen corfforol neu aflonyddwch emosiynol mewn cleifion, gan alluogi meddygon i ddarparu gwell gofal.
- Diogelwch: Mae technoleg adnabod wynebau wedi newid diogelwch ffonau clyfar am byth. Er bod Apple's Face ID nid yn unig yn datgloi ffôn, mae hefyd yn galluogi amddiffyn apps sensitif, fel waledi digidol ac apiau bancio.
Anfanteision Cydnabod Wyneb
Mae ganddo rai manteision; fodd bynnag, yn fwy arwyddocaol, mae'n codi materion moesegol, preifatrwydd a chywirdeb. Isod mae rhai o'r anfanteision:
- Cyhuddiad anghywir: Gall systemau adnabod wynebau arwain at gyhuddiadau anghyfiawn. Enghraifft Randall Reid, a gafodd ei arestio yn 2022 yn seiliedig ar yr adnabyddiaeth anghywir â DNA trwy feddalwedd adnabod wynebau am drosedd yn Louisiana, mewn gwirionedd, yn lle nad oedd erioed wedi troedio ynddo.
- Tuedd ddiwylliannol a rhyw: Mae astudiaethau wedi dangos bod systemau adnabod wynebau yn llai cywir o ran adnabod pobl o liw a menywod. Mewn adroddiad manwl a baratowyd ar gyfer llywodraeth yr Unol Daleithiau ynghylch perfformiad y systemau hyn, canfuwyd eu bod yn camadnabod pobl o gefndir lleiafrifol fel mater o drefn, gan arwain at arestiadau anghyfiawn posibl neu wahaniaethu wrth orfodi'r gyfraith.
- Goresgyniad preifatrwydd: Mae man adnabod wynebau bellach yn codi pryderon moesegol oherwydd ei fod yn casglu ac yn storio data biometrig, weithiau heb ganiatâd. Er enghraifft, mae rhai siopau manwerthu yn defnyddio technoleg adnabod wynebau i olrhain ymddygiad cwsmeriaid, gan arwain at bryderon ynghylch gwyliadwriaeth a rhyddid personol.
- Pa mor agored i niwed yw diogelwch gwybodaeth: Mae'r union weithred o storio data wyneb yn amlygu un i hacio; gan fod hacwyr wedi cracio gwybodaeth fiometrig sensitif, dangosodd hacwyr Black Hat hynny mewn dim ond dau funud Gallai ID wyneb Apple gael ei hacio.
[Darllenwch hefyd: 27 Setiau Data Delwedd Rhad ac Am Ddim ar gyfer Golwg Cyfrifiadurol]
Enghreifftiau o Adnabyddiaeth Wynebol
- Cydnabyddiaeth Amazon: Mae meddalwedd adnabod wynebau cwmwl Amazon wedi cynnal chwiliadau gorfodi'r gyfraith gan ddefnyddio lluniau fideo i ddod o hyd i bobl y tu mewn i gorff achos. Fodd bynnag, cyhoeddodd y cwmni na fydd yr heddlu bellach yn ei ddefnyddio erbyn 2020 wrth aros i gyfreithiau ffederal gael eu deddfu i amddiffyn unigolion sifil mewn golwg.
- ID Wyneb Apple: Mae Apple yn gweithredu systemau adnabod wynebau ar ei ddyfeisiau sy'n galluogi defnyddwyr i ddatgloi eu ffonau, mewngofnodi i'w apps, a phrynu'n ddiogel; safon gyflawn ar gyfer cyfleustra a diogelwch mewn electroneg defnyddwyr.
- Facebook (Meta): Yn 2010, lansiodd Facebook dechnoleg adnabod wynebau ar gyfer tagio lluniau. Mae'r gallu i ddefnyddio technoleg o'r fath yn ddewisol, ac mae'n caniatáu tagio ffrindiau yn awtomatig ar ôl uwchlwytho lluniau, gan eu bod wedi'u cydnabod yn y lluniau eu hunain.
- Lluniau Google: Mae Google yn defnyddio adnabyddiaeth wyneb ar gyfer trefnu a thagio delweddau yn awtomatig, sy'n ei gwneud hi'n haws i ddefnyddwyr olrhain a dod o hyd i ddelweddau ag wynebau cydnabyddedig.
- Snapchat: Yn arloeswr meddalwedd adnabod wynebau, mae Snapchat yn defnyddio technoleg o'r fath ar gyfer ei hidlwyr anarferol poblogaidd ar gyfer gwahanol wrthrychau a phersonoliaethau chwaraeon.
A yw Cydnabod Wyneb yn Gywir?
Gellir lleihau cywirdeb adnabod wynebau mewn sefyllfaoedd go iawn gan fod y systemau hyn yn cael eu taro o dan y gosodiadau hynny. Mae rhai o’r sbardunau allweddol ar gyfer rhagfarn wedi’u crynhoi yma:
- Amgylchedd a reolir: Mae algorithmau'n gallu adnabod a chyfateb wynebau yn llwyddiannus â delweddau cyfeirio a dynnwyd o dan amodau goleuo rheoledig gyda chamerâu o ansawdd, gan roi cywirdeb o bron i 99.97%.
- heneiddio: Mae cywirdeb yn dioddef o newid naturiol nodweddion sy'n digwydd dros y blynyddoedd, yn enwedig gyda'r lluniau a dynnwyd gyda'r blynyddoedd o fwlch.
- Gwyriadau demograffig: Weithiau mae'r system yn tueddu i berfformio'n well ar gyfer croen ysgafnach a rhyw gwrywaidd ac mae'r cyfraddau gwallau yn uwch ar gyfer menywod a phobl o liw.
- Ffactorau allanol: Mae camerâu cydraniad isel, sŵn digidol, a newid ymadroddion yn effeithio'n andwyol ar y perfformiad.
Ydy Adnabod Wyneb yn Ddiogel?
Gan eu bod yn seiliedig ar batrymau biometrig unigryw, efallai mai systemau adnabod wynebau yw un o'r dulliau adnabod mwyaf diogel rhwng moddau presennol mewn technoleg fiometrig. Mae canfod bywoliaeth, yn ei dro, yn gwarantu bod y system yn rhyngweithio â defnyddwyr byw yn unig, gan sefydlu gwrthfesur yn erbyn ymosodiadau ffug gan ddefnyddio lluniau neu fideos.
Ac eto mae pryderon ynghylch preifatrwydd a chamddefnydd, megis gwyliadwriaeth dorfol sy'n tanlinellu'r angen am fecanweithiau rheoleiddio llym, a weinyddir o fewn cwmpas moesegol.
Casglu Data ar gyfer Model Cydnabod Wyneb
Er mwyn i'r model adnabod wynebau berfformio i'w effeithlonrwydd mwyaf, rhaid i chi ei hyfforddi ar amrywiol setiau data heterogenaidd.
Gan fod biometreg wyneb yn amrywio o berson i berson, dylai'r feddalwedd adnabod wynebau fod yn fedrus wrth ddarllen, adnabod ac adnabod pob wyneb. Ar ben hynny, pan fydd y person yn dangos emosiynau, mae ei gyfuchliniau wyneb yn newid. Dylai'r feddalwedd adnabod gael ei dylunio fel y gall gynnwys y newidiadau hyn.
Un ateb yw derbyn lluniau o sawl person o wahanol rannau o'r byd a chreu cronfa ddata heterogenaidd o wynebau hysbys. Yn ddelfrydol, dylech dynnu lluniau o onglau lluosog, safbwyntiau a gydag amrywiaeth o fynegiadau wyneb.
Pan fydd y lluniau hyn yn cael eu huwchlwytho i lwyfan canolog, gan sôn yn glir am y mynegiant a'r persbectif, mae'n creu cronfa ddata effeithiol. Yna gall y tîm rheoli ansawdd ddidoli trwy'r lluniau hyn i gael gwiriadau ansawdd cyflym. Gall y dull hwn o gasglu lluniau o wahanol bobl arwain at gronfa ddata o ddelweddau o ansawdd uchel, hynod effeithlon.
Oni fyddech chi'n cytuno na fydd meddalwedd adnabod wynebau'n gweithio'n optimaidd heb system casglu data wyneb dibynadwy?
Casglu data wyneb yw'r sylfaen ar gyfer perfformiad unrhyw feddalwedd adnabod wynebau. Mae'n darparu gwybodaeth werthfawr megis hyd y trwyn, lled y talcen, siâp y geg, clustiau, wyneb, a llawer mwy. Gan ddefnyddio data hyfforddi AI, gall systemau adnabod wynebau awtomataidd adnabod wyneb yn gywir yng nghanol torf fawr mewn amgylchedd sy'n newid yn ddeinamig yn seiliedig ar eu nodweddion wyneb.
Os oes gennych chi brosiect sy'n gofyn am set ddata hynod ddibynadwy a all eich helpu i ddatblygu meddalwedd adnabod wynebau soffistigedig, Shaip yw'r dewis cywir. Mae gennym gasgliad helaeth o setiau data wyneb wedi'u optimeiddio ar gyfer hyfforddi atebion arbenigol ar gyfer prosiectau amrywiol.
I wybod mwy am ein dulliau casglu, systemau rheoli ansawdd, a thechnegau addasu, Cysylltwch â gyda ni heddiw.
Nesaf yw'r dadansoddiad o'r ddelwedd a ddaliwyd. A system adnabod wynebau yn cael ei ddefnyddio i nodi nodweddion wyneb unigryw yn gywir megis y pellter rhwng llygaid, hyd y trwyn, y gofod rhwng y geg a'r trwyn, lled y talcen, siâp yr aeliau, a phriodoleddau biometrig eraill.