.

Συστήματα αναγνώρισης προσώπου: Εφαρμογές & προυποθέσεις υλοποίησης



Τα συστήματα αναγνώρισης προσώπου (Facial Recognition) γίνονται όλο και πιο δημοφιλή αυτή την εποχή, καθώς παρέχουν μια ακριβή μέθοδο για τον εντοπισμό ενός ατόμου και τη διασφάλιση της ασφάλειας. Καθώς οι ανησυχίες για την παγκόσμια ασφάλεια αυξάνονται λόγω των γεωπολιτικών εντάσεων και των τρομοκρατικών απειλών, η αγορά αναγνώρισης προσώπου αναμένεται να σημειώσει μαζική ανάπτυξη.

Σύμφωνα με την ερευνητική εταιρεία MarketsandMarkets, η παγκόσμια αγορά αναγνώρισης προσώπου εκτιμάται ότι θα αυξηθεί από 3,35 δισεκατομμύρια δολάρια το 2016, σε 6,84 δις δολάρια το 2021, με μέσο ετήσιο ποσοστό αύξησης (CAGR) 15,3%. Σε μια αυξανόμενη αγορά επιτήρησης, η αύξηση του τζίρου από κυβερνήσεις και διάφορους κλάδους της βιομηχανίας, αποτελούν παράγοντες που οδηγούν σε αυξανόμενη ζήτηση για αυτή την τεχνολογία.

Η αναγνώριση προσώπου έχει πολλά πλεονεκτήματα έναντι άλλων βιομετρικών μεθόδων ταυτοποίησης, καθώς είναι λιγότερο ενοχλητική και ταχύτερη. Σε αντίθεση με συστήματα όπως η αναγνώριση δακτυλικών αποτυπωμάτων, όπου ο χρήστης πρέπει να τοποθετήσει το δάχτυλο του στον αναγνώστη, τα συστήματα αναγνώρισης προσώπου μπορούν να αναλύσουν ένα άτομο σχεδόν χωρίς τη δική του συμμετοχή, καθιστώντας τα περισσότερο διακριτικά.

Κατανόηση της τεχνολογίας αναγνώρισης προσώπου

Σε γενικές γραμμές, υπάρχουν κυρίως δύο μέθοδοι που χρησιμοποιούνται σήμερα ευρέως στα συστήματα αναγνώρισης προσώπου. Η πρώτη μέθοδος δίνει σημασία σε μερικά από τα χαρακτηριστικά του προσώπου, υπολογίζοντας πτυχές όπως ο χώρος μεταξύ των ματιών ή η εγγύτητα του στόματος προς τη μύτη. Αυτοί οι υπολογισμοί τροφοδοτούν με πληροφορίες τη βάση δεδομένων και χρησιμοποιούνται για σύγκριση αργότερα.

Η δεύτερη μέθοδος είναι πολύ πιο περιεκτική και περίπλοκη. Καταγράφει ολόκληρη την εικόνα του προσώπου και χρησιμοποιεί όλες τις διαθέσιμες πληροφορίες. Αυτές οι πληροφορίες στη συνέχεια υποβάλλονται σε διαφορετικά είδη αλγορίθμων υπολογιστών, όπως η εκμάθηση μηχανών για τη δημιουργία ορισμένων περιγραφικών δεδομένων. Μια τέτοια βάση δεδομένων είναι φυσικά πιο αξιόπιστη, αν και το κόστος της μπορεί να είναι υψηλότερο.

Στη συνέχεια, υπάρχουν και άλλες μέθοδοι, όπως η τρισδιάστατη μοντελοποίηση, η ανάλυση της υφής του δέρματος και η χρήση θερμικής κάμερας. Ωστόσο, πολλά από αυτά τα συστήματα είναι πιο απαιτητικά σε πόρους και εγείρουν αμφιβολίες για την ισορροπία μεταξύ τιμής και απόδοσης.

Σημαντικοί παράγοντες που πρέπει να ληφθούν υπόψη

Προφανώς, για την καλύτερη απόδοση οποιουδήποτε συστήματος αναγνώρισης προσώπου, θα πρέπει να υπάρχουν εικόνες που είναι αρκετά σαφείς για να αναλυθούν. Και η σαφήνεια της εικόνας εξαρτάται σε μεγάλο βαθμό από το διαθέσιμο φως, την ανάλυση της κάμερας που χρησιμοποιείται, τη γωνία του προσώπου και την κίνηση.

Η πρώτη πτυχή, ο φωτισμός, είναι ίσως η πιο κρίσιμη. Ο χαμηλός φωτισμός θα προκαλέσει την παρεμβολή θορύβου στο καταγεγραμμένο υλικό και αυτό μπορεί να περιορίσει τις πιθανότητες για ακριβή αναγνώριση. Για να διαβάσει σωστά τα χαρακτηριστικά ο αλγόριθμος αναγνώρισης προσώπου, θα πρέπει το φως να παρέχει επαρκή αντίθεση. Πολλά από τα συστήματα αυτά απαιτούν τουλάχιστον 300 έως 500 lux φωτισμού, σχεδόν το φωτισμό που βλέπουμε σε ένα περιβάλλον γραφείου. Επιπλέον, θα πρέπει να υπάρχει συνεπής φωτισμός, για να αποφεύγονται οι σκιές και οι αρνητικές επιπτώσεις που επιφέρουν.

Αφού εξασφαλιστεί ο φωτισμός, οι εγκαταστάτες πρέπει να αποφασίσουν για την κάμερα και την ανάλυση της. Αυτό εξαρτάται σε μεγάλο βαθμό από το είδος του συστήματος αναγνώρισης προσώπου που πρόκειται να χρησιμοποιηθεί και το συνολικό οπτικό πεδίο. Κατά γενικό κανόνα, η απαιτούμενη ανάλυση θα εξαρτηθεί από το πλάτος του οπτικού πεδίου. Ορισμένες λύσεις απαιτούν συγκεκριμένο αριθμό εικονοστοιχείων για ορισμένα χαρακτηριστικά του προσώπου. Αφού ληφθούν υπόψη οι απαιτήσεις που καθορίζει το σύστημα αναγνώρισης προσώπου, μπορεί να αποφασιστεί η ανάλυση και η κάμερα.

Ίσως η μεγαλύτερη πρόκληση για την εξασφάλιση της ακριβούς αναγνώρισης του προσώπου είναι να βεβαιωθούμε ότι το «θέμα» κοιτάζει την κάμερα. Σε μέρη όπως ένα αεροδρόμιο, οι υπεύθυνοι μπορούν να ζητήσουν από τους ανθρώπους να κοιτάξουν κατευθείαν στην κάμερα, αλλά στις περισσότερες άλλες περιπτώσεις πρέπει να βεβαιωθούμε ότι η κάμερα είναι σταθερή σε μια ιδανική θέση. Μια πόρτα ή μια πύλη όπου οι άνθρωποι είναι λογικό να κοιτάξουν μπροστά, είναι ένα παράδειγμα μιας καλής θέσης.

Προκειμένου η κάμερα να κάνει με ακρίβεια τη λήψη, δεν πρέπει να υπάρχει υπερβολική κίνηση. Εάν εγκατασταθεί σε μια τοποθεσία όπου οι άνθρωποι κινούνται πολύ γρήγορα, θα χρειαστούμε κάμερες με υψηλότερα ποσοστά καρέ.

Πού μπορεί να χρησιμοποιηθεί

Οι σύγχρονες λύσεις αναγνώρισης προσώπου εγκαθίστανται σε πολλά σημεία, αλλά η χρήση τους μπορεί να ταξινομηθεί ευρέως σε δύο κατηγορίες. Την αναγνώριση ορισμένων συγκεκριμένων ατόμων ανάμεσα σε ένα πλήθος και για τον Έλεγχο Πρόσβασης.

Η αναγνώριση ορισμένων ανθρώπων που περιλαμβάνονται σε μια βάση δεδομένων είναι χρήσιμη όχι μόνο για λόγους ασφαλείας, αλλά και για βελτίωση των επιχειρήσεων. Για παράδειγμα, τα καταστήματα λιανικής πώλησης μπορούν να εντοπίσουν ειδικούς πελάτες. Η χρήση για Έλεγχο Πρόσβασης είναι συγκριτικά ευκολότερη, δεδομένου ότι οι χρήστες αναμένεται να στέκονται μπροστά από την κάμερα υπό συγκεκριμένο φωτισμό.

Ενώ αυτά είναι τα βασικά στοιχεία των συστημάτων αναγνώρισης προσώπου, υπάρχουν ακόμα πιο προηγμένα συστήματα στην αγορά, που κάνουν χρήση περισσότερων χαρακτηριστικών, όπως οι κινήσεις του σώματος ενός ατόμου για τον έλεγχο της ταυτότητας. Καθώς οι αυξημένες δυνατότητες κοστίζουν περισσότερο, εναπόκειται στον εγκαταστάτη και στον πελάτη να καταλήξουν στην καλύτερη λύση με βάση τις ανάγκες και τις απαιτήσεις κάθε περίπτωσης.

Source: Zarifopoulos
[blogger]

Author Name

Φόρμα επικοινωνίας

Όνομα

Ηλεκτρονικό ταχυδρομείο *

Μήνυμα *

Από το Blogger.