فرایند تشخیص چهره راهکاری برای شناسایی، احراز و تایید هویت افراد با استفاده از خصوصیتهای منحصربهفرد و یگانه آنهاست. از سیستمهای تشخیص چهره میتوان در راستای شناسایی افراد در عکسها، ویدئوها یا در سیستمهای شناسایی لحظهای (Real Time) بهره برد. در این مطلب با بررسی ویژگیها، عملکرد و برخی از سیستمهای تشخیص چهره بیومتریک همراه شما خواهیم بود.
حتماً بخوانید: ۱۰ نمونه کاربرد هوش مصنوعی (AI) در کسب و کارها
تشخیص چهره بیومتریک چیست؟
تشخیص چهره مانند سایر فرمهای نرمافزاری بیومتریک از جمله احراز هویت به واسطه صدا، اثرانگشت یا عنبیه (شبکیه چشم) زیرمجموعهای از امنیت بیومتریک به شمار میرود. پوششدهی امنیت و نظارت بر اجرای قوانین از اولویتهای اصلی بهرهگیری از این دست تکنولوژیها در زمینههای متنوع است. امروزه سعی میشود با ادغام تکنولوژیهای متنوع، زندگی ایدهآلی برای جامعه بشری رقم زده شود. معروفترین شرکتهای ارائهدهنده فناوری تشخیص چهره عبارتاند از:
کایروس (Kairos)
نولدوس (Noldus)
افکتیوا (Affectiva)
سایتکورپ Sightcorp
انویزو Nviso
سیستم تشخیص چهره بیومتریک چگونه کار میکند؟
به طور کلی سیستمهای تشخیص چهره بیومتریک بر مبنای یک الگوریتم معین طراحی نمیشوند اما عموم سیستمهای تشخیص چهره برای احراز هویت افراد از گامهای زیر پیروی میکنند.
۱. شناسایی چهره
در اولین مرحله از فرایند تشخیص چهره افراد، دوربین به یافتن چهره، خواه در میان انبوهی از جمعیت خواه در مکانی خلوت میپردازد. در این دست از تصاویر، چهره فرد ممکن است به صورت مستقیم یا در پسزمینه تصویر تحلیل شده باشد.
۲. تجزیه و تحلیل چهره
در دومین گام، با تهیه یک تصویر از چهره فرد، فرایند آنالیز و تجزیه و تحلیل آغاز میشود. اغلب سیستمهای احراز هویت تصویری با اتکا بر قابلیت قیاس یا انطباق آسان میان تصاویر دو بعدی ذخیره شده در پایگاه داده یکسان یا سایر عکسهای عمومی به نسبت تصاویر سهبعدی، عملکرد خود را بر پایه تصاویر دوبعدی ارائه میدهند.
تجزیه و تحلیل چهره افراد ابتدا از طریق شناسایی و فراخوانی هندسه چهره افراد صورت میگیرد. در این آنالیز، فاکتورهای کلیدی نظیر «فاصله میان چشمها، عمق حدقههای چشم، فاصله پیشانی تا چانه، ساختار بیرونی استخوانهای گونه و فرم لبها، گوشها و چانه افراد» شناسایی، اندازهگیری و ذخیرهسازی خواهند شد. هدف اصلی در این تجزیه و تحلیل، شناسایی نقاط کلیدی و منحصربهفرد قابل دیدن و شناسایی شدن در صورت انسانهاست.
حتماً بخوانید: فین تک چیست؛ تاریخچه، حوزه فعالیت، سطح امنیت آن
۳. تبدیل جزئیات بهدستآمده از تجزیه و تحلیل به دادههای قابل استفاده
در این ذخیرهسازی، تمامی اطلاعات آنالوگ چهره (نظیر اندازههای بهدستآمده در مرحله دوم) به اطلاعات دیجیتالی (دودویی یا همان باینری) بر اساس ویژگیهای چهره افراد تبدیل خواهند شد. به این صورت سیستمهای دیجیتالی قادرند با بهرهگیری از فرمولها و محاسبات ریاضی، به آسانی فرایند انطباق چهره بهکاررفته در تصویر با چهره مورد نظر را انجام دهند. تمامی آنالیزهای انجامشده روی نقاط کلیدی چهره به فرمولهای ریاضی تبدیل میشود که از این فرمول بهدستآمده تحت عنوان فیس پرینت (Face Print) نیز یاد میشود. شاخصه فیس پرینت هر فرد مانند اثرانگشت او از خصوصیات منحصربهفرد و یگانه تشکیل شده است.
۴. انطباق تصاویر
در آخرین مرحله، لازم است تصویری که تحلیل شدهاند با سایر تصاویر بهثبترسیده و موجود در پایگاه داده انطباق داده شوند. احراز هویت زمانی تایید خواهد شد که تصویر فعلی شما با یکی از تصاویر ثبتشده در گذشته منطبق باشد. به عنوان مثال، دفتر تحقیقات فدرال یا همان FBI با تحلیل بیش از ۶۵۰ میلیون عکس ذخیرهشده در پایگاه دادههای ایالتهای مختلف در آمریکا، فرایند احراز هویت به واسطه چهره افراد را به اجرا درمیآورد. در مثالی دیگر میتوان از عکسهای بارگذاریشده در شبکههای اجتماعی سخن به میان آورد. مثلاً در صورت از یاد بردن رمزعبور حساب کاربری خود در شبکه اجتماعی اینستاگرام، میتوانید با تهیه یک ویدئو از صورت خود و انجام فرایند مطرحشده توسط اینستاگرام، دسترسی به حساب کاربری خود را بازیابید. این پلتفرم قادر است با انطباق تصاویر بهدستآمده از ویدئوی تهیهشده توسط شما، میان عکسهای بارگذاریشده روی حساب کاربریتان، از صلاحیت دسترسی یافتن یا نیافتن شما به حساب کاربری اطمینان حاصل کند.
حتماً بخوانید: با ۱۰ چتبات هوش مصنوعی برتر آشنا شوید
نمونههای سیستم تشخیص چهره بیومتریک
در میان تمامی اندازهگیریهای بیومتریک، تشخیص چهره به عنوان طبیعیترین حالت شناخته میشود؛ چراکه ما انسانها نیز در فرایند تشخیص افراد از یکدیگر به خصوصیات ظاهری چهره (و نه به سایر خصوصیات بیومتریک نظیر اثرانگشت یا صدای افراد) توجه میکنیم. تخمین زده میشود در حال حاضر بیش از نیمی از ساکنان کره زمین، تحت رصد سیستمهای تشخیص چهرهی بیومتریک قرار دارند.
امروزه کمتر کسی است که با سیستم تشخیص چهره در گوشیهای تلفن همراه برند اپل (Apple) تحت عنوان آیفون (iPhone) آشنا نباشد. این شرکت با طراحی FaceID توانست پای تشخیص چهره بیومتریک را به سادهترین جنبه زندگی روزانه مردم، یعنی استفاده از تلفن همراه، باز کند. سیستم تشخیص چهره در سیستمهایی از این قبیل، متکی بر حجم عظیمی از دادههای تصویری نبوده و تنها با شناسایی قواعد ساده اما منحصر به فرد چهره قادر است با احراز هویت، دسترسی افرادی را که مالک وسیله هوشمند نیستند محدود کند. برخی دیگر از نمونههای سیستمهای تشخیص چهره افراد عبارتاند از:
Cigna: شرکت بیمه مراقبتهای بهداشتی مستقر در آمریکا، در راستای کاهش موارد تقلب و ادعاهای بیمه درمانی، فرایند جمعآوری امضای بیمهشدگان ساکن کشور چین را از طریق تشخیص چهره انجام میدهد.
کوکاکولا: با ارائه یک سیستم پاداشدهی در کشورهای چین، استرالیا و اسرائیل به مشتریانی که از دستگاههای بازیافت استفاده میکنند پاداش میدهد.
اسنپچپ: تمامی فیلترهای مشهور برنامه خود را منطبق بر این فناوری طراحی و روانه بازار میکند.
هواپیمایی بریتیش ایرویز (British Airways): با اسکن چهره، افراد دارای صلاحیت برای ورود به هواپیما (بدون نیاز به نشان دادن پاسپورت) در پروازهای داخلی بریتانیا را تشخیص میدهد.
گوگل: از فناوری بیومتریک تشخیص چهره در راستای مرتبسازی، برچسبگذاری خودکار تصاویر و شناسایی افراد حاضر در عکسها در Google Photos بهره میبرد.
مکدونالد: برای بررسی رفتارهای مشتریمدارانه کارمندان خود حین ارائه سرویس و ارزیابی کیفیت خدمات ارائهشده در رستورانهای کشور ژاپن استفاده میکند.
برند آرایشی MAC: با استفاده از آینههای واقعیت افزوده موجود در فروشگاهها، امکان اعمال آرایش به صورت مجازی را برای مشتریان خود فراهم کرده است.
حتماً بخوانید: هوش مصنوعی چگونه به بهبود جستجو کمک میکند؟
مزایای سیستمهای احراز هویت بیومتریک بر پایه چهره به طور عمومی کاربردهای سیستمهای تشخیص چهره بیومتریک، به باز کردن قفل گوشیهای تلفن همراه محدود نمیشود. برخی از مزایای این قبیل سیستمها عبارتاند از:
افزایش امنیت: با بهرهگیری از فناوری بیومتریک تشخیص چهره میتوان از آن به عنوان عامل شناسایی جنایتکاران و تروریستها بهره برد. علاوه بر این سیستمهای تشخیص چهره قادرند با محدودسازی دسترسی افراد غیرمجاز، حریم خصوصی کاربران را تحت پوشش خود قرار دهند.
کاهش میزان وقوع جرم و جنایت: تشخیص چهره فرایند شناسایی و ردیابی دزدها، سارقان و متجاوزان را تسهیل کرده و قادر است امنیت فیزیکی افراد جامعه را ارتقا بخشد. به واسطه جداسازی مظنونان حاضر در میان جمعیت از طریق یک فرایند خودکار و نه یک فرایند انسانی، بهرهگیری از این فناوری میتواند با کاهش سوءتفاهمهای احتمالی، جلوی جستوجوی شهروندان قانونمدار را بگیرد. علاوه بر این، تجار و شرکتها میتوانند با جایگزینی رمزهای عبور رایج با فناوری تشخیص چهره بر میزان امنیت سایبری کسبوکار خود بیفزایند.
تسهیل امور روزمره زندگی: با فراگیری این فناوری، مشتریان قادرند با پشت سر گذاشتن روشهای مرسوم پرداختی نظیر استفاده از کارت اعتباری یا پول نقد و تنها با استفاده از سیستمهای تشخیص چهره، پرداختهای فروشگاهی خود را انجام دهند. این مزیت به تنهایی میتواند باعث صرفهجویی در وقت، تولید زباله و خطوط پرداخت شود.
معایب سیستمهای احراز هویت بیومتریک بر پایه چهره
بر اساس گزارشهای بهدستآمده، بیشتر افراد تمایلی ندارند هنگام مواجهه با سیستمهای احراز هویت بصری اطلاعات چهره خود را در اختیار صاحب سرویس قرار دهند. برخی از نگرانیهای مطرحشده این دسته از افراد عبارتاند از:
حتماً بخوانید: انسان چه نقشی در مشاغل آینده دارد؟
نظارت اجتماعی و محدود شدن آزادیهای فردی: برخی از افراد بر این باورند که بهرهگیری از سیستمهای تشخیص چهره با استفاده از دوربینهای ویدئویی، هوش مصنوعی و تجزیه و تحلیل دادهها، پتانسیل نظارت انبوهی را ایجاد کرده و این میتواند عاملی با تاثیرگذاری مخرب روی میزان آزادیهای فردی به شمار رود. اگرچه در اغلب اوقات، دولتها با بهرهگیری از همین سیستمها قادرند مجرمان را ردیابی، دستگیر و افراد بیگناه را آزاد کنند.
تشخیص چهره با درصدی خطا: مطالعات حاکی از آن است که اعمال تغییرات جزئی روی زاویه دوربین (به عنوان عامل ثبتکننده تصاویر) یا تغییرات ظاهری افراد نظیر تغییر مدل یا رنگ مو میتواند درصد قابل توجهی از خطا را به سیستم اعمال کند که این خود میتواند بر سرنوشت فردی بیگناه و جایگزینی او با فرد گناهکار، در اخذ تصمیمات قضایی در اداره کشورها تاثیرگذار باشد.
نقض حریم خصوصی: رعایت یا نقض اخلاق و حریم خصوصی شهروندان یکی از جنجالیترین مباحث مطرحشده در دنیای تکنولوژی عصر حاضر است. برخی از دولتهای بر سر کار آمده با به ثبت رساندن و استفاده از عکسهای خصوصی شهروندان در این زمینه با هیچگونه محدودیتی مواجه نخواهند بود. به همین دلیل رعایت حریم خصوصی یکی از چالشهای مطرحشده در این تکنولوژی به شمار میرود.
ارتباط مستقیم با فضای ذخیرهسازی عظیم: پیشرفت و بهبود عملکرد این تکنولوژی تا حد زیادی بر پایه یادگیری ماشین (Machine Learning) استوار است. به همین منظور، لازم است برای دست یافتن به نتایج بهتر، این سیستمها با حجم وسیع و عظیمی از دادههای به ثبت رسیده در ارتباط باشند. برای دسترسی به مجموعهای وسیع از دادهها، لازم است دادهها در انبارها یا پایگاههای دادهای با وسعت بالا ذخیره شوند. ذخیرهسازی در ابعاد بزرگ نیازمند تجهیزات کافی و سرمایهگذاری اولیه بالایی است که این خود یکی از اساسیترین چالشها در شرکتهای تازهتاسیس به شمار میرود.