Mikä on kasvojentunnistus? AI Big Brotherille

Voiko iso veli tunnistaa kasvosi katutason CCTV-valvonnasta ja kertoa, oletko onnellinen, surullinen vai vihainen? Voiko tämä henkilöllisyys johtaa pidätykseen maksamattomalla päätöksellä? Mitkä ovat todennäköisyydet siitä, että tunniste on väärä ja yhdistää todella jonkun muun? Voitko voittaa valvonnan kokonaan käyttämällä jotakin temppua?

Kääntöpuolelta voitko päästä holviin, jota suojaa kamera ja kasvotunnistusohjelmisto pitämällä kiinni valtuutetun henkilön kasvojen painosta? Entä jos laitat 3D-naamion valtuutetun henkilön kasvoille?

Tervetuloa kasvojentunnistukseen - ja kasvojentunnistuksen huijaamiseen.

Mikä on kasvojentunnistus?

Kasvojentunnistus on menetelmä tuntemattoman henkilön tunnistamiseksi tai tietyn henkilön henkilöllisyyden todentamiseksi heidän kasvoistaan. Se on tietokonenäköhaara, mutta kasvojentunnistus on erikoistunut ja sisältää sosiaalisia matkatavaroita joillekin sovelluksille sekä joitain haavoittuvuuksia huijaamiselle.

Kuinka kasvojentunnistus toimii?

Varhaiset kasvojentunnistusalgoritmit (joita käytetään edelleen nykyäänkin parannetussa ja automatisoidussa muodossa) tukeutuvat biometriikkaan (kuten silmien väliseen etäisyyteen) muuttaakseen mitatut kasvonpiirteet kaksiulotteisesta kuvasta joukoksi numeroita (ominaisuus vektori tai malli), joka kuvaa kasvoja. Tunnistamisprosessi vertaa näitä vektoreita tietokantaan tunnetuista kasvoista, jotka on kartoitettu ominaisuuksiin samalla tavalla. Yksi monimutkaisuus tässä prosessissa on kasvojen säätäminen normalisoituun näkymään pään pyörimisen ja kallistumisen huomioon ottamiseksi ennen mittarien purkamista. Tätä algoritmien luokkaa kutsutaan geometrinen.

Toinen lähestymistapa kasvojentunnistukseen on normalisoida ja pakata 2-D-kasvokuvia ja verrata niitä vastaavasti normalisoitujen ja pakattujen kuvien tietokantaan. Tätä algoritmien luokkaa kutsutaan fotometrinen.

Kolmiulotteinen kasvojentunnistus käyttää 3D-antureita kasvokuvan kaappaamiseen tai rekonstruoi 3D-kuvan kolmesta eri kulmaan suunnatusta 2-D-seurantakamerasta. 3D-kasvojentunnistus voi olla huomattavasti tarkempi kuin 2-D-tunnistus.

Ihon tekstuurianalyysi kartoittaa ihmisen kasvojen viivat, kuviot ja pisteet toiseen ominaisuusvektoriin. Ihon tekstuurianalyysin lisääminen 2-D- tai 3-D-kasvojentunnistukseen voi parantaa tunnistustarkkuutta 20-25 prosentilla, etenkin ulkonäöltään ja kaksosiltaan. Voit myös yhdistää kaikki menetelmät ja lisätä monispektrisiä kuvia (näkyvä valo ja infrapuna), mikä lisää tarkkuutta.

Kasvojentunnistus on parantunut vuodesta toiseen kentän aloittamisesta vuonna 1964. Virhetaso on laskenut keskimäärin puoleen kahden vuoden välein.

Liittyvä video: Kuinka kasvojentunnistus toimii

Kasvojentunnistuksen myyjän testit

NIST, Yhdysvaltain kansallinen standardi- ja teknologiainstituutti, on testannut kasvojentunnistusalgoritmeja, Face Recognition Vendor Test (FRVT) -tekniikkaa vuodesta 2000 lähtien. Käytetyt kuvatiedostot ovat enimmäkseen lainvalvontaviranomaisia, mutta sisältävät myös villit still-kuvat, kuten Wikimediasta löytyvät, ja pienikokoiset kuvat web-kameroista.

FRVT-algoritmit ovat lähinnä kaupallisten toimittajien lähettämiä. Vertailut vuosien välillä osoittavat merkittäviä parannuksia suorituskyvyssä ja tarkkuudessa; myyjien mukaan tämä johtuu pääasiassa syvien konvoluutioisten hermoverkkojen käytöstä.

Aiheeseen liittyvissä NIST-kasvojentunnistusohjelmissa on tutkittu väestörakenteen vaikutuksia, kasvojen morfoinnin havaitsemista, sosiaaliseen mediaan lähetettyjen kasvojen tunnistamista ja videoissa olevien kasvojen tunnistamista. Aikaisempi testisarja tehtiin 1990-luvulla erilaisella, kasvojentunnistustekniikalla (FERET).

NIST

Kasvojentunnistussovellukset

Kasvojentunnistussovellukset jakautuvat enimmäkseen kolmeen pääryhmään: turvallisuus, terveys ja markkinointi / vähittäiskauppa. Turvallisuuteen kuuluu lainvalvonta, ja kyseinen kasvojentunnistuksen käyttötapa voi olla yhtä hyväntahtoinen kuin ihmisten sovittaminen passi valokuviinsa nopeammin ja tarkemmin kuin ihmiset pystyvät, ja yhtä kammottava kuin "Kiinnostava henkilö" -skenaario, jossa ihmisiä seurataan CCTV: n kautta ja verrataan koottuihin valokuvatietokantoihin. Lainvalvontaviranomaisten ulkopuolinen turvallisuus sisältää yleisiä sovelluksia, kuten matkapuhelinten kasvojen avaus ja laboratorioiden ja holvien pääsynvalvonta.

Kasvojentunnistuksen terveyssovelluksiin sisältyy potilaan sisäänkirjautuminen, reaaliaikainen tunteiden havaitseminen, potilaan seuranta laitoksessa, sanattomien potilaiden kiputasojen arviointi, tiettyjen sairauksien ja tilojen havaitseminen, henkilökunnan tunnistaminen ja laitoksen turvallisuus. Kasvojentunnistuksen markkinointi- ja vähittäiskauppasovellukset sisältävät kanta-asiakasohjelman jäsenten tunnistamisen, tunnettujen myymälävarastajien tunnistamisen ja jäljittämisen sekä ihmisten ja heidän tunteidensa tunnistamisen kohdennettuihin tuoteehdotuksiin.

Kasvojentunnistuksen kiistat, puolueet ja kiellot

Olisi aliarviointia sanomalla, että jotkut näistä sovelluksista ovat kiistanalaisia. Kuten vuoden 2019 New York Times -artikkelissa keskustellaan, kasvojentunnistus on kiertänyt kiistaa, sen käytöstä stadionin valvonnassa rasistisiin ohjelmistoihin.

Stadionin valvonta? Kasvojentunnistusta käytettiin vuoden 2001 Super Bowlissa: ohjelmisto tunnisti 19 henkilöä, joiden uskottiin olevan erinomaisten optioiden kohteena, vaikka kukaan ei pidätetty (ei yrittämisen puutteesta).

Rasistinen ohjelmisto? On ollut useita asioita, alkaen vuoden 2009 kasvojen seurantaohjelmistosta, joka pystyi seuraamaan valkoisia, mutta ei mustia, ja jatkamalla vuoden 2015 MIT-tutkimusta, joka osoitti, että tuon ajan kasvojentunnistusohjelmisto toimi paljon paremmin valkoisilla miespuolisilla kasvoilla kuin nainen ja / tai Mustat kasvot.

Tämäntyyppiset ongelmat ovat johtaneet kasvontunnistusohjelmistojen suoriin kieltoihin tietyissä paikoissa tai tiettyihin käyttötarkoituksiin. Vuonna 2019 San Franciscosta tuli ensimmäinen suuri amerikkalainen kaupunki, joka esti poliisia ja muita lainvalvontaviranomaisia käyttämästä kasvojentunnistusohjelmistoja. Microsoft vaati kasvojen tunnistamista koskevia liittovaltion sääntöjä; ja MIT osoittivat, että Amazon Rekognitionilla oli enemmän vaikeuksia määrittää naispuolinen sukupuoli kuin miesten sukupuoli kasvokuvista, samoin kuin enemmän ongelmia mustan naispuolisen sukupuolen kuin valkoisen naispuolisen sukupuolen kanssa.

Kesäkuussa 2020 Microsoft ilmoitti, että se ei myy eikä ole myynyt kasvojentunnistusohjelmistoaan poliisille; Amazon kielsi poliisin käyttämästä Rekognitionia vuodeksi; ja IBM hylkäsi kasvojentunnistusteknologiansa. Kasvojentunnistuksen kieltäminen kokonaan ei kuitenkaan ole helppoa, koska se otetaan käyttöön laajasti iPhonessa (Face ID) ja muissa laitteissa, ohjelmistoissa ja tekniikoissa.

Kaikki kasvojentunnistusohjelmistot eivät kärsi samoista puolueellisuudesta. Vuoden 2019 NIST-väestövaikutustutkimus seurasi MIT-työtä ja osoitti, että algoritminen demografinen puolueellisuus vaihtelee suuresti kasvojentunnistusohjelmistojen kehittäjien välillä. Kyllä, kasvojen tunnistamisalgoritmien väärään vastaavuussuhteeseen ja väärään vastaavuussuhteeseen liittyy väestörakenteellisia vaikutuksia, mutta ne voivat vaihdella toimittajittain useita suuruusluokkia, ja ne ovat vähentyneet ajan myötä.

Hakkerointi kasvojentunnistus ja huijauksen estotekniikat

Kun otetaan huomioon kasvojen tunnistamisen mahdollinen yksityisyyden uhka ja houkutus saada käyttöön kasvojen todennuksella suojattuja arvokkaita resursseja, tekniikan hakkeroimiseksi tai huijaamiseksi on pyritty monin tavoin. Todennuksen välittämiseksi voit esittää tulostetun kasvojen kuvan elävien kasvojen sijaan, ruudulla olevan kuvan tai 3D-tulostetun maskin. CCTV-valvontaa varten voit toistaa videon. Valvonnan välttämiseksi voit kokeilla ”CV Dazzle” -kankaita ja meikkiä ja / tai infrapunavalonlähettimiä huijaamaan ohjelmistoa olematta tunnistamatta kasvojasi.

Tietenkin on pyritty kehittämään huijauksenestotekniikat kaikille näille hyökkäyksille. Tulostettujen kuvien havaitsemiseksi myyjät käyttävät elävyystestiä, kuten odottavat kohteen vilkkumista, suorittavat liikeanalyysin tai käyttävät infrapunaa erottaakseen elävät kasvot tulostetusta kuvasta. Toinen lähestymistapa on suorittaa mikro-tekstuurianalyysi, koska ihmisen iho on optisesti erilainen kuin tulosteet ja naamarit. Uusimmat huijausten estotekniikat perustuvat enimmäkseen syvään konvoluutiohermoverkkoon.

Tämä on kehittyvä ala. Hyökkääjien ja huijauksia estävien ohjelmistojen välillä käydään asesota, samoin kuin akateemista tutkimusta eri hyökkäys- ja puolustustekniikoiden tehokkuudesta.

Kasvojentunnistuksen toimittajat

Electronic Frontier Foundation -säätiön mukaan Idemian (aiemmin OT-Morpho tai Safran) tytäryhtiö MorphoTrust on yksi Yhdysvaltojen suurimmista kasvojentunnistuksen ja muun biometrisen tunnistustekniikan toimittajista. Se on suunnitellut järjestelmät osavaltioiden DMV-autoille, liittovaltion ja osavaltioiden lainvalvontaviranomaisille, rajavalvonnalle ja lentokentille (mukaan lukien TSA PreCheck) ja ulkoministeriölle. Muita yleisiä toimittajia ovat 3M, Cognitec, DataWorks Plus, Dynamic Imaging Systems, FaceFirst ja NEC Global.

NIST Face Recognition Vendor Test -listassa luetellaan algoritmeja monilta muilta toimittajilta ympäri maailmaa. On myös useita avoimen lähdekoodin kasvojentunnistusalgoritmeja, joiden laatu vaihtelee, ja muutama merkittävä pilvipalvelu, jotka tarjoavat kasvojentunnistuksen.

Amazon Rekognition on kuva- ja videoanalyysipalvelu, joka tunnistaa esineet, ihmiset, tekstin, kohtaukset ja toiminnot, mukaan lukien kasvojen analyysit ja mukautetut tarrat. Google Cloud Vision -sovellusliittymä on esivalmisteltu kuva-analyysipalvelu, joka tunnistaa objektit ja kasvot, lukee tulostettua ja käsinkirjoitettua tekstiä ja rakentaa metatietoja kuvaluetteloon. Google AutoML Visionin avulla voit kouluttaa mukautettuja kuvamalleja.

Azure Face -sovellusliittymä tekee kasvojentunnistuksen, joka havaitsee kasvot ja attribuutit kuvassa, suorittaa henkilötunnistuksen, joka vastaa yksityisen, enintään miljoonan ihmisen säilösi yksilöä, ja havaitun tunnetunnistuksen. Face API voi toimia pilvessä tai reunalla säiliöissä.

Kasvotietojoukot tunnistusharjoittelua varten

Ladattavissa on kymmeniä kasvotietojoukkoja, joita voidaan käyttää tunnistuskoulutukseen. Kaikki kasvotietojoukot eivät ole samanarvoisia: Niillä on taipumus vaihdella kuvan koon, edustettujen ihmisten lukumäärän, kuvien määrän henkilöä kohden, kuvien olosuhteiden ja valaistuksen suhteen. Lainvalvontaviranomaisilla on myös pääsy ei-julkisiin kasvoihin, kuten nykyisiin mukikuviin ja ajokorttikuviin.

Jotkut suuremmista kasvotietokannoista ovat Labeled Faces in the Wild, jossa on noin 13 000 yksilöllistä ihmistä; FERET, käytetään varhaisiin NIST-testeihin; käynnissä olevassa NIST FRVT: ssä käytetty Mugshot-tietokanta; SCFace-valvontakameratietokanta, joka on saatavana myös kasvojen maamerkkien kanssa; ja Labeled Wikipedia Faces, ~ 1,5 tuhatta yksilöllistä identiteettiä. Useat näistä tietokannoista sisältävät useita kuvia identiteettiä kohti. Tämä tutkija Ethan Meyersin luettelo tarjoaa vakuuttavia neuvoja kasvotiedostojen valitsemisesta tiettyyn tarkoitukseen.

Yhteenvetona voidaan todeta, että kasvojentunnistus on parantumassa ja myyjät oppivat havaitsemaan suurimman osan huijauksista, mutta jotkut tekniikan sovellukset ovat kiistanalaisia. Kasvojentunnistuksen virhetaso puolittuu joka toinen vuosi NIST: n mukaan. Toimittajat ovat parantaneet väärentämisen estämistekniikoitaan sisällyttämällä konvoluutiohermoverkot.

Samaan aikaan on tehty aloitteita kasvojen tunnistamisen käytön kieltämiseksi valvonnassa, etenkin poliisin toimesta. Kasvojentunnistuksen kieltäminen kokonaan olisi kuitenkin vaikeaa, kun otetaan huomioon, kuinka laajalle se on tullut.