تشخیص چهره، روشی برای شناسایی و احراز هویت افراد بر اساس ویژگی های مربوط به چهره آنها میباشد، سیستم های تشخیص چهره میتوانند در تصاویر مختلف، فیلم ها و واقعیت چهره افراد را تشخیص دهند و هویت وی را شناسایی کنند.
تشخیص چهره یکی از روشهای حفظ امنیت بیومتریک مانند شناسایی اثر انگشت، عنبیه چشم و تشخیص صدا است، از این فناوری در موارد قانونی و امنیتی استفاده میشود اما کاربردهای آن در سایر زمینه ها روز به روز در حال افزایش است.
انجام این فرآیند با هوش مصنوعی، گامی برای تحلیل چهره جهت بازنشانی، تشخیص احساسات و یا حتی تولید یک چهره جدید است، با این حال برای افزایش دقت در این فرآیندها نیاز است تا دادههای بیشتری برای پردازش تصویر جمع آوری شوند، تشخیص چهره با دقت بالا پیش نیازی برای ابزارهای بازنشانی چهره، ردیابی و تحلیلی است.
روش ها و فناوری تشخیص چهره بر پایه الگوریتم های پیشرفته هوش مصنوعی و شناسایی زنده بودن تصویر صورت میپذیرد.
امروزه در کشور ما نیز سازمان ها و نهادهای دولتی مانند سازمان بورس اوراق بهادار و قوه قضائیه، در سامانه های سجام و ثنا برای احراز هویت کاربران خود و ارائه خدمات به آنان در این سامانه ها، از فرآیندهای بهروز احراز هویت ایجاد شده توسط شرکت دانش بنیان یوآیدی استفاده میکنند.
تفاوت تشخیص و تطبیق چهره
مهمترین کاربرد تشخیص چهره انسان، در تطبیق چهره و بازنشانی آن است، تطبیق چهره یک فناوری بیومتریک محور است و فراتر از شناسایی وجود چهره در تصویر عمل میکند.
در فرایندهای تطبیق چهره، هویت فرد پشت چهره شناسایی و ارزیابی میشود، با استفاده از فناوریهای پردازش تصویر و بینایی ماشین، چهره فرد با یک بانک اطلاعاتی عظیم مقایسه میشود و در نهایت تطبیق داده خواهد شد.
هر سیستم تطبیق چهرهای شامل روشهای تشخیص چهره نیز هست اما فناوریهای تشخیص چهره لزوما دارای روشهای تطبیق چهره نیستند.
فرآیندهای تشخیص چهره مشابه آن چیزی است که در دوربین گوشی های همراه هوشمند، برای شناسایی چهره و فوکوس خودکار روی آن استفاده میگردد، اما از تطبیق چهره یا بازنشانی آن برای انجام احراز هویت افراد در سامانه هایی مانند سجام و ثنا بهره گیری میشود.
تشخیص چهره و هوش مصنوعی
در تمامی روش های مختلف تشخیص چهره ابتدا یک دستگاه شروع به تهیه یک فیلم یا تصویر میکند تا چهره یا چهره های موجود در تصویر را از اشیاء موجود در زمینه متمایز کند، در بعضی روش ها، دستگاه قابلیت تنظیم میزان نور، جهت دوربین و فاصله را نیز دارد.
روشهای تشخیص چهره در چهار دسته طبقه بندی میشوند و الگوریتم های تشخیص چهره ممکن است زیرمجموعه ای از دو طبقه یا بیشتر باشند.
تشخیص چهره بر اساس دانش
اجزای چهره انسان مانند بینی، چشمها و دهان فاصله های مشخصی از یکدیگر دارند، در این روش مجموعه مناسبی از قواعد براساس این فاصله ها ساخته میشود، روش تشخیص چهره دانش بنیان کاملا متکی بر قوانینی است که توسط انسان شکل گرفته اند.
اگر قواعد تهیه شده بسیار کلی باشند، سیستم تشخیص نتایج بسیاری را تطبیق داده و مثبت تشخیص میدهد، همچنین این روش برای تمامی رنگهای پوست جواب صحیحی ارائه نمیکند زیرا این ویژگی وابسته به نور محیط است.
تطابق الگو
در این روش از الگوهای چهره از پیش تعریف شده استفاده میشود تا جانمایی چهره ها و تشخیص آنها صورت گیرد، برای انجام این کار از همبستگی میان الگوهای تعریف شده و تغییر شکل پذیری آنها استفاده میشود تا تصاویر ورودی شناسایی شوند.
تشخیص براساس ویژگی
در روش ویژگی بنیان، ویژگی های ساختاری چهره تشخیص داده میشوند و دستگاه یا نرم افزار به عنوان یک رده بندی کننده آموزش میبیند و سپس به منظور تشخیص چهره انسان از سایر اشیاء موجود در پسزمینه تصویر مورد بهره برداری قرار میگیرد.
نمونهای از کاربرد این روش تشخیص چهره براساس رنگ است که پس از اسکن تصویرهای رنگی، مناطقی که رنگی مشابه رنگ پوست دارند را مییابد و بعد از آن به دنبال سایر اجزای چهره میگردد.
تشخیص چهره ظاهرگرا
این روش مجموعهای از تصاویر چهره را در جهت یافتن مدلهای چهره استفاده میکند، در تشخیص چهره ظاهرگرا با استفاده از هوش مصنوعی، از یادگیری ماشین یا machine learning و تحلیل آماری داده ها برای یافتن مشخصات چهره موجود در تصاویر بهره میبرد.
تکنولوژی تشخیص چهره یوآیدی
امروزه از تشخیص و بازنشانی چهره به منظور بررسی و تطبیق چهره موجود در تصویر و مدارک موجود از فرد در بانک های اطلاعاتی رسمی و مدارک شناسایی استفاده میشود که در فرآیندهای سنتی این کار توسط نیروی انسانی و با حضور فرد انجام میشود.
الگوریتم های تشخیص چهره یوآیدی پس از تشخیص زنده بودن تصویر با بهره گیری از تکنولوژی Liveness Detection مرحله تشخیص تصویر را آغاز میکند.
در این مرحله یک فریم از ویدئوی کاربر به صورت تصادفی انتخاب میشود و سپس در عرض چند ثانیه با تصویر ثبت شده از فرد در ثبت احوال یا تصویر مدارک شناسایی وی مقایسه میشود. سپس در صورت تطبیق چهره موجود در فریم ویدئو و تصویر ثبت احوال، هویت فرد احراز و تایید میشود.
در یوآیدی، الگوریتمهای بازنشانی چهره با مجموعه ای از داده های جهانی مختلف و همچنین داده های داخلی آموزش داده شده اند و حاصل این حجم از آموزش، دستیابی به میزان دقت ۹۸.۱۷ درصد است.
مزایای استفاده از روشهای بازنشانی چهره در مقابل نیروی انسانی
تحقیقات نشان میدهد افراد آموزش دیده برای تطبیق چهره انسان نیز دارای حداقل ۱۴ درصد خطا در تشخیص هستند، اما واضح است که دقت روشهای نوین تشخیص چهره که از هوش مصنوعی برای این کار استفاده مینمایند دقت بسیار بالاتری برای انجام این فرآیند را دارا هستند.
همچنین واضح است که نیروی انسانی سرعت پایینتری برای انجام این فرآیند دارد و بهره گیری از این فناوری های نوین سبب صرفه جویی در وقت افراد خواهد شد.
افزایش تعداد افراد نیروی انسانی برای شناسایی چهرههای بیشتر، سبب افزایش بسیار زیاد هزینهها خواهد شد، اما تکنولوژی های تشخیص چهره فقط با یکبار پیکربندی تا زمان زیادی بدون تعمیرات قابل استفاده هستند و افزایش تعداد این موارد به صرفه تر خواهد بود.
آموزش افراد نیروی انسانی برای افزایش مقیاس پذیری و دقت بیشتر نیز سبب صرف هزینه های بسیار زیادی خواهد شد، اما قابلیت یادگیری الگوریتم ها بسیار راحتتر است. به طور کلی موانع بسیاری در به کارگیری نیروی انسانی برای تشخیص هویت افراد وجود دارد اما پیاده سازی الگوریتم ها و فناوری های تشخیص چهره بسیار آسانتر است.
فرایند احراز هویت دیجیتال اولین بار در کشور توسط سرویس احراز هویت یوآیدی رونمایی شد. فرایند احراز هویت سامانه سجام و همچنین فرایند احراز هویت سامانه ثنا در یوآیدی با استفاده از الگوریتم های هوش مصنوعی و با خطای کمتر از ۰.۰۱ و به صورت بلادرنگ انجام می پذیرد. همچنین با استفاده از محصول جدید یوآیدی برای احراز هویت کاربران صرافی رمز ارز، مشکلات کاربران و صرافی های رمز ارز برای احراز هویت حل شده است.
