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 casglu 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.
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.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.
Cymwysiadau Diwydiant Technoleg Cydnabod Wyneb
- Rydyn ni i gyd yn gwybod am Face ID Apple sy'n helpu ei ddefnyddwyr i gloi a datgloi eu ffonau yn gyflym a mewngofnodi i gymwysiadau.
- Mae McDonald's wedi bod yn defnyddio system adnabod wynebau yn ei siop yn Japan i asesu ansawdd gwasanaeth cwsmeriaid. Mae'n defnyddio'r dechnoleg hon i benderfynu a yw ei weinyddion yn cynorthwyo ei gwsmeriaid gyda gwên.
- Defnyddiau Covergirl meddalwedd adnabod wynebau i helpu ei gwsmeriaid i ddewis y cysgod sylfaen cywir.
- Mae MAC hefyd yn defnyddio adnabyddiaeth wyneb soffistigedig i ddarparu profiad siopa arddull brics a morter i gwsmeriaid trwy ganiatáu iddynt 'roi' bron' ar eu colur gan ddefnyddio drychau estynedig.
- Mae'r cawr bwyd cyflym, CaliBurger, wedi bod yn defnyddio meddalwedd adnabod wynebau i ganiatáu i'w noddwyr weld eu pryniannau blaenorol, mwynhau gostyngiadau arbenigol, gweld argymhellion personol, a defnyddio eu rhaglenni teyrngarwch.
- Mae cawr gofal iechyd yr Unol Daleithiau, Cigna, yn gadael i'w cwsmeriaid yn Tsieina ffeilio eu hawliadau yswiriant iechyd gan ddefnyddio llofnodion lluniau yn lle arwyddion ysgrifenedig.
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 ni gyda ni heddiw.