Gesichtserkennungssystem: Erschließen Sie die Kraft der visuellen Intelligenz

Von Fouad Sabry

Was ist ein Gesichtserkennungssystem?

Ein Gesichtserkennungssystem ist eine Technologie, die potenziell in der Lage ist, ein menschliches Gesicht aus einem digitalen Bild oder einem Videobild mit einer Gesichtsdatenbank abzugleichen. Ein solches System wird typischerweise zur Authentifizierung von Benutzern durch ID-Verifizierungsdienste eingesetzt und funktioniert durch die Lokalisierung und Messung von Gesichtsmerkmalen anhand eines bestimmten Bildes.

Ihr Nutzen

(I) Erkenntnisse und Validierungen zu den folgenden Themen:

Kapitel 1: Gesichtserkennungssystem

Kapitel 2: Gesichtserkennung

Kapitel 3: Biometrie

Kapitel 4: Biometrische Punkte

Kapitel 5: DeepFace

Kapitel 6: Visage SDK

Kapitel 7: Amazon Rekognition

Kapitel 8: Clearview AI

Kapitel 9: Adam Harvey (Künstler)

Kapitel 10: Identitätsersatztechnologie

(II) Antwort an die Öffentlichkeit Die häufigsten Fragen zu Gesichtserkennungssystemen.

(III) Beispiele aus der Praxis für den Einsatz von Gesichtserkennungssystemen in vielen Bereichen.

Für wen dieses Buch gedacht ist

Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über das Grundwissen oder die Informationen für Gesichtserkennungssysteme jeglicher Art hinausgehen möchten.

 

 

• Sprache: Deutsch
• Herausgeber: Eine Milliarde Sachkundig [German]
• Erscheinungsdatum: 4. Mai 2024

Buchvorschau

Kapitel 1: Gesichtserkennungssystem

Ein Gesichtserkennungssystem ist eine Technologie, die in der Lage ist, ein menschliches Gesicht aus einem digitalen Bild oder einem Videobild mit einer Datenbank von Gesichtern abzugleichen. Diese Systeme werden in der Regel verwendet, um Benutzer über ID-Verifizierungsdienste zu authentifizieren. Gesichtserkennungssysteme funktionieren, indem sie Gesichtsmerkmale anhand eines bestimmten Bildes lokalisieren und messen.

In den 1960er Jahren begann man mit der Entwicklung vergleichbarer Systeme, zunächst als eine Art Computeranwendung. Seit ihrer Einführung haben Gesichtserkennungssysteme in den letzten Jahren zunehmend Verwendung gefunden, insbesondere auf Smartphones sowie in anderen Technologien, wie z. B. Robotern. Gesichtserkennungssoftware fällt unter die Kategorie der Biometrie, da sie auf der Analyse der physiologischen Merkmale einer Person beruht, um sie zu identifizieren. Auch wenn die Genauigkeit von Gesichtserkennungssystemen als biometrische Technologie geringer ist als die der Iriserkennung und der Fingerabdruckerkennung, hat sie sich aufgrund der Tatsache, dass das Verfahren keine physische Berührung erfordert, durchgesetzt. Diese Modifikation wird eine der bedeutendsten Revolutionen beim Einsatz von Gesichtserkennungstechnologie in den Annalen der Geschichte dieses Bereichs sein.

In den 1960er Jahren wurden die ersten automatisierten Gesichtserkennungssysteme geboren. Woody Bledsoe, Helen Chan Wolf und Charles Bisson arbeiteten gemeinsam an der Entwicklung einer Software, die es einem Computer ermöglichen sollte, menschliche Gesichter zu identifizieren. Die frühe Iteration ihres Gesichtserkennungsprojekts wurde als Mensch-Maschine-System bezeichnet. Dies lag daran, dass die Koordinaten der Gesichtsmerkmale in einem Bild von einer Person definiert werden mussten, bevor der Computer sie zur Erkennung verwenden konnte. Ein Mensch musste ein Grafiktablett verwenden, um die Koordinaten mehrerer Gesichtsmerkmale wie der Pupillenmitte, des inneren und äußeren Augenwinkels und des Witwengipfels im Haaransatz genau zu lokalisieren. Anhand der Koordinaten konnten wir insgesamt 20 Abstände bestimmen, darunter die Breite des Mundes sowie den Abstand zwischen den Augen. Bei diesem Ansatz könnte ein Mensch in einer Stunde etwa 40 Bilder analysieren und als Ergebnis eine Datenbank mit den ermittelten Entfernungen entwickeln. Die Abstände zwischen den einzelnen Bildern würden dann automatisch von einem Computer verglichen und die Differenz zwischen diesen Abständen berechnet. Der Computer würde dann die geschlossenen Datensätze als wahrscheinliche Übereinstimmung bereitstellen.

Vor den 1990er Jahren erfolgte die Entwicklung von Gesichtserkennungssystemen überwiegend durch die Verwendung fotografischer Porträts menschlicher Gesichter. Die Forschung zur Gesichtserkennung zur genauen Erkennung eines Gesichts in einem Bild, das auch andere Objekte enthält, begann Anfang der 1990er Jahre mit dem Einsatz der Hauptkomponentenanalyse (PCA) an Fahrt zu gewinnen. Matthew Turk und Alex Pentland sind verantwortlich für die Entwicklung der PCA-Technik der Gesichtserkennung, die auch als Eigenface-Ansatz bekannt ist.

Clearview AI hat die Software der ukrainischen Regierung als Spende zur Verfügung gestellt. Es wird vermutet, dass Russland sie nutzt, um Anti-Kriegs-Demonstranten ausfindig zu machen. Ursprünglich für den Einsatz bei der Polizei in den Vereinigten Staaten entwickelt Die Verwendung bei Kriegstoten gibt Anlass zu zusätzlichen Sorgen. Stephen Hare, ein Überwachungsspezialist aus London, befürchtet, dass dadurch der Eindruck erweckt werden könnte, die Ukrainer seien unmenschlich: Hat es wirklich den gewünschten Effekt? Oder führt es dazu, dass die Russen Dinge sagen wie: Schaut euch an, wie diese gesetzlosen Ukrainer hart zu unseren Jungs sind?"

Während es für Menschen nicht viel Aufwand erfordert, die Gesichter der anderen zu identifizieren, beinhaltet die Identifizierung der Gesichtsmerkmale einer Person durch einige Gesichtserkennungsalgorithmen die Extraktion von Orientierungspunkten oder Merkmalen aus einem Bild des Gesichts der Person. Ein Algorithmus kann beispielsweise die Lage, Größe und/oder Form des Kiefers in Bezug auf Augen, Nase, Wangenknochen und andere Gesichtsmerkmale bewerten. auf eine ausgewählte Gruppe von markanten Gesichtsmerkmalen aufgetragen, was zu einer etwas verdichteten Darstellung des Gesichts führt.

Es gibt zwei Hauptmethoden, die zur Entwicklung von Erkennungsalgorithmen verwendet werden können: die geometrische Methode, die sich auf die Unterscheidung von Merkmalen konzentriert, und die fotometrische Methode, bei der es sich um eine statistische Methode handelt, die ein Bild auf eine Reihe von Werten reduziert und diese Werte dann mit Vorlagen vergleicht, um Variationen zu eliminieren. Einige Leute teilen diese Algorithmen in zwei Hauptgruppen ein: ganzheitliche und merkmalsbasierte Modelle. [Zitat erforderlich] [Zitat erforderlich] Die erste Methode versucht, das Gesicht in seiner Gesamtheit zu identifizieren, aber die zweite Methode, die merkmalsbasiert ist, zerlegt das Gesicht in seine Bestandteile, z. B. nach Merkmalen, und analysiert jeden Teil zusammen mit seiner räumlichen Platzierung im Verhältnis zu den anderen Teilen.

Um die menschliche Identifizierung aus der Ferne (HID) zu erleichtern, werden niedrig aufgelöste Fotografien von Gesichtern durch Gesichtshalluzinationen ergänzt. Auf Bildern von Überwachungskameras sind die Gesichter der Menschen oft nur schwer zu erkennen. Da Gesichtserkennungsalgorithmen, die Gesichtsmerkmale identifizieren und darstellen, jedoch Bilder mit einer hohen Auflösung erfordern, wurden Techniken zur Auflösungsverbesserung entwickelt, die es Gesichtserkennungssystemen ermöglichen, mit Bildern zu arbeiten, die in Umgebungen mit einem hohen Signal-Rausch-Verhältnis aufgenommen wurden. Dies ist möglich, weil Techniken zur Auflösungsverbesserung es Gesichtserkennungssystemen ermöglichen, mit Bildern zu arbeiten, die in Umgebungen mit einem hohen Signal-Rausch-Verhältnis aufgenommen wurden. Algorithmen zur Gesichtshalluzination werden auf Bilder angewendet, bevor diese Bilder an das Gesichtserkennungssystem gesendet werden. Diese Algorithmen verwenden beispielbasiertes maschinelles Lernen in Verbindung mit Pixelsubstitution oder Verteilungsindizes für den nächsten Nachbarn, und sie können auch demografische und altersbezogene Gesichtsmerkmale berücksichtigen. Die Verwendung von Gesichtshalluzinationsmethoden erhöht die Effektivität von hochauflösenden Gesichtserkennungsalgorithmen und kann