Manusia mahir mengenali wajah, tetapi kita juga mentafsir ekspresi dan emosi secara semulajadi. Penyelidikan mengatakan kita boleh mengenal pasti wajah yang dikenali secara peribadi di dalam 380ms selepas pembentangan dan 460ms untuk muka yang tidak dikenali. Walau bagaimanapun, kualiti intrinsik manusia ini kini mempunyai pesaing dalam kecerdasan buatan dan Penglihatan Komputer. Teknologi perintis ini membantu membangunkan penyelesaian yang mengenali wajah manusia dengan lebih tepat dan cekap berbanding sebelum ini.
Teknologi inovatif dan tidak mengganggu terbaharu ini telah menjadikan kehidupan lebih mudah dan mengujakan. Teknologi pengecaman muka telah berkembang menjadi teknologi yang pesat membangun. Pada tahun 2020, pasaran pengecaman wajah dinilai pada $ 3.8 bilion, dan saiz yang sama dijangka meningkat dua kali ganda menjelang 2025 – diramalkan melebihi $8.5 bilion.
Apa itu Pengecaman Muka?
Teknologi pengecaman muka memetakan ciri muka dan membantu mengenal pasti seseorang berdasarkan data cap muka yang disimpan. Teknologi biometrik ini menggunakan algoritma pembelajaran mendalam untuk membandingkan cetakan muka yang disimpan dengan imej langsung. Perisian pengesanan muka juga membandingkan imej yang ditangkap dengan pangkalan data imej untuk mencari padanan.
Pengecaman muka telah digunakan dalam banyak aplikasi untuk meningkatkan keselamatan di lapangan terbang, membantu agensi penguatkuasa undang-undang dalam mengesan penjenayah, analisis forensik dan sistem pengawasan lain.
Bagaimana pengecaman wajah berfungsi?
Perisian pengecaman muka bermula dengan pengumpulan data pengecaman muka dan pemprosesan imej menggunakan Computer Vision. Imej-imej itu menjalani saringan digital tahap tinggi supaya komputer boleh membezakan antara wajah manusia, gambar, patung, atau poster. Dengan menggunakan pembelajaran mesin, corak dan persamaan dalam set data dikenal pasti. Algoritma ML mengenal pasti wajah dalam mana-mana imej tertentu dengan mengenali corak ciri muka:
- Nisbah ketinggian kepada lebar muka
- Warna muka
- Lebar setiap ciri – mata, hidung, mulut dan banyak lagi.
- Ciri khas
Memandangkan wajah yang berbeza mempunyai ciri yang berbeza, begitu juga dengan perisian pengecaman muka. Walau bagaimanapun, secara amnya, sebarang pengecaman muka berfungsi menggunakan prosedur berikut:
-
Pengesanan muka
Sistem teknologi muka mengecam dan mengenal pasti imej muka dalam khalayak ramai atau secara individu. Kemajuan teknologi telah memudahkan perisian untuk mengesan imej muka walaupun terdapat sedikit variasi dalam postur – menghadap kamera atau mengalihkan pandangan daripadanya.
-
Analisis wajah
Seterusnya ialah analisis imej yang ditangkap. A sistem pengecaman muka digunakan untuk mengenal pasti ciri wajah unik dengan tepat seperti jarak antara mata, panjang hidung, ruang antara mulut dan hidung, lebar dahi, bentuk kening dan sifat biometrik yang lain.Ciri wajah manusia yang berbeza dan boleh dikenali dipanggil titik nod, dan setiap muka manusia mempunyai kira-kira 80 titik nod. Dengan memetakan muka, mengenal geometri, dan fotometri, adalah mungkin untuk menganalisis dan mengenal pasti muka menggunakan pangkalan data pengiktirafan dengan tepat.
-
Penukaran Imej
Selepas menangkap imej wajah, maklumat analog ditukar kepada data digital berdasarkan ciri biometrik seseorang. Sejak pembelajaran mesin algoritma hanya mengenali nombor, menukar peta muka kepada formula matematik menjadi penting. Perwakilan berangka muka ini, juga dikenali sebagai cap muka, kemudiannya dibandingkan dengan pangkalan data wajah.
-
Mencari padanan
Langkah terakhir ialah membandingkan cetakan muka anda dengan beberapa pangkalan data wajah yang diketahui. Teknologi ini cuba memadankan ciri anda dengan ciri dalam pangkalan data.
Seterusnya ialah analisis imej yang ditangkap. A sistem pengecaman muka digunakan untuk mengenal pasti ciri wajah unik dengan tepat seperti jarak antara mata, panjang hidung, ruang antara mulut dan hidung, lebar dahi, bentuk kening dan sifat biometrik yang lain.Imej yang dipadankan biasanya dikembalikan dengan nama dan alamat orang tersebut. Jika maklumat tersebut tiada, data yang disimpan dalam pangkalan data digunakan.
Aplikasi Industri Teknologi Pengecaman Muka
- Kita semua mengetahui ID Wajah Apple yang membantu penggunanya dengan cepat mengunci dan membuka kunci telefon mereka serta log masuk ke aplikasi.
- McDonald's telah menggunakan pengecaman muka di kedai Jepunnya untuk menilai kualiti perkhidmatan pelanggan. Ia menggunakan teknologi ini untuk menentukan sama ada pelayannya membantu pelanggannya dengan senyuman.
- Kegunaan Covergirl perisian pengenalan wajah untuk membantu pelanggannya memilih warna asas yang betul.
- MAC juga menggunakan pengecaman muka yang canggih untuk memberikan pengalaman membeli-belah gaya bata dan mortar kepada pelanggan dengan membenarkan mereka 'mencuba' solekan mereka secara maya menggunakan cermin tambahan.
- Gergasi makanan segera, CaliBurger, telah menggunakan perisian pengecaman muka untuk membolehkan pelanggannya melihat pembelian mereka sebelum ini, menikmati diskaun khusus, melihat cadangan yang diperibadikan dan menggunakan program kesetiaan mereka.
- Gergasi penjagaan kesihatan AS, Cigna membenarkan pelanggan mereka di China memfailkan tuntutan insurans kesihatan mereka menggunakan tandatangan foto dan bukannya tanda bertulis.
Pengumpulan Data untuk Model Pengecaman Muka
Untuk model pengecaman muka mencapai kecekapan maksimumnya, anda mesti melatihnya pada pelbagai set data heterogen.
Memandangkan biometrik muka berbeza bagi setiap orang, perisian pengecaman muka harus mahir membaca, mengenal pasti dan mengecam setiap wajah. Lebih-lebih lagi, apabila seseorang itu menunjukkan emosi, kontur muka mereka berubah. Perisian pengecaman harus direka bentuk supaya ia dapat menampung perubahan ini.
Satu penyelesaian ialah menerima foto beberapa orang dari pelbagai bahagian dunia dan mencipta pangkalan data heterogen wajah yang dikenali. Sebaik-baiknya anda perlu mengambil foto dari pelbagai sudut, perspektif dan dengan pelbagai ekspresi muka.
Apabila foto ini dimuat naik ke platform terpusat, dengan jelas menyebut ungkapan dan perspektif, ia mewujudkan pangkalan data yang berkesan. Pasukan kawalan kualiti kemudiannya boleh menapis foto ini untuk semakan kualiti pantas. Kaedah mengumpul gambar orang yang berbeza ini boleh menghasilkan pangkalan data imej yang berkualiti tinggi dan sangat cekap.
Tidakkah anda bersetuju bahawa perisian pengecaman muka tidak akan berfungsi secara optimum tanpa sistem pengumpulan data muka yang boleh dipercayai?
Pengumpulan data muka ialah asas untuk prestasi perisian pengecaman muka. Ia memberikan maklumat berharga seperti panjang hidung, lebar dahi, bentuk mulut, telinga, muka dan banyak lagi. Menggunakan data latihan AI, sistem pengecaman muka automatik boleh mengenal pasti wajah dengan tepat di tengah-tengah orang ramai dalam persekitaran yang berubah secara dinamik berdasarkan ciri wajah mereka.
Jika anda mempunyai projek yang memerlukan set data yang sangat boleh dipercayai yang boleh membantu anda membangunkan perisian pengecaman muka yang canggih, Shaip ialah pilihan yang tepat. Kami mempunyai koleksi set data muka yang luas yang dioptimumkan untuk melatih penyelesaian khusus untuk pelbagai projek.
Untuk mengetahui lebih lanjut tentang kaedah pengumpulan, sistem kawalan kualiti dan teknik penyesuaian kami, berhubung dengan kami hari ini.