Mensen zijn bedreven in het herkennen van gezichten, maar we interpreteren uitdrukkingen en emoties ook heel natuurlijk. Onderzoek zegt dat we persoonlijk bekende gezichten binnenin kunnen identificeren 380ms na presentatie en 460 ms voor onbekende gezichten. Deze intrinsiek menselijke kwaliteit heeft nu echter een concurrent in kunstmatige intelligentie en Computer Vision. Deze baanbrekende technologieën helpen bij het ontwikkelen van oplossingen die menselijke gezichten nauwkeuriger en efficiënter dan ooit herkennen.
Deze nieuwste innovatieve en niet-intrusieve technologieën hebben het leven eenvoudiger en opwindender gemaakt. Gezichtsherkenningstechnologie is uitgegroeid tot een zich snel ontwikkelende technologie. In 2020 werd de markt voor gezichtsherkenning gewaardeerd op $ 3.8 miljard, en hetzelfde is gepland om in 2025 in omvang te verdubbelen – naar verwachting meer dan $ 8.5 miljard.
Wat is gezichtsherkenning?
Gezichtsherkenningstechnologie brengt gelaatstrekken in kaart en helpt bij het identificeren van een persoon op basis van de opgeslagen gezichtsafdrukgegevens. Deze biometrische technologie gebruikt deep learning-algoritmen om de opgeslagen gezichtsafdruk te vergelijken met het live-beeld. Gezichtsdetectiesoftware vergelijkt ook vastgelegde afbeeldingen met een database van afbeeldingen om een match te vinden.
Gezichtsherkenning is in veel toepassingen gebruikt voor het verbeteren van de veiligheid op luchthavens, helpt wetshandhavingsinstanties bij het opsporen van criminelen, forensische analyse en andere bewakingssystemen.
Hoe werkt gezichtsherkenning?
Gezichtsherkenningssoftware begint met gegevensverzameling gezichtsherkenning en beeldverwerking met behulp van Computer Vision. De beelden ondergaan een hoge mate van digitale screening, zodat de computer onderscheid kan maken tussen een menselijk gezicht, een foto, een standbeeld of zelfs een poster. Door gebruik te maken van machine learning worden patronen en overeenkomsten in de dataset geïdentificeerd. Het ML-algoritme identificeert het gezicht in een bepaalde afbeelding door patronen van gezichtskenmerken te herkennen:
- De hoogte-breedteverhouding van het gezicht
- De kleur van het gezicht
- De breedte van elke functie - ogen, neus, mond en meer.
- Onderscheidende kenmerken
Omdat verschillende gezichten verschillende functies hebben, heeft gezichtsherkenningssoftware dat ook. Over het algemeen werkt elke gezichtsherkenning echter met de volgende procedure:
-
Gezichtsdetectie
Gezichtstechnologiesystemen herkennen en identificeren een gezichtsbeeld in een menigte of individueel. Technologische vooruitgang heeft het voor de software gemakkelijker gemaakt om gezichtsbeelden te detecteren, zelfs als er een kleine variatie in houding is - naar de camera gericht of wegkijkend.
-
Gezichtsanalyse
Het volgende is de analyse van het vastgelegde beeld. EEN gezichtsherkenningssysteem wordt gebruikt om unieke gelaatstrekken, zoals de afstand tussen de ogen, de lengte van de neus, de ruimte tussen de mond en de neus, de breedte van het voorhoofd, de vorm van de wenkbrauwen en andere biometrische kenmerken, nauwkeurig te identificeren.De verschillende en herkenbare kenmerken van een menselijk gezicht worden knooppunten genoemd en elk menselijk gezicht heeft ongeveer 80 knooppunten. Door het gezicht in kaart te brengen, geometrie en fotometrie te herkennen, is het mogelijk om gezichten te analyseren en te identificeren met behulp van de herkenningsdatabases nauwkeurig.
-
Conversie van afbeeldingen
Nadat de afbeelding van een gezicht is vastgelegd, wordt de analoge informatie omgezet in digitale gegevens op basis van de biometrische kenmerken van de persoon. Sinds machine learning algoritmen herkennen alleen getallen, het omzetten van de gezichtskaart in een wiskundige formule wordt relevant. Deze numerieke weergave van het gezicht, ook wel faceprint genoemd, wordt vervolgens vergeleken met een database van gezichten.
-
Een match vinden
De laatste stap is het vergelijken van uw gezichtsafdruk met verschillende databases van bekende gezichten. De technologie probeert uw kenmerken te matchen met die in de database.
Het volgende is de analyse van het vastgelegde beeld. EEN gezichtsherkenningssysteem wordt gebruikt om unieke gelaatstrekken, zoals de afstand tussen de ogen, de lengte van de neus, de ruimte tussen de mond en de neus, de breedte van het voorhoofd, de vorm van de wenkbrauwen en andere biometrische kenmerken, nauwkeurig te identificeren.De overeenkomende afbeelding wordt meestal geretourneerd met de naam en het adres van de persoon. Als dergelijke informatie ontbreekt, worden de gegevens gebruikt die in de database zijn opgeslagen.
Gezichtsherkenning Technologie Industrie Toepassingen
- We kennen allemaal Apple's Face ID waarmee gebruikers hun telefoons snel kunnen vergrendelen en ontgrendelen en kunnen inloggen op applicaties.
- McDonald's gebruikt gezichtsherkenning in zijn Japanse winkel om de kwaliteit van de klantenservice te beoordelen. Het gebruikt deze technologie om te bepalen of zijn servers zijn klanten met een glimlach helpen.
- Covergirl gebruikt gezichtsherkenningssoftware om haar klanten te helpen bij het kiezen van de juiste tint foundation.
- MAC gebruikt ook geavanceerde gezichtsherkenning om klanten een fysieke winkelervaring te bieden door hen in staat te stellen hun make-up virtueel te 'proberen' met behulp van augmented mirrors.
- Fastfoodgigant CaliBurger gebruikt gezichtsherkenningssoftware om zijn klanten in staat te stellen hun eerdere aankopen te bekijken, gespecialiseerde kortingen te genieten, gepersonaliseerde aanbevelingen te bekijken en hun loyaliteitsprogramma's te gebruiken.
- De Amerikaanse zorggigant Cigna laat hun klanten in China hun ziektekostenverzekeringsclaims indienen met behulp van fotohandtekeningen in plaats van geschreven tekens.
Gegevensverzameling voor gezichtsherkenningsmodel
Om het gezichtsherkenningsmodel optimaal te laten presteren, moet u het trainen op verschillende heterogene datasets.
Aangezien gezichtsbiometrie van persoon tot persoon verschilt, moet de gezichtsherkenningssoftware bedreven zijn in het lezen, identificeren en herkennen van elk gezicht. Bovendien, wanneer de persoon emoties toont, veranderen hun gezichtscontouren. De herkenningssoftware moet zo worden ontworpen dat deze aan deze veranderingen kan voldoen.
Een oplossing is het ontvangen van foto's van meerdere mensen uit verschillende delen van de wereld en het creëren van een heterogene database van bekende gezichten. Idealiter maak je foto's vanuit meerdere hoeken, perspectieven en met verschillende gezichtsuitdrukkingen.
Wanneer deze foto's worden geüpload naar een gecentraliseerd platform, waarbij de uitdrukking en het perspectief duidelijk worden vermeld, ontstaat er een effectieve database. Het kwaliteitscontroleteam kan deze foto's vervolgens doorzoeken voor snelle kwaliteitscontroles. Deze methode om afbeeldingen van verschillende mensen te verzamelen, kan resulteren in een database met hoogwaardige, zeer efficiënte afbeeldingen.
Bent u het er niet mee eens dat gezichtsherkenningssoftware niet optimaal zal werken zonder een betrouwbaar systeem voor het verzamelen van gezichtsgegevens?
Het verzamelen van gezichtsgegevens vormt de basis voor de prestaties van alle gezichtsherkenningssoftware. Het geeft waardevolle informatie zoals de lengte van de neus, de breedte van het voorhoofd, de vorm van de mond, oren, gezicht en nog veel meer. Met behulp van AI-trainingsgegevens kunnen geautomatiseerde gezichtsherkenningssystemen een gezicht te midden van een grote menigte nauwkeurig identificeren in een dynamisch veranderende omgeving op basis van hun gelaatstrekken.
Als je een project hebt dat een zeer betrouwbare dataset vereist die je kan helpen bij het ontwikkelen van geavanceerde gezichtsherkenningssoftware, dan is Shaip de juiste keuze. We hebben een uitgebreide verzameling gezichtsdatasets die zijn geoptimaliseerd voor het trainen van gespecialiseerde oplossingen voor verschillende projecten.
Voor meer informatie over onze inzamelmethoden, kwaliteitscontrolesystemen en aanpassingstechnieken, Neem gerust contact op! met ons vandaag