احراز هویت با تشخیص چهره حتی از روی ماسک

با گسترش روز افزون فناوری دیجیتال و نیاز ما انسانها برای امنیت

یکی از ایده های جالبی که در علم هوش مصنوعی به چشم می آید

احراز هویت توسط ماسک است که حاوی الگوریتمی ماشینی ست که غیر وابسته به رنگ ماسک و اطلاعات جزئی با دقتی کم، چهره ی کامل فرد را شناسایی میکند

تشخیص چهره ، سریع و بدون تماس است و این مزیت را دارد که به سرعت ، افراد را از میان دیتابیس عظیمی از کاربران ثبت شده ، تشخیص دهد. با این حال ، تکیه کردن بر تنها یک سیستم بیومتریک می تواند ریسک تشخیص اشتباه را افزایش دهد. به طور کلی می توان گفت نرخ تشخیص کاذب (تشخیص فرد اشتباه) در سیستم های تشخیص چهره ، بین ۱ در ۱۰۰ هزار تا ۱ در ۱ میلیون است.

در نتیجه پاندمی کرونا ، ما مجبوریم هر روز از ماسک استفاده کنیم. اگرچه این کار برای جلوگیری از شیوع کرونا لازم و ضروری است ، اما حقیقتا تجربه ای عذاب آور است. حتما برایتان پیش آمده که یک دوست و یا آشنا از کنارتان عبور کرده و شما او را از پشت ماسک نشناسید.

این روز ها، این اتفاق، کاملا عادی و معمول است و فقط مختص انسان ها هم نیست. سیستم های تشخیص چهره و احراز هویت نیز به این مشکل دچار شده اند. اگر در محل کار خود سیستم حضور و غیاب از طریق تشخیص چهره دارید، مطمئنا تا کنون به مشکل عدم شناسایی توسط دستگاه تشخیص چهره مواجه شده اید.

تقاضای سیستم های احراز هویت دیجیتال در طول این دوره از همیشه بیشتر شده است و سازمان ها و موسسات مختلفی به دنبال راه اندازی سیستم تشخیص چهره برای احراز هویت افراد هستند.

برای غلبه بر مانعی که بخاطر استفاده از ماسک پیش آمده و دقت سیستم های تشخیص چهره را کاهش داده اند، شرکت های فعال در این زمینه راهکار هایی ترکیبی بر اساس هوش مصنوعی و یادگیری عمیق ارائه می کنند. این سیستم ها حتی در حالتی که فرد ماسک داشته باشد نیز دقت قابل اعتمادی را ارائه می کنند.

بیومتریک از طریق اندازگیری المان های مختلف در بدن انسان انجام می گیرد که می تواند نشان دهنده هویت فرد باشد. این نوع اندازگیری ها معمولا در فناوری های احراز هویت بیومتریک یک یا چند مرحله ای با دقت و امنیت بالا به کار گرفته می شوند.

میزان دقت در شناسایی چهره هنگام استفاده از ماسک ،کاهش می یابد. زیرا نقاط داده ی ویژگی های صورت ، فقط از ناحیه اطراف چشم فرد استخراج می شوند. به دلیل کم بودن تعداد این نقاط، اطلاعات موجود برای احراز هویت را کاهش پیدا می کند.

بنابراین الگوریتم تشخیص چهره به گونه ای تغییر می یابد که بتواند تصاویر را با ماسک آموزش دیده و افراد را تشخیص دهد. با استفاده از یادگیری عمیق و فناوری داده افزایی ، می توان موقعیت اجزا صورت را تخمین زده و ماسک مجازی را روی چهره ی افراد پیاده سازی کرد.

چگونگی شناسایی چهره با ماسک

قبل از آشنایی با الگوریتم شناسایی چهره با ماسک ابتدا باید با مفاهیم یادگیری ماشین(Machine learning) و یادگیری عمیق (deep learning)آشنا شویم.

یادگیری ماشین (Machine learning) چیست؟

در یادگیری ماشین سعی بر این خواهد بود که با تکرار یک عمل به ماشین (کامپیوتر) آموزش دهیم تا کار خاصی رو انجام دهد. این کار به مانند آموزش به یک کودک می باشد. به عنوان مثال تعداد خیلی زیادی عکس چهره با ماسک و تعداد خیلی زیادی عکس چهره بدون ماسک (این تصاویر می تواند در فضاهای مختلفی گرفته شده باشد، به عنوان مثال تصویر چهره با ماسک و بدون ماسک در پارک، فرودگاه …) سپس یک مدل(الگوریتم) طراحی می کنیم و به کامپیوتر تک تک تصاویر را به صورت کامل نشان می دهیم. نهایتا بعد از اینکار امکان تمایز چهره بدون ماسک و با ماسک برای کامپیوتر فراهم می شود. و به این ترتیب در صورت ارائه عکس جدید به سیستم کامپیوتری امکان تشخیص چهره فرد با ماسک و بدون ماسک فراهم می شود. آموزش دادن یک مدل یا همون trainingیک مدل را میتوان بصورت یک فرآیند یادگیری دید که مدل ما همونطور که در بالا توضیح دادیم قدم به قدم با داده جدید و نا آشنا مواجه می شود و در هر گام یکسری پیش بینی هایی را انجام میدهد. به این ترتیب که مثلا عکس چهره با ماسک هست یا خیر، سپس نتیجه پیش بینی را دریافت میکند تا بداند تا چه میزان این پیش بینی صحیح انجام شده است.

نتیجه پیش بینی که بصورت یه بازخورد به مدل ارائه می شود، در قالب یک خطا بر اساس یه اندازه ای ارائه شده و این اندازه میتونه شامل چیزای مختلفی باشد. اما معمولا فاصله بین پاسخ صحیح و پاسخ غلط هست. در واقع فرآیند یادگیری ماشین یک فرآیند رفت و برگشتی است.

به این معنی که اگر ما بخواهیم نتیجه یک پیش بینی که غلط بوده را درست کنیم، نیاز به تغییر یک یا چندین پارامترها را خواهیم داشت. در این صورت ممکن است سیستم نتیجه یک پیش بینی راکه قبلا درست پیش بینی کرده بوده است را اشتباه پیش بینی کند. برای همین معمولا یک مدل رو برای تعداد زیادی داده تکرار می کنیم تا به کارایی خوبی برسیم. این فرآیند پیش بینی و تنظیم سیستم آنقدر تکرار می شود تا مدل را به مدل بهتری نتوان تبدیل کرد.

یادگیری عمیق چیست؟

در اینجا مفهوم یادگیری عمیق (deep learning) در رابطه با تشخیص چهره و شناسایی چهره مطرح می شود، در یادگیری عمیق روش های مختلفی داریم یکی از این روش ها استفاده از شبکه های عصبی کانولوشن هست. اساس کار این شبکه ،لایه کانولوشن می باشد. لایه های کانولوشنی(convolutional layers) در پیدا کردن ویژگی های موجود در تصاویر خیلی خوب عمل کرده و اگه تعدادی از این لایه ها رو پشت سر هم قرار بدیم بطور حیرت آوری، سلسله مراتبی از ویژگی های غیر خطی بدست خواهیم آورد.

مثلا برای تشخیص ویژگی های چهره یعنی در لایه های ابتدایی مثلا گوشه ها، خط ها و لبه ها و بعد از اون به ترتیب ویژگی های سطح بالاتر در نظر گرفته می شوند. به عنوان مثال اگر تصویر ورودی ما تصویر یک صورت باشد ویژگی هایی مثل بینی، چشم ها، گونه ها و صورت در لایه های بعدی (بالاتر) در نظر گرفته شده و سپس لایه های نهایی از این ویژگی های تولید شده برای دسته بندی ویژگی های مشترک در داده ها استفاده می شوند.

جدیدترین و پیشرفته ترین روش های تشخیص صورت با ماسک، با استفاده از یادگیری عمیق (deep learning) طراحی شده است. از معروف ترین الگوریتم های پیشرفته تشخیص شی در یادگیری عمیق می توان به: YOLO v3،YOLO V4 و R-CNN سریع اشاره کرد.

فیس آیدی در آیفون 13 حتی با ماسک نیز کار خواهد کرد !

بر اساس یک گزارش، اپل در حال آزمایش نسخه جدیدی از Face IDبرای iPhone 13 است. همانطور که در تصویر زیر مشخص است، به کارکنان یک قاب مخصوص برای iPhone 12داده می‌شود. همانطور که می‌بینید، این قاب دارای آرایه نسل بعدی Face IDدر آیفون 13 است و هنگامی که قاب به iPhone 12کارمند متصل شد، گوشی از آرایه قاب برای احراز هویت استفاده می‌کند و اینجاست که نکته جالب شروع می‌شود. ظاهرا اپل در حال آزمایش داخلی این امر در مقیاس وسیع است و به جای این که به کارکنان منتخب آیفون منتشر نشده‌ای بدهد، این مسیر را انتخاب می‌کند.

اپل از کارمندان خود می‌خواهد که چهره خود را با آیفون 13 Face IDثبت کنند، اما سعی کنند هنگام استفاده از ماسک و عینک قفل را باز کنید. ظاهرا شرکت می‌خواهد سیستم را با ماسک یا ماسک و عینک (که معمولا در چنین زمانی بخار گرفته می‌شود) آزمایش کند. همه آزمایش‌ها با عینک ویا ماسک روی صورت انجام نمی‌شود، برخی از این آزمایش بسیار عمیق است، با چندین سناریوی داخلی و خارجی که شامل هر نوع عینک و ماسک است.

الگوریتم احزار هویت با ماسک در ایران !!

خبر خوب درباره این الگوریتم این است که ایران قادر شده به ساخت الگوریتم احزار هویت با ماسک شده است. نیما شمساپور مدیرعامل شرکت بینش هوشمند نسل پیشرو در مورد ویژگی‌های این محصول دانش بنیان گفت: «ماسکینو» با بهره‌گیری از هوش مصنوعی و الگوریتم‌های یادگیری ماشین و یادگیری ژرف توسعه داده شده است. ماسکینو دومین محصول شرکت ما در حوزه احراز هویت است. اولین محصول ما با نام تجاری «یوآیدی» به بازار ایران معرفی شده است که در حال حاضر 20 هزار احراز هویت در روز انجام می‌دهد.

وی ادامه داد: ماسکینو نمونه توسعه‌یافته از یوآیدی است که دوربین هوشمند آن قادر است با استفاده از الگوریتم‌های هوش مصنوعی شامل تشخیص چهره (Face Detection)، شناسایی (Recognition) و تطبیق چهره (Face Matching)، فرد را شناسایی کند. با تعریف شدن چهره افراد در سیستم ماسکینو، به محض عبور فرد از مقابل دوربین، حتی با وجود پوشیدن ماسک، چهره وی تشخیص داده شده و متناسب با نیاز، کسب و کارها، ماموران امنیتی و مسئولان مربوطه را از ورود فرد مطلع می‌سازد.

نویسندگان: سید عماد الدین مدرسی و مریم کلانتری