211service.com
Bättre mjukvara för ansiktsigenkänning
För forskare och ingenjörer som är involverade i teknik för ansiktsigenkänning har de nyligen släppta resultaten av Face Recognition Grand Challenge – mer fullständigt, Face Recognition Vendor Test (FRVT) 2006 och Iris Challenge Evaluation (ICE) 2006 – varit en tyst triumf. Sponsras av National Institute of Standards and Technology (NIST), matchningen av ansiktsigenkänningsalgoritmer visade att maskinigenkänning av mänskliga individer har förbättrats tiofaldigt sedan 2002 och hundrafaldigt sedan 1995. De bästa ansiktsigenkänningsalgoritmerna fungerar nu mer exakt än de flesta människor kan hantera. Sammantaget går tekniken för ansiktsigenkänning snabbt framåt.
Ansiktsfakta: Den översta 3D-bilden visar bara information som är associerad med formen på en mans ansikte. Den nedre bilden visar strukturen såväl som formen.
Jonathan Phillips, programledare för NIST-testerna och huvudförfattare till myndighetens rapport , säger att det avsedda målet med Face Recognition Grand Challenge alltid var en förbättring i storleksordning i igenkänningsprestanda jämfört med resultaten från 2002. Phillips tror att den nödvändiga minskningen av felfrekvensen för att uppnå det målet till stor del berodde på utveckling av högupplösta stillbilder och 3D-algoritmer för ansiktsigenkänning. För FRVT 2006 och ICE 2006 samlades uppsättningar av högupplösta ansiktsbilder, 3D-ansiktsskanningar och irisbilder av samma personer, säger Phillips. FRVT 2006 mätte för första gången prestandan hos sex 3D-algoritmer på en uppsättning 3D-ansiktsskanningar. ICE 2006 mätte prestandan för tio algoritmer på en uppsättning irisbilder. 3D-ansiktsigenkänning har kommit till sin rätt under de senaste åren eftersom 3-D-sensorer för ansiktsigenkänning har blivit tillgängliga först nyligen. Vad 3-D ansiktsigenkänning bidrar med är att den direkt fångar information om ansiktens former.
Bland andra fördelar identifierar 3-D ansiktsigenkänning individer genom att utnyttja särdragen hos ett mänskligt ansiktes yta – till exempel kurvorna på ögonhålorna, näsan och hakan, som är där vävnad och ben är tydligast och som inte gör det. förändras över tid. Dessutom, säger Phillips, har förändringar i belysningen negativt påverkat ansiktsigenkänningsprestandan från stillbilder. Men formen på ett ansikte påverkas inte av förändringar i belysningen. Därför kan 3D-ansiktsigenkänning till och med användas i nästan mörka förhållanden.
Enligt Ralph Gross, en forskare vid Carnegie Mellon Robotics Institute i Pittsburgh, kan 3D-ansiktsigenkänning också känna igen motiv i olika synvinklar upp till 90 grader – med andra ord ansikten i profil. Ansiktsigenkänning har blivit ganska bra vid hela frontalansikten och 20 grader av, men så fort du går mot profilen har det varit problem. Gross säger att förklaringen till ansiktsigenkänningsmjukvarans svårigheter med profiler kanske inte är mer komplicerad än det faktum att ingen fokuserade på problemet. De huvudsakliga tillämpningarna för ansiktsigenkänning har varit i sammanhang som ID-kort och ansiktsskannrar, för vilka syftet har varit igenkänning av hela frontalansikten hos samarbetsvilliga motiv under kontrollerad belysning.
Högupplösta stillbilder har varit en annan faktor i förbättringen av tekniken för ansiktsigenkänning, delvis för att mycket detaljerad hudtexturanalys också har blivit möjlig. Med en sådan analys kan vilken hudfläck som helst – kallad hudutskrift – fångas som en bild och sedan delas upp i mindre block som algoritmer förvandlar till matematiska, mätbara utrymmen där linjer, porer och den faktiska hudstrukturen registreras. Det kan identifiera skillnader mellan enäggstvillingar, vilket ännu inte är möjligt med enbart ansiktsigenkänningsprogram, förklarar Gross. Genom att kombinera ansiktsigenkänning med ytstruktursanalys kan exakt identifiering öka med 20 till 25 procent.
Hur är det med FRVT-rapportens påstående att vissa ansiktsigenkänningsalgoritmer motsvarar eller överträffar människors igenkänningsförmåga? Phillips förklarar: Människor är väldigt bra på att känna igen ansikten på bekanta människor. Men de är inte så bra på att känna igen obekanta människor. Eftersom många föreslagna ansiktsigenkänningssystem skulle komplettera eller ersätta människor, var FRVT:s jämförande tester av ansiktsigenkänningsförmågan hos människor och mjukvara – det första testet av detta slag – viktiga för att mäta applikationernas potentiella effektivitet. Phillips säger att vid låga falska acceptansfrekvenser (en falsk acceptansfrekvens är måttet på sannolikheten att ett biometriskt säkerhetssystem felaktigt kommer att acceptera ett åtkomstförsök av en obehörig individ), var sex av sju automatiska ansiktsigenkänningsalgoritmer jämförbara med eller bättre än mänskligt erkännande. Dessa var algoritmer från Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology och Tsinghua University. Tyvärr, tillägger Phillips, eftersom majoriteten av FRVT 2006-deltagare inte har avslöjat detaljerna i sina metoder, är det ännu inte möjligt att bedöma vad som är utmärkande för dessa algoritmer.
Hur ser den kommersiella vinsten för ansiktsigenkänning ut? Ganska lovande, eftersom dussintals företag siktar på att tjäna på ansiktsigenkänningens potential som en biometrisk för autentiserings- och verifieringsändamål. För FRVT konkurrerade vördnadsvärda företag som Toshiba och Samsung tillsammans med företag som Neven Vision –nyligen förvärvad av Google–och Visa och Identix (som precis har gått samman till L1 Identity Solutions), såväl som tillsammans med forskare från så olika universitet som Beijing, Cambridge och Carnegie Mellon. Vilka tillämpningar förutser ett företag som Google för tekniken som utvecklats av det nyligen förvärvade, Neven Vision? Enligt en PR-person från Google tror vi att det erbjuder lovande integrationsmöjligheter med Googles tjänster, som Picasa och Picasa webbalbum, särskilt när det gäller att hjälpa användare att organisera och söka i sina egna foton.
På Carnegie Mellon säger Ralph Gross att han och hans kollegor bland annat har varit involverade med lokala DMV för att skanna bilder för körkort. Jag har fått rapporter från delstatsnivå som säger att de, med hjälp av teknik för ansiktsigenkänning, fångade ett stort antal personer som ansökte om licenser i antingen olika delstater eller i samma delstat under ett annat namn eftersom deras tidigare licens spärrades in. Det är en växande trend. Stater som använder sådan teknik inkluderar Massachusetts, Illinois, West Virginia, Wisconsin, Colorado, North och Southern Carolina, Oklahoma, North Dakota, Arkansas och Mississippi. Trots det, betonar Gross, är det långt ifrån att använda teknik för ansiktsigenkänning på ID-foton att ha den kapacitet som skulle låta brottsbekämpning söka igenom en stads webbkameranätverk efter specifika individer. Med körkortsbilder har du en kontrollerad bakgrund, en operatör som berättar exakt hur du ska placera ditt ansikte; bilderna samlas in under jämförbara förhållanden. Det är mycket mer begränsat än problemet med slumpmässigt ansikte i publiken, där du sätter en kamera på en byggnad.
Ändå, säger Gross, kan man redan se stigbygget. Fram till nyligen förlitade sig videoövervakningsindustrin fortfarande mest på analoga kameror, vilket krävde att kabeln sattes upp för långa avstånd för att ansluta dessa kameror till övervakningsutrustning. Nu går branschen över till IP-baserade kameror, med vilka du ganska enkelt kan utnyttja redan existerande Ethernet-nätverk, säger Gross. Så du har trådlösa kameror och kameror som använder POE [Power over Ethernet-teknik tillåter IP-telefoner, trådlösa LAN-åtkomstpunkter och andra apparater att ta emot ström såväl som data över befintliga LAN-kablar] där du inte behöver en separat strömkontakt. Du kan köpa kommersiella lösningar som i huvudsak är en TiVo för dessa kameror, med inbyggda rörelsesensorer så att de bara spelar in när det händer rörelse. Med digital lagring kan du behålla data på obestämd tid och förbättra den på ett sätt som du inte kan med analoga bilder. Så alla dessa saker går ihop.
I princip, eftersom mjukvara för ansiktsigenkänning fortsätter sin snabba utveckling, kommer det troligen att vara möjligt att söka efter specifika ansikten över ett nätverk av webbkameror. Följaktligen har Gross senaste arbete på Carnegie Mellon, i samarbete med kollegor på Datasekretesslab där har det skett utveckling av algoritmer för att skydda individers integritet under videoövervakning. De vanliga metoderna som förhindrar mänsklig igenkänning av en individs egenskaper på video – till exempel de pixlade fälten som ibland täcker ansikten och kroppsdelar på reality-TV-program – kommer inte att lura mycket mjukvara för ansiktsigenkänning. Helt mörklägga varje ansikte i ett videoklipp skulle göra jobbet, men detta skulle vara till begränsad nytta om brottsbekämpande myndigheter ville följa upp bevis på misstänkt beteende när de väl fått en domstolsbeslut. Funktionen hos de integritetsbevarande algoritmerna som Gross hjälper till att skapa, förklarar han, är att automatiskt ta medelvärdena för individers ansikten och, utifrån dessa, syntetisera nya ansiktsbilder och sedan lägga dessa nya bilder över originalen. Det kan verka som den motsatta tekniken, säger Gross, men faktiskt är det bara den andra sidan av ansiktsigenkänning.