تشخیص چهره، فرآیند شناسایی موقعیت چهرهها در تصاویر و ویدیوها است. این الگوها را بر اساس جزئیات صورت فرد ضبط، تحلیل و مقایسه میکند.
- فرآیند تشخیص چهره یک گام اساسی در شناسایی و مکانیابی چهرههای انسانی در تصاویر و ویدیو است.
- فرآیند ثبت چهره اطلاعات چهره را به مجموعهای از اطلاعات دیجیتال (دادهها) براساس ویژگیهای چهره تبدیل میکند.
- روند تطابق چهره تأیید میکند که آیا دو چهره متعلق به یک شخص هستند یا خیر.
از بیومتریک برای شناسایی و تایید هویت شخص با استفاده از مجموعهای از دادههای قابل شناسایی و تأیید که منحصر به فرد و خاص آن فرد است استفاده میشود. قبل از اینکه جلوتر برویم دو کلمه کلیدی “شناسایی” و “تایید هویت” را تعریف میکنیم.
شناسایی به این سوال پاسخ میدهد: “شما چه کسی هستید؟ ”
تایید هویت به این سوال پاسخ میدهد: “آیا شما واقعا ً همان کسی هستید که ادعا میکنید ؟ ”
در مورد بیومتریک صورت، یک حسگر دو بعدی یا سه بعدی چهره را “ضبط” میکند، سپس با اعمال یک الگوریتم قبل از مقایسه تصویر گرفتهشده در یک پایگاهداده، آن را به دادههای دیجیتال تبدیل میکند.
از این سیستمها به صورت خودکار میتوان برای شناسایی یا بررسی هویت افراد فقط در چند ثانیه براساس ویژگیهای صورت آنها که شامل فاصله چشم، پل بینی، خط لب، گوش، چانه و … استفاده کرد. حتی این کار را در میان جمعیت، و در محیطهای شلوغ و پرازدحام میتوان انجام داد. الگوریتم GaussianFace که در سال 2014 توسط محققان دانشگاه چینی هنگ کنگ ایجاد شد، نمرات شناسایی چهره، 98.52٪ را بدست آورد. که با وجود نقاط ضعف مربوط به ظرفیت حافظه مورد نیاز و زمان محاسبه ، یک امتیاز عالی به حساب میآید.
دارندگان آیفون مدل ایکس پیش از این با تکنولوژی تشخیص چهره اشنا شدهاند . با این حال، اپل در اواخر سال ۲۰۱۷ متوجه شد راههای شناسایی دیگری از طریق بدن انسان نیز وجود دارد، مانند اثر انگشت، اسکن عنبیه، تشخیص صدا، دیجیتالی کردن رگها در کف دست و اندازهگیری رفتاری. به همین دلیل که استقرار و پیادهسازی آن آسان است . بیومتریکهای صورت همچنان به معیارهای دیگر بیومتریک ترجیح داده میشود زیرا به هیچ تعامل فیزیکی با کاربر نهایی نیاز نیست. علاوه بر این، فرآیندهای تشخیص چهره و تطابق چهره برای تأیید و شناسایی سریع تر بکار میروند .
در سال 2014 ، فیس بوک برنامه DeepFace خود را به صورت عمومی اعلام کرد که میتواند تعیین کند آیا دو عکس از چهره متعلق به یک شخص هستند یا خیر که با دقت 97.25٪ نسبت به دقت انسان( با دقت 97.53٪) در مواجهه با موارد به درستی پاسخ داد، که فقط 0.28٪ دقت فیسبوک کمتر از دقت انسان بود.
در ژوئن 2015، Google با FaceNet پیشرفت بهتری داشت. FaceNet در مجموعه دادههایی که به طور گسترده از چهرههای دارای برچسب استفاده میشود، به رکورد جدید 99.63٪ دقت دست یافت.
این فناوری در Google Photos استفاده شده و برای مرتب سازی تصاویر و برچسبگذاری خودکار آنها بر اساس افراد شناخته شده استفاده میشود.
مطالعهای که توسط محققان MIT در فوریه 2018 انجام شد نشان داد که ابزارهای مایکروسافت، IBM و Megvii مستقر در چین هنگام شناسایی زنان با پوست تیره در مقایسه با مردان با پوست روشنتر دارای خطاهای بالایی هستند. در پایان ژوئن ۲۰۱۸، مایکروسافت در یک پست وبلاگ اعلام کرد که به طور قابلتوجهی تکنولوژی تشخیص چهره را بهبود بخشیدهاست.
در ماه مه 2018، Ars Technica گزارش داد که سایت آمازون پیش از این فعالانه در حال ترویج خدمات بازشناسی چهره مبتنی بر رایانش ابری است. این راهحل میتواند حدود 100نفر را در یک تصویر تشخیص دهد و با پایگاهدادهای که حاوی دهها میلیون چهره است تطبیق یابد.