سیستم تشخیص چهره Face Recognition System

  • آیفونx برای بازکردن قفل گوشی از سیستم تشخیص چهره استفاده می‌کند.
  • با سیستم تشخیص چهره می‌فهمید دانش‌جویان چه وقت به درس توجه می‌کنند.
  • معابر نیویورک به‌ سیستم تشخیص چهره مجهز می‌شوند.
  • حذف کارت‌های شناسایی، پرسنلی، بانکی، بلیت و پاسپورت با استفاده از سیستم تشخیص چهره.
  • دستگیری متهم مالی در کنسرتی با بیش از 50000 شرکت‌کننده با استفاده از سیستم تشخیص چهره در چین.

این‌ها تنها نمونه‌ای از اخباری‌ست که این روزها می‌شنویم و حتماً تابه‌حال فیلم‌های زیادی دیده‌اید که در آن‌ها پلیس با استفاده از دوربین‌های پیشرفته آدم‌های بد قصه را آن‌هم از میان جمعیت شناسایی می‌کند و بعد گره‌ی مشکلات به‌راحتی باز می‌شود و یا اگر دنبال‌کننده اخبار تکنولوژی باشید بارها به عبارت "سیستم تشخیص چهره" برخورد داشته‌اید.
اما سیستم تشخیص چهره چیست؟
بر اساس تعریف Techopedi.com سیستم تشخیص چهره(Facial Recognition System) یک تکنولوژی هوشمند در شناسایی و تمیزدادن یک فرد از یک عکس دیجیتالی یا ویدئو می‌باشد. سیستم تشخیص چهره، سیستمی است که بر اساس تکنولوژی هوش مصنوعی و الگوریتم‌های یادگیری عمیق (Deep Learning) قادر به شناسایی چهره افراد با دقت بالا می‌باشد. در بازشناخت تصویر یک چهره، تصویر ورودی با توجه به اطلاعات موجود در بانک‌های اطلاعاتی که شامل مشخصاتی از تصویر چهره افراد تعریف شده است، مورد شناسایی قرار می‌گیرد. [1]
استفاده از این سیستم در حال گسترش روزافزون در مقایسه با سیستم‌های جایگزین قبلی نظیر سیستم تشخیص اثر انگشت و یا سیستم اسکن قرنیه می‌باشد که از اهم دلایل آن علاوه بر ضریب دقت بالاتر باید به فرایند بدون تماس و غیر تهاجمی این سیستم اشاره کرد[2] که سبب نفوذ سریع این سیستم در شناسایی تجاری و ابزار بازاریابی برنامه‌های دیگر شامل تعامل پیشرفته انسان و کامپیوتر، نظارت تصویری، نمایه‌سازی خودکار تصاویر و پایگاه داده‌های ویدئویی می‌باشد. [3]
 عکس صفحه - سامانه های حضور و غیاب - تشخیص چهره - 1
تاریخچه
قدمت این روش به دهه‌ ۱۹۶۰ و در ادارات پلیس و امنیت باز می‌گردد. پلیس باید یک پایگاه داده‌ تشخیص چهره می‌ساخت و به این منظور یک کاربر انسانی باید مجموعه‌ای از نقاط کلیدی مثل مردمک یا گوشه‌ی چشم را روی تصویر چهره‌ هر سوژه مشخص می‌کرد. در مرحله‌ی بعد سیستم از این نقاط برای محاسبه و ثبت فاصله‌‌‌‌ی نشانه‌ها روی چهره‌ی سوژه استفاده می‌کرد.
البته از آنجا که این سیستم برای یک مؤسسه امنیتی زیر نظر پلیس تهیه شده بود، اطلاعات چندانی در این‌باره در اختیار رسانه‌ها قرار نگرفته است. [4]
امروزه با پیشرفت در زمینه‌ی بینایی کامپیوتر، امکان درک اشیای مختلف در تصاویر وجود دارد و کارایی سیستم‌های تشخیص چهره در کشف عناصر چهره به سطحی رسیده است که بدون نیاز به مداخله‌ی انسانی یا تصحیح خطا (یا حتی مداخله‌ی اندک) می‌توانند تشخیص درستی را ارائه دهند. با توسعه‌ی فزاینده‌ی محاسبات ابری، قابلیت اتصال فراگیر و اینترنت اشیاء می‌توان تشخیص چهره را صرف‌نظر از نتیجه‌ی خوب یا بد آن در دستگاه‌ها و برنامه‌های مختلف تعبیه کرد.
در سال 2011 اولین استفاده گسترده از سیستم تشخیص چهره با نصب تجهیزات مربوطه در فرودگاه پاناما با همکاری اداره امنیت ملی آمریکا و دولت محلی به کار برده شد و در مدت کمی موجب شناسایی و دستگیری چندین متهم تحت تعقیب اینترپل گردید. [5]

سیستم تشخیص چهره چگونه کار می کند؟
به طورکلی یک سیستم بیومتریک تشخیص چهره، از چهار ماژول تشکیل یافته است:
ماژول سنسور: در حالی که تشخیص چهره دو بعدی با دوربین معمولی امکان‌پذیر می‌باشد در روش سه بعدی نیاز به یک سنسور پیچیده و سطح بالایی از لحاظ فنی می‌باشد چرا‌که بایستی قابلیت کسب اطلاعات عمیق‌تر را داشته باشد. ماژول سنسور وظیفه گرفتن تصویر اشخاص را بر عهده دارد و بسته به نیاز و کاربرد دستگاه گیرنده می‌تواند یک دوربین سیاه و سفید و یا رنگی و یا یک ماژول مخصوص با قابلیت استخراج اطلاعات عمیق‌تر و یا یک دوربین مادون قرمز با تصاویر مادون قرمز باشد.
ماژول مخصوص تشخیص و استخراج اطلاعات: تصاویر به‌دست آمده توسط این ماژول در ابتدا ارزیابی محتوایی شده و داده‌های نامربوط از قبیل پس زمینه، موها، گردن، شانه و ... حذف و تنها محتوای ناحیه چهره را شناسایی می‌کند. سپس تصویر به‌دست آمده تحت فرایندهای محاسباتی و عملیاتی پیچیده برای استخراج اطلاعات مربوط به ویژگی‌های سطحی چهره و تجزیه اطلاعات کلی تصویر قرار می‌گیرد. در حقیقت در این مرحله تصویر خروجی که بایستی توسط ماژول طبقه‌بندی‌کننده برای تعیین هویت و تشخیص چهره مورد استفاده قرار گیرد در این مرحله با استفاده از روش‌های پیچیده PCA ,LDA (هردو از تکنیک‌های linear transformation techniques می‌باشند) و غیره آماده می‌گردد.
برخی از الگوریتم‌های استخراج اطلاعات توانایی بررسی و استخراج 68 پارامتر مختلف از چهره افراد می‌باشند. [6]
ماژول طبقه‌بندی: در این ماژول قالب تصویر استخراج شده از مرحله قبلی با قالب‌های موجود در گالری تصاویر مقایسه می‌گردد و در نتیجه معلوم می‌شود که آیا چهره گرفته شده جزء قالب‌های موجود می‌باشد و قابل شناسایی است یا خیر. و درصورت مثبت بودن جواب ماژول تصمیم‌گیری هویت شخص را که بر اساس نتیجه مقایسه ماژول طبقه‌بندی بوده است را تأیید می‌کند. بر اساس امتیاز به‌دست آمده از مقایسه که همان درصد تطابق قالب گرفته شده با قالب‌های موجود می‌باشد کاربر مورد نظر مورد تأیید قرار گرفته و یا پذیرفته نمی‌شود.
ماژول پایگاه داده ها: این ماژول برای ثبت‌نام، نگهداری، واکشی قالب چهره کاربران را بر عهده دارد. در طول ثبت‌نام ماژول سنسور تصاویر را ثبت کرده و مجموعه این تصاویر همان گالری تصاویر را ایجاد می‌کند که در مرحله طبقه‌بندی مورد استفاده قرار می‌گیرد. در بیش‌تر روش‌های تشخیص چهره چندین نمای متفاوت از یک شخص در حالت‌های مختلف روحی خنده، اخم و عصبانیت، عادی و یا با عینک از کاربر گرفته می‌شود و این تعدد در بالابردن ضریب شناسایی اهمیت ویژه‌ایی دارد در خصوص اطلاعات سه‌بعدی که در جهت افزایش دقت در تشخیص مورد استفاده قرار می‌گیرد علاوه بر اطلاعات دو‌بعدی تصویر اطلاعات مربوط به ساختار داخلی اندام نظیر کاسه چشم و ... را نیز مورد بررسی قرار می‌دهد.
چهره حداقل 117 میلیون آمریکایی در ادارات مختلف پلیس و سایر مراجع آمریکایی ثبت شده است و بر اساس گزارش منتشر شده در ماه می 2018، بانک اطلاعاتی تشخیص چهره اداره FBI آمریکا به بیش از 412 میلیون داده مستقل دسترسی دارد. [6]
این دستگاه‌ها می‌توانند چندین گروه و تصاویر را ذخیره نمایند و حتی در محیط‌های با نور کم چهره را آنالیز نمایند. علاوه بر این قابلیت اتصال به قفل‌های الکترونیکی، زنگ در ، دکمه خروج و سنسور را نیز دارا هستند و می‌توانند چندین منطقه زمانی و گروه را تعریف نمایند.
facedetection
کابردهای سیستم تشخیص چهره
بازشناسی چهره استفاده‌های فراوانی در شناسایی بزهکاران، امنیت کارت‌های اعتباری، سیستم‌های امنیتی، سیستم‌های کنترل ورود و خروج پرسنل و موارد متعدد دیگر داشته و به دلیل کاربردهای فراوان، در سال‌های اخیر، مورد توجه قرارگرفته است مانند: حوزه بانکی و پرداخت امنیت اطلاعات اجرا و نظارت بر قانون حوزه فروش و تجارت (ورودی فروشگاه‌ها: افزایش فروش ۳۰ درصدی با بازشدن در ورودی با بازشناسی چهره افراد) یکی از کاربردهای مهم این سیستم در شبکه بانکی می‌باشد که در بخش‌های مختلف می‌توان راهکارهای مختلفی با سیستم تصدیق هویت از روی چهره انجام داد از جمله: با تشخیص وجود چهره در دوربین VTM و ATM امکان ارائه خدمات دستگاه‌های امکان تصدیق هویت فرد با ارائه کارت شناسایی‌اش در شعب امکان لاگین در همراه بانک به عنوان عامل دوم امکان لاگین در همراه بانک بدون واردکردن نام کاربری در شعب بانک‌ها و ارسال هشدار به ریاست شعبه VIP و یا تشخیص مشتری بازشناسی در لیست سیاه. (Black List)
در سال 2016 شرکت مسترکارت یک اپلیکیشن پیشرو پرداخت توسط خویش‌انداز روانه بازار نمود که مشتریان مسترکارت به جای استفاده از روش‌های معمول با استفاده از این اپ و سیستم تشخیص چهره آن می‌توانند فعالیت‌های بانکی خود را انجام دهند.
از دیگر استفاده‌های این سیستم می‌توان به کابردهای آن در حوزه‌های سلامت و تبلیغات اشاره نمود.
به‌عنوان مثال شرکت تسکو (Tesco) از شرکت همای معروف خرده‌فروشی با نصب دستگاه‌های تشخیص چهره در جایگاه‌های سوخت در انگلستان نسبت به ارسال تبلیغات هدفمند با توجه به جنسیت، سن و دیگر ویژگی‌های بیومتریک برای کاربران می‌نماید. برای مثال اگر کابر شناسایی شده مذکر و در بازه سنی 12 الی 22 سال باشد، تبلیغات مرتبط با بازی‌های کامپیوتری فیفا برای وی ارسال می‌گردد. [7]
در حوزه سلامت، مسئولین این حوزه با استفاده از این سیستم و بررسی مشخصات بیومتریک و سایر پارمترها توانسته‌اند سبب کاهش مراجعه بیماران به مراکز درمانی، کاهش هزینه‌های سربار، کاهش زمان انتظار جهت ویزیت توسط دکتر و ... شوند. [8]
مزایای استفاده از روش‌های تشخیص هویت اشخاص بر مبنای اطلاعات بیومتریک:
1. جلوگیری از تقلب و کلاهبرداری‌ها از دستگاه‌های ATM.
2. سرعت پردازش سریع‌تر نسبت به روش‌های دیگر اسکن، لمس یا کارتی.
3. عدم تجمع در برابر سیستم‌های ثبت ورود و خروج لمسی (کارت/اثرانگشت) و اسکن‌کننده (قرنیه) و حذف امکان تقلب‌های احتمالی.
4. عدم نیاز به همراه‌داشتن مدارک شناسایی توسط مشتریان بانکی.
5. استفاده از شیوه‌های بیومتریک جهت شناسایی مشتریان بانکی و کاهش تخلفات و تقلبات بانکی.

References:
1- What is Facial Recognition? - Definition from Techopedia". Techopedia.com
2- "Top Five Biometrics: Face, Fingerprint, Iris, Palm and Voice". Bayometric. 2017-01-23. Retrieved 2018-04-10.
3- Zhang, Jian, Yan, Ke, He, Zhen-Yu, and Xu, Yong (2014). "A Collaborative Linear Discriminative Representation Classification Method for Face Recognition. In 2014 International Conference on Artificial Intelligence and Software Engineering (AISE2014). Lancaster, PA: DEStech Publications, Inc. p.21 شابک ‎۹۷۸۱۶۰۵۹۵۱۵۰۸
4- de Leeuw, Karl; Bergstra, Jan (2007). The History of Information Security: A Comprehensive Handbook. Amsterdam: Elsevier. pp. 264–265. ISBN 9780444516084
5- https://www.facefirst.com/blog/brief-history-of-face-recognition-software/
6- https://us.norton.com/internetsecurity-iot-how-facial-recognition-software-works.html
7- https://disruptionhub.com/5-applications-facial-recognition-technology/
8- https://www.infinitiresearch.com/thoughts/facial-recognition-technology-applications