Технология ношения масок при распознавании лиц становится очень важным направлением исследований в развитии современного общества. На фоне нормализации профилактики и контроля эпидемии люди стандартно носят маски во время путешествий. Это создает огромные проблемы для традиционной системы распознавания лиц, основанной на полных чертах лица. Однако технологические достижения упорно работают над решением этой проблемы, позволяя добиться быстрой и точной аутентификации личности, не снимая маски, а сценарии ее применения становятся все более обширными.
Как ношение маски влияет на точность распознавания лиц
Традиционные алгоритмы распознавания лиц в значительной степени полагаются на полные черты лица, особенно на такие ключевые точки, как переносица, форма рта и контур подбородка. При ношении маски эти важные области, занимающие более двух третей лица, будут заблокированы, что значительно ослабляет возможности системы по получению информации. Если для идентификации полагаться только на глаза, брови и области лба верхней половины лица, размерность данных значительно снижается, а различия между людьми уменьшаются. Система может легко ошибочно принять разных людей за одного и того же человека или ошибочно оценить характеристики одного и того же человека в разных состояниях как разных людей.
Подобная окклюзия приводит к серьезному недостатку информации в базе данных векторов признаков, и точность сопоставления алгоритма, естественно, будет значительно снижена. Когда ранние системы сталкиваются с препятствием, они обычно сразу возвращают сообщение об ошибке или требуют от пользователя снять маску, что вызывает огромные неудобства в практических приложениях. Поэтому разработка новых моделей алгоритмов для решения этой ситуации, когда частичная информация отсутствует, стала ключевым моментом для технологических прорывов.
Как алгоритм выполняет извлечение признаков при ношении маски?
Когда закрыта большая область лица, фокус алгоритма должен сместиться на стабильные черты верхней половины лица. Новым основанием для идентификации стали форма глаз, кривизна бровей, расстояние между глазами, положение уголков глаз, характер отражения света в области лба. Усовершенствованные модели глубокого обучения, особенно нейронные сети, основанные на механизмах внимания, будут активно «изучать» существенные особенности этих незакрытых областей.
Согласно исследованиям, глубокие сверточные нейронные сети могут активно создавать пространство признаков для ситуаций «полулица» на основе массивных обучающих данных. Благодаря обучению на большом количестве парных изображений, охватывающих изображения как в ношении, так и без маски, модель может изучить сильную корреляцию между чертами верхней части лица и полной идентификационной информацией, а затем во время тестирования сделать вывод об общей идентичности на основе только частичной информации. Возможности миграции и ассоциации лежат в основе современного технологического развития.
Основные технические трудности распознавания лиц в маске
Основная трудность заключается в нехватке эффективных функций. Различия между разными людьми в области глаз, бровей и лба гораздо меньше, чем различия во всем лице. Особенно при ношении очков или челки, закрывающей лоб, различимость черт лица еще больше снижается. Во-вторых, сама маска вводит дополнительные интерференционные переменные, включая цвет, рисунок, стиль маски, высоту и положение маски при ношении, а также изменения формы лицевых мышц, вызванные ее ношением.
Эти переменные, относящиеся к «внутриклассовым различиям», вызваны изменениями, вызванными разными охватывающими состояниями одного и того же человека. Иногда эти изменения даже больше, чем «межклассовые различия» между разными людьми, вызывая их собственное вмешательство в узнавание. Кроме того, негативные последствия небольших изменений условий освещения и положения головы будут усиливаться, когда присутствуют только локальные особенности, что требует проверки надежности модели.
Какие текущие решения могут повысить эффективность распознавания ношения масок?
Одним из основных решений является принятие подхода, основанного на данных, то есть сбора и создания крупномасштабных и разнообразных наборов данных о лицах в масках для обучения моделей глубокого обучения. Эти данные должны включать людей разных рас, разного пола и разного возраста. Они носят маски разных цветов, маски разных стилей, изображения при разном освещении и изображения под разными углами. Опираясь на них, модель может полностью изучить закономерности изменения, вызванные масками. Другим решением является улучшение структуры сети, например, разработка двойной сети специально для локальных объектов, разработка тройной сети специально для локальных объектов или введение модуля внимания для осознания окклюзии.
Технология мультимодального слияния демонстрирует потенциал, например, сочетание распознавания походки, распознавания радужной оболочки глаза (если устройство может поддерживать сбор данных с близкого расстояния) или распознавания голосовых отпечатков в качестве вспомогательного метода проверки. На уровне приложения стратегия сравнения «1 к 1» (например, разблокировка мобильного телефона или контроль доступа) может быть принята вместо поиска «1 к N» (например, поиск людей в крупномасштабной базе данных), поскольку первый имеет относительно более низкие требования к алгоритмам и легче достичь высокой скорости прохождения.
В каких сценариях распознавание лиц с помощью масок имеет прикладную ценность?
В сфере общественного здравоохранения управление дорожным движением в людных местах, таких как больницы, аэропорты и вокзалы, может сочетать проверку личности и мониторинг температуры без снятия маски, что не только обеспечивает безопасность, но и повышает эффективность. В сфере безопасности, даже если подозреваемый носит маску, система может использовать историческую базу данных для проведения проверки и раннего предупреждения для обеспечения общественной безопасности в общественных местах.
В корпоративных системах посещаемости и системах контроля доступа «умных зданий» сотрудники могут быстро проходить мимо, не снимая масок, что снижает риски при контакте и улучшает удобство работы пользователей. Его также можно использовать в качестве вспомогательного или резервного метода проверки в сценариях, где требуется проверка личности с высоким уровнем безопасности, например при финансовых платежах. Эти приложения действительно решили проблему «узких мест» в ежедневной аутентификации личности, возникающую из-за ношения масок.
Конфиденциальность и этические проблемы распознавания лиц при ношении маски
Удобство сопряжено с повышенным риском конфиденциальности, и именно это приносят технологии. Бесконтактная идентификация позволяет собирать и обрабатывать биометрические данные, не будучи обнаруженными. Если данные не защищены должным образом, существует риск утечки и злоупотребления, и это правда. Общественность предпочитает носить маски, чтобы защитить свое здоровье в определенные периоды. Это ситуация. Ношение масок также может стать способом анонимного самовыражения. Технология высокоточной идентификации по маске в определенной степени ослабила это «разумное сокрытие».
Общество должно достичь консенсуса относительно границ использования таких технологий и сформулировать строгие законы и правила для стандартизации процесса сбора данных, процесса хранения данных, процесса использования данных и даже процесса уничтожения данных. Разработчики технологий должны следовать принципу «проектирования защиты конфиденциальности», например, использовать решения для интегрированного обучения и выполнять сравнения функций на терминале вместо загрузки исходных изображений, чтобы снизить риски, исходящие от источника. Общественность также должна иметь полное право знать, и общественность также должна иметь полное право выбора. Это этическая проблема, с которой необходимо разобраться.
Там, где вы работаете или живете, подключены ли вы к системе контроля доступа или посещаемости с функцией распознавания маски? Как вы оцениваете баланс между удобством и защитой конфиденциальности в этой технологии? Добро пожаловать, чтобы поделиться своими мыслями в области комментариев. Если вы нашли эту статью полезной, пожалуйста, поставьте ей лайк и поделитесь ею с большим количеством друзей.
Добавить комментарий