» آموزش » تشخیص چهره چیست؟ انواع دوربین تشخیص چهره
آموزش

تشخیص چهره چیست؟ انواع دوربین تشخیص چهره

بهمن 30, 1396 20

سیستم تشخیص چهره یا فیس دیتکشن

تصور کنید که قادر باشید شخصی که قبلاً از مغازه یا فروشگاه شما دزدی کرده است را به محض ورود شناسایی کنید. تصور کنید هیچ جرمی از چشم شما مخفی نماند و هیچ سارقی نتواند کوچکترین شیءای از فروشگاه شما سرقت کند.

تکنولوژی تشخیص چهره (Facial recognition یا Face detection) تغییر بزرگی در دنیای نظارت تصویری ایجاد کرد. تا‌به‌حال دوربین های مداربسته دارای تکنولوژی تشخیص چهره فقط قادر به تشخیص فردی که قبلاً جرمی انجام داده است بودند، اما باز هم به پیشبینی جرم قبل از وقوع آن کمکی نمی‌کند. الگوریتم NTechLab’s FindFace در حال ایجاد تغییر بزرگی است. این تکنولوژی انقلاب‌آفرین علاوه بر شناسایی افراد، این امکان را به ما می‌دهد بدانیم فرد سارق کجا بوده، کجا می‌رود، قبلاً سابقه سرقت داشته یا نه و قابلیت‌های فوق‌العاده دیگر.

در گذشته دوربین های مدار بسته قادر به تشخیص جرم در حال وقوع بودند، ولی نمی‌توانستند به ریشه‌کن کردن جرم کمک شایانی کنند. با بهره گرفتن از تکنولوژی تشخیص چهره و یک سیستم دوربین مداربسته پیشرفته در کنار هم، جهت نظارت بر اماکن، فروشگاه‌ها و دیگر کسب‌وکارها، به مرور می‌توان به‌صورت دقیق‌تری جرم را پیشبینی، تشخیص و مجرم را ردگیری کرد.

استفاده از تشخیص چهره جهت پیش‌بینی جرایم

هر روزه مراکز خرید، فروشگاه ها و مغازه های خرده فروشی بیشتر و بیشتر از دوربین های مدار بسته برای تشخیص چهره و نظارت استفاده می‌کنند و سارقین را به محض ورود شناسایی می‌کنند. با آشکار شدن الگوهای سرقت و بهره‌گیری از تکنولوژی تشخیص چهره امکان شناسایی سارق، زمان برگشت سارق به فروشگاه نیز قابل پیشبینی است.

با بررسی اطلاعات گردآوری شده از دوربین های مداربسته، مشخص شده به‌طور میانگین 26% مشتریان در کمتر از یک ماه و سارقین در کمتر از نصف این زمان به فروشگاه برمی‌گردند. بدون تکنولوژی تشخیص چهره افراد توسط دوربین های مداربسته، امکان جمع‌آوری این دست از اطلاعات آماری وجود ندارد. با این نوع آمارها جدای از تشخیص جرم و سارق، می‌توانند به افزایش فروش و مدیریت بهتر فروشگاه نیز کمک شایانی کنند.

تکنولوژی تشخیص چهره به مشخص کردن زمان‌هایی از روز که سارقان بیشتر فعالیت دارند نیز کمک کرده است. علاوه‌براین درک عمیق از اینکه چه سارقینی در چه زمان‌هایی به چه فروشگاه‌هایی وارد شده‌اند و در چه محل‌هایی فعالیت داشتند، کمک زیادی به مدیران فروشگاه‌ها و مراجع قانونی جهت ردگیری هرچه بهتره سارقین می‌کند. از این طریق مدیران مراکز خرید به‌جای تشخیص جرم، می‌توانند جرم را قبل از وقوع تشخیص داده و مجرم را ردگیری کنند.

الگوریتم های تشخیص چهره توسط دوربین های مدار بسته

تکنولوژی تشخیص چهره چطور کار می‌کند؟

فرض کنید فردی در یک فروشگاه زنجیره‌ای در حال سرقت دستگیر شده است. تصویر چهره این فرد توسط دوربین های مدار بسته ضبط شده و به همراه اطلاعاتش در دیتابیس ذخیره می‌شود. سه هفته بعد این فرد به یکی دیگر از شعب این فروشگاه زنجیره‌ای وارد می‌شود.

سیستم دوربین مداربسته مجهز به تکنولوژی تشخیص چهره، تصویر چهره فرد را ضبط کرده و به دیتابیس فروشگاه ارسال می‌کند. در کسری از ثانیه تصویر با تصاویر چهره ذخیره شده در دیتابیس مقایسه شده و اطلاعات و سابقه فرد وارد شده به فروشگاه به‌دست می‌آید. سپس هشداری به نگهبانان ارسال شده و یکی از پرسنل فروشگاه به پیشواز فرد مورد اشاره می‌روند. بدین صورت در کسری از ثانیه فرد مجرم شناسایی شده و از ورودش به فروشگاه جلوگیری می‌شود.

محدودیت‌ها و مشکلات سر راه تکنولوژی تشخیص چهره

تشیخص و مقایسه تصویر چهره افراد توسط کامپیوتر کار آسانی نیست و در پروسه مقایسه پارامترهای زیادی مانند فاصله چشم‌ها، فاصله دیگر اجزای صورت، فرم صورت، کیفیت و نور تصویر ضبط شده و غیره دخیل هستند. نرم افزار مقایسه و تشخیص ممکن است دو تصویر از دو فرد متفاوت را مشابه تشخیص داده و اطلاعات اشتباه برگرداند. این یکی از مهم‌ترین مسائل و مشکلاتی است که متخصصین با آن دست و پنجه نرم می‌کنند. تکنولوژی تشخیص چهره هر روز دقیق‌تر شده و الگوریتم‌ها بهبود می‌یابند.

سیستم های ضد تشخیص چهره

سیستم‌های ضد تشخیص چهره

در ژانویه سال 2013 محققین ژاپنی از “موسسه ملی انفورماتیک” عینک‌هایی تولید کردند که از نور فروسرخ برای جلوگیری از تشخیص چهره توسط نرم‌افزار تشخیص چهره دوربین مدار بسته می‌شود. آخرین ورژن این عینک دارای فریمی از جنس تیتانیوم، شامل مواد بازتاب‌کننده نور و ماسکی که باعث بازتاب و منحرف شدن امواج شده و از این طریق سیستم تشخیص چهره را مختل می‌کند.

لازم به ذکر است بعضی مدل‌های مو و آرایش‌های صورت الگوریتم سیستم فیس دیتکشن را دچار مشکل کرده و مانع تشخیص چهره می‌شوند.

آینده تکنولوژی تشخیص چهره دوربین های مدار بسته در دنیای نظارت تصویری

با وجود اینکه چالش‌های سر راه تکنولوژی فیس دیتکشن با افزایش استفاده این تکنولوژی در فروشگاه‌ها، بانک‌ها، مراکز خرید، مغازه‌های خرده فروشی، مدارس و دیگر اماکن، بیشتر می‌شود، این چالش‌ها و مشکلات به خوبی پیدا و بررسی شده و متخصصین این عرصه در سدد مرتفع ساختن این مشکلات برمی‌آیند. تکنولوژی تشخیص چهره یا فیس دیتکشن در دوربین های مدار بسته روز به روز در حال بهتر شدن است و دقت دوربین ها در تشخیص چهره افراد بالاتر می‌رود و خطاها کمتر می‌شوند.

تکنولوژی تشخیص چهره به ایجاد محیطی امن‌تر در جامعه کمک شایانی خواهد کرد.

Deep Learning و هوش مصنوعی در دوربین های مدار بسته دارای تشخیص جهره

هر روزه بیشتر و بیشتر الگوریتم‌های هوش مصنوعی (Artificial inelegance) و یادگیری عمیق ماشین‌ها (deep learning) در تکنولوژی تشخیص چهره (facial recognition) به‌کار می‌روند تا باعث افزایش کارایی و دقت آن شوند. با پیشرفت و توسعه سخت‌افزار دوربین های مدار بسته، الگوریتم‌های یادگیری عمیق یا deep learning در دوربین های مداربسته نیز وارد شدند.

یادگیری عمیق مستلزم این است که کامپیوترها بدون دخالت انسان قادر به استخراج خصوصیت‌‌ها باشند. هرچه کامپیوتر بتواند خصوصیت‌های بیشتری استخراج کند، تشخیص چهره دقیق‌تر خواهد بود. به همین دلیل موتورهای تشخیص چهره جهت افزایش دقت، بیش از پیش به اعمال الگوریتم‌های یادگیری عمیق روی‌آورده‌اند.

آلن آتائوف، مدیر فروش شرکت AxxonSoft می‌گوید:
“طی 5 سال اخیر تکنولوژی‌هایی که از هوش مصنوعی مبتنی بر شبکه‌های عصبی بهره برده‌اند، از تکنولوژی‌های دیگر پیشی گرفته‌اند. تکنولوژی تشخیص چهره حتی در شرایط نامطلوب محیطی بسیار قابل اطمینان شده است. در‌حال‌حاضر الگوریتم‌های هوش مصنوعی و یادگیری عمیق در بازار نظارت تصویری و دوربین مداربسته بسیار تأثیرگذار بوده‌اند. این الگوریتم‌ها، الگوریتم‌های کلاسیک و قدیمی را کنار‌زده و باعث افزایش کیفیت تشخیص شده‌اند. اگر به‌سرعت پیشرفت این دو الگوریتم توجه کنید، هیچ‌گاه به استفاده از الگوریتم‌های کلاسیک قدیمی روی نخواهید آورد.”

مایکل جیمیسون، پژوهشگر در زمینه تکنولوژی‌های رایانه‌ای در کمپانی سنستار می‌گوید:
“وظیفه اصلی تکنولوژی تشخیص چهره ضبط تصویر چهره و ذخیره مشخصه‌های خاص چهره برای استفاده‌های بعدی می‌باشد. بدین‌صورت که مشخصه‌های تولید‌شده توسط دو عکس متفاوت از یک فرد (بدون تأثیر نور محیط و دیگر شرایط محیطی مؤثر در کیفیت عکس) تاحدامکان نزدیک به یکدیگر باشد و در مقابل مشخصه‌های تولید شده از چهره دو فرد متفاوت کاملاً متفاوت باشد. با ارائه اطلاعات و محاسبات کافی، یک شبکه عصبی نسبت به یک انسان می‌تواند بهتر عمل کند. این شبکه عصبی می‌تواند مشخصه‌های پیچیده‌تر و بیشتری تولید و استفاده کند، مشخصه‌هایی که انسان قادر به تولید و تحلیل آن‌ها نیست.
این تغییرات باعث می‌شود محصولات جدیدی که وارد بازار می‌شوند در زمینه تشخیص چهره رقابت سنگینی با یکدیگر داشته باشند.”

علاوه‌بر‌این تولیدکنندگان بزرگ دوربین مداربسته در جهان و فعال در صنعت نظارت تصویری، به استفاده از الگوریتم‌های یادگیری عمیق در دوربین های مدار بسته خود روی آورده‌اند. برای مثال می‌توان به دوربین مداربسته DeepinView هایک ویژن که مجهز به دو لنز و تکنولوژی تشخیص چهره می‌باشد اشاره کرد؛ و دوربین مداربسته تحت شبکه Starlight شرکت داهوا اشاره کرد. هر دو دوربین مداربسته قابلیت یادگیری عمیق دارند.

جری هنگ، مدیر محصولات تحت شبکه Hikvision می‌گوید:
“از مهمترین مزایایی که الگوریتم‌های یادگیری عمیق به ارمغان می‌آورند می‌توان به دقت تشخیص قابل‌قیاس و حتی بهتر از انسان، قابلیت ضد مداخله و قابلیت تشخیص، استخراج و کلاس‌بندی هزاران مشخصه از چهره افراد اشاره کرد. با بهره‌گیری از تکنولوژی یادگیری عمیق (Deep Learning)، میانگین دقت تشخیص چهره در دوربین های مدار بسته به‌طور چشم‌گیری تا 38% افزایش پیدا می‌کند.
ما در راستای بهبود و به‌کارگیری بیشتر هوش مصنوعی در محصولات خود، تیمی اختصاصی برای توسعه الگوریتم‌ها گمارده و از قوی‌ترین پردازشگرهای گرافیکی بهره می‌بریم.

استنلی هو، مدیر محصول در شرکت Dahua Technology می‌گوید:
الگوریتم هوش مصنوعی اساساً برای تکامل تشخیص چهره و بهبود این پروسه به‌کار می‌رود. الگوریتم Deep Learning یا یادگیری عمیق می‌تواند دقت تشخیص چهره را بهبود دهد. این موضوع باعث کارایی بیشتر سیستم امنیتی و نظارت تصویری محیط از جمله کیفیت تصویر واضح و عریض می‌شود.”

تشخیص چهره در دوربین های مدار بسته

این روزها تشخیص چهره از همیشه محبوب‌تر و رایج‌تر شده است.‌ از این تکنولوژی علاوه بر اهداف امنیتی، برای مقاصد غیرامنیتی نیز استفاده می‌شود. تشخیص چهره بیش‌تر و بیش‌تر در حال پیشرفت و فراتر بردن مرزهای تکنولوژی است. دوربین های مداربسته هوشمند دارای قابلیت تشخیص چهره، به کاربران در راستای رسیدن به اهداف مختلف کمک می‌کنند.

محبوبیت تکنولوژی تشخیص چهره یا Face recognition به دلیل کارایی‌اش در شناسایی افراد، صرف‌نظر از زمینه کاری شرکت یا فرد، به طور فزاینده‌ای در بین کاربران رو به افزایش است.

“تشخیص‌چهره قابلیتی اساسی است که می‌تواند در دامنه وسیعی از زمینه‌های کاری و کسب‌وکارها مفید واقع شود. یک سیستم اتوماتیک برای تشخیص یک فرد و نشان دادن اطلاعات او، سیستمی است بسیار قدرتمند و کاربردی.”

– مایکل‌جیمسون از دانشمندان علم کامپیوتر در شرکت Senstar

تشخیص چهره

هدف اصلی از گسترش تکنولوژی تشخیص چهره در دنیای نظارت تصویری، حفاظت از مردم و اموال‌شان در برابر مجرمان، تروریست‌ها و یا دیگر افراد خرابکار و مزاحم است.

تشخیص چهره در بسیاری از پروژه‌های شهر هوشمند، شهر امن و فرودگاه‌ها استفاده شده است. در این اماکن از تشخیص چهره بیشتر برای شناسایی افرادی که در لیست سیاه نیروهای امنیتی هستند، بکار می‌روند.”

– دکتر سعدی وورال مدیرعامل شرکت Ayonix

“برنامه‌های تشخیص چهره باعث افزایش کارایی سیستم‌های دوربین مداربسته و نظارت تصویری در راستای شناسایی تهدیدات مربوط به فعالیت‌های خرابکارانه می‌شوند. هنگام ورود فردی به ساختمان که نامش در لیست سیاه است، می‌توان زنگ خطر را به صدا درآورد و تیم امنیتی را با خبر ساخت.”

– کارن سانگا، مدیر بازاریابی حوزه راه‌حل‌های امنیتی در شرکت پاناسونیک

“این اتفاق در مرکز خرید دانوب واقع در 70 مایلی شمال شهر مونیخ آلمان رخ داد سرقتی اتفاق افتاد و پول نقد به سرقت رفت. دو هفته بعد وقتی یکی از مظنونین وارد مرکز خرید شد، سریعاً توسط یکی از دوربین‌های مداربسته شناسایی شد و  تیم امنیتی این مرکز با عکس‌العمل به موقع توانستند سارق را دستگیر کنند.” 

درحقیقت، متوقف ساختن جرم یکی از مهم‌ترین عوامل رشد تشخیص‌چهره است. شرکت MarketsanMarket پیش‌بینی کرده سرمایه‌گذاری در این زمینه از 4 میلیارد دلار در سال 2017 به 7.8 میلیارد دلار تا سال 2022 افزایش می‌یابد، که از رشدی 13.9 درصدی خبر می‌دهد.”

افزایش تقاضا برای سیستم‌های حفاظتی بهتر، نیاز به نظارت بر مکان‌های عمومی و استفاده رو به افزایش از تکنولوژی‌های تشخیص‌چهره در صنایع و کسب‌وکارها، انتظار می‌رود باعث افزایش رشد و پیشرفت تشخیص‌چهره شوند.

فناوری تشخیص‌چهره به منظور به حداقل رساندن تهدیدات مرتبط با تروریسم و امنیت مرزی نیز استفاده می‌شود. انتظار می‌رود نیاز فزاینده به نظارت در مکان‌های عمومی یکی از عوامل اصلی افزایش بازار تشخیص چهره  باشد.

بیشتر از پیش، سیستم تشخیص‌چهره برای اهداف غیرامنیتی مورد استفاده قرار می‌گیرد. به عنوان مثال این تکنولوژی باعث افزایش هوشمندی کسب‌وکارها و تحلیل اطلاعات آن‌ها در راستای افزایش سوددهی می‌شود.

پیشرفت‌های اخیر در تشخیص‌چهره نه تنها بر نیاز به بهبود امنیت متمرکز است بلکه همچنین سطوح بیشتری از بینش را در انواع مشتریان و رفتار آن‌ها نسبت به قبل شکل می‌دهد.

استفاده از قابلیت‌های تشیخص چهره باعث بهبود روال‌های کاری و نحوه عملکرد کسب‌وکارها می‌شود.

استفاده از تشخیص چهره در فروشگاه ها

“یکی از محبوب‌ترین استفاده‌ها از تشخیص چهره در فروشگاه‌ها می‌باشد. مدیران فروشگاه‌ها می‌توانند با تحلیل داده‌ها و بررسی موارد مانند اینکه چه گروهی سنی از چه بخشی از فروشگاه استقبال بیشتری کرده‌اند. همچنین می‌توانند با بررسی رفتار مشتریان با توجه به جنسیت یا سن، به‌طور مثال در چیدمان اجناس صرف نظر کرده و با تغییری ساده باعث افزایش فروش شوند.”

– سانگا، مدیر بازاریابی حوزه راه‌حل‌های امنیتی در شرکت پاناسونیک

فیس دیتکشن یا تشخیص چهره

تشخیص چهره – مباحث پیشرفته‌تر

به‌طور معمول، نرم‌افزار تشخیص چهره به علت حجم پردازش‌های مورد نیاز بر روی یک سرور اجرا می‌شود. ولی این فرآیند برای مرتفع ساختن طیف گسترده‌ای از نیازهای تشخیص چهره در بازار، می‌تواند بسیار وقت‌گیر، گران‌قیمت و دشوار باشد. در نتیجه، تولیدکنندگان قابلیت تشخیص چهره را در خود دوربین‌های مداربسته تعبیه و راه‌اندازی کرده‌اند.

به‌طور مثال، Qualcomm  با طراحی و تعبیه یک چیپ در سال 2017، دوربین های مدار بسته را قادر به تشخیص انسان از دیگر موجودات زنده و اشیاء، تشخیص چهره انسان، تشخیص حرکت و دیگر قابلیت‌ها ساختند.

در ارتباط با تشخیص چهره روی یک سرور در جای دیگر و نه روی خود دوربین مداربسته، به‌طور معمول حداکثر 10 دوربین می‌تواند به یک سرور متصل شود. اگر از 1000 دوربین استفاده شود، به این معنی است که 100 سرور باید مورد استفاده قرار گیرد. این بیش‌از‌حد گران است و نگهداری و پشتیابی زیادی لازم است. در این مورد بایستی احتیاط کرد.

Ayonix می‌گوید: “اخیراً ما دوربین مداربسته Axis مدل P1367 را به موتور تشخیص‌چهره سه بعدی مجهز کردیم، که با تشخیص‌چهره، ردیابی و تحلیل چهره سه بعدی، جنس، سن و حالت صورت را استخراج کرده الگوی چهره را تولید می‌کند. سپس الگوی چهره به سرور فرستاده می‌شود. یک سرور می‌تواند به 10000 دوربین در یک دستگاه سرور واحد رسیدگی کند.”

منابع:

asmag
asmag
mammothsurveillance
wikipedia

به این نوشته امتیاز بدهید!

تحریریه فرافن

تحریریه فرافن

هدف ما در تیم تحریریه فرافن، فراهم‌کردن جدیدترین و جامع‌ترین محتوای تخصصی و کاربردی در حوزهٔ سیستم‌های امنیتی و نظارتی (شامل آموزش، نقدوبررسی، اخبار و فناوری) است. با نقدها یا پیشنهادات خود ما را در این امر یاری کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

  • ×